面向物聯(lián)網(wǎng)安全的智能接入設備識別與增量學習研究

摘要： 針對動態(tài)、大規(guī)模物聯(lián)網(wǎng)環(huán)境中傳統(tǒng)設備識別技術存在“災難性遺忘”、難以適應新設備在線學習的問題，提出基于增量學習的智能接入設備識別框架。該框架融合特征工程、輕量化模型，通過構(gòu)建行為基線與異常檢測實現(xiàn)設備識別與異常響應。實驗結(jié)果表明：該框架下模型平均設備識別準確率達99.780%,新設備識別準確率為98.765%,舊設備識別準確率為99.876%,增量學習更新耗時僅15.67 ms... （共6頁）