基于流量特征的物联网设备识别方法研究
基于流量特征的物联网设备识别方法研究
物联网设备识别技术对网络空间中的服务质量与网络安全有着重要意义。然而,在设备识别的过程中需要获取、处理与传输大量网络流量,这些流量可由大量特征描述,但通常这些特征之间存在冗余;此外,相同类型的物联网设备在流量行为上具有一定的相似性,这类物联网设备在识别过程中容易混淆,故识别的准确率较低。针对上述问题,本文提出一种基于时间窗口的随机森林物联网设备识别方法,该方法利用流量特征表征设备属性。首先基于网络流量时间依赖性的特点,利用时间窗口将流划分为多个时间周期为T的子流;其次,从子流中提取流信息与包信息共同构建特征向量;最后,基于随机森林构建模型对设备流量进行分类从而实现物联网设备的识别,主要工作内容如下:(1)针对流量存在特征冗余的问题,从特征选择层面出发,提出一种基于GA-RF(Genetic Algorithm-Random Forest)的流量特征选择方法,该方法在考虑特征与类别关联性的同时兼顾特征与特征之间的关联性,即使用遗传算法作为特征选择策略,将随机森林模型输出的F1-score作为特征评价指标,进行多次迭代,剔除子集中的冗余特征,从而得到最优特征子集。在公开数据集上对选取不同特征进行训练的模型性能进行了对比验证,实验结果显示本文所提的基于GA-RF的流量特征选择方法在降低特征维度的同时提升了区分物联网设备与非物联网设备的性能。(2)针对现有的物联网设备识别方法可扩展性差、对相同类型物联网设备识别准确率低的问题,提出一种二阶段分类(Two Stage Classification-RF,TSC-RF)的物联网设备识别方法。首先,基于Ov A-RF(one versus all,Ov A)为每一类物联网设备训练一个分类模型,故当网络中接入新的物联网设备时,不必重新训练分类器,避免高昂的学习代价;其次,在上述基础上引入余弦相似度,改善分类重叠的问题,进一步提升相同类型的物联网设备的识别准确率;最后在公开数据集上进行了验证,实验结果显示本章节提出的基于TSC-RF的物联网设备识别方法具有较好的识别效果。
硕士论文
相关知识
一种基于声音特征优化选择的鸟声识别方法
基于物联网的宠物健康监测系统
一种基于物联网检测宠物运动的设备及方法
基于物联网技术的宠物管理系统设计
基于鸣声的鸟类智能识别方法研究
一种基于物联网的宠物健康智能监测定位系统
一种基于YOLO的宠物图像识别方法
5G+物联网=？
【特纳斯电子】基于物联网的宠物检测管理系统
形形色色的动物身份识别方法
网址: 基于流量特征的物联网设备识别方法研究 https://m.mcbbbk.com/newsview381795.html
| 上一篇: 基于主成分回归的经济和环境对人群 |
下一篇: vBNST调控对不可预测威胁信号 |
