检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于二阶段多分类的物联网设备识别算法

清华大学学报（自然科学版） 2020年第5期60卷 365-370页

作者：宋宇波祁欣妤黄强胡爱群杨俊杰东南大学网络空间安全学院江苏省计算机网络技术重点实验室南京211189 网络通信与安全紫金山实验室南京211189

物联网让万物互联互通,为了避免恶意设备对网络系统的破坏,必须采取有效的访问控制。通过提取网络流量特征作为设备指纹进行设备识别,只需耗费较少网络资源,成为了当前最有效的设备识别方法。然而,现有的设备识别算法准确率不高,尤其对... 详细信息

物联网让万物互联互通,为了避免恶意设备对网络系统的破坏,必须采取有效的访问控制。通过提取网络流量特征作为设备指纹进行设备识别,只需耗费较少网络资源,成为了当前最有效的设备识别方法。然而,现有的设备识别算法准确率不高,尤其对于相似的两种设备,往往会出现分类重叠问题。该文提出了一种基于流量特征的二阶段多分类设备识别算法。当出现分类重叠问题时,即采用最大相似度比较算法进行二次分类。实验结果表明,该算法的平均识别准确率达到了93.2%。

关键词：设备识别多分类技术最大相似度机器学习

在线全文

学校读者我要写书评

暂无评论

物联网设备识别及异常检测研究综述

软件学报 2024年第1期35卷 288-308页

作者：樊琳娜李城龙吴毅超段晨鑫王之梁林海杨家海清华大学网络科学与网络空间研究院北京100084 北京信息科学与技术国家研究中心北京100084 国防科技大学信息通信学院湖北武汉430019

随着物联网技术的发展,物联网设备广泛应用于生产和生活的各个领域,但也为设备资产管理和安全管理带来了严峻的挑战.首先,由于物联网设备类型和接入方式的多样性,网络管理员通常难以得知网络中的物联网设备类型及运行状态.其次,物联网... 详细信息

随着物联网技术的发展,物联网设备广泛应用于生产和生活的各个领域,但也为设备资产管理和安全管理带来了严峻的挑战.首先,由于物联网设备类型和接入方式的多样性,网络管理员通常难以得知网络中的物联网设备类型及运行状态.其次,物联网设备由于其计算、存储资源有限,难以部署传统防御措施,正逐渐成为网络攻击的焦点.因此,通过设备识别了解网络中的物联网设备并基于设备识别结果进行异常检测,以保证其正常运行尤为重要.近几年来,学术界围绕上述问题开展了大量的研究.系统地梳理物联网设备识别和异常检测方面的相关工作.在设备识别方面,根据是否向网络中发送数据包,现有研究可分为被动识别方法和主动识别方法.针对被动识别方法按照识别方法、识别粒度和应用场景进行进一步的调研,针对主动识别方法按照识别方法、识别粒度和探测粒度进行进一步的调研.在异常检测方面,按照基于机器学习算法的检测方法和基于行为规范的规则匹配方法进行梳理.在此基础上,总结物联网设备识别和异常检测领域的研究挑战并展望其未来发展方向.

关键词：物联网设备识别异常检测

基于预训练Transformers的物联网设备识别方法

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2024年第8期24卷 1277-1290页

作者：邢长友王梓澎张国敏丁科陆军工程大学指挥控制工程学院南京210007

为帮助网络管理员迅速隔离局域网内的异常、易受攻击的物联网设备,以防攻击者利用设备漏洞侵入内部网络进行潜伏和后续深度攻击,高效的物联网设备识别方法显得尤为重要。然而,现有基于机器学习的识别方法普遍存在特征选择过程复杂、获... 详细信息

为帮助网络管理员迅速隔离局域网内的异常、易受攻击的物联网设备,以防攻击者利用设备漏洞侵入内部网络进行潜伏和后续深度攻击,高效的物联网设备识别方法显得尤为重要。然而,现有基于机器学习的识别方法普遍存在特征选择过程复杂、获取的数据流特征不稳定等问题,从而影响了识别准确性。为此,文章提出了一种基于预训练Transformers的物联网设备识别方法,该方法主要通过IoTBERT模型对设备流量进行处理,以实现物联网设备识别目标。IoTBERT包括预训练单元和设备识别单元等核心组件,预训练单元通过使用无标记物联网设备流量数据训练ALBERT模型,将数据特征编码嵌入高维特征向量中,从而获取流量特征表示模型。设备识别单元则利用标记数据微调预训练模型的参数权重,并结合残差网络在分组级别上完成物联网设备识别。该方法自动学习流量特征表示并执行分类识别决策,无需人工设计特征工程和手动构建多阶段处理流程,直接将原始数据分组编码映射到相应的类别标签,从而实现端到端的物联网设备识别。在公开数据集Aalto、UNSW和CIC IoT上的实验结果表明,文章所提方法能够基于数据分组有效识别物联网设备,并且该方法的平均识别准确率分别达到97.2%、92.1%和99.8%。

关键词：物联网设备识别表示学习预训练模型

在线全文

学校读者我要写书评

暂无评论

智能家居设备识别与防御技术研究

智能家居设备识别与防御技术研究

作者：李荣南京邮电大学

学位级别：硕士

随着物联网技术的快速发展,海量智能家居设备进入百姓的生活,在为用户带来便捷、安全、舒适的智能家居生活的同时,也给用户带来许多安全风险。智能家居设备识别是物联网中常见的用户隐私攻击方法之一,它通过远程收集和分析智能家居设备... 详细信息

随着物联网技术的快速发展,海量智能家居设备进入百姓的生活,在为用户带来便捷、安全、舒适的智能家居生活的同时,也给用户带来许多安全风险。智能家居设备识别是物联网中常见的用户隐私攻击方法之一,它通过远程收集和分析智能家居设备的通信流量,获取到智能家居中设备具体的类型、状态等信息,并进一步推断出用户的行为活动,威胁用户隐私安全。近年来,兼具开放性和低功耗等特点的ZigBee协议被大量地应用于智能家居设备通信中,针对ZigBee协议的智能家居设备识别技术的研究仍处于起步阶段。现有研究大多基于家用无线Wi-Fi路由器收集设备网络流量来识别智能家居设备类型和状态等信息,对这类可能泄露用户隐私信息的识别方法的对抗技术研究也是当前亟待解决的问题。为此,本文主要研究智能家居场景下,基于ZigBee流量的设备识别技术以及基于无线Wi-Fi流量的设备识别防御技术,研究内容及取得的成果如下:(1)针对ZigBee协议的结构特征,提出了一种基于ZigBee加密流量的智能家居设备类型识别方法。由于ZigBee协议不具有跳频机制,可以在不接触设备的情况下长期收集到设备的无线流量,通过解析智能家居ZigBee网络的星形网络拓扑结构分离出每个设备独立的设备流量。由于智能设备具有特有的运行模式,可以将设备流量划分为多个时间窗口,根据设备的运行特征构造设备相关的特征向量,并使用机器学习分类模型构建智能家居设备类型识别框架,在设备流量特征集中添加设备硬编码特性和心跳报文统计特征可以提高多厂商设备类型的识别率。为了验证该方法的有效性,本文收集了5个厂家的20个不同的智能设备的ZigBee流量进行测试,实验结果表明,即使对智能家居的ZigBee网络流量进行加密,本方法也能有效地识别出设备类型,总体设备类型识别率达到了93.27%。(2)针对ZigBee智能设备状态空间的有限性和存在的安全缺陷,提出了一种基于ZigBee加密流量的智能家居设备状态识别方法。根据ZigBee设备不同阶段的网络流量,设备状态识别方法分可为两种情况。在收集到设备初始化流量的情况下,利用设备初始化阶段存在的安全缺陷,解密初始化流量中传输密钥的数据包,获取设备通信密钥,解密设备运行流量获取设备的状态信息;在没有收集到设备初始化流量的情况下,研究智能设备在运行阶段下不同状态的运行逻辑,进而对设备进行划分,提取设备不同运行状态下的时序特征,构建设备状态模型并识别出设备状态。实验结果表明,总体设备状态识别率达到了98.65%。(3)针对基于无线Wi-Fi流量的智能家居设备识别可能造成的用户隐私泄露问题,提出了一种黑盒场景下的基于对抗样本的设备流量隐私保护方法。为了将对抗样本技术应用于设备流量隐私保护中,首先需要对设备流量进行预处理,将流量数据转化为图像数据,并借助迁移学习设计设备识别模型作为目标对抗模型。根据流量数据的特性设计生成器网络生成对抗样本,对样本中扰动的位置和大小进行限制,训练网络学习普通流量和对抗样本之间的映射关系,使用对抗损失和数量损失不断优化对抗样本的对抗成功率和扰动点的数量,利用模型的迁移性实现黑盒场景中的设备流量隐私保护,抵御未知识别模型的攻击。实验结果表明,基于对抗样本的设备流量隐私保护模型能够有效地抵御设备识别攻击,在白盒场景下的平均对抗率达到了99.87%,在黑盒场景下的平均对抗率达到了76.19%。

关键词：物联网安全智能家居设备识别隐私保护对抗样本

基于LCNN和LSTM混合结构的物联网设备识别方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息网络安全 2023年第6期23卷 43-54页

作者：李志华王志豪江南大学人工智能与计算机学院无锡214122

随着物联网设备数量的与日俱增,物联网环境中网络流量的规模也随之剧增,为了从海量的网络流量中高效地实现物联网设备的识别和分类,文章提出一种物联网设备识别方法。首先,为了消除网络流量中不规范的数据样本,研究并提出一种基于滑动... 详细信息

随着物联网设备数量的与日俱增,物联网环境中网络流量的规模也随之剧增,为了从海量的网络流量中高效地实现物联网设备的识别和分类,文章提出一种物联网设备识别方法。首先,为了消除网络流量中不规范的数据样本,研究并提出一种基于滑动窗口的数据预处理(Sliding Window-Based Data Pre-Processing,SW-Based DPP)算法,使用SW-Based DPP算法对数据进行清洗;然后,为了降低物联网设备识别方法的复杂度,通过把轻量级卷积神经网络(Lightwight Convolution Neural Network,LCNN)和LSTM结构进行结合,提出一种基于LCNN-LSTM混合结构的神经网络模型;接着,将数据预处理后的网络流量输入到LCNN-LSTM模型中进行物联网设备分类;最后,基于上述混合结构的神经网络模型,进一步提出一种基于LCNN和LSTM混合结构的物联网设备识别(Internet of Things Devices Identification Based on LCNN and LSTM Hybrid Structure,LCNN-LSTM-Based IoTDI)方法。该方法通过迭代训练LCNN-LSTM模型,深度挖掘网络流量中的时间和空间双重特征,并使用softmax分类器实现物联网设备识别的目标。实验结果表明,在UNSW、CIC IoT和Laboratory数据集上,LCNN-LSTM模型的运行时间与CNN-LSTM模型相比平均降低了约47.63%,并且LCNN-LSTM-Based IoTDI方法的F1值分别为88.6%、95.6%和99.7%。证明了该方法具有高效的设备识别能力。

关键词：物联网设备识别卷积神经网络长短期记忆网络流量

在线全文

学校读者我要写书评

暂无评论

煤矿工业物联网设备识别模型

工矿自动化 2024年第3期50卷 99-107页

作者：郝秦霞李慧敏西安科技大学通信与信息工程学院陕西西安710054

煤矿工业物联网(IIoT)设备计算与存储资源受限,易遭受非法网络入侵,造成敏感数据泄露或恶意篡改,威胁煤矿生产安全。精准识别煤矿IIoT设备可实现有效管理并维护设备正常运转,提高设备安全防护能力,然而现有设备识别算法存在特征构造复... 详细信息

煤矿工业物联网(IIoT)设备计算与存储资源受限,易遭受非法网络入侵,造成敏感数据泄露或恶意篡改,威胁煤矿生产安全。精准识别煤矿IIoT设备可实现有效管理并维护设备正常运转,提高设备安全防护能力,然而现有设备识别算法存在特征构造复杂、内存与计算需求较高导致难以部署在资源受限的煤矿IIoT设备中等问题。针对上述问题,提出了一种煤矿IIoT设备识别模型。首先,对支持TCP/IP协议传输的流量数据进行流量切分、无关字段去除、去重、定长字段截取操作后转换为IDX格式存储;其次,使用卷积块注意力模块(CBAM)优化深度可分离卷积(DSC),从而搭建轻量级DSC−CBAM模型来过滤Non−IIoT设备;然后,利用带有阶段惩罚的Wasserstein生成对抗网络(WGAN−GP)扩充流量较少的煤矿IIoT设备数据,达到平衡偏移流量数据的目的;最后,在DSC−CBAM基础上引入多尺度特征融合(MFF)技术捕获浅层全局特征信息,并增加Mish激活函数提高模型训练稳定性,建立优化混合模态识别(MDCM)模型,实现煤矿IIoT设备精准识别。实验结果表明,该模型收敛速度快,准确率、召回率、精确率与F1−score指标均高达99.98%,且参数量小,能精准、高效识别煤矿IIoT设备。

关键词：煤矿工业物联网设备识别深度可分离卷积注意力机制生成对抗网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于加权特征融合的物联网设备识别方法

计算机科学 2024年第S2期51卷 875-883页

作者：曹伟康林宏刚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

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... 详细信息

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。

关键词：物联网设备识别 TextCNN BiLSTM_Attention 特征提取加权特征融合

在线全文

学校读者我要写书评

暂无评论

基于流量分类的工控联网设备识别

计算机工程与设计 2023年第7期44卷 1952-1960页

作者：程晟滔王诗蕊张耀方张哲宇王子博王佰玲哈尔滨工业大学(威海)计算机科学与技术学院山东威海264209 国家工业信息安全发展研究中心检查评估所北京100040 哈尔滨工业大学网络空间安全研究院黑龙江哈尔滨150001

为发展工控网络智能化管理,研究工控网络中设备类型的自动识别技术,提出一种基于流量分类的设备类型识别方法,综合报文首部特征以及有效载荷隐含特征。利用随机森林模型,筛选报文首部字段中工控网络流量分类的关键特征;利用一维卷积神... 详细信息

为发展工控网络智能化管理,研究工控网络中设备类型的自动识别技术,提出一种基于流量分类的设备类型识别方法,综合报文首部特征以及有效载荷隐含特征。利用随机森林模型,筛选报文首部字段中工控网络流量分类的关键特征;利用一维卷积神经网络,提取流量有效载荷的隐含特征;两种特征融合完成流量分类,基于流量分类结果实现设备类型识别。实验结果表明,由该方法训练的模型可高效完成设备流量分类,准确识别工控设备类型。

关键词：工业控制系统设备识别流量分类随机森林特征重要性卷积神经网络特征融合

在线全文

学校读者我要写书评

暂无评论

基于差分星座轨迹图的LoRa设备识别方法

信息网络安全 2021年第1期21卷 41-48页

作者：宋宇波耿益瑾李古月李涛东南大学网络空间安全学院南京211189 江苏省计算机网络技术重点实验室南京211189 网络通信与安全紫金山实验室南京211189

LoRa作为一种扩频远距离无线传输技术,广泛应用于物联网领域,其终端设备的安全问题也随之成为热点研究对象。针对LoRa的调制原理及信号特性,文章提出一种基于差分星座轨迹图的LoRa设备识别方法,将终端设备认证问题转化为图像处理问题。... 详细信息

LoRa作为一种扩频远距离无线传输技术,广泛应用于物联网领域,其终端设备的安全问题也随之成为热点研究对象。针对LoRa的调制原理及信号特性,文章提出一种基于差分星座轨迹图的LoRa设备识别方法,将终端设备认证问题转化为图像处理问题。该方法将接收信号的星座轨迹图进行差分处理,并基于聚类算法获得差分星座轨迹图的聚类中心,作为设备的唯一标识。此外基于欧式距离的相似度计算方法,对设备聚类中心进行匹配,实现终端设备的身份认证。实验结果表明,基于差分星座轨迹图的LoRa设备识别方法准确识别了4个LoRa传输模块,在信噪比较低的情况下仍具有较高的识别率,验证了方法的有效性和稳定性。

关键词： LoRa 差分星座轨迹图聚类算法设备识别