在物联网设备飞速增加的今天,了解物联网中连接了哪些设备以及它们是否正常运行是对物联网进行管理的必然要求。对物联网设备进行分类可以使运营商对物联网设备进行规划区分,而且能够有效的监测物联网设备是否正常运行,以便于对故障设备进行及时处理和更换,极大地节省了时间和人力成本,提升了工作效率。物联网设备分类是物联网入侵检测及异常分析的前提,只有对物联网设备实现精准分类,才可针对某一类设备进行有效的安全防护。基于上述需求,本文就如何准确的对物联网设备进行分类进行了研究,并设计及了一种基于会话的物联网设备分类架构,具体内容如下:（1）设计了基于会话的物联网设备分类模型架构。整个模型架构分为算法迭代更新模块和物联网设备预测模块,分别详细介绍了模块每个部分的结构和作用,其中算法迭代更新模块由数据采集、流量映像算法和模型训练/更新三部分组成,在数据采集部分,采集的数据集包括网络共享的物联网设备开源数据集以及合作公司实地采集到的物联网设备流量,搭建卷积神经网络模型,并对其进行了训练及测试。在物联网设备预测模块设计时间戳扫描算法和结果展示部分,满足客户实际需求。（2）提出了一种对物联网设备流量的处理方法——流量映像算法。由于现在研究中使用的人工提取物联网设备特征的不合理性与复杂性,故本文提出将物联网设备流量拆分为会话的方式进行处理,再将会话经过剪切/补齐、维度变换转化为灰度图的形式对物联网设备数据进行处理。此方法包含流量分割、维度变换、灰度图生成和格式转换这四个部分。从而将各类物联网设备流量生成一组灰度图像。在这些生成的物联网设备灰度图像中,不同的物联网设备灰度图像被划分为不同的类,储存在灰度图库里,这些灰度图像可以当作用物联网设备的流量对物联网设备的画像,可供专家进行分析辨别和对用户进行展示。并且,在本次研究中,还将提出的流量映像算法应用于其他主流机器学习算法上并进行对比分析。将经过本文设计的流量映像算法的数据和没有经过流量映像算法的数据输入到主流机器学习算法模型进行比较,采用精确率、召回率和F1值进行对比分析,可以看到提出的流量映像算法可以极大的提高其他算法在物联网设备分类场景下的准确率,并且可以极大降低算法的时间复杂度,简化了特征提取的流程。（3）采集物联网设备流量数据集,并将数据集分为训练集和测试集。经过训练和测试,基于会话的物联网设备分类模型,对数据集包含的物联网设备的分类准精度超过了 97%,可以准确地区分摄像头、运动传感器、电源开关、充电桩以及医疗设备等多种物联网设备。本文提出的流量映像算法和基于会话的物联网设备分类模型架构均在北京元安物联技术有限公司得到使用。有效解决了现在物联网中存在的因设备数据庞大、种类杂乱而无法进行统一管理等问题,为物联网的安全防护奠定了基础。