【技术实现步骤摘要】
配电房物联网中设备类型识别方法
本专利技术属于配电房物联网领域,涉及一种配电房物联网中设备类型识别方法。
技术介绍
在配电房物联网环境中,大量的传统设备在进行数字化改造时几乎没有配置防护能力,影响了整个系统的安全性和可靠性。同时设备类型识别作为进行物联网安全防护的重要基础,大部分物联网的安全连接都是建立在准确的设备类型识别之上,因此高效的、精确的设备类型识别方法十分有必要。机器学习算法已经广泛被利用在设备识别的分类场景中,然而机器学习的方法需要大量的数据作为支撑。在一个新的环境中,如果利用通过之前环境数据训练出来的模型,当前可以通过在线学习的方法,根据反馈数据实时快速地对模型进行调整,让模型适应新环境的变化来提高模型的准确率。但是对于已经存在的在线学习方法,一方面,以批处理的方法获取训练数据并更新模型,在模型的训练过程中会极大地占用系统资源,并且模型的更新很难具有实时性,另一方面,在模型刚开始搭建在新的环境中时,也难以让模型在刚部署的阶段有一个实时稳定的分类效果。
技术实现思路
本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种配电房物联网中设备类型识别方法,以获得设备最终的类型判别,实现快速发现、实时响应、准确定位配电房物联网中设备。为此,本专利技术采用如下的技术方案:配电房物联网中设备类型识别方法,其步骤包括:对于通过镜像和经过交换机的流量,采用旁路解析生成流量日志;根据用户指定IP范围,利用探针服务器进行主动扫描,根据不同的传输协议,主动向网络 ...
【技术保护点】
1.配电房物联网中设备类型识别方法,其特征在于,包括:/n对于通过镜像和经过交换机的流量,采用旁路解析生成流量日志;/n根据用户指定IP范围,利用探针服务器进行主动扫描,根据不同的传输协议,主动向网络中设备发送不同的协议指令,获取网络中设备的详细信息并生成流量日志;/n利用本地文件的日志数据采集器主动检测流量日志,快速生成日志流,及时输入到流处理模型中;/n在流处理模型中,根据得到的设备信息,按照不同设备的MAC地址对数据进行划分,首先将MAC地址作为设备的唯一标识,然后对与该MAC地址相关的数据进行整理建指纹表,表中数据作为该设备的指纹;当新的日志进入设备指纹表中时,若日志中相关的MAC地址在表中已经存在,则对MAC地址对应的设备指纹特征进行改动,若日志相关的某个MAC地址在表中不存在,则通过日志中MAC地址相关的数据生成新的设备指纹;之后,将新生成或有所改动的设备指纹以流的形式,分别传入设备画像流处理模型以及机器学习流处理模型中;/n结合设备画像流处理模型以及机器学习流处理模型,对物联网设备指纹进行分析,从而获得设备最终的类型判别。/n
【技术特征摘要】
1.配电房物联网中设备类型识别方法,其特征在于,包括:
对于通过镜像和经过交换机的流量,采用旁路解析生成流量日志;
根据用户指定IP范围,利用探针服务器进行主动扫描,根据不同的传输协议,主动向网络中设备发送不同的协议指令,获取网络中设备的详细信息并生成流量日志;
利用本地文件的日志数据采集器主动检测流量日志,快速生成日志流,及时输入到流处理模型中;
在流处理模型中,根据得到的设备信息,按照不同设备的MAC地址对数据进行划分,首先将MAC地址作为设备的唯一标识,然后对与该MAC地址相关的数据进行整理建指纹表,表中数据作为该设备的指纹;当新的日志进入设备指纹表中时,若日志中相关的MAC地址在表中已经存在,则对MAC地址对应的设备指纹特征进行改动,若日志相关的某个MAC地址在表中不存在,则通过日志中MAC地址相关的数据生成新的设备指纹;之后,将新生成或有所改动的设备指纹以流的形式,分别传入设备画像流处理模型以及机器学习流处理模型中;
结合设备画像流处理模型以及机器学习流处理模型,对物联网设备指纹进行分析,从而获得设备最终的类型判别。
2.根据权利要求1所述的配电房物联网中设备类型识别方法,其特征在于,在流处理的流程中,首先对不同的日志信息进行筛选:
针对HTTP、SSL、SMB、MQTT、DNS、DHCP、onvif网络协议日志,分析日志,提取类型判断需要用到的特征,确定以下的特征值作为类型判定的依据:onvif协议、流量进出比、源IP常访问端口、目的IP监听端口、dns注册域名、源IP常用的软件包、用户代理信息等。
3.根据权利要求1或2所述的配电房物联网中设备类型识别方法,其特征在于,当设备指纹流入设备画像流处理模型中,对设备指纹进行分析认定,采用一维指纹特征和多维指纹特征相结合的方法,优先采用一维特征判定,其次采用多维特征判定。
4.根据权利要求3所述的配电房物联网中设备类型识别方法,其特征在于,若场景中需要识别的设备类型有N个,分别为d1,d2,…,dN,则设备画像流处理模型最终输出命中每一类型设备的概率为
5.根据权利要求4所述的配电房物联网中设备类型识别方法,其特征在于,对于进入机器学习流处理模型中的设备指纹数据,首先利用特征工程的方法,对其进行筛选和处理,其中...
【专利技术属性】
技术研发人员:李霁远,孙歆,汪自翔,周辉,戴桦,孙昌华,李沁园,徐宏,徐梦宇,边珊,陈云,林蓓,杨中豪,周星宇,刘航宇,
申请(专利权)人:国网浙江省电力有限公司电力科学研究院,上海物盾信息科技有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。