本研究聚焦黑盒网络设备指纹识别难题，提出一种基于GNSS授时的非接触式探测技术。
利用GPS/北斗等全球导航卫星系统（GNSS）纳秒级时间同步功能，在不直接访问设备的情况下，通过两端部署高精度时戳机采集网络设备处理时延微弱特征。针对噪声干扰问题，创新性地采用自适应群智优化算法进行自动化去噪与固件唯一性特征提取，并结合高阶时域分析构建目标设备的3D高斯体模型，实现其内部状态的高维几何透视和精准指纹识别。
该技术可突破传统探测手段局限，在不接触设备的前提下有效判断其型号、固件版本及运行状态，为网络监管者提供关键设备指纹信息，具有网络安全防护与战场态势感知等重要应用价值。
