1.一种网络设备的识别方法,其特征在于,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。
2.根据权利要求1所述的网络设备的识别方法,其特征在于,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。
3.根据权利要求1所述的网络设备的识别方法,其特征在于,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。
4.根据权利要求3所述的网络设备的识别方法,其特征在于,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。
5.根据权利要求3所述的网络设备的识别方法,其特征在于,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。
6.根据权利要求3所述的网络设备的识别方法,其特征在于,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。
7.根据权利要求1所述的网络设备的识别方法,其特征在于,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。
8.一种网络设备的识别系统,其特征在于,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。
9.根据权利要求8所述的网络设备的识别系统,其特征在于,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。
10.根据权利要求8所述的网络设备的识别系统,其特征在于,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。
11.根据权利要求10所述的网络设备的识别系统,其特征在于,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。
12.根据权利要求10所述的网络设备的识别系统,其特征在于,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。
13.根据权利要求10所述的网络设备的识别系统,其特征在于,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。
14.根据权利要求8所述的网络设备的识别系统,其特征在于,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。
15.一种智能终端,其特征在于,包括:如上述权利要求8-14中任一所述的网络设备的识别系统。
16.根据权利要求15所述的智能终端,其特征在于,所述智能终端为智能电视或智能机顶盒。