-
公开(公告)号：CN110380989B
公开(公告)日：2022-09-02
申请号：CN201910681679.8
申请日：2019-07-26
Applicant: 东南大学
IPC: H04L47/2441 , H04L47/41 , H04L9/40 , H04L67/12
Abstract: 本发明公开了一种网络流量指纹特征二阶段多分类的物联网设备识别方法，属于物联网设备接入控制技术领域，该算法从网络流量中提取网络流量特征并匹配识别接入的物联网设备。该算法的主要步骤为：首先采集物联网设备启动接入阶段时的N个网络报文数据，从序列字段内容、序列协议信息以及序列统计数值三个维度提取特征作为设备指纹特征；接着采用“一对多”多分类机器学习架构对待检测的物联网设备进行初步识别；若初步识别出现多个识别结果，则将结果输入至最大相似度比较模块进行二次分类识别，选取相似度最高的类型作为最终识别结果。本发明克服了现有识别算法在进行物联网设备识别时容易出现识别重叠的问题，提高了识别的精确性和唯一性。
-
公开(公告)号：CN110380989A
公开(公告)日：2019-10-25
申请号：CN201910681679.8
申请日：2019-07-26
Applicant: 东南大学
IPC: H04L12/851 , H04L12/891 , H04L29/06 , H04L29/08
Abstract: 本发明公开了一种网络流量指纹特征二阶段多分类的物联网设备识别方法，属于物联网设备接入控制技术领域，该算法从网络流量中提取网络流量特征并匹配识别接入的物联网设备。该算法的主要步骤为：首先采集物联网设备启动接入阶段时的N个网络报文数据，从序列字段内容、序列协议信息以及序列统计数值三个维度提取特征作为设备指纹特征；接着采用“一对多”多分类机器学习架构对待检测的物联网设备进行初步识别；若初步识别出现多个识别结果，则将结果输入至最大相似度比较模块进行二次分类识别，选取相似度最高的类型作为最终识别结果。本发明克服了现有识别算法在进行物联网设备识别时容易出现识别重叠的问题，提高了识别的精确性和唯一性。
-
公开(公告)号：CN114866311A
公开(公告)日：2022-08-05
申请号：CN202210464767.4
申请日：2022-04-29
Applicant: 东南大学
IPC: H04L9/40 , H04W12/06 , H04B17/309 , H04B17/336
Abstract: 本发明公开了一种基于时序表征的射频指纹提取方法，包括：采集及处理无线设备的输出信号；将缩放后的数值编码成向量夹角的余弦，相应的时间戳编码为半径，将笛卡尔坐标系下的实数序列转化为极坐标下的序列；按照内积定义计算序列对应的类格拉姆矩阵，作为射频指纹的三角项；将缩放后的数值作为主对角线得到相应的对角矩阵，作为射频指纹的恢复项；计算三角项和恢复项的和，并按照数值大小渲染成图像；利用分段聚合近似法对图像进行平滑处理，将平滑后的图像作为无线设备的射频指纹。本发明克服了传统射频指纹提取算法中缺乏时序信息挖掘、设耗费资源较大的问题，安全有效，可作为多种无线设备的射频指纹提取方法。
-
公开(公告)号：CN114866311B
公开(公告)日：2024-03-22
申请号：CN202210464767.4
申请日：2022-04-29
Applicant: 东南大学
IPC: H04L9/40 , H04W12/06 , H04B17/309 , H04B17/336
Abstract: 本发明公开了一种基于时序表征的射频指纹提取方法，包括：采集及处理无线设备的输出信号；将缩放后的数值编码成向量夹角的余弦，相应的时间戳编码为半径，将笛卡尔坐标系下的实数序列转化为极坐标下的序列；按照内积定义计算序列对应的类格拉姆矩阵，作为射频指纹的三角项；将缩放后的数值作为主对角线得到相应的对角矩阵，作为射频指纹的恢复项；计算三角项和恢复项的和，并按照数值大小渲染成图像；利用分段聚合近似法对图像进行平滑处理，将平滑后的图像作为无线设备的射频指纹。本发明克服了传统射频指纹提取算法中缺乏时序信息挖掘、设耗费资源较大的问题，安全有效，可作为多种无线设备的射频指纹提取方法。
-
-
-
Search Results
4
records
(took 0.29 seconds)
