一种基于Xgboost集成学习的物联终端类型识别方法技术

本发明专利技术涉及物联终端类型识别技术领域，尤其为一种基于Xgboost集成学习的物联终端类型识别方法，包括如下步骤：对数据进行终端识别，基于流处理，通过以MAC为中心的设备唯一识别方法，识别出网络中的终端，并赋予唯一的ID；进行终端类型识别，通过特征提取、特征筛选、特征转换、类型预测，识别出终端的类型；进行纵向行为画像，在时间的维度，对终端的公共行为、特殊行为进行画像：进行横向行为画像，以相同类型的终端行为为基准，对比当前终端的行为。本发明专利技术通过构建针对性强的行为画像，考虑了终端的行为问题、终端类型的问题、终端的互补问题，因此特征处理和行为画像更加贴合物联网的终端场景。场景。场景。

【技术实现步骤摘要】
一种基于Xgboost集成学习的物联终端类型识别方法


[0001]本专利技术涉及物联终端类型识别
，尤其是一种基于Xgboost集成学习的物联终端类型识别方法。

技术介绍

[0002]随着泛在电力物联网建设的快速推进，原有的网络边界不断向用户侧延伸，其计算能力和安全防护特性也从云端向终端和边缘侧下沉，传统的中心化网络安全防护架构和基于边界访问控制的安全防护手段已无法适应物联网的防护需求，当前,物联网安全问题主要通过IOT终端识别技术来解决。而在现有的技术条件下，智能终端身份识别方法不是非常安全可靠。在传统网络中，只有用户名口令、SIM卡等针对用户的识别方法，没有针对终端的身份标识方法，而在物联网中，由于设备的类型不一且相互联系，数量又过于庞大，因此传统的智能终端身份识别便不再很好的适用于物联网终端设备，有必要提出一种智能化的算法自动的识别海量终端身份类型。

技术实现思路

[0003]本专利技术的目的是通过提出一种基于Xgboost集成学习的物联终端类型识别方法，以解决上述
技术介绍
中提出的缺陷。
[0004]本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Xgboost集成学习的物联终端类型识别方法，其特征在于：包括如下步骤：S1.1：对数据进行终端识别，基于流处理，通过以MAC为中心的设备唯一识别方法，识别出网络中的终端，并赋予唯一的ID；S1.2：进行终端类型识别，通过特征提取、特征筛选、特征转换、类型预测，识别出终端的类型；S1.3：进行纵向行为画像，在时间的维度，对终端的公共行为、特殊行为进行画像：S1.4：进行横向行为画像，以相同类型的终端行为为基准，对比当前终端的行为。2.根据权利要求1所述的基于Xgboost集成学习的物联终端类型识别方法，其特征在于：所述步骤S1.2中，所述特征提取包括数据清洗、数据规范化和特征衍生与提取。3.根据权利要求1所述的基于Xgboost集成学习的物联终端类型识别方法，其特征在于：所述步骤S1.2中，所述特征筛选采用过滤法、包装法和嵌入法。4.根据权利要求1所述的基于Xgboost集成学习的物联终端类型识别方法，其特征在于：通过对比模型对特征分布的要求、模型的鲁棒性、模型的资源消耗情况、模型的可更新性、模型的样本外准确率，选择基于Boosting和树形模型的XGBoost模型。5.根据权利要求4所述的基于Xgboost集成学习的物联终端类型识别方法，其特征在于：所述XGBoost模型流程如下：S2.1：判断是否有主动扫描任务，判断的同时进行旁路解析生成流量日志；若有主动扫描任务，则根据用户指定IP范围，通过主动扫描任务获取更多设备信息并生成日志，否则采集日志数据，生成日志流并送入流处理模型；S2.2：判断设备是否存在，设备存在则生成设备信息并形成设备...

【专利技术属性】
技术研发人员：沈健，张磊，袁誉峰，钱一宏，张永建，胡利辉，张晓峰，周金邢，施光南，蒋安杰，韩保礼，王雪颖，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，
类型：发明
国别省市：