一种用于物联网设备识别可部署模型的构建方法与装置

技术特征：
1.一种用于物联网设备识别可部署模型的构建方法，其特征在于，所述方法包括：s1、获取不同类型的物联网设备的历史流量数据，以设备类型为分类，将每种设备类型对应的历史流量数据转换为二维图像数据，获得训练数据集；s2、以步骤s1中得到的数据集训练轻量级卷积神经网络至收敛；s3、将步骤s2中经过训练的轻量级卷积神经网络进行编译并与对应的应用程序合并，生成所述物联网设备识别可部署模型。2.根据权利要求1所述的方法，其特征在于，所述步骤s1包括：s11、将获取到的物联网设备的历史流量数据按照设备类型进行划分，将每种设备类型作为一个pcap文件进行存储，再基于会话将流量数据按照不同设备类型进行切分；s12、删除重复的会话数据以及清理流量数据特有信息；s13、提取会话数据的统计特征并选择其中的预设统计特征与会话中的数据包负载特征融合形成融合特征；s14、将步骤s13中获得的融合特征裁剪为预设长度阈值对应的字节数，通过将其转换为像素值并保存为灰度图的形式以表征物联网流量数据。3.根据权利要求2所述的方法，其特征在于，所述步骤s13中使用xgboost对会话数据进行特征重要性分析并生成预设统计特征。4.根据权利要求3所述的方法，其特征在于，所述预设统计特征为进行特征重要性分析并排序后排名前5的统计特征。5.根据权利要求1所述的方法，其特征在于，所述步骤s3包括：s31、将物联网设备模型转换为ir并通过多次逐层下降的方式得到llvm ir，再针对目标机器生成汇编代码形式的编译后模型；s32、将编译后的模型载入应用程序并进行数据加载与模型调用。6.一种用于物联网设备识别可部署模型的构建装置，其特征在于，所述装置包括：数据预处理模块，用于获取不同类型的物联网设备的历史流量数据，以设备类型为分类，将每种设备类型对应的历史流量数据转换为二维图像数据，获得训练数据集；模型训练模块，以所述数据预处理模块得到的数据集训练轻量级卷积神经网络至收敛；模型编译与部署模块，用于将所述经过训练的轻量级卷积神经网络进行编译并与对应的应用程序合并，生成所述物联网设备识别可部署模型。7.一种物联网设备识别装置，其特征在于，所述装置包括：数据采集模块，用于获取物联网设备的实时流量数据，并对获取的实时流量数据进行切分、清洗和特征提取以转换为二维图像数据；识别应用模块，所述识别应用模块中部署有根据权利要求1-5之一构建的物联网设备识别可部署模型，用于根据所述数据采集模块提供的二维图像数据获得物联网设备类型识别结果。8.一种物联网设备识别方法，其特征在于，所述方法包括：g1、获取物联网设备的实时流量数据，并对获取的数据进行切分、清洗、特征提取以转换为二维图像数据；g2、将步骤g1获得的二维图像数据输入根据如权利要求1-5任一所述方法构建的物联
网设备识别可部署模型中，输出所识别的物联网设备类型。9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序可被处理器执行以实现权利要求1-5或8任一所述方法的步骤。10.一种电子设备，其特征在于，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，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1-5或8中任一项所述方法的步骤。

技术总结
一种用于物联网设备识别可部署模型的构建方法，所述方法包括：S1、获取不同类型的物联网设备的历史流量数据，以设备类型为分类，将每种设备类型对应的历史流量数据转换为二维图像数据，获得训练数据集；S2、以步骤S1中得到的数据集训练轻量级卷积神经网络至收敛；S3、将步骤S2中经过训练的轻量级卷积神经网络进行编译并与对应的应用程序合并，生成所述物联网设备识别可部署模型。网设备识别可部署模型。网设备识别可部署模型。


技术研发人员：赵挽涛 刁祖龙 张广兴
受保护的技术使用者：中国科学院计算技术研究所
技术研发日：2022.05.24
技术公布日：2022/9/6