[发明专利]一种用于物联网精准防护的设备分类方法及系统

权利要求书

1.一种用于物联网精准防护的设备分类方法，其特征在于，包括：

采集一定周期内的网络流量数据，根据所述网络流量数据提取设备的第一行为特征数据；

根据所述第一行为特征数据进行预处理后，得到训练样本，根据所述训练样本对XGBoost模型进行训练后，生成设备分类模型；

获取物联网内在线设备的第二行为特征数据，对第二行为特征数据进行预处理后，将第二行为特征数据输入所述设备分类模型，根据设备分类模型的输出结果，识别所述在线设备的类型；

基于在线设备类型，对异常网络行为进行预警。

2.根据权利要求1所述的用于物联网精准防护的设备分类方法，其特征在于，所述采集一定周期内的网络流量数据，根据所述网络流量数据提取设备的第一行为特征数据，包括：

采集一定周期内的网络流量数据，根据网络协议和报文结构分解网络流量数据后并存储；

对存储的流量数据进行预处理后，提取设备的第一行为数据。

3.根据权利要求2所述的用于物联网精准防护的设备分类方法，其特征在于，所述根据所述第一行为特征数据进行预处理后，得到训练样本，根据所述训练样本对XGBoost模型进行训练后，生成设备分类模型，包括：

对所述第一行为特征数据进行预处理后，获取第一行为特征数据的均值和方差；

根据第一行为特征数据的均值和方差生成训练样本；

根据所述训练样本对XGBoost模型进行训练后，生成设备分类模型。

4.根据权利要求3所述的用于物联网精准防护的设备分类方法，其特征在于，所述根据第一行为特征的数据和方差形成训练数据，对训练数据进行标签标记，生成训练样本，包括：

根据第一行为特征的数据和方差梯度分类学习，得到梯度分类学习结果；

对梯度分类学习结果通过聚类计算得到设备的行为特征，对设备的行为特征打上标签，生成训练样本，所述标签用于标识设备的分类类型。

5.根据权利要求4所述的用于物联网精准防护的设备分类方法，其特征在于，所述第一行为数据包括设备的上行流量，下行流量，上行数据包数量，下行数据包数量，上行连接的不同IP数量，下行连接的不同IP数量，上行连接的不同端口数量，下行连接的不同端口数量。

6.一种用于物联网精准防护的设备分类系统，其特征在于，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：

采集一定周期内的网络流量数据，根据所述网络流量数据提取设备的第一行为特征数据；

根据所述第一行为特征数据进行预处理后，得到训练样本，根据所述训练样本对XGBoost模型进行训练后，生成设备分类模型；

获取物联网内在线设备的第二行为特征数据，对第二行为特征数据进行预处理后，将第二行为特征数据输入所述设备分类模型，根据设备分类模型的输出结果，识别所述在线设备的类型；

基于在线设备类型，对异常网络行为进行预警。

7.根据权利要求6所述的用于物联网精准防护的设备分类系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：

采集一定周期内的网络流量数据，根据网络协议和报文结构分解网络流量数据后并存储；

对存储的流量数据进行预处理后，提取设备的第一行为数据。

8.根据权利要求7所述的用于物联网精准防护的设备分类系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：

对所述第一行为特征数据进行预处理后，获取第一行为特征数据的均值和方差；

根据第一行为特征数据的均值和方差生成训练样本；

根据所述训练样本对XGBoost模型进行训练后，生成设备分类模型。