煤矿工业物联网设备识别模型

煤矿工业物联网（IIoT）设备计算与存储资源受限，易遭受非法网络入侵，造成敏感数据泄露或恶意篡改，威胁煤矿生产安全。精准识别煤矿IIoT设备可实现有效管理并维护设备正常运转，提高设备安全防护能力，然而现有设备识别算法存在特征构造复杂、内存与计算需求较高导致难以部署在资源受限的煤矿IIoT设备中等问题。针对上述问题，提出了一种煤矿IIoT设备识别模型。首先，对支持TCP/IP协议传输的流量数据进行流量切分、无关字段去除、去重、定长字段截取操作后转换为IDX格式存储；其次，使用卷积块注意力模块（CBAM）优化深度可分离卷积（DSC），从而搭建轻量级DSC-CBAM模型来过滤Non-IIoT设备；然后，利用带有阶段惩罚的Wasserstein生成对抗网络（WGAN-GP）扩充流量较少的煤矿IIoT设备数据，达到平衡偏移流量数据的目的；最后，在DSC-CBAM基础上引入多尺度特征融合（MFF）技术捕获浅层全局特征信息，并增加Mish激活函数提高模型训练稳定性，建立优化混合模态识别（MDCM）模型，实现煤矿IIoT设备精准识别。实验结果表明，该模型收敛速度快，准确率、召回率、精确率与F1-sco...