基于深度学习的物联网设备识别

物联网设备在组织中的日益使用，由于设备安全性较低，增加了攻击者可用的攻击向量数量。广泛采用的自带设备（BYOD）策略允许员工将任何物联网设备带入工作场所并连接到组织网络，也增加了攻击风险。为解决此威胁，组织通常实施安全策略，仅允许白名单物联网设备连接。为监控此类策略的遵守情况并保护其网络，组织必须能够识别连接到其网络的物联网设备，更具体地，识别连接到网络但不在白名单上的物联网设备（未知设备）。在本研究中，我们将深度学习应用于网络流量以自动识别连接到网络的物联网设备。与先前工作相反，我们的方法不需要对网络流量应用复杂的特征工程，因为我们使用由物联网设备网络流量载荷构建的小图像来表示物联网设备的通信行为。在我们的实验中，我们在公开可用数据集上训练了一个多类分类器，成功识别了 10 种不同的物联网设备以及智能手机和计算机的流量，准确率超过 99%。我们还训练了多类分类器来检测连接到网络的未授权物联网设备，总体平均检测准确率超过 99%。