基于深度学习的物联网设备指纹识别
网络与互联网体系结构
2020-07-14 v1 计算机视觉与模式识别
机器学习
摘要
设备指纹识别（DFP）是指在不使用设备的网络或其他分配标识（包括 IP 地址、媒体访问控制（MAC）地址或国际移动设备识别码（IMEI））的情况下对设备进行识别。DFP 利用设备通过网络通信所用数据包中的信息来识别设备。数据包在路由器处被接收并处理以提取信息。本文中，我们基于到达间隔时间（IAT）开展 DFP 研究。IAT 是连续两个接收数据包之间的时间间隔。据观察，由于设备所使用的硬件与软件不同，IAT 对设备而言是唯一的。现有 DFP 工作使用统计技术来分析 IAT，并进一步生成可用于唯一识别设备的信息。本工作提出了一种新颖的 DFP 思路：绘制 IAT 的图谱，每张图绘制 100 个 IAT，随后处理所得图谱以识别设备。由于深度学习库在图像处理方面达到了基准性能，该方法提高了设备 DFP 的识别效率。我们将 Raspberry Pi 配置为路由器，并在其上安装了数据包嗅探应用。该嗅探应用将连接设备的数据包信息捕获至日志文件。我们将两台 Apple 设备 iPad4 与 iPhone 7 Plus 连接至路由器，并为这两台设备创建了 IAT 图谱。我们使用卷积神经网络（CNN）来识别设备，观测到准确率为 86.7%。
引用
@article{arxiv.1902.01926,
title = {IoT Device Fingerprint using Deep Learning},
author = {Sandhya Aneja and Nagender Aneja and Md Shohidul Islam},
journal= {arXiv preprint arXiv:1902.01926},
year = {2020}
}