摘要
本发明涉及物联网设备识别技术领域,特别涉及一种基于多层双向GRU的物联网设备识别方法及系统,对物联网设备产生的原始网络流量进行预处理操作得到多个流,接着对每个流提取流字节向量和人工定义特征;利用多层双向GRU模型提取流量中的时序特征和空间特征,输出对样本的预测标签;通过有监督交叉熵损失、对抗损失和无监督一致性损失对多层双向GRU模型进行优化。本发明利用部分有标签的数据进行模型调参,并利用大量的无标签流量数据中的流进行设备类型预测产生伪标签,用作来自同一流量中提取的人工定义特征训练时的监督信号,对模型进行优化。在保证识别准确率高的不同,有效降低了训练数据标记的工作量。
技术关键词
GRU模型
识别方法
定义特征
时序特征
物联网设备识别
协议特征
样本
网络层协议
无标签数据
无监督
计算方法
识别系统
符号
表达式
模块
工作量
系统为您推荐了相关专利信息
灰度共生矩阵
识别方法
随机森林模型
图像金字塔
PWM信号控制舵机
属性识别方法
特征提取模块
属性识别模型
图像
像素点
文本
关键词
大语言模型
语义识别方法
模型训练方法
浓度预测方法
反距离加权插值
变量
LightGBM模型
污染预测技术
时序预测方法
晶体管级电路
标准单元库
节点特征
时序特征