[发明专利]一种高速网络中轻量级的物联网设备识别方法

说明书

本发明公开了一种高速网络中轻量级的物联网设备识别方法，首先采集物联网设备正常工作时的流量，进行处理，根据数据包的到达时间间隔计算出物联网设备在数据传输时的周期时长。然后，基于各物联网设备的周期时长，为每个物联网设备选择能够精准表征流量周期性的特征提取时间粒度，并将相同时间粒度的物联网设备归于一类。随后，根据不同类别的时间粒度和周期时长，对每个物联网设备类别分别进行特征提取，得到单一特征序列。最后，利用有监督的深度学习方法分别训练每个类别对应的的轻量级神经网络模型，得到针对不同特征提取时间粒度的分类模型。本发明可在合理的时间内实现对海量高速流量中物联网设备流量的识别，用于网络流量分析和网络管理。

技术领域

本发明涉及一种高速网络中轻量级的物联网设备识别方法，属于网络安全技术领域。

背景技术

物联网(IoT)是一种通过互联网连接各种物体并提供服务的机制，能够实时采集指定对象的属性和变化信息，实现了对物品和过程的智能化感知、识别、监控和管理。如今，随着硬件与数据分析能力的共同发展、网络性能的大幅提高，物联网解决方案的发展正进行着实质性加速。然而，由于物联网覆盖行业和应用的多样，接入终端所使用协议和标准的不统一，用户安全意识的缺乏，物联网具有异构性、碎片化以及缺乏可视性的特点，面临着僵尸网络、恶意软件攻击等一系列安全威胁，给网络性能造成不良影响。

因此，互联网服务提供商(ISP)有必要在充分考虑消费者隐私的前提下，了解物联网设备的状态，提高设备的可视性，从而实现精准管理，尽早发现异常。物联网设备识别是将物联网设备产生的信息进行提取和分析、标定设备的相关属性信息的过程，是实现定制化网络管理、进行异常检测的基础。

目前，研究者们已经提出了一系列物联网设备识别方法，根据所依据特征的来源的不同，物联网设备识别方法主要分为基于协议标语的识别方法和基于流量特征的识别方法。但是这些方法仍存在一些局限性。

(1)基于协议标语的识别方法

基于协议标语的识别方法通过提取应用层协议的响应数据中的字段来获取物联网设备的属性信息进而识别设备，然而，此类方法依赖于协议响应数据中的关键字信息。此外，提取协议标语的文本特征会造成更大的存储开销和时间开销，不便于面向高速网络流量识别其中的物联网设备流量。

(2)基于流量特征的识别方法

基于流量特征的识别方法从流量的内容、模式和元数据中提取有效特征构建流量分类模型。该类方法需要预先在近百个流量特征中选择最重要的多个特征，分类准确率取决于所使用特征是否准确概括流量特征。并且，面对具有海量流量数据的高速网络，提取多个特征需要耗费大量资源。

发明内容

为解决上述问题，本发明公开了一种高速网络中轻量级的物联网设备识别方法，该方法首先采集物联网设备正常工作时的流量，对流量进行处理，根据数据包的到达时间间隔计算出物联网设备在数据传输时的周期时长。然后，基于各物联网设备的周期时长，为每个物联网设备选择能够精准表征流量周期性的特征提取时间粒度，并将相同时间粒度的物联网设备归于一类。随后，根据不同类别的时间粒度和周期时长，对每个物联网设备类别分别进行特征提取，得到单一特征序列。最后，利用有监督的深度学习方法分别训练每个类别对应的轻量级神经网络模型，得到针对不同特征提取时间粒度的分类模型。该分类模型可以用于识别高速网络中的物联网设备流量。本发明可在合理的时间内实现对海量高速流量中物联网设备流量的识别，可用于网络流量分析和网络管理。

为了实现本发明的目的，本方案具体技术步骤如下：

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；