张帅帅 黄 杰,3 祁春阳 汪潇文

(1东南大学网络空间安全学院, 南京 211189)(2东南大学江苏省计算机网络技术重点实验室, 南京 211189)(3网络通信与安全紫金山实验室, 南京 211111)

随着5G与AI技术的应用和推广，物联网技术得到飞速发展，大量的物联网设备在智慧城市、医疗、工业等领域[1-2]得到广泛应用.根据Statista公司的预测，2025年物联网设备的数量将达到386亿台，而2030年将增加到500亿台[3].然而物联网设备由于结构简单、防御机制不足，成为黑客的主要攻击目标，往往一个设备漏洞便会导致同品牌设备都被攻击.同时由于物联网设备数量庞大，这种攻击的危害可以被成倍放大.2016年，黑客利用Mirai病毒[4]劫持了150万台物联网设备并组成僵尸网络(botnet)发动DDOS攻击，造成美国大规模的网络瘫痪.2017年，LG智能家居设备的漏洞导致大量用户隐私泄露.因此，物联网安全已经成为未来网络发展中亟需解决的关键问题之一.

但是，物联网设备数量庞大，种类繁多，不同类型的设备存在不同的安全漏洞，难以进行统一的安全管理.因此，利用物联网信息搜索技术[5]发现和识别物联网设备是进行安全管理的第一步.Shodan和Censys是业界成熟的物联网搜索引擎，可以提供大量暴露在公网中的物联网设备信息.目前的物联网设备识别方法大致可以分为2类：基于流量特征的识别方法[6-10]和基于标语的识别方法[11-14].

物联网设备的流量特征主要包含2方面：① HTTP、Telnet、RTSP、Modbus等协议的使用情况和协议头部特征值；② 通信流量的行为特征，如通信数……