【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于電力網(wǎng)絡軟硬件設備指紋生標識成，涉及一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法。
技術(shù)介紹
1、電力互聯(lián)網(wǎng)是滿足電網(wǎng)智能化軟硬件發(fā)展需求，具有低時延、高可靠、廣覆蓋特點的關(guān)鍵網(wǎng)絡基礎設施，是新一代信息通信技術(shù)與電力行業(yè)深度融合所形成的新興業(yè)態(tài)與應用模式。電力互聯(lián)網(wǎng)通過建設物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等技術(shù)平臺，實現(xiàn)電網(wǎng)設備互聯(lián)互通、數(shù)據(jù)共享、智能化運維、智慧用電等功能，為電力行業(yè)網(wǎng)提供了全方位的信息化支撐和智能化服務。電力互聯(lián)網(wǎng)標識體系則是其網(wǎng)絡體系中的重要組成部分，是支撐電力互聯(lián)網(wǎng)互聯(lián)互通的精神樞紐。其標識體系的核心在于電力環(huán)境中軟硬件設備指紋的生成。設備指紋指能夠唯一識別機器、產(chǎn)品等物理資產(chǎn)和系統(tǒng)、軟件等虛擬資源的身份符號。傳統(tǒng)的標識方法容易造成標識碼重復，標識編碼含義公開可查，容易被人猜測到編碼方法仿冒偽造，可能會造成嚴重的系統(tǒng)入侵乃至巨大損失。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)針對現(xiàn)有技術(shù)問題，提供一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法。
2、一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法,含有以下步驟：基于信息熵和自相關(guān)系數(shù)，在眾多特征中篩選出用于生成設備指紋的特征，從設備指紋中提取代表性和穩(wěn)定性的特征，選定的特征參數(shù)轉(zhuǎn)換為哈希碼，用于設備指紋生成和匹配步驟，通過基于特征選擇、哈希碼和貝葉斯網(wǎng)絡的細粒度設備指紋生成步驟，分層次準確地識別和區(qū)分不同的設備。
3、一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法,還
4、步驟s1：系統(tǒng)接收到指紋生成請求時，根據(jù)請求類型調(diào)用數(shù)據(jù)接口或后臺數(shù)據(jù)庫。
5、步驟s2：針對不同的模塊提取不同的特征數(shù)據(jù)，并對提取的特征數(shù)據(jù)進行算法分析，過濾冗余無效屬性特征并分割粗粒度屬性。
6、步驟s3：對提取到的屬性特征進行哈希運算生成設備的細粒度指紋。
7、步驟s4：將指紋傳輸至由歷史數(shù)據(jù)構(gòu)建的貝葉斯網(wǎng)絡進行分類并將結(jié)果反饋到服務器中。
8、步驟s5：將設備不同模塊的指紋按照芯片、搭載模塊和操作系統(tǒng)順序合并，生成設備指紋并后綴相應校驗碼。
9、本專利技術(shù)的優(yōu)點是：結(jié)合了特征選擇和哈希步驟，實現(xiàn)更高效、更準確的設備識別和分類。
10、提高準確性：該方法通過特征選擇步驟，從設備指紋中篩選出最具代表性和區(qū)分度的特征，從而提高了設備識別的準確性。
11、降低計算成本：利用哈希步驟，可以將選定的特征轉(zhuǎn)換為緊湊的哈希碼，從而減少了存儲和計算成本。相比于傳統(tǒng)的設備指紋生成方法，這種方法在維護設備數(shù)據(jù)庫和進行實時識別時具有更高的效率。
12、增強安全性：通過細粒度的設備指紋生成，可以更好地防范欺詐行為和未經(jīng)授權(quán)的訪問。對設備進行更準確的識別有助于提高系統(tǒng)對于可信設備的辨識度，從而增強了安全性。
13、適應性強：由于采用了特征選擇和哈希技術(shù)，該方法在不同環(huán)境和場景下都具有較強的適應性。無論是在移動設備上、網(wǎng)絡通信中還是物聯(lián)網(wǎng)環(huán)境下，都能夠有效地應用和部署。
14、降低誤識別率：通過精心設計的特征選擇和哈希技術(shù)，可以有效地降低誤識別率，提高了系統(tǒng)的穩(wěn)定性和可靠性。這意味著系統(tǒng)能夠更可靠地識別設備，減少了誤判所帶來的負面影響。
15、提出的特征篩選指紋生成方案，能夠很好地對不同類別的設備進行特征提取，每類設備的特征都具有代表性，另外哈希函數(shù)的多樣性使得生成的指紋更加隨機，很難找到規(guī)律從而不容易被仿造。
16、本專利技術(shù)能夠融合設備的固有屬性和行為特征生成設備的標識，能夠更方便設備指紋的管理更新以及設備的接入認證。
17、設備指紋生成方案采用哈希函數(shù)，能夠避免在一個系統(tǒng)中有重復的設備指紋出現(xiàn)，能夠保證設備標識的唯一性。
18、記錄生成指紋的屬性要素，方便后續(xù)對設備行為的監(jiān)測分析以便及時對設備指紋進行更新。
19、根據(jù)指紋原始數(shù)據(jù)的變化情況推斷屬性間的相互關(guān)系，構(gòu)建貝葉斯網(wǎng)絡，能夠?qū)崿F(xiàn)設備指紋生成后的設備分類以及該設備是否為第一次入網(wǎng)的區(qū)分。
20、本專利技術(shù)提出了一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，通過特征選擇和哈希技術(shù)實現(xiàn)高效準確的設備識別。
21、首先，特征選擇步驟通過信息熵和自相關(guān)系數(shù)，從設備指紋中篩選出最具代表性和區(qū)分度的特征。這一過程能夠有效過濾掉冗余和無效的屬性，確保所選特征能夠精確反映設備的獨特性，提高了設備識別的準確性。通過這種方法，可以在大量特征中挑選出對設備識別最有用的少數(shù)特征，減少了數(shù)據(jù)處理的復雜性和計算量，提升了系統(tǒng)的整體性能。
22、其次，將選定的特征轉(zhuǎn)換為緊湊的哈希碼，顯著降低了存儲和計算成本。相比傳統(tǒng)的設備指紋生成方法，這種方法在維護設備數(shù)據(jù)庫和進行實時識別時效率更高。哈希碼的使用不僅使得數(shù)據(jù)更加緊湊，有效減少了存儲空間的占用，還加快了數(shù)據(jù)處理和傳輸?shù)乃俣取Ｍ瑫r，生成的細粒度設備指紋能夠更好地防范欺詐行為和未經(jīng)授權(quán)的訪問，增強了系統(tǒng)的安全性。通過細粒度的設備指紋，可以精確到設備的每一個細節(jié)，防止任何偽裝和仿冒行為，確保設備識別的可靠性和安全性。
23、最后，通過貝葉斯網(wǎng)絡對設備指紋進行分類，可以準確判斷設備的類別和指紋的唯一性，進一步提高了設備管理的智能化和自動化水平。貝葉斯網(wǎng)絡利用歷史數(shù)據(jù)和經(jīng)驗知識，構(gòu)建了一個強大的分類模型，能夠在設備指紋生成之后，迅速準確地對設備進行分類，并判斷該設備是否為首次入網(wǎng)設備。此外，記錄生成指紋的屬性要素，方便后續(xù)對設備行為的監(jiān)測和分析，以便及時更新設備指紋，確保設備識別的準確性和及時性。這種持續(xù)監(jiān)測和動態(tài)更新的機制，使得系統(tǒng)能夠快速響應變化，提高了設備管理的靈活性和適應性。
24、這種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，不僅解決了傳統(tǒng)設備指紋生成方法中的標識碼重復和易被仿冒的問題，還顯著提升了設備識別的精度和安全性。其在適應性、效率和安全性方面的優(yōu)越表現(xiàn)，使得該方法具有廣泛的應用前景，能夠有效應用于電力網(wǎng)絡軟硬件場景，提供全面可靠的設備識別和管理解決方案。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，基于信息熵和自相關(guān)系數(shù)，在眾多特征中篩選出用于生成設備指紋的特征，從設備指紋中提取代表性和穩(wěn)定性的特征，選定的特征參數(shù)轉(zhuǎn)換為哈希碼，用于設備指紋生成和匹配步驟，通過基于特征選擇、哈希碼和貝葉斯網(wǎng)絡的細粒度設備指紋生成步驟，分層次準確地識別和區(qū)分不同的設備。
2.根據(jù)權(quán)利要求1所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，還含有以下步驟：
3.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，
4.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟S2中還含有以下步驟，特征篩選選取出所述用于生成設備指紋的特征的方法為：首先對獲取到的數(shù)據(jù)進行數(shù)據(jù)預處理，補充部分特征的缺失值，對類別型數(shù)據(jù)進行編碼處理；然后分別計算特征的區(qū)分度和穩(wěn)定性并加權(quán)排序，確定出用于生成設備指紋的特征，
5.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟
6.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟S4中還含有以下步驟，訓練數(shù)據(jù)預處理并對貝葉斯網(wǎng)絡進行參數(shù)學習。
7.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟S4中還含有以下步驟，將指紋傳輸?shù)交跉v史數(shù)據(jù)訓練的貝葉斯網(wǎng)絡模型中并判斷設備的類別、設備的指紋是否為第一次生成，判斷結(jié)果傳輸?shù)椒掌髦小?/p>
8.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟S5中還含有以下步驟，在將設備不同模塊的指紋組合之后，后綴搭配校驗碼，校驗碼算法為奇偶校驗算法、海明校驗算法或循環(huán)冗余校驗算法。
9.根據(jù)權(quán)利要求4所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，數(shù)據(jù)預處理中數(shù)據(jù)的區(qū)分度度量使用的是信息熵算法，令X為電力環(huán)境中軟硬件設備的特征，xi為特征參數(shù)，數(shù)據(jù)利用信息熵算法的區(qū)分度度量為：
10.根據(jù)權(quán)利要求4所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，
...【技術(shù)特征摘要】
1.一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，基于信息熵和自相關(guān)系數(shù)，在眾多特征中篩選出用于生成設備指紋的特征，從設備指紋中提取代表性和穩(wěn)定性的特征，選定的特征參數(shù)轉(zhuǎn)換為哈希碼，用于設備指紋生成和匹配步驟，通過基于特征選擇、哈希碼和貝葉斯網(wǎng)絡的細粒度設備指紋生成步驟，分層次準確地識別和區(qū)分不同的設備。
2.根據(jù)權(quán)利要求1所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，還含有以下步驟：
3.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，
4.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟s2中還含有以下步驟，特征篩選選取出所述用于生成設備指紋的特征的方法為：首先對獲取到的數(shù)據(jù)進行數(shù)據(jù)預處理，補充部分特征的缺失值，對類別型數(shù)據(jù)進行編碼處理；然后分別計算特征的區(qū)分度和穩(wěn)定性并加權(quán)排序，確定出用于生成設備指紋的特征，
5.根據(jù)權(quán)利要求2所述的一種基于哈希和特征選擇的軟硬件設備指紋細粒度生成方法，其特征在于，步驟s3中還含有以下步驟，生成設備指紋的哈希算法包括哈希算法包括有s...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：賴裕平，曹郁晗，余奕盈，藺子卿，朱亞運，張大華，張曉娟，周亮，胡柏吉，姚爽，曹靖怡，
申請(專利權(quán))人：北京郵電大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。