[发明专利]一种高速网络中轻量级的物联网设备识别方法

权利要求书

1.一种高速网络中轻量级的物联网设备识别方法，其特征在于，该方法包括以下步骤：

步骤(1)通过数据采集设备进行物联网设备流量采集；

步骤(2)对物联网设备流量进行处理，计算每个物联网设备的周期时长；

步骤(3)根据步骤(2)得到的周期时长，为每个物联网设备选择特征提取的时间粒度，并将相同时间粒度的物联网设备归为一类；

步骤(4)根据步骤(3)得到的物联网设备类别以及各个类别中物联网设备的周期时长，为每个类别设定时间窗口，基于时间粒度和时间窗口进行特征提取，得到单一特征序列；

步骤(5)使用一段公开数据集数据作为背景流量，根据步骤(4)中的时间粒度和时间窗口进行特征提取，与相同时间粒度和时间窗口的物联网设备特征序列共同构成训练集，使用有监督深度学习算法对不同训练集分别进行模型训练，得到对应分类模型；

步骤(6)分别使用步骤(4)中的不同类别的时间粒度和时间窗口，对高速网络中的流量进行特征提取，使用步骤(5)得到的各时间粒度下的分类模型对高速网络流量中的物联网设备流量进行识别。

2.根据权利要求1所述的一种高速网络中轻量级的物联网设备识别方法，其特征在于，所述步骤(1)中，获取物联网设备流量的方法如下：

(1.1)配置流量采集环境，依次接入物联网设备，使用tcpdump采集物联网设备流量；

(1.2)流量采集时，保持物联网设备工作状态处于空闲状态或者活动状态。

3.根据权利要求1所述的一种高速网络中轻量级的物联网设备识别方法，其特征在于，所述步骤(2)中，计算物联网设备周期时长的具体过程如下：

(2.1)对步骤(1)中获取的各物联网设备流量进行组流，获得五元组相同的单向流；使用wireshark初步观察流量的变化情况，得到粗略的活跃时间长度和空闲时间长度，设定一个略小于观察所得空闲时间长度的值作为间隔阈值Gap；

(2.2)依次读取构成单向流的数据包(源IP、源端口、目的IP、目的端口和传输层协议相同)，记录当前数据包的时间戳；

(2.3)判断周期开始时间是否为0，若为0，则进行(2.2)；若不为0，则计算当前数据包与上一个数据包时间戳的差值；

(2.4)判断差值是否大于间隔阈值Gap，若差值小于间隔阈值，则进行(2.2)；若差值大于间隔阈值，则记录此差值为空闲时间T_idle，并计算上一个数据包时间戳与周期开始时间的差值，记录此差值为活跃时间T_active；输出此周期的T_active和T_idle，令周期开始时间为当前数据包的时间戳，进行(2.2)，直至该流结束；

(2.5)当读取完单向流的全部数据包，计算T_active和T_idle的平均值；将二者的平均值求和，得到该物联网设备数据传输过程中一个周期的平均时长。

4.根据权利要求1所述的一种高速网络中轻量级的物联网设备识别方法，其特征在于，所述步骤(3)中，选择特征提取的时间粒度的具体步骤如下：

(3.1)基于步骤(2)中获取的周期时长，根据原则确定对物联网设备流量进行特征提取时的时间粒度，原则如下：时间粒度的数量级应该小于周期时长的数量级，时间粒度的长度不应小于周期时长的一千分之一，时间粒度的长度应该为10的n次方；

(3.2)将相同时间粒度的物联网设备归为同一类别。

5.根据权利要求1所述的一种高速网络中轻量级的物联网设备识别方法，其特征在于，所述步骤(4)中，进行特征提取获得单一特征序列具体包含以下子步骤：

(4.1)对于步骤(3)中获得的不同时间粒度的物联网设备类别，根据原则确定该物联网设备类别的时间窗口，原则如下：时间窗口至少包含类别内每个物联网设备的两个周期；

(4.2)对同一个类别的物联网设备逐一进行特征提取：读取时间窗口内构成单向流的数据包，依次计算时间粒度长度内的单一流量特征，得到单一流量特征序列。