基于加权特征融合的物联网设备识别方法

作     者：曹伟康 林宏刚 CAO Weikang;LIN Honggang

作者机构：成都信息工程大学网络空间安全学院(芯谷产业学院)成都610225 先进密码技术与系统安全四川省重点实验室成都610225 网络空间安全态势感知与评估安徽省重点实验室合肥230037 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S2期

页      面：875-883页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家242信息安全计划项目(2021-037) 网络空间安全态势感知与评估安徽省重点实验室课题(CSSAE-2021-002) 

主　　题：物联网 设备识别 TextCNN BiLSTM_Attention 特征提取 加权特征融合 

摘      要：物联网设备识别在设备管理和网络安全等领域具有极为重要的作用,它不仅有助于管理员及时审查网络资产,还能将设备信息与潜在漏洞信息相互关联,及时发现潜在的安全风险。目前的物联网设备识别方法存在没有充分利用物联网设备的特征,并且在样本不平衡的情况下难以识别出样本较少的设备等问题。针对上述问题,文中提出了一种基于加权特征融合的物联网设备识别方法,设计了TextCNN-BiLSTM_Attention并行结构,分别提取物联网设备应用层服务信息的局部特征和上下文特征;提出了一种加权特征融合算法对不同模型提取的特征进行融合;最后采用多层感知机完成设备识别。实验结果表明,该方法能更全面地提取物联网设备特征,在数据不平衡的情况下识别出样本较少的设备,宏平均精准率比现有方法提升了2.6%~12.85%,具有良好的表征能力和泛化能力,且在识别效率方面优于CNN_LSTM等多模型方法。