随着网络技术的日益发展,物联网终端设备的大量接入,人们生活方式的智能化转变,使用的终端设备类型和数量也稳步上升。随着5G时代的到来,这种增长趋势会一直延续,并且接入终端的数量和类别在未来的一段时间内都将保持增长的态势。各种终端设备的功能、性能、价格、用户群体都不一样,分析网络终端结构,在一定程度上可以通过数据反应当前用户使用终端的情况和变化。移动运营商可以在此基础上根据用户的终端使用情况开展有差异化的服务,引导终端结构的转变,对终端进行优化,进而推动后续业务的发展。用户终端设备识别技术是指通过搜集终端的设备信息以及运行环境信息,实现终端分类的一种技术。传统基于MAC地址的终端识别,通过获取设备物理信息完成识别,由于真实的网络环境下存在大量的三层交换机、路由器和NAT设备,需逐层部署探测软件和数据采集设备,方可获取整个网络拓扑下设备的MAC地址。这样的方法简单,但在真实的网络环境下作用有限。改进的利用终端协议栈的特征字段可识别设备操作系统类型,但这种识别方法对终端设备的识别粒度不够。与现有终端识别方式不同的是,本文主要研究的是基于网络流量数据采集分析,搜集包含终端设备的硬件信息、操作系统信息、应用程序信息、以及相关协议栈参数信息,并利用机器学习相关算法建立分类模型进行网络终端设备识别。本文主要的研究工作包括以下三个方面:首先,研究了基于分布式的高速实时网络流量数据采集、分析和存储技术。在基于开源网络分析框架Zeek(原名:Bro)的基础上,进行了二次开发,解决了高速实时网络流量的分布式采集、存储以及常用应用层协议的解析。完善了如QQ(原QQ)等协议的深度识别与解析。从协议信息字段的内容中和自身协议对应用程序的标识下,完成了对应用程序信息的识别。最后利用Python程序分析提取设备相关的User-Agent、操作系统信息、web访问记录等数据,完成了对网络终端设备指纹数据的提取。其次,基于网络流量中即时通讯应用的流量数据分析,我们提出了一种简单高效的网络NAT设备识别方法。NAT技术一方面缓解了IPv4地址短缺的问题,同时也隐藏了下层终端设备信息,NAT设备提供入网便利的同时,给非法接入提供了机会。本文提出并实现了一种基于即时通讯应用的NAT设备识别方法和系统,有效的识别出了NAT设备。识别NAT设备为进一步识别其后终端设备具体型号奠定基础。最后,考虑到不同的网络终端产生的网络流量特征会存在差异,基于网络流量特征,本文提出一种基于随机森林的网络终端设备识别模型和方法。结合NAT设备识别,完成了网络流量分析、终端设备指纹提取、训练集和测试集构建、识别模型优化等工作。最终构建出一个网络终端设备识别模型。通过该模型,给出了利用随机森林进行网络终端识别的一般步骤方法,并分析比较了该方法的优劣。