基于深度学习的物联网终端设备接入认证方法
Netinfo Security（2020）
摘要
目前基于数据流量的被动设备指纹的识别方法未考虑数据包之间时间到达顺序,无法提取出其深层特征.文章提出一种基于深度学习模型的物联网设备接入认证方法.该方法从设备入网配置阶段产生的数据包中提取设备特征构建被动式设备指纹,采用双向长短期记忆网络(Bi-LSTM)提取设备指纹中的深层特征.为提高设备识别能力,文章使用固定窗口滑动机制以及SMOTE算法从特征提取和向量化处理两个阶段增强数据,解决数据不平衡问题并去除干扰向量.仿真结果表明,该方法可有效识别设备身份,与传统机器学习和深度学习相比,文章提出的方法设备识别准确率提升了6％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要