EAD：依据《EAD终端准入操控解决计划》白皮书指出，EAD可以将终端设备分类成PC、笔记本、智能手机。该分类方针与现有方针略有不同。该文档宣布与2009年，距今较长，是否有改进，未见。
鹰视2.0：鹰视2.0是2018年6月发布的产品，H3C宣传中叙说其有对终端设备分类的才能，可是未叙说分成何类。但从其官网的H3C鹰眼系统彩页介绍看，其依据市道干流指纹库对设备进行分类
学术界完成剖析
以色列班古里昂大学和新加坡理工大学在2017年联合宣布在ACM上的文章，根据网络流量剖析的机器学习方法来进行IOT设备辨认，收集摄像头、TV、烟雾报警器、恒温器、水传感器、手表、婴儿监视器、运动传感器、电灯和插座这10类的TCP报文，通过特征提取工具将报文转化为298维的特征向量，利用有监督的机器学习算法学习分类器的参数；然后对不知道的特征向量进行猜测，分类准确率到达99.28%
