本发明涉及通信技术领域,特别涉及网络设备的识别方法及其系统、智能终端。
背景技术:
随着移动终端和互联网的发展,越来越多的人喜欢使用终端(如手机、平板电脑、笔记本等)通过无线网的方式接入因特网来获取各种各样的信息,用户可享受更加丰富的游戏、娱乐、影音、社区群体等移动互联网业务和应用,越来越多的新业务和应用需要终端的支持和适配。
由于网络设备的类型不同,因此为了向网络设备正确匹配资源,需要先对网络设备的类型进行识别。在现有技术中,为识别网络设备的类型,服务器会向待识别网络设备发送识别请求,待识别网络设备向服务器发送超文本传输协议(Hypertext transfer protocol,HTTP)报文,其中,HTTP报文头部携带用户代理(User Agent,简称UA)信息字段用以标识网络设备的类型。服务器基于该用户代理信息字段即可识别网络设备的类型。
然而,现有的识别方式需要依靠因特网,且只有在网络设备与服务器建立网络连接之后,才能识别网络设备的类型,因此识别速度较慢,且识别准确度较低。
技术实现要素:
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种网络设备的识别方法及其系统、智能终端。
为实现上述目的,本发明提供了一种网络设备的识别方法,包括:
步骤S1、根据预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的网络行为信息,生成各类型的所述网络设备的分类模型,所述网络行为信息包括:网络包信息和/或信号强度信息;
步骤S2、获取待识别网络设备通过WIFI进行网络通信时的网络行为信息;
步骤S3、根据训练好的各类型的所述网络设备的分类模型对所述待识别网络设备的网络行为信息进行分类;
步骤S4、根据分类结果,识别所述待识别网络设备的类型。
可选地,在步骤S1之前还包括:
步骤S1a、获取预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的广播的无线信号;
步骤S1b、对获取到的所述无线信号进行处理,以得到的信号各类型的网络设备通过WIFI进行网络通信时的所述网络包信息和所述信号强度信息。
可选地,所述步骤S1包括:
步骤S101、对各类型的所述网络设备的所述网络行为信息进行特征提取,得到各类型的所述网络设备的网络行为特征;
步骤S102、对各类型的所述网络设备的所述网络行为特征进行训练,以得到各类型的所述网络设备的分类模型。
可选地,当所述网络行为信息包含有所述网络包信息时,所述网络行为特征包括:在预设周期内的网络连接平均时长、网络连接次数、网络访问频率、上行数据量的大小、下行数据量的大小中的至少一者。
可选地,当所述网络行为信息包含有所述信号强度信息时,所述网络行为特征包括:信号强度变化波形。
可选地,在步骤S102中采用支持向量机法或逻辑回归法对所述网络行为特征进行训练,以得到各类型的所述网络设备的分类模型。
可选地,所述网络包信息包括:源MAC地址、目标MAC地址、网络包的类型、网络包的大小、网络包获取时间中的至少一者。
为实现上述目的,本发明还提供了一种网络设备的识别系统,包括:
分类模型生成模块,用于根据预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的网络行为信息,生成各类型的所述网络设备的分类模型,所述网络行为信息包括:网络包信息和/或信号强度信息;
第一获取模块,用于获取待识别网络设备通过WIFI进行网络通信时的网络行为信息;
分类模块,用于根据训练好的各类型的所述网络设备的分类模型对所述待识别网络设备的网络行为信息进行分类;
识别模块,用于根据分类结果,确定所述待识别网络设备的类型。
可选地,还包括:
第二获取模块,用于获取预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的广播的无线信号;
信号处理模块,用于对获取到的所述无线信号进行处理,以得到的信号各类型的网络设备通过WIFI进行网络通信时的所述网络包信息和所述信号强度信息。
可选地,所述分类模型生成模块包括:
特征提取单元,用于对各类型的所述网络设备的所述网络行为信息进行特征提取,得到各类型的所述网络设备的网络行为特征;
特征训练单元,用于对各类型的所述网络设备的所述网络行为特征进行训练,得到各类型的所述网络设备的分类模型。
可选地,当所述网络行为信息包含有所述网络包信息时,所述网络行为特征包括:在预设周期内的网络连接平均时长、网络连接次数、网络访问频率、上行数据量的大小、下行数据量的大小中的至少一者。
可选地,当所述网络行为信息包含有所述信号强度信息时,所述网络行为特征包括:信号强度变化波形。
可选地,所述特征训练单元采用支持向量机法或逻辑回归法对所述网络行为特征进行训练,以得到各类型的所述网络设备的分类模型。
可选地,所述网络包信息包括:源MAC地址、目标MAC地址、网络包的类型、网络包的大小、网络包获取时间中的至少一者。
为实现上述目的,本发明还提供了一种智能终端,包括:网络设备的识别系统,所述网络设备的识别系统采用上述的网络设备的识别系统。
可选地,所述智能终端为智能电视或智能机顶盒。
本发明具有以下有益效果:
本发明提供了一种网络设备的识别方法及其系统、智能终端,包括:步骤S1、根据预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的网络行为信息,生成各类型的网络设备的分类模型,网络行为信息包括:网络包信息和/或信号强度信息;步骤S2、获取待识别网络设备通过WIFI进行网络通信时的网络行为信息;步骤S3、根据训练好的各类型的网络设备的分类模型对待识别网络设备的网络行为信息进行分类;步骤S4、根据分类结果,识别待识别网络设备的类型。本发明的技术方案可在待识别网络设备与服务器未建立网络连接的情况下,能够对待识别网络设备的类型进行精准识别。此外,整个识别过程也不会影响无线网络中各网络设备的正常通信。
附图说明
图1为本发明实施例一提供的一种网络设备的识别方法的流程图;
图2为本发明实施例二提供的一种网络设备的识别方法的流程图;
图3为本发明实施例三提供的一种网络设备的识别系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的一种网络设备的识别方法及其系统、智能终端进行详细描述。
图1为本发明实施例一提供的一种网络设备的识别方法的流程图,如图1所示,该网络设备的识别方法包括:
步骤S1、根据预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的网络行为信息,生成各类型的网络设备的分类模型。
其中,网络行为信息包括:网络包信息和/或信号强度信息。本实施例中,以网络行为信息包括网络包信息和信号强度信息为例进行示例性说明。
进一步地,网络包信息包括:源MAC地址、目标MAC地址、网络包的类型、网络包的大小、网络包获取时间中的至少一者。
需要说明的是,本发明中“预先设置的若干不同类型的网络设备”是指预先已经知晓其类型的网络设备,例如:平板电脑、笔记本电脑、手机、台式机、智能手表、智能空气净化器等具有无线网卡,且能够进行WIFI通信的设备。这些已经知晓其类型的网络设备均连接至同一个无线路由器。
在步骤S1中,可根据这些已经知晓其类型的网络设备的网络行为信息作为样本,得到这些已经知晓类型的网络设备的分类模型。具体地,步骤S1包括:
步骤S101、对各类型的网络设备的网络行为信息进行特征提取,得到各类型的网络设备的网络行为特征。
其中,网络行为特征具体包括:网络连接平均时长、网络连接次数、网络访问频率、上行数据量的大小、下行数据量的大小、信号强度变化波形中的至少一者。例如,根据网络包获取时间和网络包的数量可得到该类型网络设备在预设周期内的网络连接平均时长、网络连接次数、网络访问频率等特征。根据网络包中的源MAC地址和目标MAC地址,即可获知网络包是上行流量还是下行流量(若目标MAC地址为无线路由器,则表示该网络包对应为上行流量;若目标MAC地址为网络设备,则表示该网络包对应为下行流量),然后基于网络包的大小,则可获得该类型网络设备在预设周期内的上行数据量的大小和下行数据量的大小。根据信号强度信息随时间的变化可以生成得该类型网络设备在在预设周期内信号强度变化波形。
需要说明的是,在现实生活中,不同网络设备的使用情况是不一样的。例如:由于用户随身携带手机会经常出门,而净化器一般都只会放在家里,则手机的网络连接次数会相对较多,而净化器的网络连接次数相对较少。由于手机会经常移动,台式机不会经常移动,则手机的信号强度变化较为频繁,台式机的信号强度基本保持不变。由于手机的使用频率较高(多个不同应用的使用),平板电脑的使用频率较低(用来看视频较多),则手机对应的下行网络包持续时间短、量小,平板电脑对应的下行网络包持续时间长且量大。
由此可见,基于上述特征可在一定程度上对各类网络设备进行分类。
步骤S102、对各类型的网络设备的网络行为特征进行训练,以得到各类型的网络设备的分类模型。
在步骤102中根据现有的任意一种分类算法来对上述各类型的网络设备的网络行为特征进行训练,以得到各类型的网络设备的分类模型。本实施例中,可选地,采用支持向量机(Support Vector Machine,简称SVM)法或逻辑回归(Logistic Regression,简称LR)法对网络行为特征进行训练,以得到各类型的网络设备的分类模型。
步骤S2、获取待识别网络设备通过WIFI进行网络通信时的网络行为信息。
在步骤S2中,可对待识别网络设备通过WIFI进行网络通信时的网络包信息和信号强度信息。
需要说明的是,待识别网络设备通过WIFI进行网络通信时,会采用广播的方式将网络包发送至无线路由器,再由无线路由器进行后续的路由。因此,在本发明中,仅需在无线路由器的附近设置相应的获取模块,即可获取到待识别网络设备发出的WIFI信号,通过对该WIFI信号进行处理,即可得到相应的网络包信息和信号强度信息。
步骤S3、根据训练好的各类型的网络设备的分类模型对待识别网络设备的网络行为信息进行分类。
在步骤S3中,对步骤S2获取到的待识别网络设备的进行网络行为信息进行特征提取,并采用各类型的网络设备的分类模型对其进行识别,从而可确定待识别网络设备的网络行为信息所属类别。
需要说明的是,采用分类模型对信息进行分类的技术为本领域的现有技术,具体过程此处不进行详细描述。
步骤S4、根据分类结果,识别待识别网络设备的类型。
在步骤S4中,根据待识别网络设备的网络行为信息所属类别,即可得知识别待识别网络设备的类型。
需要说明的是,在本实施例中,作为样本的知晓其类型的网络设备的数量越多,提取的网络行为特征所包含的种类越多,则得到的分类模型越精细,最终的识别结果也越精准。
通过上述步骤S1~步骤S4可见,本发明的技术方案可在待识别网络设备与服务器未建立网络连接的情况下,能够对待识别网络设备的类型进行精准识别。此外,整个识别过程也不会影响无线网络中各网络设备的正常通信。
图2为本发明实施例二提供的一种网络设备的识别方法的流程图,如图2所示,该本实施例提供的识别方法不但包括上述实施例一中的步骤S1~步骤S4,还在步骤S1之前包括步骤S1a和步骤S1b,下面仅对步骤S1a和步骤S1b进行详细描述。
步骤S1a、获取预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的广播的无线信号。
在待识别网络设备通过WIFI进行网络通信时,会采用广播的方式将网络包发送至无线路由器,再由无线路由器进行后续的路由。因此,在本发明中,仅需在无线路由器的附近设置相应的获取模块,即可获取到预先设置的各不同类型的网络设备发出的WIFI信号(无线信号)。
步骤S1b、对获取到的无线信号进行处理,以得到的信号各类型的网络设备通过WIFI进行网络通信时的网络包信息和信号强度信息。
在步骤S1b中,根据实际需要来对获取到的WIFI信号进行处理,可得到相应的网络包信息和信号强度信息。可选地,网络包信息包括:源MAC地址、目标MAC地址、网络包的类型、网络包的大小、网络包获取时间中的至少一者。
图3为本发明实施例三提供的一种网络设备的识别系统的结构示意图,如图3所示,该网络设备的识别系统用于实现上述实施例一、实施例二中的识别方法,该识别系统包括:分类模型生成模块1、第一获取模块2、分类模块3和识别模块4。
其中,分类模型生成模块1用于根据预先设置的若干不同类型的网络设备其各自通过WIFI进行网络通信时的网络行为信息,生成各类型的网络设备的分类模型,网络行为信息包括:网络包信息和/或信号强度信息。可选地,网络包信息包括:源MAC地址、目标MAC地址、网络包的类型、网络包的大小、网络包获取时间中的至少一者。
第一获取模块2用于获取待识别网络设备通过WIFI进行网络通信时的网络行为信息。
分类模块3用于根据训练好的各类型的网络设备的分类模型对待识别网络设备的网络行为信息进行分类。
识别模块4用于根据分类结果,确定待识别网络设备的类型。
需要说明的是,本实施例中的分类模型生成模块1用于执行上述实施例一中的步骤S1,第一获取模块2用于执行上述实施例一中的步骤S2,分类模块3用于执行上述实施例一中的步骤S3,识别模块4用于执行上述实施例一中的步骤S4。对于上述各模块的具体工作过程,可参见实施例一中的相应内容,此处不再赘述。
可选地,分类模型1生成模块包括:特征提取单元101和特征训练单元102。
其中,特征提取单元101用于对各类型的网络设备的网络行为信息进行特征提取,得到各类型的网络设备的网络行为特征。
可选地,当网络行为信息包含有网络包信息时,网络行为特征包括:在预设周期内的网络连接平均时长、网络连接次数、网络访问频率、上行数据量的大小、下行数据量的大小中的至少一者。
当网络行为信息包含有信号强度信息时,网络行为特征包括:信号强度变化波形。
特征训练单元102用于对各类型的网络设备的网络行为特征进行训练,得到各类型的网络设备的分类模型。可选地,特征训练单元102采用支持向量机法或逻辑回归法对网络行为特征进行训练。
需要说明的是,本实施例中的特征提取单元101用于执行上述实施例一中的步骤S101,特征训练单元102用于执行上述实施例一中的步骤S102。对于上述各单元的具体工作过程,可参见实施例一中的相应内容,此处不再赘述。
可选地,该识别系统还包括:第二获取模块5和信号处理模块6。
其中,第二获取模块5用于获取预先设置的若干不同类型的网络设备通过WIFI进行网络通信时的广播的无线信号。
信号处理模块6用于对获取到的无线信号进行处理,以得到的信号各类型的网络设备通过WIFI进行网络通信时的网络包信息和信号强度信息。
需要说明的是,本实施例中的第一获取模块2可具有与第二获取模块5和信号处理模块6相同的结构。当然,第一获取模块2和第二获取模块5也可以为同一个模块。
本实施例中的第二获取模块5用于执行上述实施例二中的步骤S1a,信号处理模块6用于执行上述实施例二中的步骤S1b。对于上述各模块的具体工作过程,可参见实施例二中的相应内容,此处不再赘述。
需要说明的是,为保证本实施例提供的网络设备的识别系统能够获取到已知类型的网络设备的无线信号和待识别网络设备的无线信号,可将本实施例提供的网络设备的识别系统置于无线路由器的附近,以便于接收各网络设备进行无线通信时广播的信号。
本发明实施例三提供了一种网络设备的识别系统,可在待识别网络设备与服务器未建立网络连接的情况下,能够对待识别网络设备的类型进行精准识别。此外,整个识别过程也不会影响无线网络中各网络设备的正常通信。
本发明实施例四提供了一种智能终端,该智能终端包括:网络设备的识别系统,其中该网络设备的识别系统采用上述实施例三中提供的识别系统。具体描述可参见上述实施例三中的内容。
本实施例中,考虑到识别系统有可能需要获取已知类型的各网络设备和待识别网络设备的信号强度信息,为保证所获取到的信号强度信息的准确性,则需要保证识别系统的位置是固定。本实施例中,优选地,将识别系统集成在智能电视或智能机顶盒。此外,智能电视和智能机顶盒内均设置有无线网卡,通过将无线网卡置于监测(monitor)模式,即可对各网络设备广播的WIFI信号进行检测,一便于获取到各网络设备的网络行为信息。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。