CN113626469A - 物联网设备匹配方法和装置 - Google Patents

Abstract

本公开公开了一种物联网设备匹配方法和装置，涉及网络技术与安全领域。该方法包括：获取待匹配的物联网设备的离散型特征向量和连续型特征向量；将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备；若第一匹配物联网设备与第二匹配物联网设备对应同一物联网设备，则确定待匹配的物联网设备与第一和第二匹配物联网设备相匹配。本公开通过离散型特征向量和连续型特征向量的分层匹配，使得匹配结果更加准确，从而为设备身份认证提供了可靠的基础。

Description

物联网设备匹配方法和装置

技术领域

本公开涉及网络技术与安全领域，尤其涉及一种物联网设备匹配方法和装置。

背景技术

在相关基于设备指纹识别的自适应设备识别方法中，主要包括：获取用户登录信息，实时采集用户的指纹登录数据和移动端及浏览器端的用户设备数据并保存为设备记录信息；筛选指纹登录数据，提取出登录特征信息为样本特征信息；数值化样本特征信息得散列特征数值，归一化散列特征数值为样本特征数值，将样本特征数值转化为多维特征向量；以样本的多维特征向量作为输入，根据预设的相似性度量函数确定聚类算法的K值；根据聚类算法确定簇中心并保存；对比设备信息与簇中心的汉明距离与可信阈值，根据汉明距离和可信阈值的比较结果来识别新登录设备。

上述方案中，如果将终端设备信息的离散数据数值化后再和连续数据一起归一化，会对连续数据的值影响较大，导致连续型数据对设备指纹的贡献权重太小，使得匹配结果不准确。

发明内容

本公开要解决的一个技术问题是，提供一种物联网设备匹配方法和装置，能够提高物联网设备匹配的准确性。

根据本公开一方面，提出一种物联网设备匹配方法，包括：获取待匹配的物联网设备的离散型特征向量和连续型特征向量；将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备；若第一匹配物联网设备与第二匹配物联网设备对应同一物联网设备，则确定待匹配的物联网设备与第一匹配物联网设备和第二匹配物联网设备相匹配。

在一些实施例中，若第一匹配物联网设备与第二匹配物联网设备对应不同的物联网设备，则对第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值；计算待匹配向量值、第一向量值、以及第二向量值之间的相似度；根据相似度结果，确定待匹配的物联网设备的匹配结果。

在一些实施例中，根据相似度结果，确定待匹配的物联网设备的匹配结果包括：若待匹配向量值与第一向量值之间的相似度，大于待匹配向量值与第二向量值之间的相似度，并且，待匹配向量值与第一向量值之间的相似度，大于第一向量值与第二向量值之间的相似度，则确定待匹配的物联网设备与第一向量值对应的物联网设备相匹配。

在一些实施例中，根据相似度结果，确定待匹配的物联网设备的匹配结果包括：若待匹配向量值与第二向量值之间的相似度，大于待匹配向量值与第一向量值之间的相似度，并且，待匹配向量值与第二向量值之间的相似度，大于第一向量值与第二向量值之间的相似度，则确定待匹配的物联网设备与第二向量值对应的物联网设备相匹配。

在一些实施例中，根据相似度结果，确定待匹配的物联网设备的匹配结果包括：若待匹配向量值与第一向量值之间的相似度，小于第一向量值与第二向量值之间的相似度，并且，待匹配向量值与第二向量值之间的相似度，小于第一向量值与第二向量值之间的相似度，则确定待匹配的物联网设备与指纹数据库中的所有物联网设备不匹配。

在一些实施例中，采集物联网设备的指纹数据；将指纹数据分为离散型数据和连续型数据；对离散型数据进行特征提取，得到离散型特征向量；对连续型数据进行特征提取，得到连续型特征向量。

在一些实施例中，采集物联网设备的指纹数据；提取指纹数据中的特征向量，得到多维指纹特征向量；将多维指纹特征向量划分为离散型特征向量或连续型特征向量。

根据本公开的另一方面，还提出一种物联网设备匹配装置，包括：向量获取单元，被配置为获取待匹配的物联网设备的离散型特征向量和连续型特征向量；向量匹配单元，被配置为将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；以及将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备；匹配确定单元，被配置为若第一匹配物联网设备与第二匹配物联网设备对应同一物联网设备，则确定待匹配的物联网设备与第一匹配物联网设备和第二匹配物联网设备相匹配。

在一些实施例中，匹配确定单元还被配置为若第一匹配物联网设备与第二匹配物联网设备对应不同的物联网设备，则对第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值；计算待匹配向量值、第一向量值、以及第二向量值之间的相似度；根据相似度结果，确定待匹配的物联网设备的匹配结果。

根据本公开的另一方面，还提出一种物联网设备匹配装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的物联网设备匹配方法。

根据本公开的另一方面，还提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的物联网设备匹配方法。

本公开实施例中，通过对物联网设备的离散型特征向量和连续型特征向量进行分层匹配，然后比较两个匹配结果是否对应同一物联网设备，若是，则识别出物联网设备为指纹数据库中的设备，由于分别对离散型特征向量和连续型特征向量进行匹配，使得匹配结果更加准确，从而为设备身份认证提供了可靠的基础。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1为本公开的物联网设备匹配方法的一些实施例的流程示意图。

图2为本公开的物联网设备匹配方法的另一些实施例的流程示意图。

图3为本公开的物联网设备匹配装置的一些实施例的结构示意图。

图4为本公开的物联网设备匹配装置的另一些实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

图1为本公开的物联网设备匹配方法的一些实施例的流程示意图。

在步骤110，获取待匹配的物联网设备的离散型特征向量和连续型特征向量。

在一些实施例中，采集物联网设备的指纹数据，例如，采集每个物联网设备的多个硬件信息以及数据报文信息，对硬件信息以及数据报文信息进行预处理，得到物联网设备的指纹数据。将指纹数据分为离散型数据和连续型数据。对离散型数据进行特征提取，得到离散型特征向量；对连续型数据进行特征提取，得到连续型特征向量，从而降低真实数据的复杂度。

在一些实施例中，离散型数据例如包括物联网设备的UUID(Universally UniqueIdentifier，通用唯一识别码)、IP地址、MAC地址、各类硬件版本号等独立变化的信息。连续性数据例如包括物联网设备的存储空间大小、CPU利用率等在一个范围内变化的数据。

在步骤120，将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备。

例如，利用离散决策树，对待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行分类，得到与该待匹配的物联网设备的离散型特征向量最匹配的离散型特征向量，将最匹配的离散型特征向量对应的物联网设备作为第一匹配物联网设备。

在步骤130，将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备。

例如，利用KNN(K-Nearest Neighbor，K最近邻)算法，对待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行分类，得到与该待匹配的物联网设备的连续型特征向量最匹配的连续型特征向量，将最匹配的连续型特征向量对应的物联网设备作为第二匹配物联网设备。

步骤120和步骤130可以同时执行，也可以不分先后的执行。

在步骤140，若第一匹配物联网设备与第二匹配物联网设备对应同一物联网设备，则确定待匹配的物联网设备与第一匹配物联网设备和第二匹配物联网设备相匹配。

在上述实施例中，通过对物联网设备的离散型特征向量和连续型特征向量进行分层匹配，然后比较两个匹配结果是否对应同一物联网设备，若是，则识别出物联网设备为指纹数据库中的设备，由于分别对离散型特征向量和连续型特征向量进行匹配，使得匹配结果更加准确，从而为设备身份认证提供了可靠的基础。

图2为本公开的物联网设备匹配方法的另一些实施例的流程示意图,。

在步骤210，采集物联网设备的指纹数据。例如，采集终端侧信息和传输层数据报文信息。

在步骤220，将指纹数据分为离散型数据和连续型数据。

在步骤230，对离散型数据进行特征提取，得到离散型特征向量；对连续型数据进行特征提取，得到连续型特征向量。

在一些实施例中，也可以先提取指纹数据中的特征向量，得到多维指纹特征向量，然后将多维指纹特征向量划分为离散型特征向量或连续型特征向量。

在步骤240，将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备。

例如，将待匹配的物联网设备的离散型特征向量，分别与指纹数据库中的每个物联网设备的离散型特征向量进行匹配，将匹配度最高的离散型特征向量对应的物联网设备，作为第一匹配物联网设备。

在步骤250，将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备。

例如，将待匹配的物联网设备的连续型特征向量，分别与指纹数据库中的每个物联网设备的连续型特征向量进行匹配，将匹配度最高的连续型特征向量对应的物联网设备，作为第二匹配物联网设备。

在步骤260，判断第一匹配物联网设备与第二匹配物联网设备是否对应同一物联网设备，若是，则执行步骤270，否则，执行步骤280。

在步骤270，确定待匹配的物联网设备与第一匹配物联网设备和第二匹配物联网设备相匹配。

在步骤280，对第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值。即将三个物联网设备的多维指纹特征向量分别进行归一化处理，分别得到第一向量值X1，第二向量值X2和待匹配向量值Y。

在步骤290，计算待匹配向量值、第一向量值、以及第二向量值之间的相似度。

例如，待匹配向量值与第一向量值之间的相似度为V(Y，X1)，待匹配向量值与第二向量值之间的相似度为V(Y，X2)，第一向量值与第二向量值之间的相似度为V(X1，X2)。

在步骤2100，根据相似度结果，确定待匹配的物联网设备的匹配结果。

例如，待匹配向量值与第一向量值之间的相似度V(Y，X1)，大于待匹配向量值与第二向量值之间的相似度V(Y，X2)，并且，待匹配向量值与第一向量值之间的相似度V(Y，X1)，大于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与第一向量值X1对应的物联网设备相匹配。

待匹配向量值与第二向量值之间的相似度V(Y，X2)，大于待匹配向量值与第一向量值之间的相似度V(Y，X1)，并且，待匹配向量值与第二向量值之间的相似度V(Y，X2)，大于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与第二向量值X2对应的物联网设备相匹配。

待匹配向量值与第一向量值之间的相似度V(Y，X1)，小于第一向量值与第二向量值之间的相似度V(X1，X2)，并且，待匹配向量值与第二向量值之间的相似度V(Y，X2)，小于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与指纹数据库中的所有物联网设备不匹配。

在相关技术中，对物联网设备进行匹配时，需要对所有数据进行归一化处理，浪费计算资源。而在该实施例中，通过离散数据和连续数据的分开匹配以及匹配冲突后的归一化再分类处理，使得决策更加可靠，计算量减小，为有效解决物联网设备安全接入问题提供有效借鉴和参考。

图3为本公开的物联网设备匹配装置的一些实施例的结构示意图。该装置包括向量获取单元310、向量匹配单元320和匹配确定单元330。

向量获取单元310被配置为获取待匹配的物联网设备的离散型特征向量和连续型特征向量。

在一些实施例中，可以采集物联网设备的指纹数据，将指纹数据分为离散型数据和连续型数据，对离散型数据进行特征提取，得到离散型特征向量，对连续型数据进行特征提取，得到连续型特征向量。

在另一些实施例中，可以采集物联网设备的指纹数据，提取指纹数据中的特征向量，得到多维指纹特征向量，将多维指纹特征向量划分为离散型特征向量或连续型特征向量。

向量匹配单元320被配置为将待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；以及将待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备。

在一些实施例中，将待匹配的物联网设备的离散型特征向量，分别与指纹数据库中的每个物联网设备的离散型特征向量进行匹配，将匹配度最高的离散型特征向量对应的物联网设备，作为第一匹配物联网设备。将待匹配的物联网设备的连续型特征向量，分别与指纹数据库中的每个物联网设备的连续型特征向量进行匹配，将匹配度最高的连续型特征向量对应的物联网设备，作为第二匹配物联网设备。

匹配确定单元330被配置为若第一匹配物联网设备与第二匹配物联网设备对应同一物联网设备，则确定待匹配的物联网设备与第一匹配物联网设备和第二匹配物联网设备相匹配。

在上述实施例中，通过对物联网设备的离散型特征向量和连续型特征向量进行分层匹配，然后比较两个匹配结果是否对应同一物联网设备，若是，则识别出物联网设备为指纹数据库中的设备，使得匹配结果更加准确，从而为设备身份认证提供了可靠的基础。

在本公开的另一些实施例中，该匹配确定单元330还被配置为若第一匹配物联网设备与第二匹配物联网设备对应不同的物联网设备，则对第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值；计算待匹配向量值、第一向量值、以及第二向量值之间的相似度；根据相似度结果，确定待匹配的物联网设备的匹配结果。

例如，待匹配向量值与第一向量值之间的相似度V(Y，X1)，大于待匹配向量值与第二向量值之间的相似度V(Y，X2)，并且，待匹配向量值与第一向量值之间的相似度V(Y，X1)，大于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与第一向量值X1对应的物联网设备相匹配。

待匹配向量值与第二向量值之间的相似度V(Y，X2)，大于待匹配向量值与第一向量值之间的相似度V(Y，X1)，并且，待匹配向量值与第二向量值之间的相似度V(Y，X2)，大于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与第二向量值X2对应的物联网设备相匹配。

待匹配向量值与第一向量值之间的相似度V(Y，X1)，小于第一向量值与第二向量值之间的相似度V(X1，X2)，并且，待匹配向量值与第二向量值之间的相似度V(Y，X2)，小于第一向量值与第二向量值之间的相似度V(X1，X2)，则确定待匹配的物联网设备与指纹数据库中的所有物联网设备不匹配。

该实施例改善了现有设备指纹的单一性、不稳定性、易篡改性问题，结合多维度数据综合决策，为设备的身份认证提供了可靠的技术条件。另外，在该实施例中，通过离散数据和连续数据的分开匹配以及匹配冲突后的归一化再分类处理，使得决策更加可靠，计算量减小，为有效解决物联网设备安全接入问题提供有效借鉴和参考。

图4为本公开的物联网设备匹配装置的另一些实施例的结构示意图。该装置包括400包括存储器410和处理器420。其中：存储器410可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1、2、4所对应实施例中的指令。处理器420耦接至存储器410，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器420用于执行存储器中存储的指令。

在一些实施例中，处理器420通过BUS总线430耦合至存储器410。该设备400还可以通过存储接口440连接至外部存储系统450以便调用外部数据，还可以通过网络接口460连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，提高了物联网设备匹配结果的准确性。

在另一些实施例中，一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1-2所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (11)

1.一种物联网设备匹配方法，包括：

获取待匹配的物联网设备的离散型特征向量和连续型特征向量；

将所述待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；

将所述待匹配的物联网设备的连续型特征向量，与指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备；

若所述第一匹配物联网设备与所述第二匹配物联网设备对应同一物联网设备，则确定所述待匹配的物联网设备与所述第一匹配物联网设备和所述第二匹配物联网设备相匹配。

2.根据权利要求1所述的物联网设备匹配方法，还包括：

若所述第一匹配物联网设备与所述第二匹配物联网设备对应不同的物联网设备，则对所述第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对所述第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对所述待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值；

计算所述待匹配向量值、所述第一向量值、以及所述第二向量值之间的相似度；

根据相似度结果，确定所述待匹配的物联网设备的匹配结果。

3.根据权利要求2所述的物联网设备匹配方法，其中，根据相似度结果，确定所述待匹配的物联网设备的匹配结果包括：

若所述待匹配向量值与所述第一向量值之间的相似度，大于所述待匹配向量值与所述第二向量值之间的相似度，并且，所述待匹配向量值与所述第一向量值之间的相似度，大于所述第一向量值与所述第二向量值之间的相似度，则确定所述待匹配的物联网设备与所述第一向量值对应的物联网设备相匹配。

4.根据权利要求2所述的物联网设备匹配方法，其中，根据相似度结果，确定所述待匹配的物联网设备的匹配结果包括：

若所述待匹配向量值与所述第二向量值之间的相似度，大于所述待匹配向量值与所述第一向量值之间的相似度，并且，所述待匹配向量值与所述第二向量值之间的相似度，大于所述第一向量值与所述第二向量值之间的相似度，则确定所述待匹配的物联网设备与所述第二向量值对应的物联网设备相匹配。

5.根据权利要求2所述的物联网设备匹配方法，其中，根据相似度结果，确定所述待匹配的物联网设备的匹配结果包括：

若所述待匹配向量值与所述第一向量值之间的相似度，小于所述第一向量值与所述第二向量值之间的相似度，并且，所述待匹配向量值与所述第二向量值之间的相似度，小于所述第一向量值与所述第二向量值之间的相似度，则确定所述待匹配的物联网设备与所述指纹数据库中的所有物联网设备不匹配。

6.根据权利要求1至5任一所述的物联网设备匹配方法，还包括：

采集物联网设备的指纹数据；

将所述指纹数据分为离散型数据和连续型数据；

对所述离散型数据进行特征提取，得到所述离散型特征向量；

对所述连续型数据进行特征提取，得到所述连续型特征向量。

7.根据权利要求1至5任一所述的物联网设备匹配方法，还包括：

采集物联网设备的指纹数据；

提取所述指纹数据中的特征向量，得到多维指纹特征向量；

将所述多维指纹特征向量划分为离散型特征向量或连续型特征向量。

8.一种物联网设备匹配装置，包括：

向量获取单元，被配置为获取待匹配的物联网设备的离散型特征向量和连续型特征向量；

向量匹配单元，被配置为将所述待匹配的物联网设备的离散型特征向量，与指纹数据库中的物联网设备的离散型特征向量进行匹配，得到第一匹配物联网设备；以及将所述待匹配的物联网设备的连续型特征向量，与所述指纹数据库中的物联网设备的连续型特征向量进行匹配，得到第二匹配物联网设备；

匹配确定单元，被配置为若所述第一匹配物联网设备与所述第二匹配物联网设备对应同一物联网设备，则确定所述待匹配的物联网设备与所述第一匹配物联网设备和所述第二匹配物联网设备相匹配。

9.根据权利要求8所述的物联网设备匹配装置，还包括：

所述匹配确定单元还被配置为若所述第一匹配物联网设备与所述第二匹配物联网设备对应不同的物联网设备，则对所述第一匹配物联网设备的多维指纹特征向量进行归一化处理，得到第一向量值，对所述第二匹配物联网设备的多维指纹特征向量进行归一化处理，得到第二向量值，对所述待匹配的物联网设备的多维指纹特征向量进行归一化处理，得到待匹配向量值；计算所述待匹配向量值、所述第一向量值、以及所述第二向量值之间的相似度；根据相似度结果，确定所述待匹配的物联网设备的匹配结果。

10.一种物联网设备匹配装置，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至7任一项所述的物联网设备匹配方法。

11.一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至7任一项所述的物联网设备匹配方法。

Images