公开(公告)号：CN112270346B

公开(公告)日：2023-09-01

申请号：CN202011127566.2

申请日：2020-10-20

Applicant: 清华大学

Inventor： 杨家海 ,  樊琳娜 ,  张世泽 ,  王之梁 ,  段晨鑫

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于半监督学习的物联网设备识别方法及装置，该方法包括：获取待识别设备的流量信息，通过特征抽取得到所述待识别设备的原始特征；将所述原始特征输入卷积神经网络得到嵌入特征，将所述嵌入特征输入两个全连接层，根据所述两个全连接层的输出结果识别所述待识别设备类型。该方法解决了有监督机器学习方法需要大量标签的问题，设计了一种半监督学习的物联网设备识别方法，能够利用少量有标签数据在被动流量中达到较高的设备识别精度且能发现新的设备类型。

公开(公告)号：CN112270346A

公开(公告)日：2021-01-26

申请号：CN202011127566.2

申请日：2020-10-20

Applicant: 清华大学

Inventor： 杨家海 ,  樊琳娜 ,  张世泽 ,  王之梁 ,  段晨鑫

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于半监督学习的物联网设备识别方法及装置，该方法包括：获取待识别设备的流量信息，通过特征抽取得到所述待识别设备的原始特征；将所述原始特征输入卷积神经网络得到嵌入特征，将所述嵌入特征输入两个全连接层，根据所述两个全连接层的输出结果识别所述待识别设备类型。该方法解决了有监督机器学习方法需要大量标签的问题，设计了一种半监督学习的物联网设备识别方法，能够利用少量有标签数据在被动流量中达到较高的设备识别精度且能发现新的设备类型。