[发明专利]一种被动物联网设备识别方法、系统、介质及设备有效

专利信息
申请号: 202110373243.X 申请日: 2021-04-07
公开(公告)号: CN113328985B 公开(公告)日: 2022-12-09
发明(设计)人: 范建存;杨涛 申请(专利权)人: 西安交通大学
主分类号: H04L9/40 分类号: H04L9/40;G06V10/774;G06V10/764;G06K9/62
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 高博
地址: 710049 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 被动 联网 设备 识别 方法 系统 介质
【说明书】:

发明公开了一种被动物联网设备识别方法、系统、介质及设备,首先基于智能网络环境,用wireshark对其中网络设备进行监控,捕捉其中的流量,对其特征维度进行优化,去除无用流量包和功能性的流量包;然后将真实流量中数据解析生成测试集数据;其次特征进行处理,对缺失值进行统一处理;再次,运用C4.5决策树算法对数据进行验证,结果显示识别准确率大大提升。

技术领域

本发明属于计算机技术领域,具体涉及一种被动物联网设备识别方法、系统、介质及设备。

背景技术

如今,越来越多的智能设备和智能传感器闯进了人们的生活,通过IOT(物联网)技术进行了链接,不断的帮助人们管理和改进自己的生活。事物的出现都有两面性,它的出现不单单是带来了便利,也带来了一些挑战。因为IOT是一种新兴事物,其中出现了网络安全问题,这些问题包括了设备标示,身份验证和隐私等。因为IOT是新兴事物,厂商们对其安全还没有一定的重视,比如在其中的一些管理方面使用弱口令甚至一些硬编码的存在,导致了黑客很容易进行攻击。还有物联网设备大多都和人们的生活息息相关,其产生的数据是极其隐私的,包含了人们生活中的重要数据,如果被人恶意截取导致泄漏,会造成更大的人们财产损失。2017年 7月破坏了赌场网络的鱼缸传感器,以及自身对大学校园网络的攻击自动售货机,在这两种情况下,网络分段都可能潜在的阻止攻击,而更好的可见性将允许快速隔离以限制对企业网络的网络攻击的破坏。

随着物联网设备的迅速增加和网络的复杂性和规模的增长,不能再利用传统的手段去进行管理,需要一定的手段来帮助网络管理员来管理物联网设备。通过精心设计的标识和认证机制,可以解决很多的网络安全问题。可以使网络管理员可以管理和实施单个设备的管理,也可以对整个物联网中的设备进行集中管理操作,确保正确的设备有正确的权限连接到正确的网络环境中。将物联网设备进行身份验证可以将其加入白名单中,对侵入的物联网设备进行设备识别可以迅速对身份进行识别,及时通知管理员有未知设备联入其智能环境中。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种被动物联网设备识别方法、系统、介质及设备,采用被动方式识别物联网设备,解决了主动检测会造成物联网设备崩溃,计算能力低下,无法向外提供服务的问题;抓取真实流量,根据其需求的不同,对其网络协议进行特征提取,提高识别效率;运用C4.5算法,提高识别准确率和速率。

本发明采用以下技术方案:

一种被动物联网设备识别方法,,包括以下步骤:

S1、建立智能物联网设备环境;

S2、解析步骤S1建立的智能物联网设备环境中物联网设备发送的数据包,利用熵的形式以及设备特性和协议特性筛选相关特征,剔除无目的数据包,抛弃虚假数据包和噪音数据包,保留有效数据包作为后续处理用数据集;

S3、采集智能物联网设备环境中各种物联网设备发送和接收的数据包以及截取路由设备产生的数据包,根据设备特性和协议特性对流量包的协议特征对步骤S2生成的数据集进行处理,利用wireshark扫描pcap包,对不同设备使用的网络协议进行划分,利用具有设备特征的网络协议作为区分手段,将划分的网络协议参数作为继续识别的特征维度,构造整个物联网设备识别的具有16位特征的数据集;

S4、利用C4.5算法对步骤S3解析出的数据集进行十折交叉拆分,将拆分的数据集输入自适应Boost中得到多个C4.5弱分类器,将弱分类器结合成为强分类器,对强分类器得出的结果进行加权投票,将加权投票票数最高的类别输出为结果,完成物联网设备识别。

具体的,步骤S1中,构建智能环境时,考虑同一类型物联网设备的分类情况,统一厂商不同设备的分类情况以及物联网设备和非物联网设备的分类情况,利用熵值的变化筛选特征维度。

具体的,步骤S2中,分裂时采用最大熵值进行分裂。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110373243.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top