[發明專利]基于深度學習網絡的物聯網設備的識別方法

在審

• 申請號: 202111430144.7
• 申請日: 2021-11-29
• 公開（公告）號: CN114091616A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 孟維;蔡勇;陳大龍;劉浪
• 申請（專利權）人: 南京華蘇科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/216;G06N3/04;G06N3/08;H04L67/12;G16Y30/00;G16Y40/20
• 代理公司: 南京北辰聯和知識產權代理有限公司 32350
• 代理人: 陸中丹

本發明涉及基于深度學習網絡的物聯網設備的識別方法，包括步驟：S1：結合SOINN和SVM構建增量式監督學習方法SOINN?SVM，實現設備品牌分類器的增量學習，識別設備品牌；S2：優化正則匹配結果，給予型號字段大于0.42的權重值；S3：結合Jaro距離與權重值計算待識別設備與型號特征庫的匹配度，識別設備型號。該識別方法基于交互頁面DOM樹的設備品牌特征，結合SVM和SOINN構建SOINN?SVM，實現設備品牌分類器識別設備品牌；再使用TF?IDF技術優化正則匹配結果，結合TF?IDF權重值和Jaro距離計算文本匹配度，實現設備型號的識別。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種基于深度學習網絡的物聯網設備的識別方法。

背景技術

隨著5G與AI技術的應用和推廣，物聯網技術得到飛速發展，大量的物聯網設備在智慧城市、醫療、工業等領域得到廣泛應用。根據Statista公司的預測，2025年物聯網設備的數量將達到386億臺，而2030年將增加到500億臺，然而物聯網設備由于結構簡單、防御機制不足，成為黑客的主要攻擊目標，往往一個設備漏洞便會導致同品牌設備都被攻擊。同時由于物聯網設備數量龐大，這這種攻擊的危害可以被成倍放大。2016年，黑客利用Mirai病毒劫持了150萬臺物聯網設備并組成僵尸網絡(botnet)發動DDOS攻擊，造成美國大規模的網絡癱瘓。2017年，LG智能家居設備的漏洞導致大量用戶隱私泄露。因此，物聯網安全已經成為未來網絡發展中亟需解決的關鍵問題之一。

但是，物聯網設備數量龐大，種類繁多，不同類型的設備存在不同的安全漏洞，難以進行統一的安全管理。因此，利用物聯網信息搜索技術發現和識別物聯網設備是進行安全管理的第一步。Shodan和Censys是業界成熟的物聯網搜索引擎，可以提供大量暴露在公網中的物聯網設備信息。目前的物聯網設備識別方法大致可以分為2類：基于流量特征的識別方法和基于標語的識別方法。

自組織增量學習神經網絡(SOINN)是一種基于競爭學習的兩層神經網絡，SOINN的增量性使得它能夠發現數據流中出現的新模式并進行學習，同時不影響之前學習的結果。因此SOINN能夠作為一種通用的學習算法應用于各類非監督學習問題中。

發明內容

本發明的目的在于解決針對傳統設備識別方法存在模型動態更新困難、訓練數據不足和運算存儲開銷大等問題；提供一種基于深度學習網絡的物聯網設備的識別方法。

為解決上述問題，本發明采用的技術方案為：該基于深度學習網絡的物聯網設備的識別方法，包括以下步驟：

S1：結合SOINN和SVM構建增量式監督學習方法SOINN-SVM，實現設備品牌分類器的增量學習，加快模型更新速度，識別設備品牌；

S2：優化正則匹配結果，給予型號字段大于0.42的權重值；

S3：結合Jaro距離與權重值計算待識別設備與型號特征庫的匹配度，識別設備型號。

采用上述技術方案，將增量學習方法與監督學習方法相結合，提出了基于自組織增量學習神經網絡(self-organizing incremental neural network，SOINN)的物聯網設備識別方法；該方法分兩步依次識別設備的品牌和型號信息，首先，設計了基于交互頁面DOM樹的設備品牌特征；將特征轉化為數字向量并且特征長度只有26；然后結合SVM和SOINN構建SOINN-SVM，實現設備品牌分類器的增量學習，借助SOINN網絡的壓縮數據和增量學習特性，使用少量的數據完成分類模型的快速動態更新，使得品牌分類器可以在識別過程中不斷提高識別準確率。接著，使用TF-IDF技術優化正則匹配結果，使得正確的型號字段具有更高的權重值，降低干擾詞的影響，最后，結合TF-IDF權重值和Jaro距離計算文本匹配度，實現設備型號的識別；其中型號識別是在品牌識別結果上的二次分類，對單品牌型號特征庫的遍歷縮短了識別時間。

作為本發明的優選技術方案，所述步驟S1的具體步驟為：