识别来自非IP异质物联网网络流量的设备和事件

科学领域:

• 计算机科学 计算机科学
• 网络安全 网络安全

背景情况:

• 目前用于识别物联网 (IoT) 设备的方法主要集中在基于IP的流量上,限制了它们在异质非IP网络中的有效性.
• 现有的技术与各种物联网协议 (例如,ZigBee,Z-Wave) 斗争,交通样本不足,阻碍了准确的设备和事件识别.

研究的目的:

• 开发一种新的方法来识别非IP异质物联网网络流量中的物联网设备和事件.
• 通过适应各种物联网协议,克服现有方法的局限性,并应对稀缺流量样本的挑战.

主要方法:

• 提出了一种利用物联网通信特征和模块可扩展性的新方法,用于识别非IP异质物联网流量.
• 开发了一个具有可扩展结构的异质样本提取平台,以从ZigBee和Z-Wave流量中获取原始序列样本.
• 设计了一个样本识别框架,从原始数据中生成合成样本,通过双序列网络模型与原始样本进行并发处理.

主要成果:

• 与基线和最先进的技术相比,拟议的方法显著改善了非IP异质物联网流量的识别.
• 仅使用原始样本,与基线模型相比,平均准确度提高了29.7%.
• 与最新的方法相比,在宏观精度方面表现优异,提高了22.1%,在宏观回忆方面提高了21.5%,在宏观F1得分方面提高了21.8%.

结论:

• 这种新的方法有效地识别了非IP异质网络中的物联网设备和事件,优于现有的方法.
• 该方法能够生成合成样本并处理多样化的流量,从而提高其在具有挑战性的物联网环境中的稳定性和准确性.
• 可扩展的平台设计允许未来集成额外的物联网协议,确保长期适用性.