物联网技术近年来得到飞速发展,随着海量物联网终端的部署,终端设备的安全问题层出不穷。物联网终端设备的接入认证是物联网安全保障中重要环节。设备指纹是物联网环境中常用的接入认证方式之一。设备指纹可分为主动式和被动式,其中主动式设备指纹识别率比被动式高,但其提取的显性和隐性特征均来自设备本身,存在部分物联网终端类型不支持的问题,并且其特征均存在被伪造的风险。而被动式设备指纹的特征均来自终端设备通讯产生的流量数据,所有的终端均可使用。为更好的完成物联网终端设备的接入认证,本文采用双因素认证(2FA)思想,提出了利用主动式及被动式两种设备指纹对设备身份进行认证的方法。目前主动式设备指纹技术相对成熟,而现有被动式设备指纹研究中未考虑样本时序属性。本文针对此问题提出了一种基于深度学习的物联网终端接入认证算法。该算法从数据流量数据包中提取特征构建设备指纹,使用固定窗口滑动采样机制来解决数据维度一致性和干扰向量问题,采用SMOTE算法来解决样本不平衡问题,最后使用双向长短期记忆网络(Bi-LSTM)实现身份识别。仿真结果表明,与传统机器学习和LSTM算法相比,本文算法识别准确率至少提升了 6%。本文基于双因素接入认证方法设计实现了一套基于设备指纹的物联网终端接入认证系统,系统可使用主动式和被动式指纹完成设备物联网终端设备的接入认证。本文在系统的功能需求分析和架构设计后,完成系统各个模块详细的设计与实现。最终,本文对接入认证系统进行功能及性能测试,测试结果表明该系统功能与系统设计描述相符,性能测试结果表明当千量级物联网终端设备同时向系统发起请求时,系统平均事务响应时间仍小于1s。