1.一种物联网设备识别方法，其特征在于，包括：提取物联网设备数据包的异常特征和长度特征，并基于所述异常特征和所述长度特征构建多变量时序特征；将所述多变量时序特征输入训练完备的设备识别模型中，获得物联网设备的识别结果；其中，所述设备识别模型包括第一Inception模块、第一残差结构、第二Inception模块、第二残差结构以及全局平均池化层和全连接层；所述第一Inception模块和所述第二Inception模块均包括依次连接的第一Inception结构、第二Inception结构和第三Inception结构；所述第一Inception结构、第二Inception结构和第三Inception结构均包括特征压缩单元、多尺度卷积单元和特征融合单元；每三个Inception结构之间添加了一个残差结构，通过残差结构使第一个Inception结构的输入快速累加到下一个Inception结构的输入；所述特征压缩单元用于对输入特征进行压缩，获得压缩特征；所述多尺度卷积单元用于对输入特征进行多尺度卷积，获得尺度不同的多个卷积特征；所述特征融合单元用于对所述压缩特征和所述多个卷积特征进行融合；所述特征压缩单元包括依次连接的第一全局平均池化层和第一卷积层；所述多尺度卷积单元包括瓶颈层以及和所述瓶颈层相连的第二卷积层、第三卷积层和第四卷积层，所述第二卷积层、第三卷积层和第四卷积层的卷积核大小均不相同；所述特征融合单元包括依次连接的深度卷积层、批量归一化和激活函数层。
2.根据权利要求1所述的物联网设备识别方法，其特征在于，所述异常特征包括异常等级、异常分组和顶层协议类型。
3.根据权利要求1所述的物联网设备识别方法，其特征在于，提取物联网设备数据包的长度特征，包括：确定所述物联网设备数据包中的出站流量和入站流量；沿时间先后顺序将所述出站流量和所述入站流量进行拼接，获得目标流量，并将所述目标流量的长度作为所述长度特征。
4.根据权利要求3所述的物联网设备识别方法，其特征在于，所述确定所述物联网设备数据包中的出站流量和入站流量，包括：获取原始数据流；所述原始数据流包括与多个物联网设备的多个数据包；基于二元组信息确定所述多个数据包中源MAC地址为目标物联网设备的第一数据包以及目的MAC地址为目标物联网地址的第二数据包，将所述第一数据包作为所述出站流量，将所述第二数据包作为所述入站流量。
5.根据权利要求1所述的物联网设备识别方法，其特征在于，基于所述异常特征和所述长度特征构建多变量时序特征，包括：基于预设的序列长度对所述物联网设备数据包进行划分，获得多段时序特征；以预设填充规则对各段所述时序特征进行填充，获得所述多变量时序特征；其中，所述多变量时序特征的行数与所述异常特征和所述时序特征的类型数相同，所述多变量时序特征的列数与所述多段时序特征的段数相同。
6.一种物联网设备识别装置，其特征在于，适用于如权利要求1-5中任意一项所述的物联网设备识别方法，所述装置包括：多维特征提取单元，用于提取物联网设备数据包的异常特征和长度特征，并基于所述异常特征和所述长度特征构建多变量时序特征；设备识别单元，用于将所述多变量时序特征输入训练完备的设备识别模型中，获得物联网设备的识别结果；其中，所述设备识别模型包括第一Inception模块、第一残差结构、第二Inception模块、第二残差结构以及全局平均池化层和全连接层。
