买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京邮电大学;中国电力科学研究院有限公司;国网北京市电力公司;国家电网有限公司申请的专利一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119537891B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411419780.3，技术领域涉及：G06F18/211；该发明授权一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法是由赖裕平;曹郁晗;余奕盈;蔺子卿;朱亚运;张大华;张晓娟;周亮;胡柏吉;姚爽;曹靖怡设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法在说明书摘要公布了：一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法，属于电力网络软硬件设备指纹生标识成技术领域。基于信息熵和自相关系数，在众多特征中筛选出用于生成设备指纹的特征，从设备指纹中提取代表性和稳定性的特征，选定的特征参数转换为哈希码，用于设备指纹生成和匹配步骤，通过基于特征选择、哈希码和贝叶斯网络的细粒度设备指纹生成步骤，分层次准确地识别和区分不同的设备。

本发明授权一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法在权利要求书中公布了：1.一种基于哈希和特征选择的软硬件设备指纹细粒度生成方法，其特征在于，基于信息熵和自相关系数，在众多特征中筛选出用于生成设备指纹的特征，从设备指纹中提取代表性和稳定性的特征，选定的特征参数转换为哈希码，用于设备指纹生成和匹配步骤，通过基于特征选择、哈希码和贝叶斯网络的细粒度设备指纹生成步骤，分层次准确地识别和区分不同的设备； 特征筛选选取出所述用于生成设备指纹的特征的方法为：首先对获取到的数据进行数据预处理，补充部分特征的缺失值，对类别型数据进行编码处理；然后分别计算特征的区分度和稳定性并加权排序，确定出用于生成设备指纹的特征， 计算特征的区分度方法为：通过信息熵来评估数据集中每个特征的信息量大小，信息熵越大，说明该特征包含的信息量越多，说明数据越不确定和难以区分；反之，信息熵越小，说明该特征的数据越确定和容易区分，不具有很高的区分度，计算方法为其中X为电力环境中软硬件设备的特征，xi为特征参数；最终得到的数值用来标识特征的区分度大小， 计算特征的稳定性方法为：通过自相关系数ACF来评估数据集中每个特征字段的稳定性，一个特征字段具有较高的稳定性，在不同时刻的取值变化较小，能够更加准确地反映设备的固有特征，从而提高设备指纹的唯一性和鲁棒性，当ACF系数的绝对值大于0.8时，表示数据具有很强的相关性，可能存在一定的波动性；当ACF系数的绝对值小于0.2时，表示数据几乎没有相关性，变化是趋于稳定的，计算方法为最终得到的数值用来标识特征的稳定性大小，Xt为电力环境中软硬件设备的特征，Xt-k平移后的特征，为一组特征参数的平均值,k为数据平移量，N个对象的数据集, 综合特征的区分度和稳定性进行特征筛选的方法为：稳定性和区分度在特征选择中往往是相互矛盾的，一些具有较高稳定性的特征可能对不同类别之间的区分度贡献较小，而一些具有较高区分度的特征可能不够稳定，容易受到噪声和干扰的影响，用于在稳定性和区分度之间进行平衡，选择最优的特征子集，式子为：feature＝weight·H-1-weight·|ACF|其中weight是区分度和稳定性的权重，认定区分度的权重大于稳定性的权重；H和ACF分别是第w个特征的信息熵和ACF系数，最终计算得分高的特征将被选择为指纹生成要素， 最终确定好具体用于生成设备指纹动的特征方法为：差分筛选为了不失一般性，首先将属性特征和行为特征的feature分别从大到小进行排列，第i个特征的差分k的计算公式为：k＝featurei+1-feature其中，featurei+1代表第i+1个特征的feature，feature表示第i个特征的feature，分值最大的情况，意味着feature得分骤降，即选择特征的结束位置，通过这种方式，筛选出那些最重要的特征，忽略那些对设备指纹影响较小的特征； 将指纹传输到基于历史数据训练的贝叶斯网络模型中并判断设备的类别、设备的指纹是否为第一次生成，判断结果传输到服务器中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京邮电大学;中国电力科学研究院有限公司;国网北京市电力公司;国家电网有限公司，其通讯地址为：100088 北京市海淀区西土城路10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。