公开(公告)号：CN114679318B

公开(公告)日：2024-04-23

申请号：CN202210302232.7

申请日：2022-03-25

申请人： 东南大学

发明人： 吴桦 ,  樊星萌 ,  程光

IPC分类号： H04L9/40 ,  H04L67/12 ,  G06N3/0464 ,  G06N3/08

摘要： 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。

公开(公告)号：CN114679318A

公开(公告)日：2022-06-28

申请号：CN202210302232.7

申请日：2022-03-25

申请人： 东南大学

发明人： 吴桦 ,  樊星萌 ,  程光

IPC分类号： H04L9/40 ,  H04L67/12 ,  G06N3/04 ,  G06N3/08

摘要： 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。