La tecnología del Internet de las Cosas (IoT) se utiliza ampliamente en los nuevos sistemas de energía, y también proporciona muchos nuevos modos para los ataques de red. La identificación de dispositivos terminales ilegales es también un tema significativo en el campo de la tecnología de autenticación inalámbrica. Algunos tipos de equipos de red eléctrica se encuentran en áreas poco pobladas y dependen de terminales de IoT para el monitoreo en tiempo real. Los atacantes utilizan terminales ilegales para conectarse a dispositivos IoT de energía para el monitoreo de producción y llevar a cabo ataques de red, lo que puede causar daños graves, como el robo de datos de energía y el mal funcionamiento de los equipos de red eléctrica. La huella dactilar de radiofrecuencia (RFF) puede extraer características de hardware de diferentes dispositivos, y se utiliza ampliamente para la identificación y autenticación de dispositivos. El área en la que se colocan los equipos de red eléctrica es vasta, y hay muchos dispositivos y terminales de comunicación inalámbrica. Es difícil identificar dispositivos ilegales a través de las técnicas de gestión de red comúnmente utilizadas, lo que dificulta distinguir entre los terminales móviles de los empleados y los terminales ilegales en general en la selección de espectro. En respuesta a la situación anterior, este documento utiliza las características del espectro cuadrado de las señales de preámbulo de acceso aleatorio para extraer características del dispositivo de hardware, propone un algoritmo de identificación de dispositivo ilegal basado en la teoría de la distribución gaussiana y evalúa su rendimiento. Los resultados experimentales muestran que, cuando la relación señal-ruido (SNR) es mayor de 15 dB, el resultado de reconocimiento promedio es mayor del 92%. Además, el algoritmo tiene una complejidad computacional baja y un alto valor de aplicación en ingeniería.