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%