基于Bi-LSTM 的在線物聯(lián)網(wǎng)設(shè)備識別方法

郝秦霞，榮 政，謝林江，杭菲璐

（1.西安科技大學 通信與信息工程學院，陜西 西安 710054；2.云南電網(wǎng)有限責任公司 信息中心，云南 昆明 650000）

0 引 言

物聯(lián)網(wǎng)技術(shù)的高速發(fā)展，方便智能設(shè)備的數(shù)據(jù)收集和交換。醫(yī)療、教育、交通、工業(yè)生產(chǎn)等領(lǐng)域部署大量的物聯(lián)網(wǎng)設(shè)備［1-4］，預計到2025年，將有超過750億物聯(lián)網(wǎng)設(shè)備投入使用［5］。大規(guī)模應(yīng)用的同時，也帶來諸多問題［6-8］，許多物聯(lián)網(wǎng)設(shè)備都是以低成本設(shè)計原則生產(chǎn)的，這些物聯(lián)網(wǎng)設(shè)備具有開放式設(shè)計［9］，易受到網(wǎng)絡(luò)攻擊，如DDoS攻擊［10］、SQL注入攻擊［11］和高級可持續(xù)威脅攻擊［12］等。典型的案例Mirai僵尸網(wǎng)絡(luò)［13］使用大規(guī)模的DDoS攻擊美國域名解析服務(wù)提供商Dyn，使其DNS服務(wù)器大面積癱瘓。Mirai僵尸網(wǎng)絡(luò)在最初的20個小時內(nèi)感染近65 000臺物聯(lián)網(wǎng)設(shè)備，然后達到30萬數(shù)量的峰值，這其中包括DVR，IP攝像頭、路由器和打印機。新型的Hajime僵尸網(wǎng)絡(luò)［14］使用點對點（P2P）的方式進行傳播，與Mirai相比，Hajime支持更廣泛的訪問方法，且更具有彈性。網(wǎng)絡(luò)病毒會對某個廠商的某個型號的物聯(lián)網(wǎng)設(shè)備進行攻擊［15］。為防止這些病毒惡意傳播，要正確識別出物聯(lián)網(wǎng)設(shè)備的型號信息，對該型號的物聯(lián)網(wǎng)設(shè)備進行補丁升級等防護措施。從安全防護的角度來看，發(fā)現(xiàn)并識別網(wǎng)絡(luò)空間的物聯(lián)網(wǎng)設(shè)備具體型號是防止它們被破壞和利用的先決條件。

國內(nèi)外學者針對流量指紋識別物聯(lián)網(wǎng)設(shè)備，開展了大量的研究工作。IoT SENTINEL是最早使用流量特征來識別物聯(lián)網(wǎng)設(shè)備的方法，每個數(shù)據(jù)包選取23個流量特征，共接收N個數(shù)據(jù)包。每個設(shè)備生成N*23的特征矩陣，運用機器學習訓練模型并進行預測［16］。MEIDAN等收集9個不同物聯(lián)網(wǎng)設(shè)備的流量數(shù)據(jù)特征，利用監(jiān)督學習訓練多階段多分類模型，整體分類模型精度為99.2%，此方法只能識別到物聯(lián)網(wǎng)設(shè)備類型，而無法精確到設(shè)備的具體型號，分類精度低，給下一階段的安全防護增加困難［17］。KOSTAS等提出的IoTDevID通過分析并計算網(wǎng)絡(luò)數(shù)據(jù)包中每個特征的權(quán)重值，用遺傳算法選取特征池中52個特征子集構(gòu)建特征向量，運用機器學習算法訓練模型，在不同測試集上均提高準確率［18］。HASAN等在開源數(shù)據(jù)集Kaggle使用分布式智能空間編排系統(tǒng)（DS2OS）創(chuàng)建一個虛擬物聯(lián)網(wǎng)環(huán)境，用于生成合成數(shù)據(jù)，并通過對比不同機器學習模型的效果，得出隨機森林模型識別的準確性最好，為99.4%［19］。NGUYEN等提出的D?oT通過將網(wǎng)絡(luò)數(shù)據(jù)包轉(zhuǎn)化為語言符號，用于檢測異常的物聯(lián)網(wǎng)設(shè)備，是第1個將聯(lián)合學習方法用于基于異常檢測的入侵檢測的系統(tǒng)。通過評估30多個物聯(lián)網(wǎng)設(shè)備，證明在檢測被Mirai惡意軟件破壞的物聯(lián)網(wǎng)識別設(shè)備方面是非常有效的，檢測率為95.6%，并將其部署到真實的智能家居中［20］。YANG等根據(jù)應(yīng)用層不同協(xié)議返回的數(shù)據(jù)文本，按單詞出現(xiàn)頻率排序，選取前30 000個單詞，搭配網(wǎng)絡(luò)層和傳輸層的流量特征，作為神經(jīng)網(wǎng)絡(luò)的輸入訓練模型，在測試集結(jié)果為94%的準確率和95%的召回率［21］。

上述方法都需要依靠先驗知識進行特征工程，即提取、選擇和調(diào)整特征，部分特征需要領(lǐng)域?qū)＜覜Q策。流量傳輸受網(wǎng)絡(luò)時延和偏移誤差累計影響較大，且識別粒度較低，無法識別出設(shè)備的型號，識別范圍局限于少數(shù)廠商。結(jié)合主動探測的特點及流量指紋識別存在的缺陷，提出基于Bi-LSTM的在線物聯(lián)網(wǎng)設(shè)備的識別方法，改進了指紋提取方式，向目標地址的7種常用協(xié)議端口進行探測，將返回的報文經(jīng)過TF-IDF算法特征降維得到應(yīng)用層報文指紋，帶入到廠商識別模塊得到設(shè)備廠商。運用爬蟲技術(shù)建立型號知識庫，通過正則表達式技術(shù)過濾出報文中可能是型號的字段，結(jié)合Jaro-Winkler文本匹配算法［22］得出設(shè)備型號和設(shè)備類型。

1 二階段在線物聯(lián)網(wǎng)設(shè)備識別框架

二階段在線物聯(lián)網(wǎng)設(shè)備識別框架如圖1所示，由預處理模塊、基于Bi-LSTM神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)設(shè)備廠商識別模塊、基于Jaro-Winkler算法的設(shè)備型號識別模塊組成。

圖1 二階段在線物聯(lián)網(wǎng)設(shè)備識別框架Fig.1 Two-stage identification framework of online IoT device

1）預處理模塊。對于HTTP協(xié)議提取HTML頁面源碼；對于非HTTP協(xié)議提取banner信息。提取的信息均以文本型保存，利用特征詞庫實現(xiàn)文本型向數(shù)值型轉(zhuǎn)換的特征詞映射。解析協(xié)議源碼后刪除視頻、音頻文件，去除停用詞。

2）基于Bi-LSTM神經(jīng)網(wǎng)絡(luò)的物聯(lián)網(wǎng)設(shè)備廠商識別模塊。為過濾無用詞，減少樣本的特征維度，提高模型的訓練速度和識別精度，采用TF-IDF文本挖掘算法，將輸入樣本經(jīng)特征降維后轉(zhuǎn)化為詞向量。鑒于Bi-LSTM神經(jīng)網(wǎng)絡(luò)能夠捕獲長遠上下文信息，在文本分類任務(wù)上表現(xiàn)出色，將詞向量通過Bi-LSTM神經(jīng)網(wǎng)絡(luò)進行訓練，輸出結(jié)果為設(shè)備廠商。

3）基于Jaro-Winkler算法的設(shè)備型號識別模塊。通過爬蟲構(gòu)建三元組＜廠商-型號-設(shè)備類型＞產(chǎn)品知識庫。篩選已明確的廠商型號字段構(gòu)建案例庫，將待匹配的物聯(lián)網(wǎng)設(shè)備的型號字段通過Jaro-Winkler算法與案例知識進行相似度計算，比較得出該物聯(lián)網(wǎng)設(shè)備的型號、設(shè)備類型。

2 數(shù)據(jù)預處理

在HTTP協(xié)議中，在線物聯(lián)網(wǎng)設(shè)備應(yīng)用層返回的響應(yīng)數(shù)據(jù)通常包含與廠商高度相關(guān)的內(nèi)容，如＜TITLE＞TL-MR30XX＜／TITLE＞，＜meta name＝“description”content＝“WVC54GXX”＞，標簽含有廠商和設(shè)備型號信息，組成應(yīng)用層指紋，且唯一標識設(shè)備。

解析不同廠商設(shè)備登錄頁面的DOM樹結(jié)構(gòu)，統(tǒng)計標簽特征和標簽數(shù)量，如圖2所示。

圖2 不同型號設(shè)備頁面標簽特征統(tǒng)計Fig.2 Page label feature statistics of different models of devices

從圖2可以看出，廠商D-LINK、HUAWEI和CISCO在標簽特征＜div＞個數(shù)、＜meta＞個數(shù)、＜script＞個數(shù)、＜img＞個數(shù)、＜table＞個數(shù)上存在明顯差異，而同為CISCO的設(shè)備僅在＜div＞標簽數(shù)量上不同，其他標簽特征完全一致，表明相同廠商設(shè)備管理頁面的布局具有相似性，而不同廠商設(shè)備管理頁面的布局有較大差異，這些差異可以作為識別物聯(lián)網(wǎng)設(shè)備的依據(jù)。

一些設(shè)備存在不同端口使用不同協(xié)議，因而將同一IP不同端口返回的報文數(shù)據(jù)分配相同標簽，增加數(shù)據(jù)集的多樣性。文本樣式以全英文小寫，預處理公式，見式（1）。

式中 Tl為分詞后的樣本；Te為文本T以英文空格為間隔轉(zhuǎn)化為字符串集合，Te＝｛t1，t2，t3，…，tn｝，其中n為分詞個數(shù)。S＝｛s1，s2，s3，…，sn｝為停用詞集合，包括標點符號、“is”、“the”這些沒有冗余的單詞、自定義去除的單詞。

分析7種應(yīng)用層協(xié)議返回信息，7種協(xié)議和常用端口見表1。

表1 常用協(xié)議及對應(yīng)端口Table 1 Common protocols and corresponding ports

從表1可以看出，HTTP協(xié)議常用的端口數(shù)量最多，這是由于廠商為了方便用戶設(shè)備管理和權(quán)限登錄，使用HTTP協(xié)議開放管理頁面。限篇幅原因文中只對HTTP協(xié)議數(shù)據(jù)處理過程進行分析。

3 在線物聯(lián)網(wǎng)設(shè)備識別

3.1 廠商識別

預處理后的樣本經(jīng)TF-IDF算法降維后轉(zhuǎn)為數(shù)值型詞向量，作為模型輸入。利用Bi-LSTM神經(jīng)網(wǎng)絡(luò)構(gòu)建廠商識別模塊，輸出結(jié)果為設(shè)備廠商。

3.1.1 TF-IDF算法降維

TF-IDF（Term Frequency-Inverse Document Frequency）是一種統(tǒng)計方法，用于評估單詞對于樣本或樣本集合的重要程度。TF-IDF主要由TF和IDF兩部分組成。設(shè)樣本集合為T，ti為集合T中第i個樣本。詞cij的詞頻公式，見式（2）。

式中 nij為單詞j在樣本i中出現(xiàn)的次數(shù)；∑ni為ti的單詞總數(shù)。逆向文本頻率公式，見式（3）。

式中 ｜T｜為樣本集合中的樣本總數(shù)，｜｛i：cj∈ti｝｜為包含詞語j的樣本數(shù)。最終單詞的TF-IDF權(quán)重，見式（4）。

式中 wij越大，表示單詞在樣本集中越重要。

當在線物聯(lián)網(wǎng)設(shè)備返回的報文數(shù)據(jù)量較大，預處理后仍存在冗余字符串，且這些字符串的權(quán)重小、貢獻度低，增加特征向量的維度，導致出現(xiàn)過擬合現(xiàn)象，模型性能下降。將TF-IDF算法加入詞向量轉(zhuǎn)化過程中，計算單詞在數(shù)據(jù)集中的權(quán)重值，過濾掉低于閾值θ的無用詞，減少樣本的特征維度，提高模型的訓練速度和識別精度。完整的流程如算法1所示。

算法1 基于TF-IDF的詞向量轉(zhuǎn)換

輸入：樣本集合T；樣本總數(shù)N；閾值θ；詞向量維度k；詞向量個數(shù)m；特征詞列表H＿List。

輸出：樣集合本的詞向量Tword

1：INIT H＿List←?

2：for each sample from T do

3： for each word from sample do

4： ws，w←tfsmaple，word*idfword

5： if ws，w＞θthen

6： H＿List.add（word）

7： else

8： continue

9： end for

10：end for

11：H＿List去重，然后按入庫先后順序為每個單詞增加索

引，轉(zhuǎn)換為字典類型D＿List

12：H＿List.add（0：”unk”）

13：H＿List.add（1：”pad”）

14：for each sample from T do

15： sample.word←D＿List［word］

16：end for

17：如果樣本的單詞數(shù)量超過m，取前m個單詞；如果單詞數(shù)量少于m，用1填充到m。將每個數(shù)字轉(zhuǎn)化為隨機生成的k維的向量。

18：return Tword

算法1得到的Tword為大小為n×m×k，其中n為樣本數(shù)量，m為一個樣本的分詞數(shù)量，k為詞向量的長度。將Tword作為廠商識別模塊的輸入，用于訓練模型。

HTTP協(xié)議文本數(shù)據(jù)樣本處理前后對如圖3所示，基于HTTP協(xié)議得到“CISCOEPC3825”設(shè)備報文的內(nèi)容，將分詞處理后的樣本經(jīng)TF-IDF降維，得到最終樣本。

圖3 HTTP協(xié)議文本數(shù)據(jù)處理前后對比Fig.3 Comparison of HTTP protocol text data before and after processing

3.1.2 基于Bi-LSTM神經(jīng)網(wǎng)絡(luò)的廠商識別模塊

轉(zhuǎn)換后的詞向量作為廠商識別模塊的輸入樣本，LSTM［23］為RNN［24］的改進結(jié)構(gòu)解決了處理較長時間序列時梯度消失問題，但只能學習單方向的特征。Bi-LSTM通過將前向特征和后向特征反饋到輸出層，同時學習過去和未來時刻元素對當前時刻元素的關(guān)系，在文本分類任務(wù)上表現(xiàn)出色。

廠商識別模塊由Bi-LSTM神經(jīng)網(wǎng)絡(luò)結(jié)合3層全連接層構(gòu)成。Bi-LSTM神經(jīng)網(wǎng)絡(luò)公式，見式（5）～式（7）。

式中 hf為正向隱藏層狀態(tài)；hb為反向隱藏層狀態(tài)；y為hf和hb拼接后的最后輸出。

全連接層之間使用Tanh激活函數(shù)作非線性變換，模型收斂速度更快，函數(shù)公式，見式（8）。

輸入向量經(jīng)Tanh函數(shù)計算后，映射至（0，1），最后1層全連接層接Softmax函數(shù)輸出設(shè)備廠商的類別，函數(shù)公式，見式（9）。

式中 zi為第i個類的輸出值；C為類的數(shù)量。完整的模型架構(gòu)如圖4所示。

圖4 廠商識別模塊網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Network structure of manufacturer identification module

3.2 型號識別

為防止不法分子針對具體型號設(shè)備進行攻擊，還需進一步識別設(shè)備型號，以便與漏洞做更精準的關(guān)聯(lián)分析，在漏洞爆發(fā)時及時制定相應(yīng)的防護措施。

Jaro-Winkler算法是Jaro度量標準的改進。對于2個給定的字符串s1和s2，Jaro距離dj計算公式，見式（10）。

式中 m為s1，s1匹配的字符數(shù)量；｜si｜為字符串si的長度；t為字符需要轉(zhuǎn)化的次數(shù)。匹配窗口公式，見式（11）。

當2個字符相同且它們之間的距離小于ω時，認為這2個字符是匹配的。Jaro-Winkler距離dw定義，見式（12）。

式中 l為前綴部分匹配的長度；p為范圍因子常量，用來調(diào)整l的權(quán)重，默認值為0.1。當Jaro距離陷入停滯時，Jaro-Winkler算法可以對Jaro距離進行調(diào)整。它的取值范圍為［0，1］，越接近1，表示兩段字符串相似度越高。

利用爬蟲技術(shù)獲取廠商官網(wǎng)產(chǎn)品介紹構(gòu)建物聯(lián)網(wǎng)設(shè)備知識庫，詳細信息見表2，其中廠商、設(shè)備型號和設(shè)備類型均為字符串類型。

表2 型號知識庫及屬性值Table 2 Model knowledge base and attribute values

使用Jaro-Winkler算法計算型號待匹配字段與案例的相似度，確定物聯(lián)網(wǎng)設(shè)備的型號，設(shè)備類型也隨之確定。設(shè)備型號字段通常由數(shù)字或字母加數(shù)字的組合形式，例如Cisco 1841，Axis Q7424-R，運用正則表達式技術(shù)（＾［a-z］＋＼d｛1，5｝｜＼d｛1，4｝＄｜＾＼d＋［a-z］）抓取樣本頁面中可能是型號的字段進行相似度匹配，流程如算法2所示。

算法2設(shè)備型號匹配

輸入：待確定的型號詞列表M＿List；產(chǎn)品知識庫Dm，廠商m；閾值δ

輸出：樣本的設(shè)備型號model＿true

1：INIT model＿List←?，item＿List←?

2：for each item from M＿List do

3： for each model from Dmdo

4： jw←Jaro-Winkler（item，model）

5： model＿List.add（［jw，model］）

6： end for

7： item＿List.add（max（model＿list））

8：end for

9：temp←max（item＿List）

10：if temp［jw］＞δthen

11： model＿true←temp［model］

12：else

13： model＿true←?

14：return model＿true

輸出結(jié)果得到的model＿true為匹配到的該設(shè)備的型號信息，model＿true為空表示匹配失敗。

4 試驗與評估

4.1 數(shù)據(jù)來源

數(shù)據(jù)集來源于Zmap［25］掃描工具探測IPv4地址空間，對于存活的IP地址，向7種協(xié)議的常用端口發(fā)送請求數(shù)據(jù)包，共解析了10 400條報文數(shù)據(jù)并打上標簽。數(shù)據(jù)集中包含10種設(shè)備類型，15個廠商的800種型號設(shè)備。其中80%的數(shù)據(jù)集作為訓練集，20%的數(shù)據(jù)集作為測試集。

4.2 運行環(huán)境

硬件環(huán)境為Windows 10操作系統(tǒng)，內(nèi)存16GB，Intel Core i5-1135G7＠2.40 GHz，軟件環(huán)境為Pycharm 2021版本，Pytorch框架。

4.3 評價指標

從準確率（Accuracy）、精確率（Precision）、召回率（Recall）、和F1-score來評價模型的性能。各指標公式，見式（13）～式（16）。

式中 TP為正類判定為正類；FP為負類判定為正類；FN為正類判定為負類；TN為負類判定為負類。精確率表示正確預測為正的占全部預測為正的比例，越高越好。召回率表示正確預測為正的占全部實際為正的比例，越高越好。F1-score是衡量分類性能的一種綜合指標。

4.4 試驗結(jié)果分析

4.4.1 廠商識別結(jié)果分析

設(shè)置訓練集與測試集數(shù)量比為4∶1，訓練次數(shù)為400次，模型每訓練4次測試1次。取詞向量維度k＝10，30，60，100進行訓練和測試［26］，結(jié)果如圖5所示。

圖5 訓練集與測試集損失函數(shù)Fig.5 Loss function between training set and test set

從圖5可以看出，k＝10時，訓練集損失函數(shù)收斂速度最慢，在訓練次數(shù)為400次左右達到收斂，在測試集上損失函數(shù)最大，這是因為詞向量維度太小，導致樣本之間差異性較弱，機器需要學習更多的次數(shù)；k＝30時損失函數(shù)在訓練次數(shù)為200次左右達到收斂，測試集損失函數(shù)波動較為明顯；k＝60時，在訓練集和測試集上均最先達到收斂；k＝100時，損失函數(shù)收斂速度降低，這是因為詞向量維度過高導致模型復雜度增加，但損失函數(shù)曲線波動最小，模型更加穩(wěn)定。

4.4.2 Bi-LSTM神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)優(yōu)

設(shè)置與4.4.1一致，結(jié)果如圖6所示，通過結(jié)果分析參數(shù)k與訓練次數(shù)的選取。

圖6 k取值大小與分類性能關(guān)系Fig.6 Relationship between the value of k and the classification performance

從圖6可以看出，隨著訓練次數(shù)的增加，所有參數(shù)的模型精確率、召回率不斷提高，然后逐漸趨于收斂。k＝10時，在訓練400次左右曲線達到收斂，此時精確率達到最高為92.3%，召回率為90.5%，F(xiàn)1-score值為0.91；k＝30時，曲線在訓練280次達到收斂，此時精確率為96.4%，召回率為95.2%，F(xiàn)1-score值為0.95；k＝60時，曲線在訓練120次達到收斂，在4條曲線中最先達到收斂，此時精確率為98.9%，召回率為98.6%，F(xiàn)1-score值為0.99；k＝100時，在訓練140次時達到收斂，精確率為99.3%，召回率為97.3%，F(xiàn)1-score值為0.98，曲線波動范圍最小。詞向量維度越小在向量空間中越密集，需要更多的訓練次數(shù)來達到收斂；隨著詞向量維度增加，模型的穩(wěn)定性增強；詞向量維度過大時將導致計算量指數(shù)級上升，訓練時間也隨之增加。

綜合考慮，取k＝60，訓練次數(shù)為150來訓練廠商識別模型，此時訓練次數(shù)和模型性能最均衡。

4.4.3 型號識別結(jié)果分析

在型號匹配模塊中，匹配閾值δ決定模型的匹配精度。當匹配結(jié)果的可信值大于閾值時，視為匹配成功；否則，視為無法匹配。δ取值過小時，會得到非型號字段的干擾詞，模型的準確率降低；當δ取值過大時，匹配失敗的樣例會增加，模型整體的性能降低。因此，需要找到閾值最佳的平衡點。δ取值和模型性能的關(guān)系如圖7所示。

圖7 閾值大小與模型性能關(guān)系Fig.7 Relationship between threshold and model performance

從圖7可以看出，隨著閾值δ從0.9增加到0.96，模型的準確率和召回率不斷增加，在δ＝0.96時達到最大值，此時準確率為98.8%，召回率為96.5%。之后隨著閾值的增加，準確率和召回率逐漸減小。當δ＝1時，模型的性能表現(xiàn)最差，這是因為閾值設(shè)置過高時，型號匹配的要求更加嚴格，導致包含正確型號字段被過濾掉，使得模型整體性能變差。綜合考慮取δ值為0.96，此時準確率和召回率達到峰值，模型的整體性能最佳。

4.4.4 方法對比

將提出的方法與IoT SENTINEL［16］、IoTDevID聚合和IoTDevID混合模式［18］從平均準確率、識別粒度、識別范圍和時間開銷4個方面進行對比。IoT SENTINEL從每個設(shè)備的前12個數(shù)據(jù)包中提取的23個流量特征，作為設(shè)備的唯一指紋。IoTDevID通過使用遺傳算法從52個候選流量特征中挑選性能更高的特征子集來降低模型的計算開銷。比較結(jié)果見表3。

表3 不同方法性能對比Table 3 Performance comparison of different methods

從表3可以看出，在平均準確率方面文章提出的方法表現(xiàn)最好，平均準確率為98.8%；IoTDevID在2種模式下通過重新組合流量指紋，得到最優(yōu)特征子集，提高了算法的準確率，分別為94.3%和94.1%；IoT SENTINEL由于存在地址沖突問題，性能與其他方法差距較大，僅為81.5%。在識別粒度方面，提出的二階段識別框架識別細粒度最高，知識庫800個設(shè)備型號中，識別出型號的占778個，約占97%；IoT SENTINEL和IoTDevID采用流量指紋的方式，前者在27種流量中只能識別出4種設(shè)備型號，后者只能識別到廠商粒度。時間開銷方面，IoT SENTINEL沒有進行額外的預處理，算法整體開銷最小，約為0.15 s；IoTDevID由于加入了遺傳算法增加了時間開銷，約為0.5 s；文章構(gòu)建型號知識庫擴大識別范圍到800個物聯(lián)網(wǎng)設(shè)備，分別比其他方法多773個和769個，識別型號時需要額外開銷，但識別細粒度得到有效提升。

5 結(jié) 論

1）改進指紋提取方法，提取應(yīng)用層報文特征生成設(shè)備指紋以識別在線物聯(lián)網(wǎng)設(shè)備。試驗證明該方法準確率為98.8%，召回率為96.5%，與其他方法相比平均識別準確率提升4.7%。

2）提出的二階段在線物聯(lián)網(wǎng)設(shè)備識別框架細化了設(shè)備識別粒度，利用Bi-LSTM 神經(jīng)網(wǎng)絡(luò)加Jaro-Winkler算法，在有效識別設(shè)備廠商后進一步判別設(shè)備型號和設(shè)備類型。試驗證明該方法在數(shù)據(jù)集中正確識別出97%的設(shè)備型號。

3）構(gòu)建物聯(lián)網(wǎng)設(shè)備型號知識庫，用于存儲設(shè)備型號、設(shè)備類型等物聯(lián)網(wǎng)設(shè)備信息。知識庫可擴展性強，通過將新設(shè)備信息添加入到庫中，有效解決識別范圍受限問題。