JP2014081742A - 機器同定装置、機器同定方法、及び機器同定プログラム - Google Patents

Abstract

【課題】ネットワーク機器の通信情報から特徴値の蓄積パターンを解析し、機器同定の精度を向上する。
【解決手段】ネットワークに接続された複数の機器から通信情報を取得し、蓄積された通信情報から機器情報を推定する機器同定装置であって、通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手段と、蓄積データ解析手段により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手段と、蓄積データ変換手段により変換された特徴パターン値を通信情報における特徴値として機器毎に登録する蓄積データ登録手段とを備える。
【選択図】図２

Description

本発明は、機器同定装置、機器同定方法、及び機器同定プログラムに関する。

ネットワークに接続された家電製品等の機器に対してコマンドを送信した結果のレスポンスパケット、及び機器が送信するパケットをキャプチャし、その中から必要な通信情報を機器の特徴として蓄積し、予め機器情報を登録している機器情報辞書と特徴項目の比較を行い、複数のパケットと比較した上で、最も機器情報辞書と近い値が登録されている家電製品の機器名情報であると推定する機器特定方式がある（例えば非特許文献１参照）。

佐藤さわ子、梁田龍治、前大道浩之、「ホームネットワーク内機器同定方式の検討」、電子情報通信学会技術研究報告、ＩＣＭ、情報通信マネジメント：ＩＥＩＣＥ ｔｅｃｈｎｉｃａｌ ｒｅｐｏｒｔ １１０（４６６），８７−９２，２０１１−０３−０３

従来技術は、ホームネットワーク上に接続されたネットワーク家電を特定することを目的とし、ネットワークを流通するパケットをキャプチャ、またはコマンドを送信してレスポンスパケットを受信し、パケット内部の情報を特徴として抽出して、ネットワーク家電の製品名と関連付けられた定義ファイルとの比較を行い得点化し、最も得点の高いネットワーク家電を当該製品とするものである。しかしながら、機能が限定された組込機器の中には、極端に特徴が少ない、または、類似製品との明らかな特徴の違いが発生しないもの
が存在する。これらの製品については、機器の差別化が出来ず特定できないという問題がある。

そこで本発明の一態様は、上記問題に鑑みてなされたものであり、ホームネットワーク上に接続されたネットワーク家電の機器の特徴を取得し蓄積したデータを分析し、機器毎のパケット連続送信状況や値の変化等を検出し特徴として抽出することで、差別化が難しかった特徴データをもつ機器の特徴の差別化を図ることを課題とする。

本発明は前記事情に鑑みなされたもので、本発明の一態様は、ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定する機器同定装置であって、前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手段と、前記蓄積データ解析手段により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手段と、前記蓄積データ変換手段により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手段と、を備えることを特徴とする。

本発明の一態様は、前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の連続出現数をカウントする、または特徴値の連続出現数を種類毎にカウントする連続出現数検出手段をさらに備える機器同定装置。

本発明の一態様は、前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の値の異なる数をそれぞれ算出し、算出結果を特徴値のバラツキ度合いを示す所定のランクに変換するバラツキ検出手段をさらに備える機器同定装置。

本発明の一態様は、前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の記録日時の差分から平均値を算出し、算出結果を特徴値の出現頻度を示す所定のランクに変換する出現頻度検出手段をさらに備える機器同定装置。

本発明の一態様は、前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の記録日時の差分から予め定められた許容誤差を満たす差分値を抽出し、該差分値に平均処理と端数処理を行った値を周期として算出する送信周期検出手段をさらに備える機器同定方式。

本発明の一態様は、ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定する機器同定方法であって、前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手順と、前記蓄積データ解析手順により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手順と、前記蓄積データ変換手順により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手順と、を有することを特徴とする。

本発明の一態様は、ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定する機器同定プログラムであって、前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手順と、前記蓄積データ解析手順により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手順と、前記蓄積データ変換手順により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手順と、をコンピュータに実行させる。

この発明の一態様によれば、比較対象の機器および同定対象の機器について、ネットワーク家電の機器の特徴を取得し蓄積したデータを分析し、機器毎のパケット連続送信状況や値の変化等を検出し特徴として抽出することにより、差別化が難しかった特徴データをもつ機器の特徴の差別化を図ることができる。

本発明の実施形態による機器同定システムの構成を示すブロック図である。 同実施形態による機器同定装置内に機器情報辞書、すなわち機器情報ＤＢが内包されている場合の構成を示すブロック図である。 同実施形態による特徴蓄積ＤＢ、機器情報ＤＢ、端末情報ＤＢ、及び環境設定ファイルにおけるデータ構成例を示す図である。 同実施形態による特徴蓄積テーブルのデータ構成例である。 同実施形態による機器同定装置の辞書作成段階における全体動作を説明するためのフローチャートである。 同実施形態による蓄積データ解析特徴抽出バンドルの動作を説明するためのフローチャートである。 同実施形態による蓄積データ解析特徴抽出処理で作成される調査特徴名リストの一例を示す概念図である。 同実施形態による特徴値算出処理に連続出現数検出処理を用いる場合の初期設定ファイルの登録例を示す図である。 同実施形態による特徴値算出処理にバラツキ検出処理を用いる場合の初期設定ファイルの登録例を示す図である。 同実施形態による特徴値算出処理に出現頻度検出処理を用いる場合の初期設定ファイルの登録例を示す図である。 同実施形態による特徴値算出処理に送信周期検出処理を用いる場合の初期設定ファイルの登録例を示す図である。 同実施形態による連続出現数検出処理を説明するためのフローチャートである。 同実施形態による特徴蓄積テーブルから解析対象となるＭＡＣアドレス、ＩＰアドレス、特徴名、記録日時のレコードを検出対象の期間で抽出したデータ構成の一例を示す図である。 同実施形態による図１３の例における登録種別毎の特徴値の例を示した図である。 同実施形態による図１３の例において登録種別が「ｍａｘ」に設定されている場合の特徴値の登録データの図である。 同実施形態によるバラツキ検出処理を説明するためのフローチャートである。 同実施形態による出現頻度検出処理を説明するためのフローチャートである。 同実施形態による送信周期検出処理を説明するためのフローチャートである。 同実施形態による各特徴値算出方式における特徴蓄積ＤＢへの登録データ例を示す図である。

本実施形態における機器同定システムは、ホームネットワーク上に接続されたネットワーク家電の特徴を蓄積したデータを分析し、機器毎のパケット連続送信状況や値の変化等を検出し特徴として抽出することで、差別化しにくい機器の差別化を図り、機器同定の精度向上を図る。なお、以下の説明において、機器が送受信する通信情報の特徴名、特徴値、特徴パターン名、特徴パターン値を含むデータを「特徴データ」と総称する。

以下、本発明の実施形態について、図面を参照して詳細に説明する。

図１は、本発明の実施形態による機器同定システムの構成を示すブロック図である。図１において、機器同定システム１は、機器情報辞書サーバ装置１０、機器同定装置１１、該機器同定装置１１にＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）に接続されたネットワーク家電１２−１〜１２−５を含む。機器情報辞書サーバ装置１０と機器同定装置１１とは広域ネットワーク（ＷＡＮ；Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）１３を介して接続されている。機器情報辞書サーバ装置１０は、機器情報辞書を管理し、機器同定装置１１からの要求に応じて、機器同定装置１１から受信した特徴データに最も近い情報を持つ機器情報を抽出して返信する。また、機器情報辞書のデータ登録を行う。但し、本実施形態では、機器同定装置１１内に機器情報辞書が内包されているケースも許容しており、その場合、機器情報辞書サーバ装置１０は不要となる。

機器同定装置１１は、ＬＡＮ内に接続されているネットワーク家電１２−１〜１２−５を検知し、個々のネットワーク家電１２−１〜１２−５のコマンド送信結果のレスポンスパケット、及びネットワーク家電１２−１〜１２−５が送信するパケットをキャプチャし、その中から必要な情報を特徴として蓄積する。
また、機器同定装置１１は、蓄積した特徴データと機器情報辞書すなわち機器情報ＤＢ１２２が記憶する特徴データとの比較を行い、最も近い機器情報を取得して出力する。

図２は、機器同定装置内に機器情報辞書、すなわち機器情報ＤＢが内包されている場合の構成を示すブロック図である。図２において、機器同定装置１１は、キャプチャバンドル１１１、プロトコル特徴解析バンドル１１２、アクティブ計測バンドル１１３、ＤＢアクセスバンドル１１４、機器同定バンドル１１５、ＷｅｂＵＩバンドル１１６、特徴蓄積判定バンドル１１７、蓄積データ解析特徴抽出バンドル１１８、ＯＳＧｉＦＷ（Ｏｐｅｎ Ｓｅｒｖｉｃｅｓ Ｇａｔｅｗａｙ ｉｎｉｔｉａｔｉｖｅ Ｆｒａｍｅ Ｗｏｒｋ）１２０、特徴蓄積ＤＢ１２１、機器情報ＤＢ１２２、端末情報ＤＢ１２３を備える。ここで、プロトコル特徴解析バンドル１１２は、プロトコル毎に複数存在する。また、アクティブ計測バンドル１１３はプロトコル毎に複数存在する。また、蓄積データ解析特徴抽出バンドル１１８は特徴毎に存在する。

キャプチャバンドル１１１は、同一ネットワークに接続するネットワーク家電１２−１〜１２−５が送信するパケットをキャプチャし、該当プロトコルを識別して該当のプロトコル特徴解析バンドル１１２へ情報を引き継ぐ。
プロトコル特徴解析バンドル１１２は、プロトコル毎の解析を実施し、機器同定に必要となる特徴を抽出し、ＤＢアクセスバンドル１１４に抽出した特徴データを登録する。プロトコル解析の例としては、ＴＣＰ（Ｔｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ）解析・ＳＳＬ（Ｓｅｃｕｒｅ Ｓｏｃｋｅｔ Ｌａｙｅｒ）解析・ＷＯＬ（Ｗａｋｅ Ｏｎ ＬＡＮ）解析等がある。

アクティブ計測バンドル１１３は、同一ネットワークに接続するネットワーク家電１２−１〜１２−５に対してコマンドを送信し、応答結果から特徴を抽出してＤＢアクセスバンドル１１４に抽出した特徴データを登録する。具体例としては、ａｒｐｉｎｇコマンドを送信し、応答状況から機器を検出し、検出した情報から該当機種のＴＣＰポート開閉状況を確認する等がある。
ＤＢアクセスバンドル１１４は、登録されている情報をＤＢに含まれる指定のテーブルに登録する。ＤＢアクセスバンドル１１４は、指定の条件で特徴蓄積ＤＢ１２１、機器情報ＤＢ１２２、端末情報ＤＢ１２３からデータを抽出する。

機器同定バンドル１１５は、機器同定装置１１内に機器情報辞書が内包されている場合に必要となる機能である。機器同定バンドル１１５は、ＷｅｂＵＩバンドル１１６から受信した１機種の特徴データと機器情報辞書に登録されている特徴データを比較し、最も近い特徴データを持つ機種情報を抽出して返信する。

ＷｅｂＵＩバンドル１１６は、Ｗｅｂサーバとして、検出機器リスト画面と詳細画面とを作成し表示する。検出機器リスト画面では、ＭＡＣ（Ｍｅｄｉａ Ａｃｃｅｓｓ Ｃｏｎｔｒｏｌ）アドレス毎に機器情報を出力する。ＷｅｂＵＩバンドル１１６は、端末情報ＤＢ１２３から、及び特徴蓄積ＤＢ１２１から、機器情報を抽出する。検出機器リスト画面は、ＭＡＣアドレス毎に詳細ボタンと機器同定ボタンとを持ち、詳細ボタンを押下した場合、詳細画面を表示し、機器同定ボタンを押下した場合には、特徴蓄積ＤＢ１２１から該当ＭＡＣアドレスを持つ被同定機器の特徴データを抽出して機器同定バンドル１１５に通知し、機器同定バンドル１１５が抽出した同定候補機器の機種情報を受信して表示する。
機器情報辞書サーバ装置１０を持つシステム構成の場合には、機器同定機能が、機器情報辞書サーバ装置１０にあるため、抽出した該当ＭＡＣアドレス群を機器情報辞書サーバ装置１０へ送信し、結果を受信する。

詳細画面では、特徴蓄積ＤＢ１２１から該当ＭＡＣアドレスを含む特徴データを抽出する。抽出した特徴データは、画面に表示される。また、該当ＭＡＣアドレスを持つ機器に対する機器情報（例えば、カテゴリ・メーカ名・製品名・型番・コメント名等）の入力エリアと登録ボタン・キャンセルボタンとを表示する。登録ボタンが押下された場合には、特徴データと機器名、型番等を含む機器情報とを機器情報ＤＢ１２２に登録する。
機器情報辞書サーバ装置１０を持つシステム構成の場合には、特徴データと機種情報を機器情報辞書サーバ装置１０に通知する。

特徴蓄積判定バンドル１１７は、検出済みの特徴抽出状況を監視し、辞書登録・機器同定を実行するのに十分な量が蓄積されているかを判定する。蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積ＤＢから接続中の機器のＩＰアドレス単位に特徴を抽出し、プロトコル毎の送信間隔・連続送信数・特徴値のバラツキ状況・送信頻度など、機器毎のパケット送信に関する特徴を抽出し、抽出した特徴データに基づき決定された特徴値を含む特徴データを特徴蓄積ＤＢ１２１に登録する。

図３は、本実施形態による、特徴蓄積ＤＢ１２１、機器情報ＤＢ１２２、端末情報ＤＢ１２３、及び環境設定ファイル１２４におけるデータ構成例を示す図である。

特徴蓄積ＤＢ１２１は、ＤＢアクセスバンドル１１４を介して取得した特徴データを蓄積する。特徴蓄積ＤＢ１２１は、ＭＡＣアドレス、ＩＰアドレス、特徴名、特徴値、記録日時の各項目を含む特徴蓄積テーブル１２１ａを備えている。また、特徴蓄積ＤＢ１２１は、ＭＡＣアドレス、ＩＰアドレス、特徴パターン名、特徴パターン値、記録日時の各項目を含む特徴パターン蓄積テーブル１２１ｂを備えている。

図４は、本実施形態による特徴蓄積テーブル１２１ａのデータ構成例である。
図４の例において、例えば、時系列順に最初のデータとして、ＭＡＣ＿ＡＤＤＲＥＳＳ「ａａ：ｂｂ：ｃｃ：ａａ：ｂｂ：ｃｃ」、ＩＰ＿ＡＤＤＲＥＳＳ「１９２．１６８．０．１」、特徴名「ＡＲＰ＿ＲＥＱ」、特徴値「１９２．１６８．０．１０」、記録日時「２０１２／７／１０ １０：４７：０３．０」が示されている。

機器情報ＤＢ１２２は、機器同定装置１１が学習した機器情報を蓄積し、辞書作成装置ＩＤ、学習ＩＤ、カテゴリ、メーカ名、機器名、型番、コメント、学習日時の各項目を含む型番テーブル１２２ａと、辞書作成装置ＩＤ、学習ＩＤ、特徴名、特徴値、優先度の各項目を含む詳細テーブル１２２ｂと、を備えている。
機器情報ＤＢ１２２が記憶する機器情報は、機器同定バンドル１１５が被同定機器から取得された特徴データと機器情報辞書すなわち機器情報ＤＢ１２２に蓄積された特徴データとを比較し、最も近い特徴データをもつ同定候補機器を抽出する際に用いられる。辞書作成装置ＩＤは特徴を収集した機器同定装置を識別するものである。学習ＩＤは、機器情報がユーザにより登録されるときに連番で採番される。
なお、コメントは登録時の環境の条件などを記録してもよく、製品についてのコメントを記録してもよい。

端末情報ＤＢ１２３は、端末ＩＤ、ＭＡＣアドレス、ＩＰアドレス、接続状態、蓄積モード、蓄積状態の各項目を含む端末情報テーブル１２３ａと、端末ＩＤ、カテゴリ、メーカ名、機種名、型番、コメントの各項目を含む推定情報テーブル１２３ｂとを備えている。 端末情報ＤＢ１２３が記憶する端末情報は、ＷｅｂＵＩバンドル１１６が検出機器リスト画面を作成する際に用いられる。
接続状態は、ネットワークに接続中（ＯＮ）、または以前検出されたが現在は非接続（ＯＦＦ）を示す状態が登録される。接続中か否かについては、ＡＲＰコマンドの応答結果から判定してもよく、例えば、特徴蓄積テーブルの登録状況から登録があった場合に接続中（ＯＮ）、一定時間特徴の蓄積がない場合を非接続（ＯＦＦ）としてもよい。
蓄積モードおよび蓄積状態は、特徴蓄積判定バンドル１１７が特徴蓄積状況を登録するものである。蓄積モードが「通常モード」のとき、蓄積状態は「蓄積中」または「完了」が登録される。蓄積モードが「監視モード」のとき、蓄積状態は「監視中」「更新」「完了」のいずれかが登録される。
端末情報テーブル１２３ａは、アクティブ計測バンドル１１３がネットワークに接続中の機器を最初に検出したときに登録される。
推定情報テーブル１２３ｂは、ＷｅｂＵＩバンドル１１６の検出機器リスト画面において、固有のＭＡＣアドレスを有する被同定機器に対して機器同定が実行されたときに登録される。

環境設定ファイル１２４は、起動時に１度だけ読み込まれ、初期設定テーブル１２４ａを備える。例えば、機器同定装置１１における機器同定処理及びそれに含まれるサブルーチン処理等で用いられる初期設定値が記憶された複数の初期設定テーブルを有する。

次に、本実施形態による機器同定装置１１の動作について説明する。
本実施形態による機器同定装置１１の動作は、（ａ）辞書作成段階、（ｂ）機器同定段階の２つに分かれる。本発明の特徴は、（ａ）辞書作成段階に含まれる「蓄積データ解析特徴抽出機能」であり、以下に詳しく説明する。
なお、（ｂ）機器同定段階では、機器同定装置１１は、同定対象の機器が有する特徴データと機器情報辞書に蓄積された特徴データとを比較し、最も近い値が登録されている機器が該機器であると推定し、表示及び登録する。ここでは、詳しい説明は省略する。

図５は、本実施形態による機器同定装置１１の辞書作成段階における全体動作を説明するためのフローチャートである。辞書作成段階においては、まず、機器同定装置１１は、ネットワークに接続されたネットワーク家電１２−１〜１２−５に対してコマンドを送信した結果のレスポンスパケットを受信し、また、ネットワーク家電１２−１〜１２−５が送信するパケットをキャプチャする。次に、取得したパケットから必要な情報を特徴データとして蓄積した上で機器情報ＤＢ１２２蓄積する。そして、蓄積した特徴に対して解析を行い、機器情報を登録する処理である。

まず、プロトコル特徴解析バンドル１１２、及びアクティブ計測バンドル１１３は、ネットワークに接続されたネットワーク家電Ａ、Ｂ、Ｃ、…が送信するパケットを取得し、その中から必要な情報を特徴として解析する（ステップＳａ１）。次に、ＤＢアクセスバンドル１１４は、特徴蓄積ＤＢ１２１に特徴として登録する（ステップＳａ２）。

次に、蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積ＤＢ１２１から接続中の機器のＩＰアドレス毎に特徴データを抽出する。具体的には、プロトコル毎の送信間隔、連続送信数、特徴値のバラツキ状況、送信頻度など、機器毎のパケット送信に関する特徴データの蓄積パターンに基づく特徴を抽出する。蓄積データ解析特徴抽出バンドル１１８は、解析結果に基づいて特徴蓄積ＤＢ１２１に特徴値を登録する（ステップＳａ３）。 ＷｅｂＵＩバンドル１１６は、機器情報ＤＢ１２２に登録する機器の特徴データを特徴蓄積ＤＢ１２１から読み出して表示する（ステップＳａ４）。

そして、ＷｅｂＵＩバンドル１１６は、特徴蓄積ＤＢから読み出された特徴データと入力されたデータ（利用者から入力される型番）とを対応付けるマッピングをし、機器情報ＤＢ１２２に機器情報として登録する（ステップＳａ５）。

図６は、本実施形態による蓄積データ解析特徴抽出バンドルの動作を説明するためのフローチャートである。なお、蓄積データ解析特徴抽出バンドル１１８は、後述する特徴蓄積パターン毎に複数起動し処理を行う。ここで説明するフローチャートは、共通のフローを説明するためのものである。

まず、蓄積データ解析特徴抽出バンドル１１８は、予め定められた初期設定ファイルを読込む（ステップＳｂ１）。
蓄積データ解析特徴抽出バンドル１１８は、読込んだ初期設定ファイルが含む検出対象特徴名を調査特徴名リストとして作成する（ステップＳｂ２）。
図７は、蓄積データ解析特徴抽出処理で作成される調査特徴名リストの一例を示す概念図である。
次に、端末情報テーブル１２３ａからネットワーク接続中機器のＩＰアドレスとＭＡＣアドレスを取得し、調査ＩＰ／ＭＡＣアドレスリストを作成する（ステップＳｂ３）。調査ＩＰ／ＭＡＣアドレスリストは、項目「ＭＡＣ＿ＡＤＤＲＥＳＳ」と「ＩＰ＿ＡＤＤＲＥＳＳ」とに、例えばそれぞれ「ａａ：ｂｂ：ｃｃ：ａａ：ｂｂ：ｃｃ」と「１９２．１６８.０．１」という値を含む。
次に、蓄積データ解析特徴抽出バンドル１１８は、ステップＳｂ４では、全ての調査ＩＰ／ＭＡＣアドレスリストが設定されるまで、以下に説明するステップＳｂ５〜Ｓｂ１０を繰り返す。まず、蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから調査するＩＰ／ＭＡＣアドレスに対応した特徴データのレコードを取得する（ステップＳｂ５）。次に、ステップＳｂ６では、調査特徴名リストに含まれる全ての特徴名に対応する特徴パターン値が設定されるまで、以下に説明するステップＳｂ７〜Ｓｂ１０を繰り返す。まず、調査特徴名のレコードを抽出する（ステップＳｂ７）。
次に、検出期間に含まれる対象時刻のレコードを抽出する（ステップＳｂ８）。
次に、後述する特徴蓄積パターンに応じた特徴パターン値算出処理を呼び出す（ステップＳｂ９）。次に、算出した特徴パターン値を特徴パターン蓄積テーブル１２１ｂに登録する（ステップＳｂ１０）。
次に、蓄積データ解析特徴抽出バンドル１１８は、予め定められた周期時間は経過したか否かを判定する（ステップＳｂ１１）。周期時間が経過した場合（ステップＳｂ１１のＹＥＳ）、ステップＳｂ３に戻り処理を続ける。一方、実行周期が経過していない場合（ステップＳｂ１１のＮＯ）、ユーザの応答により終了するか否かを判定する（ステップＳｂ１２）。終了しない場合（ステップＳｂ１２のＮＯ）、ステップＳｂ１１に戻り処理を続ける。一方、終了する場合（ステップＳｂ１２のＹＥＳ）、処理を終了する。

ここで、上述した特徴蓄積パターンに応じた特徴パターン値算出処理について詳細に説明する。
特徴パターン値算出処理は、予め設定された特徴名、特徴値に対して、特徴蓄積ＤＢが記憶する蓄積データを解析する処理であり、蓄積データ解析手段である。特徴パターン値算出処理は、連続出現数検出処理、バラツキ検出処理、出現頻度検出処理、送信周期検出処理の４つを含む。処理毎に、初期設定ファイルがあり、対象となる特徴名が設定されている。すなわち、各初期設定ファイルで設定されている特徴名に応じて、いずれの特徴パターン値算出処理が実行される。
例えば、連続出現数検出処理は、連続出現数検出処理のための初期設定ファイルから対象となる特徴名を読み込み、該特徴名に対応する特徴データを特徴蓄積ＤＢ１２１から抽出し処理を行う。
この特徴パターン値算出処理において、蓄積データ解析特徴抽出バンドル１１８は、特徴データから特徴値の蓄積パターンを解析し、解析した結果を特徴パターン名と特徴パターン値として決定する。

特徴パターン値算出処理においては、予め設定を必要とする項目があり、初期設定ファイルとして登録される。図８から図１１に各処理方式の初期設定ファイルの登録例を示す。
図８は、本実施形態における特徴パターン値算出処理に連続出現数検出処理を用いる場合の初期設定ファイルに含まれる項目及び登録例を示す図である。

初期設定項目について図８の例をもとに説明する。
実行周期は、特徴値算出処理（図８の例では連続出現数検出処理）の実行周期である。なお、実行周期が検出対象期間と同じ場合、一つの項目で２つの設定値を兼ねるようにしてもよい。

検出範囲は、特徴データの検出対象となる記録日時の範囲である。処理実行時の時刻を基準とし、検出範囲として設定された時間を遡った範囲が検出対象の範囲となる。

検出対象特徴名は、検出対象の特徴名である。複数の特徴名が指定可能である。なお、この設定方法に限らず、特徴値算出処理の検出対象外とする特徴名を指定するようにしてもよい。また、全ての特徴名を検出対象としてもよい。

カウント種別は、検出対象となる特徴名データが記録された際、特徴値毎にカウントするか否かを規定するものである。例えば、特徴名「ＴＣＰ＿ＯＰＴ＿８」は常に特徴値が変動する。また、特徴名「ＡＲＰ＿ＲＥＱ」は、限定された複数の機器に対し送信が行われるという動作のため特徴値が複数のパターンとして示される。
そのため、例えば次のように規定する。登録値が０であれば特徴値を区別せずにカウントする、登録値が１であれば特徴値が同じ値をグループとしてグループ毎にカウントする。なお、カウント種別とその設定方法は、特定の特徴名に対して定められる。

連続出現判断基準は、特徴データが連続出現であると判定するために基準とする記録日時の差分値である。例えば、連続出現判断基準を１秒とすると、検出対象の特徴名が出現した時点から１秒以内に同一の特徴名が出現した場合に、該特徴名が連続出現したと判定され、カウントされる。

登録種別は、処理の結果が複数のデータとなる場合の代表値を指定するものである。例えば、複数の特徴値を有す特徴名のデータにおいて、連続出現回数は複数の特徴値毎にカウントされる。その結果、カウント数が複数存在するため最大値、最頻値等の代表値を一つ指定し特徴パターン値とする。なお、代表値として最頻値、中央値、最大値などがあるが、単に一つを指定する方法に限らず、複数の代表値に優先度をつけて、予め定めた条件に基づき一つを選択するようにしてもよい。例えば、特徴値毎にカウントされた値の中から優先度１が最頻値（ｍｏｄｅ）、最頻値が特定できない場合に優先度２として中間値（ｍｅｄｉａｎ）、中間値が特定できない場合に優先度３として最大値（ｍａｘ）としてもよい。
上述のように、特徴データに基づいた特徴パターン値の算出において、特徴パターン値を最大値、最頻値等の代表値に変換する方法は、蓄積データ変換手段の一例である。

図９は、本実施形態による特徴パターン値算出処理にバラツキ検出処理を用いる場合の初期設定ファイルに含まれる項目及び登録例を示す図である。
図９において、図８の説明で既出の項目以外にバラツキ閾値の項目がある。
バラツキ閾値は、特徴パターン値算出処理で算出される値の異なる特徴値の数を、予め初期設定ファイルにおいて設定された条件に基づきバラツキ度合いのランクに変換するための閾値である。図９の例に示すように、特徴値の値の異なる数、すなわちバラツキ値が５以上の場合、特徴パターン値として「Ｈ（Ｈｉｇｈ）」を登録し、バラツキ値が２未満の場合、特徴パターン値を「Ｌ（Ｌｏｗ）」を登録することで特徴値のバラツキ度合いをランクとして示す。
上述のように、特徴データに基づいた特徴パターン値の算出において、特徴パターン値をランク付けした値に変換する方法は、蓄積データ変換手段の一例である。

図１０は、本実施形態における特徴パターン値算出処理に出現頻度検出処理を用いる場合の初期設定ファイルに含まれる項目及び登録例を示す図である。
図１０において、図８及び図９の説明で既出の項目以外に出現頻度閾値の項目がある。
出現頻度閾値は、特徴データの記録日時の差分の平均値をランク付けするための閾値である。例えば、平均値に基づき次のようにランクを登録する。平均値が、５分未満：ランクＳ、１５分未満５分以上：ランクＡ、１２時間未満１５分以上：ランクＢ、のように登録する。

図１１は、本実施形態における特徴パターン値算出処理に周期検出処理を用いる場合の初期設定ファイルに含まれる項目及び登録例を示す図である。
図１１において、図８から図１０の説明で既出の項目以外に周期検出閾値と、周期検出誤差との項目がある。
周期検出閾値は、周期算出の基とするデータ数を有効とするか否かを判定する値である。
周期検出誤差は、算出した値が周期として適当か否かを判定するための値である。具体的には、時系列順に検出した２つのデータの記録日時の差分値が誤差範囲内であれば周期とみなす。
端数処理単位は、端数処理の対象となる単位である。
端数処理方法は、切り上げ、切り捨て、四捨五入等の端数処理方法である。
厳密性要否は、周期検出の厳密性、ここでは、全ての検出周期が周期検出誤差を満たす必要があるか否かの設定である。
なお、初期設定ファイルは、設定ファイルとして登録される方法に限らず、予めシステムで定められるようにしてもよい。

図１２は、本実施形態における連続出現数検出処理を説明するためのフローチャートである。
蓄積データ解析特徴抽出バンドル１１８は、前述の蓄積データ解析特徴抽出処理において、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコード数は２つ以上か否かを判定する（ステップＳｃ１）。レコード数が２つ以上の場合（ステップＳｃ１：ＹＥＳ）、蓄積データ解析特徴抽出バンドル１１８は、初期設定ファイルのカウント種別の設定に基づき、特徴値が同じ値毎にレコードをカウントするか否かを判定する（ステップＳｃ２）。特徴値が同じ値のレコード毎にカウントしない場合、すなわち特徴値の違いを区別せずにカウントする場合（ステップＳｃ２のＮＯ）、蓄積データ解析特徴抽出バンドル１１８は、抽出されたレコードが記録日時の昇順で連続出現判断基準を満たすか否かを判定する（ステップＳｃ３）。抽出されたレコードが記録日時の昇順で連続判断基準を満たす場合（ステップＳｃ３：ＹＥＳ）、カウント種別の設定に基づき、該当するレコードをカウントする（ステップＳｃ４）。そして、蓄積データ解析特徴抽出バンドル１１８は、初期設定ファイルの登録種別の設定に基づき、特徴パターン値を決定して（ステップＳｃ５）、処理を終了する。
一方、ステップＳｃ１の処理において、レコード数が２つ以上でない場合（ステップＳｃ１：ＮＯ）、該当パターン値なしとし（ステップＳｃ７）、処理を終了する。
ステップＳｃ２の処理において、特徴値が同じ値毎にカウントする場合（ステップＳｃ２：ＹＥＳ）、特徴値が同じ値かつ対象レコード数が２つ以上か否かを判定する（ステップＳｃ６）。特徴値が同じ値かつ対象レコード数が２つ以上の場合（ステップＳｃ６：ＹＥＳ）、ステップＳｃ３に進み処理を続ける。一方、特徴値が同じ値かつ対象レコード数が２つ以上でない場合（ステップＳｃ６：ＮＯ）、該当パターン値なしとし（ステップＳｃ７）、処理を終了する。

ここで、連続出現数検出処理での特徴パターン値算出処理について例をあげて説明する。
図１３は、本実施形態における特徴蓄積テーブルから解析対象となるＭＡＣアドレス、ＩＰアドレス、特徴名、記録日時のレコードを検出対象の期間で抽出した特徴データの一例を示す図である。
図１３に示すように、例えば、連続出現判断基準が１秒に設定され、かつ特徴値毎にカウントするよう設定されている場合、連続出現のカウント数は、特徴値「１９２．１６８．１．１０」が２カウント、特徴値「１９２．１６８．１．１」が２カウント、特徴値「１９２．１６８．１．１００」が３カウントとなる。
なお、カウント数が１以下の場合、連続出現なしと判定され、検出処理は終了する。

図１４は、図１３の例における登録種別毎の特徴値の例を示した概念図である。
図１３の例においては、登録種別が「ｍｏｄｅ」の場合、特徴値は「２」、登録種別が「ｍｅｄｉａｎ」の場合、特徴値は「２」、登録種別が「ｍａｘ」の場合、特徴値は「３」、登録種別が「ｍｉｎ」の場合、特徴値は「２」となる。

ここでは、特徴値として、登録種別「ｍａｘ」の値を登録する例について説明する。
図１５は、図１３の例において登録種別が「ｍａｘ」に設定されている場合の特徴値の登録データの概念図である。
項目として、ＭＡＣ＿ＡＤＤＲＥＳＳ、ＩＰ＿ＡＤＤＲＥＳＳ、特徴名、特徴値、記録日時が含まれる。

なお、上述の説明では、特徴値毎にカウント処理が行われカウント値が複数存在する場合、代表となる登録種別を選択して登録する方法を説明した。しかし、これに限らず、特徴値毎のカウント数を全て登録するようにしてもよい。例えば、図１５の例において、特徴値算出結果として登録する特徴名を「ｓｕｃｃｅｓｓｉｏｎ＿（特徴名）＿（特徴値）」とし、図１３の例における特徴名「ＡＲＰ＿ＲＥＱ」、特徴値「１９２．１６８．１．１０」のカウント数「２」と、特徴名「ＡＲＰ＿ＲＥＱ」、特徴値「１９２．１６８．１．１」のカウント数「２」と、特徴名「ＡＲＰ＿ＲＥＱ」、特徴値「１９２．１６８．１．１００」のカウント数「３」と、を特徴値算出結果の特徴値としてそれぞれ登録してもよい。

続いて、その他の特徴値算出処理について説明する。
図１６は、本実施形態におけるバラツキ検出処理を説明するためのフローチャートである。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコード数をカウントする（ステップＳｄ１）。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコード数は２つ以上存在するか否かを判定する（ステップＳｄ２）。レコード数が２つ以上存在する場合（ステップＳｄ２のＹＥＳ）、検出対象特徴名で抽出されたレコードに含まれる特徴値の値が異なる数を算出する（ステップＳｄ３）。次に、算出した数を特徴値のバラツキ値とする（ステップＳｄ４）。そして、初期設定のバラツキ閾値に基づき、バラツキ値をバラツキ度合いを示す特徴パターン値に変換し、特徴パターン値を決定し（ステップＳｄ５）、処理を終了する。
一方、ステップＳｄ２の処理において、レコード数が２つ以上存在しない場合（ステップＳｄ２のＮＯ）、該当パターン値なしとし（ステップＳｄ６）、処理を終了する。

図１７は、本実施形態における出現頻度検出処理を説明するためのフローチャートである。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコードにおいて、対象機器が起動中の時間範囲に含まれるレコード数をカウントする（ステップＳｅ１）。なお、対象機器が起動中かどうかは機器同定装置１１が取得する通信情報から算出される。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコード数は２つ以上存在するか否かを判定する（ステップＳｅ２）。レコード数が２つ以上存在する場合（ステップＳｅ２のＹＥＳ）、対象機器が起動中の時間範囲毎に時系列にレコード間の記録日時の差分値を算出する（ステップＳｅ３）。次に、各レコード間の差分値の平均値を算出する（ステップＳｅ４）。そして、初期設定のランク閾値に基づき、算出した値の平均値をランクに変換し、特徴パターン値を決定し（ステップＳｅ５）、処理を終了する。
一方、ステップＳｅ２の処理において、レコード数が２つ以上存在しない場合（ステップＳｅ２のＮＯ）、該当パターン値なしとし（ステップＳｅ６）、処理を終了する。

図１８は、本実施形態における周期検出処理を説明するためのフローチャートである。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコードにおいて、対象機器が起動中の時間範囲に含まれるレコード数をカウントする（ステップＳｆ１）。なお、対象機器が起動中かどうかは機器同定装置１１が取得する通信情報から算出される。
蓄積データ解析特徴抽出バンドル１１８は、特徴蓄積テーブル１２１ａから検出対象特徴名で抽出されたレコード数は周期検出閾値以上存在するか否かを判定する（ステップＳｆ２）。レコード数が周期検出閾値以上存在する場合（ステップＳｆ２のＹＥＳ）、対象機器が起動中の時間範囲毎に時系列にレコード間の記録日時の差分を算出する（ステップＳｆ３）。次に、算出した差分値を時系列に比較し、周期検出誤差を満たす差分値の数を算出する（ステップＳｆ４）。
蓄積データ解析特徴抽出バンドル１１８は、初期設定ファイルから全ての検出周期が周期検出誤差条件を満たす必要があるか否かを判定する（ステップＳｆ５）。厳密性が不要である場合、周期検出誤差を満たす差分値の該当数が０より大きいか否かを判定する（ステップＳｆ６）。周期検出誤差を満たす差分値の該当数が０より大きい場合、周期検出誤差を満たす差分値の平均値を算出する（ステップＳｆ７）。次いで、算出した平均値の端数処理を行い、特徴パターン値を決定し（ステップＳｆ８）、処理を終了する。
一方、蓄積データ解析特徴抽出バンドル１１８は、ステップＳｆ２の処理において、特徴パターン蓄積テーブル１２１ｂのレコード数は２つ以上存在しない場合（ステップＳｆ２のＮＯ）、該当パターン値なしとし（ステップＳｆ９）、処理を終了する。
一方、蓄積データ解析特徴抽出バンドル１１８は、ステップＳｆ５の処理において、厳密性要否が不要でない場合（ステップＳｆ５のＮＯ）、周期検出誤差を満たす差分値の該当数が（レコード数−１）の値と等しいか否かを判定する（ステップＳｆ１０）。周期検出誤差を満たす差分値の該当数が（レコード数−１）の値と等しい場合（ステップＳｆ１０のＹＥＳ）、ステップＳｆ７の処理を続ける。
一方、周期検出誤差を満たす差分値の該当数が（レコード数−１）の値と等しくない場合（ステップＳｆ１０のＮＯ）、該当パターン値なしとし（ステップＳｆ１１）、処理を終了する。

図１９は、各特徴値算出方式における特徴蓄積ＤＢ１２１への登録データ例を示す概念図である。
図１９に示すように、対象データのＭＡＣアドレス、ＩＰアドレス毎に特徴パターン名、特徴パターン値を特徴蓄積ＤＢ１２１に登録する。特徴パターン名は、例えば、特徴値算出方式による固有の名称と特徴名とを含む。例えば、連続出現数検出のＫＥＹ名は、「ｓｕｃｃｅｓｓｉｏｎ＿（特徴名）」と登録される。
なお、特徴パターン値は、蓄積データ解析特徴抽出バンドル１１８により特徴蓄積ＤＢ１２１に登録される。すなわち、蓄積データ解析特徴抽出バンドル１１８は、蓄積データ登録手段としての機能を備える。

以上より、本実施形態における機器同定装置１１によれば、特徴データの蓄積パターン解析手段が機器毎のパケット情報に加え、予め定められた期間でのパケットに含まれるデータの出現数や出現パターン等を解析することができる。
この解析により得られた特徴パターン値を機器毎に蓄積し、機器を同定する際に用いる。同定対象の機器の特徴パターン値と蓄積した特徴パターン値とを比較し、比較結果に応じて抽出した機器を同定候補機器にすることにより、差別化が難しかった特徴データをもつ機器の特徴の差別化を図ることができる。

なお、本実施形態では、特徴パターン値算出処理として、連続出現数検出処理、バラツキ検出処理、出現頻度検出処理、送信周期検出処理の４つを説明した。しかし、この４つに限ることなく、特徴データを別パターンとして検出できる場合、該別パターンに応じた処理を追加してもよい。

なお、複数の装置を備えるシステムが、本実施形態の機器同定装置１１の各処理を、それらの複数の装置で分散して処理してもよい。例えば、本実施形態では、機器同定装置１１内に機器情報辞書が内包されている場合の構成を示したが、これに限らず、機器同定装置１１内に機器情報辞書を内包しておらず、機器情報辞書サーバ装置１０が機器情報辞書を保持してもよい。

また、本実施形態の機器同定装置１１の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、機器同定装置１１に係る上述した種々の処理を行ってもよい。

なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１ 機器同定システム
１０ 機器情報辞書サーバ装置
１１ 機器同定装置
１２ ネットワーク家電
１３ 広域ネットワーク
１１１ キャプチャバンドル
１１２ プロトコル特徴解析バンドル
１１３ アクティブ計測バンドル
１１４ ＤＢアクセスバンドル
１１５ 機器同定バンドル
１１６ ＷｅｂＵＩバンドル
１１７ 特徴蓄積判定バンドル
１１８ 蓄積データ解析特徴抽出バンドル
１２０ ＯＳＧｉＦＷ
１２１ 特徴蓄積ＤＢ
１２１ａ 特徴蓄積テーブル
１２１ｂ 特徴パターン蓄積テーブル
１２２ 機器情報ＤＢ
１２２ａ 型番テーブル
１２２ｂ 詳細テーブル
１２３ 端末情報ＤＢ
１２３ａ 端末情報テーブル
１２３ｂ 推定情報テーブル
１２４ 環境設定ファイル
１２４ａ 初期設定テーブル

Claims (7)

1. ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定する機器同定装置であって、
   前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手段と、
   前記蓄積データ解析手段により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手段と、
   前記蓄積データ変換手段により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手段と、
   を備えることを特徴とする機器同定装置。
2. 前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の連続出現数をカウントする、または特徴値の連続出現数を種類毎にカウントする連続出現数検出手段をさらに備える請求項１に記載の機器同定装置。
3. 前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の値の異なる数をそれぞれ算出し、算出結果を特徴値のバラツキ度合いを示す所定のランクに変換するバラツキ検出手段をさらに備える請求項１または請求項２のいずれかに記載の機器同定装置。
4. 前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の記録日時の差分から平均値を算出し、算出結果を特徴値の出現頻度を示す所定のランクに変換する出現頻度検出手段をさらに備える請求項１から請求項３のいずれか一項に記載の機器同定装置。
5. 前記蓄積データ解析手段は、前記通信情報から取得された特徴名毎に、特徴値の記録日時の差分から予め定められた許容誤差を満たす差分値を抽出し、該差分値に平均処理と端数処理を行った値を周期として算出する送信周期検出手段をさらに備える請求項１から請求項４のいずれか一項に記載の機器同定装置。
6. ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定する機器同定方法であって、
   前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手順と、
   前記蓄積データ解析手順により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手順と、
   前記蓄積データ変換手順により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手順と、
   を有することを特徴とする機器同定方法。
7. ネットワークに接続された複数の機器から通信情報を取得し、蓄積された前記通信情報から機器情報を推定するコンピュータに、
   前記通信情報に含まれる特徴データに基づいて特徴パターン値を算出する蓄積データ解析手順と、
   前記蓄積データ解析手順により算出された特徴パターン値を代表値または所定のランク値として値を変換する蓄積データ変換手順と、
   前記蓄積データ変換手順により変換された特徴パターン値を前記通信情報における特徴値として機器毎に登録する蓄積データ登録手順と、
   を実行させるための機器同定プログラム。

Images