本公开涉及一种电子设备的设备属性确定方法、装置、电子设备及计算机可读介质。该方法包括：获取预设范围内每个电子设备的开放端口集合；将所述开放端口集合和预设规则集进行匹配，为匹配成功的电子设备分配设备属性；将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别；根据识别结果确定未匹配成功的电子设备的设备属性。本申请涉及的电子设备的设备属性确定方法、装置、电子设备及计算机可读介质，能够提高工控网络中电子设备的识别准确度和识别效率，能够对工控设备及通用设备的进行高精准区分。及通用设备的进行高精准区分。及通用设备的进行高精准区分。
【技术实现步骤摘要】
电子设备的设备属性确定方法及装置
[0001]本公开涉及计算机信息处理领域，具体而言，涉及一种电子设备的设备属性确定方法、装置、电子设备及计算机可读介质。
技术介绍
[0002]目前，由于信息化发展步入高速时代，网络中存在着各式各类的设备。对于工业场景下，按照资产大类进行划分可将现网中资产分为工控资产及通用资产，工控资产为应用工业控制系统中的相关设备，包含SCADA、PLC、DCS、RTU、HMI、工业交换机、工业操作员站/工程师站等；通用资产为PC、服务器，打印机以及摄像头等。
[0003]目前业界对于通用设备以及工控设备的类型划分主要采用的是若某设备(终端)能够被相关工业资产获取脚本所识别，则该设备一定为工控设备，若没能被识别，但开放着如102,502,2404等工控主流端口时，则会预置为工控设备，该类设备可能为工控设备，也可能为主机设备，没开放所述的工控主流端口时，则为通用设备。
[0004]现有技术中的这种识别方式，对于没能被识别脚本识别出，但开放着“工控端口”的通用设备识别存在很大的误识别概率；识别效率较低，当对足够多的资产进行盘点时，对各种设备均需要跑相关脚本程序，识别速度慢。
[0005]因此，需要一种新的电子设备的设备属性确定方法、装置、电子设备及计算机可读介质。
[0006]在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0007]有鉴于此，本申请提供一种电子设备的设备属性确定方法、装置、电子设备及计算机可读介质，能够提高工控网络中电子设备的识别准确度和识别效率，能够对工控设备及通用设备的进行高精准区分。
[0008]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0009]根据本申请的一方面，提出一种电子设备的设备属性确定方法，该方法包括：获取预设范围内每个电子设备的开放端口集合；将所述开放端口集合和预设规则集进行匹配，为匹配成功的电子设备分配设备属性；将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别；根据识别结果确定未匹配成功的电子设备的设备属性。
[0010]在本申请的一种示例性实施例中，还包括：通过已标注的多个工控设备和多个通用设备对应的开放端口集合对前馈神经网络模型进行训练，生成所述属性识别模型。
[0011]在本申请的一种示例性实施例中，通过已标注的多个工控设备和多个通用设备对应的开放端口集合对前馈神经网络模型进行训练，生成所述属性识别模型，包括：获取多个应用场景中多个工控设备对应的开放端口集合，并为其分配样本标签；获取多个应用场景
中多个通用设备对应的开放端口集合，并为其分配样本标签；将带有标签的多个工控设备和多个通用设备对应的开放端口集合输入前馈神经网络模型中；在训练策略满足预设标准时，生成所述属性识别模型。
[0012]在本申请的一种示例性实施例中，在训练策略满足预设标准时，生成所述属性识别模型，包括：将前馈神经网络输出的预测标签与实际样本标签进行比较；根据比较的差值调整对前馈神经网络内部各个神经结构的权重进行反较；在预测精度大于阈值时，通过当前各个神经结构的权重生成所述属性识别模型。
[0013]在本申请的一种示例性实施例中，还包括：通过同时开放的多个操作系统端口集合生成通用设备规则；通过同时开发的多个服务器相关端口集合生成通用设备规则；通过同时开放的多个工控设备端口集合生成工控设备规则；通过特殊端口集合生成工控设备规则；通过通用设备规则和工控设备规则生成所述预设规则集。
[0014]在本申请的一种示例性实施例中，获取预设范围内每个电子设备的开放端口集合，包括：通过全端口扫描获取预设范围内每个电子设备的开放端口集合；和/或通过命令查询获取预设范围内每个电子设备的开放端口集合。
[0015]在本申请的一种示例性实施例中，通过全端口扫描获取预设范围内每个电子设备的开放端口集合，包括：向预设范围内的每个电子设备的多个目标端口逐一发送SYN数据包；根据SYN数据包的返回结果确定该电子设备的该目标端口是否开放。
[0016]在本申请的一种示例性实施例中，通过命令查询获取预设范围内每个电子设备的开放端口集合，包括：登陆预设范围内的电子设备；在电子设备对应的系统中进行命令查询以获取所述电子设备的开发端口集合。
[0017]在本申请的一种示例性实施例中，将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别，包括：将未匹配成功的电子设备对应的开放端口集合输入到识别脚本中，为识别出来的电子设备分配设备属性；将未识别出来的电子设备对应的开放端口集合输入到属性识别模型中进行识别。
[0018]根据本申请的一方面，提出一种电子设备的设备属性确定装置，该装置包括：集合模块，用于获取预设范围内每个电子设备的开放端口集合；匹配模块，用于将所述开放端口集合和预设规则集进行匹配，为匹配成功的电子设备分配设备属性；识别模块，用于将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别；属性模块，用于根据识别结果确定未匹配成功的电子设备的设备属性。
[0019]根据本申请的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
[0020]根据本申请的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
[0021]根据本申请的电子设备的设备属性确定方法、装置、电子设备及计算机可读介质，通过获取预设范围内每个电子设备的开放端口集合；将所述开放端口集合和预设规则集进行匹配，为匹配成功的电子设备分配设备属性；将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别；根据识别结果确定未匹配成功的电子设备的设备属性的方式，能够提高工控网络中电子设备的识别准确度和识别效率，能够对工控设备及通
用设备的进行高精准区分。
[0022]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
[0023]通过参照附图详细描述其示例实施例，本申请的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是根据一示例性实施例示出的一种电子设备的设备属性确定方法及装置的系统框图。
[0025]图2是根据一示例性实施例示出的一种电子设备的设备属性确定方法的流程图。
[0026]图3是根据另一示例性实施例示出的一种电子设备的设备属性确定方法的示意图。
[0027]图4是根据另一示例性实施例示出的一种电子设备的设备属性确定方法的流程图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电子设备的设备属性确定方法，其特征在于，包括：获取预设范围内每个电子设备的开放端口集合；将所述开放端口集合和预设规则集进行匹配，为匹配成功的电子设备分配设备属性；将未匹配成功的电子设备对应的开放端口集合输入到属性识别模型中进行识别；根据识别结果确定未匹配成功的电子设备的设备属性。2.如权利要求1所述的方法，其特征在于，还包括：通过已标注的多个工控设备和多个通用设备对应的开放端口集合对前馈神经网络模型进行训练，生成所述属性识别模型。3.如权利要求2所述的方法，其特征在于，通过已标注的多个工控设备和多个通用设备对应的开放端口集合对前馈神经网络模型进行训练，生成所述属性识别模型，包括：获取多个应用场景中多个工控设备对应的开放端口集合，并为其分配样本标签；获取多个应用场景中多个通用设备对应的开放端口集合，并为其分配样本标签；将带有标签的多个工控设备和多个通用设备对应的开放端口集合输入前馈神经网络模型中；在训练策略满足预设标准时，生成所述属性识别模型。4.如权利要求3所述的方法，其特征在于，在训练策略满足预设标准时，生成所述属性识别模型，包括：将前馈神经网络输出的预测标签与实际样本标签进行比较；根据比较的差值调整对前馈神经网络内部各个神经结构的权重进行反较；在预测精度大于阈值时，通过当前各个神经结构的权重生成所述属性识别模型。5.如权利要求1所述的方法，其特征在于，还包括：通过同时开放的多个操作系统端口集合生成通用设备规则；通过同时开发的多个服务器相关端口集合生成通用设备规则；通过同时开放的多个工控设备端口集合生成工控设备规则；通过特...
【专利技术属性】
技术研发人员：杨昀桦，宁力军，沈奇超，
申请(专利权)人：杭州迪普科技股份有限公司，
类型：发明
国别省市：
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。