本发明涉及物联终端类型识别技术领域，尤其为一种基于Xgboost集成学习的物联终端类型识别方法，包括如下步骤：对数据进行终端识别，基于流处理，通过以MAC为中心的设备唯一识别方法，识别出网络中的终端，并赋予唯一的ID；进行终端类型识别，通过特征提取、特征筛选、特征转换、类型预测，识别出终端的类型；进行纵向行为画像，在时间的维度，对终端的公共行为、特殊行为进行画像：进行横向行为画像，以相同类型的终端行为为基准，对比当前终端的行为。本发明通过构建针对性强的行为画像，考虑了终端的行为问题、终端类型的问题、终端的互补问题，因此特征处理和行为画像更加贴合物联网的终端场景。