GraduateProject

随机MAC地址条件下移动设备个数估计方法
Method for estimating the number of mobile devices under the condition of random MAC address

题目类型：理论研究

内容简介：

剖析移动设备主动扫描过程中发出的Probe Request帧的结构特征，基于某种聚类算法或机器学习方法，估计混合MAC地址条件下的移动设备个数。

环境依赖：

python 3.8

目录结构描述

.
├─code
│  │  conversion.py                   //数据格式转化与归一化处理
│  │  dataDeal.ipynb                  //原始数据分类处理
│  │  fileDataStatistics.py           //数据文件情况可视化
│  │  getFileName.py
│  │  getMacModel.py                  //统一Mac地址模型
│  │  getTestData.py                  //获取测试数据
│  │  getTrainData.py                 //获取训练数据
│  │  mlp_ConversionMacAddress.py     //mlp主函数
│  │  showAccuracy.py                 //准确率可视化
│  └─ showLoss.py                     //损失率可视化        
├─data                                //原始数据
│      MacModels.txt
│      raw_dataset_label.txt
│      raw_dataset_label.zip    
├─datas                               //拆分后的数据
├─paper                               //论文
├─picture                             //可视化图像
└─README.md                           //help

项目进度

• 2022-02-12 20:16:17 raw_dataset_label.txt 原始数据处理

• 2022-03-01 12:10:11 MacModels存储（统一模型）

• 2022-03-03 02:19:54 mlp复现准备工作、Probe Request帧输入格式修改工作

• 2022-03-09 18:08:07 输入格式处理和数据归一化

  参考论文：Probe Request Based Device Identification Attack and Defense

• 2022-03-10 21:07:25 输出numpy&tag数据以及mlp框架梳理

• 2022-03-11 03:04:50 完成了mlp输入数据格式转化、针对mac地址去随机的mlp的初步构建

• 2022-03-12 03:11:26 修改bug、实现针对mac地址去随机的mlp并且训练15轮后准确率在81%以上

• 2022-03-12 17:53:32 数据详情的可视化

• 2022-03-13 02:08:31 根据MacModels.txt 对输入格式进行调整准确率达到了97%以上、 开始论文准备工作

• 2022-03-14 01:46:06 实现loss与accuracy的可视化

BUG LIST

• getTestData无法跨文件获取数据

OPTIMIZE LIST

• mlp准确率优化
• conversion的数据转化归一流程速度优化(多线程尝试后结果不理想 暂且搁置)