姜明星，王 璽，郭忠文，王進新

(1.中國海洋大學基礎(chǔ)教學中心,山東 青島 266100；2.中國海洋大學信息科學與工程學院,山東 青島 266100)

隨著以IEEE802.11為代表的無線通信技術(shù)的發(fā)展，WiFi相關(guān)的無線設(shè)備逐步滲透到人類社會的每個角落，生活中無線設(shè)備的種類和數(shù)量也隨之迅速增長。這些無線設(shè)備只要處于開機狀態(tài)并且打開了WiFi開關(guān)，就會一直發(fā)送WiFi數(shù)據(jù)包，我們?nèi)粘Ｉ钏幍沫h(huán)境里充斥著無數(shù)這樣的數(shù)據(jù)包。與之而來的一個問題就是日益增長的無線網(wǎng)絡(luò)流量，無線設(shè)備的網(wǎng)絡(luò)流量將在2019年超過有線設(shè)備，占據(jù)所有IP流量的66%，這一數(shù)字比2013年幾乎翻了一倍，彼時只有33%的網(wǎng)絡(luò)流量來自無線設(shè)備[1]。

基于這些原因，學術(shù)界對無線設(shè)備尤其是WiFi設(shè)備的研究熱情從未消減，關(guān)于WiFi設(shè)備網(wǎng)絡(luò)流量的跟蹤和分析更是引起了眾多研究者的興趣。同時由于WiFi設(shè)備種類繁多，不同類型設(shè)備的技術(shù)參數(shù)和物理特性各不相同：如設(shè)備大小、是否有穩(wěn)定電源、電池容量、操作系統(tǒng)等，這導致它們對應(yīng)的網(wǎng)絡(luò)流量也不盡相同，因此對網(wǎng)絡(luò)流量模型的分析要基于特定的設(shè)備類型才有意義[2]。了解WiFi設(shè)備的類型、跟蹤分析不同設(shè)備類型的網(wǎng)絡(luò)流量模型，這樣才能更好的優(yōu)化網(wǎng)絡(luò)配置，提供更有針對性的網(wǎng)絡(luò)增值服務(wù)[3-5]。目前對WiFi信號的監(jiān)測方法主要有兩種：一種是利用專用的探測設(shè)備主動監(jiān)測，另外一種是非侵入的被動監(jiān)測。主動監(jiān)測方面，一些研究利用beacon節(jié)點進行室內(nèi)行人或WiFi設(shè)備的定位跟蹤，但部署beacon節(jié)點成本較高[6-7]。于是人們轉(zhuǎn)向了對WiFi信號被動監(jiān)測的研究。

文獻[8]通過WiFi被動監(jiān)測，融合WiFi信號、手機傳感器以及室內(nèi)拓撲進行室內(nèi)行人的導航。文獻[9]和文獻[3]分別利用了WiFi通信時的探測請求幀和信道狀態(tài)信息來評估人群擁擠程度。文獻[10]通過采集包含在Probe幀里的SSID(Service Set Identifier)列表信息構(gòu)建指紋庫，以此判斷兩個設(shè)備的用戶是否存在社會關(guān)系。文獻[11]和文獻[12]都采用了相似的方法分析基于用戶行為的時空相似度，進而推測用戶之間的社交關(guān)系。文獻[13]構(gòu)建了一個可以在超市賣場實現(xiàn)對用戶按游覽區(qū)域分類的系統(tǒng)GruMon，該系統(tǒng)主要利用了手機自帶傳感器的數(shù)據(jù)，如重力加速度傳感器、指南針、氣壓計等，這篇文獻做的工作與本文的設(shè)備分類有相似之處，但本文主要關(guān)注的是WiFi被動監(jiān)測的數(shù)據(jù)，這種分類方式無需從用戶手機上獲取相關(guān)的傳感器信息，是一種非入侵、低成本的方法。文獻[14]通過長時間被動監(jiān)測手機WiFi通信中的參數(shù)來發(fā)現(xiàn)用戶發(fā)生的地點相關(guān)事件，進而推測他們的社交關(guān)系，文中采集數(shù)據(jù)的方式及處理的數(shù)據(jù)與本文中比較相似，但本文更關(guān)注設(shè)備的分類及設(shè)備之間的關(guān)系。本文提出了一種基于非入侵WiFi信號監(jiān)測的設(shè)備自動分類機制，該機制可以快速準確的識別設(shè)備類型。

通過普通的WiFi探測工具可以不間斷的獲取設(shè)備無線通信中的相關(guān)信息，比如接收信號強度RSS、發(fā)送設(shè)備(源)MAC地址、時間戳等。我們把這些可以長期獲取并且穩(wěn)定可靠的通訊參數(shù)記錄下來，分析特定設(shè)備在一定時間范圍內(nèi)的接收信號強度變化趨勢和規(guī)律，提取每類設(shè)備的特征，用于構(gòu)建相應(yīng)的特征向量，再使用監(jiān)督學習的方法訓練不同的分類器，從而實現(xiàn)諸多不同類型設(shè)備的分類。圖1是一個手機、一臺筆記本電腦和一臺無線路由器一天接收信號強度的變化圖，不難看出這三種設(shè)備每天的接收信號強度變化趨勢是不一樣的并且有一些各自獨有的特征。

圖1 三種典型WiFi設(shè)備每日接收信號強度變化圖Fig.1 Daily RSS variations of 3 typical WiFi devices

1 數(shù)據(jù)采集預(yù)處理

由于WiFi探測設(shè)備只能獲取附近一定范圍內(nèi)的無線設(shè)備信號，所以監(jiān)測范圍內(nèi)的無線設(shè)備數(shù)量，在不同時間段內(nèi)也不盡相同。我們關(guān)注的是那些持續(xù)且穩(wěn)定的無線信號，即那些經(jīng)常出現(xiàn)在監(jiān)測范圍內(nèi)的設(shè)備，為此我們專門設(shè)計一個過濾器來篩選出這些“?？汀?。無線設(shè)備篩選工作是基于對設(shè)備長期監(jiān)測數(shù)據(jù)的分析，圖2顯示了訪客和?？鸵恢軆?nèi)的在線情況(即有信號的時段)，訪客對應(yīng)的在線時間明顯少于常客。實際篩選時，我們統(tǒng)計每個設(shè)備接收信號強度的平均值、設(shè)備累計在線天數(shù)和設(shè)備每天在線時長，具體統(tǒng)計規(guī)則為：

圖2 一周時間內(nèi)各類設(shè)備的在線情況圖Fig.2 Active span for different devices during a week

(1)接收信號強度均值：統(tǒng)計某設(shè)備在所有監(jiān)測時間內(nèi)接收信號強度的平均值。

(2)在線天數(shù)：如果一天之內(nèi)監(jiān)測到來自某設(shè)備的信號，則該設(shè)備當天在線。

(3)在線時長：如果在連續(xù)的5 min之內(nèi)監(jiān)測到了某設(shè)備的信號，則認為該設(shè)備這5 min在線，以此5 min為單位，統(tǒng)計該設(shè)備一天的累計在線時長。

根據(jù)經(jīng)驗，我們會篩除那些統(tǒng)計周期內(nèi)累計在線天數(shù)小于5天和每天在線時長小于5 min的設(shè)備，因為這些數(shù)據(jù)基本來自于那些不經(jīng)常出現(xiàn)在監(jiān)測范圍內(nèi)的設(shè)備，設(shè)備對應(yīng)的用戶也很可能是一些訪客。此外，我們還會篩除那些接收信號強度平均值小于-110 dB的設(shè)備，因為這些設(shè)備即使能長期獲取監(jiān)測數(shù)據(jù)，但是由于距離監(jiān)測設(shè)備太遠，接收信號強度變化規(guī)律不明顯，很難提取有效特征。

2 設(shè)備分類算法

盡管部分無線WiFi設(shè)備的類型，可以通過調(diào)用網(wǎng)上一些基于MAC地址的查詢服務(wù)來獲取，但實際上大多數(shù)的設(shè)備類型信息并不能據(jù)此方法準確得出，究其原因大致有兩種情況：(1)部分設(shè)備制造商沒有對他們不同類型的產(chǎn)品采用特定的MAC地址分類策略；(2)另外一些設(shè)備制造商出于商業(yè)保密的考慮故意混淆或隱藏他們的MAC地址分類策略。所以要實現(xiàn)準確的無線設(shè)備類型分類，完全依靠網(wǎng)上現(xiàn)有的查詢服務(wù)無法實現(xiàn)。

本節(jié)主要通過分析長期監(jiān)測的無線設(shè)備的信號數(shù)據(jù)，提取不同類型設(shè)備的特征，使用機器學習的方法，完成設(shè)備分類。這種方法的好處是不需要主動讀取無線設(shè)備的數(shù)據(jù)即可完成高精度的分類。這里我們根據(jù)WiFi無線設(shè)備的特征，把它們分成3類：智能手機類Mobile Phone，簡稱MP類；筆記本或平板電腦LapTop，簡稱LT類；和靜止的WiFi設(shè)備Stationary Machine，如無線路由器或使用WiFi聯(lián)網(wǎng)的臺式機，簡稱SM類。

2.1 事件識別步驟

本節(jié)提到的三種WiFi設(shè)備，來自相同類型設(shè)備的數(shù)據(jù)包在很多方面是相似的?；诖?，我們分析提取每種類型設(shè)備的特征用于對設(shè)備分類，主要特征如下：

2.1.1 在線率 統(tǒng)計每個MAC地址對應(yīng)的設(shè)備每天的在線率α。在線率即每天累計在線時間除以24 h，如公式1所示。我們截取了兩周時間的監(jiān)測數(shù)據(jù)計算三種設(shè)備的在線率。如圖3所示，可以看出，不同類型設(shè)備的在線率存在明顯差異，對于靜止的無線設(shè)備(SM類)，它們的在線率一般接近100%，而其他兩類設(shè)備在線率一般在40%～60%之間。在線時間To的統(tǒng)計方法為：以5 min為單位，監(jiān)測是否收到該設(shè)備的數(shù)據(jù)包，如果收到則記該設(shè)備這5 min在線，否則記為離線。以此統(tǒng)計設(shè)備一天(24 h，即288個單位時間)的在線時間。如公式2所示，pi代表第i個時間段內(nèi)，設(shè)備是否在線，其值為0或1。

圖3 兩周時間內(nèi)各類設(shè)備的在線率情況Fig.3 Daily online rate of different devices during 2 weeks

α=To/288。

(1)

(2)

2.1.2 接收信號強度(RSS) 接收信號強度反映了探測設(shè)備接收到數(shù)據(jù)包的能量，主要和發(fā)送方與接收方的距離有關(guān)，還有一些其他因素，諸如是否存在障礙物、天線角度等?？梢灶A(yù)見地，可移動無線設(shè)備接收信號強度在時域的波動率一般要高于筆記本電腦類的，而這兩類無線設(shè)備的波動率要高于那些靜止的WiFi設(shè)備。我們引入接收信號強度的標準差σr和極差R作為分類特征，具體計算方法有如下公式：

(3)

R=rmax-rmin。

(4)

圖4 三類設(shè)備接收信號強度標準差CDFFig.4 CDF of the standard deviation of the RSS for different devices

(5)

(6)

這里記來自同一設(shè)備的數(shù)據(jù)包的接收時間為序列T={t1,t2,…,tN}，則數(shù)據(jù)包間隔pi=ti+1-ti，考慮到一天內(nèi)手機和筆記本電腦的數(shù)據(jù)包或有間斷，當實際計算發(fā)送周期的均值和標準差時，過濾掉相鄰時間點間隔大于5 min的數(shù)據(jù)點。

2.2 層次化分類

由于提取的三類設(shè)備的特征并非各自獨立，為了達到更好的分類效果，本文采用層次化分類方法，具體過程為：首先設(shè)計靜態(tài)設(shè)備(SM、LT類)和移動設(shè)備(MP類)分類器，用于識別數(shù)據(jù)樣本來源于靜態(tài)設(shè)備(無線路由設(shè)備)還是移動設(shè)備(手機、筆記本電腦)；然后在第一次分類的基礎(chǔ)上對移動設(shè)備進行二次分類，設(shè)計用于識別數(shù)據(jù)樣本是手機還是筆記本電腦的分類器。針對兩次分類，分別選擇不同的特征構(gòu)建特征向量。實驗證明這種層次化分類方法比直接對無線設(shè)備進行三分類的平均準確率要高。

3 實驗及討論

3.1 實驗設(shè)置

本實驗通過WiFi探針進行數(shù)據(jù)采集，采集地點為普通房間，房間內(nèi)有若干辦公臺位。以天為單位，進行數(shù)據(jù)采集并存儲。采集持續(xù)32 d，記錄采集時間、MAC地址以及接收信號強度，本次采集原始數(shù)據(jù)共計5 218條。進行分析前，首先對數(shù)據(jù)進行了過濾，過濾標準如下：保留以天為單位的完整數(shù)據(jù)(全天只有一類設(shè)備的數(shù)據(jù)、全天沒有數(shù)據(jù)、全天只有半天的數(shù)據(jù)，以上這三種類型的數(shù)據(jù)去除)，過濾后剩余數(shù)據(jù)666條。經(jīng)過數(shù)據(jù)預(yù)處理階段，得到最終的實驗樣本共計369條。

樣本標簽設(shè)置：第一次分類：0表示無線路由器，1表示手機和筆記本；第二次分類：2表示筆記本，3表示手機。

訓練平臺：采用Matlab R2016a以及其軟件自帶分類工具箱，參數(shù)默認，并采用十折交叉驗證方式。

3.2 實驗過程

3.2.1 層次化分類 每次選用不同特征集對標簽數(shù)據(jù)進行分類，最后得出層次化分類的平均準確率。訓練算法：Fine Gaussian SVM(FG-SVM)，Cubic KNN(C-KNN)，Simple Tree(S-Tree)，Linear Discriminant(LD)。

第一次分類實驗：

(1) 本次實驗主要對過濾后樣本集進行訓練，從而實現(xiàn)靜態(tài)設(shè)備和移動設(shè)備的分類。實驗使用了5個特征，分別為時間在線率(Online Time Rate，OTR)，信息發(fā)送時間間隔的平均值(Average Sending Time Interval，A-STI)，信息發(fā)送時間間隔的標準差(Sending Time Interval Standard Deviation，STI-SD)，接收信號強度的標準差(RSS Standard Deviation，RSS-SD)，接收信號強度的極差(RSS Range，RSSR)。

(2) 將得到的全部設(shè)備的上述特征以及標簽文件導入到Matlab R2016a中，進行分類。

(3) 在分類的過程中，首先進行特征驗證，單個特征對應(yīng)的分類準確率如表1所示。

表1 單個特征驗證結(jié)果Table 1 Verification results of single feature

從表中可以看出，分類用到的五個特征準確率均達到70%以上，可見所選特征都是有效特征。接下來使用這五個特征構(gòu)建特征向量進行分類，結(jié)果如表2所示。

表2 五個特征驗證結(jié)果Table 2 Verification results of all features

第二次分類實驗：

(4)針對第一次分類中被歸類為移動設(shè)備的數(shù)據(jù)集進行再訓練，以實現(xiàn)手機和筆記本電腦的分類。這次實驗使用了另外5個特征，分別為信息發(fā)送時間間隔的平均值(Average Sending Time Interval，A-STI)、信息發(fā)送時間間隔的標準差(Sending Time Interval Standard Deviation，STI-SD)，時間間隔標準差/時間間隔平均值(STI-SD/A-STI)，接收信號強度的標準差(RSS Standard Deviation，RSS-SD)，接收信號強度的極差(RSS Range，RSSR)。

(5)將得到的全部設(shè)備的上述特征以及標簽文件導入到Matlab R2016a中，進行分類。

(6)在分類的過程中，首先進行特征驗證，單個特征驗證對應(yīng)的分類準確率如表3所示。

表3 單個特征驗證結(jié)果(第二次分類)Table 3 Verification results of single feature in the second classification

從表中可以看出，分類用到的五個特征準確率均達到70%以上，所選特征即為有效特征。接下來使用這個5個特征構(gòu)建特征向量進行二次分類，結(jié)果如表4所示。

表4 五個特征驗證結(jié)果(第二次分類)Table 4 Verification results of all featuresin(the second classification)

由于樣本數(shù)據(jù)不均衡，因此本工作采用平均準確率作為本文分類工作的評價標準，在兩次實驗的基礎(chǔ)上，求出平均準確率，具體的方法如下：

(1) 第二次實驗手機分類準確率=提取出手機的準確條數(shù)/提取出手機的總條數(shù)。

(2) 第二次實驗筆記本電腦分類準確率=提取出筆記本電腦的準確條數(shù)/提取出筆記本電腦的總條數(shù)。

(3)第一次實驗移動設(shè)備分類準確率=提取出移動設(shè)備的準確條數(shù)/提取出移動設(shè)備的總條數(shù)。

(4)第一次實驗無線路由器分類準確率=提取出無線路由器的準確條數(shù)/提取出無線路由器的總條數(shù)。

(5)平均準確率=((第二次實驗手機分類準確率+第二次實驗筆記本電腦分類準確率)*第一次實驗移動設(shè)備分類準確率+第一次實驗無線路由器分類準確率)/3。

在此過程中，分別使用SVM、KNN、Decision Tree(DT)、Discriminant Analysis(DA)等算法進行了平均準確率的計算，其結(jié)果如表5所示。

表5 層次化分類平均準確率Table 5 Average accuracy of hierarchical classification

3.2.2 層次化分類有效性驗證 為了驗證本文提出的層次化分類策略，現(xiàn)將層次化分類中兩次分類用到特征的并集作為三分類算法的特征集，使用和層次化分類相同的數(shù)據(jù)集合，逐一訓練分類得出每種三分類算法的平均準確率，這里平均準確率等于三種設(shè)備準確率的平均值(見表6)。

表6 三分類及層次化分類平均準確率Table 6 Average accuracy of 3-class classification and hierarchical classification

從上表可見使用本文提出的層次化分類機制，不論采用哪種分類算法，都能得到更高的平均準確率。

4 結(jié)語

本文通過對無線通信技術(shù)中最常見的WiFi接收信號強度的長期非入侵式監(jiān)測，探究具體無線設(shè)備的物理屬性，應(yīng)用機器學習的成熟算法，實現(xiàn)了無線設(shè)備的識別及分類。本文提出的設(shè)備類型識別機制可以應(yīng)用在無線網(wǎng)絡(luò)負載分析、網(wǎng)絡(luò)部署優(yōu)化等方面，有助于部署更具個性化的無線網(wǎng)絡(luò)增值服務(wù)。本文的工作為今后無線網(wǎng)絡(luò)的管理優(yōu)化提供了必要條件，為探索物聯(lián)網(wǎng)設(shè)備間的關(guān)聯(lián)性做出了有益嘗試。