CN101877866B - 移动终端机型能力的检测方法和设备 - Google Patents
移动终端机型能力的检测方法和设备 Download PDFInfo
- Publication number
- CN101877866B CN101877866B CN 200910250182 CN200910250182A CN101877866B CN 101877866 B CN101877866 B CN 101877866B CN 200910250182 CN200910250182 CN 200910250182 CN 200910250182 A CN200910250182 A CN 200910250182A CN 101877866 B CN101877866 B CN 101877866B
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- information
- model capability
- merging
- capability information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明的实施例公开了一种移动终端机型能力的检测方法和装置。该方法包括:通过不同的采集方式获取移动终端机型能力信息;将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体;将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。通过使用本发明的实施例,弥补了现有的单一手段判定移动终端机型能力信息的不足,通过对不同信息源的综合判定,能大大提高移动终端机型能力检测的识别率和正确性。
Description
技术领域
本发明涉及通讯领域,尤其涉及一种移动终端机型能力的检测方法和设备。
背景技术
随着3G网络和应用的日趋成熟,移动数据业务的重要性日趋凸显。但在终端机型繁多的情况下,数据业务的服务质量很大程度上取决于对终端能力和终端业务适配效果的掌握。如果在增值应用的设计开发和对象下发环节缺乏对用户终端能力及用户配置的了解,应用效果和业务发展将会受到很大影响。伴随着用户终端种类和运营商所能提供业务种类的迅速增加,如何管理好、发展好如此众多的业务已经成为一个突出的问题。
目前,对移动终端的机型能力检测,大多是采用一些独立的方式,而缺少综合性判定的方法。通常以下面几种方式,独立进行判定:
(1)通过UserAgent字段信息识别。UserAgent字段来源于WAP(WirelessApplication Protocol,无线应用协议)业务报文流,可获取机型能力的简要描述。这个字段信息是厂家自定义的。有的移动终端提供接口,使用者可以改变这个字段。
(2)通过IMEI(International Mobile Equipment Identity,国际移动设备身份码)识别。移动终端的IMEI信息中包含TAC(Type Approval Code,机型核准码)和FAC(Final Assembly Code,装配产地码),可通过对移动终端发起IMEI check信令获取移动终端的IMEI信息。但这个字段在很多移动终端的型号中是不支持的,且有的移动终端填写为固定值。IMEI与每台手机一一对应,而且该码是全世界唯一的。每一只手机在组装完成后都将被赋予一个全球唯一的一组号码,这个号码从生产到交付使用都将被制造生产的厂商所记录。IMEI由15位数字组成,其中,前6位数为TAC,一般代表机型; 接下着的2位数为FAC,一般代表产地;之后的6位数是SNR(Serial Number,串号),一般代表生产顺序号;最后1位数为SP(Spare Number,备用码),通常是″0″,目前暂时备用。
(3)通过终端自注册技术识别。这是一种由运营商和设备厂商共同推动的机型简明信息识别技术。在SIM(Subscriber Identity Module,客户识别模块)/UIM(User Identity Model,用户识别模块)卡中配置相应的功能模块,在移动终端用户首次SIM卡注册(包含换卡)、换机时,SIM/UIM卡从移动终端中提取相应设备厂商(Manufacture,M)、型号(Model,M)和固件版本(Version,V)信息,以短信方式发往移动终端自注册系统,达到对在网移动终端的机型予以识别与管理的功能。这种方式主要是在运营商定制的移动终端中存在。对于非定制移动终端,不提供这样的方式。
(4)通过OMA(Open Mobile Alliances,开放移动联盟)RDF(ResourceDescription Framework,资源描述框架)标签识别。在WAP协议报文包头中的x-wap-profile或Profile字段中可获得UAProfile数据地址,从而获取UAProfile数据。用户终端档案UAProfile规范主要用于描述设备能力信息,,采用了CC(Composite Capability,合成能力)/PP(Preferences Profile,优先档案)框架,遵循RDF语法与词汇定义。UAProfile规范定义了涉及硬件、软件、应用、WAP和网络的设备能力特性,用于内容的适配。但是目前支持这种方式的移动终端机型总量比较少。
(5)通过运营商档案数据库识别。通过运营商的UAProf库、BOSS数据库、终端维修信息库等,可以获得移动终端的机型能力信息。这种方式收集到的终端信息位于运营商渠道内部。对于社会渠道的移动终端,通常无法获得这些信息。
现有技术中存在的问题在于,上述各种单一方式的鉴别,都存在不同程度的局限性。以下分别进行分析:
(1)UserAgent字段信息是广泛存在的。但UserAgent字段由厂家自行定义,格式繁多,随意性强,而且容易被伪造。这种方式识别率一般,置信度较低。
(2)IMEI是广泛存在的,但这个字段极易被伪造,这种方式置信度极低。
(3)终端自注册技术置信度高,但只在运营商定制终端中存在,识别率较低。
(4)OMA RDF标签置信度高。但目前支持的终端较少,识别率较低。
(5)运营商档案数据库中的机型能力信息,置信度高。但并不普遍存在,识别率较低。
另外,现有技术中还缺少根据各种不同信息源获取的机型能力信息对移动终端机型能力进行综合判定的鉴别方法。从各种信息源获取到的移动终端的机型能力信息存在重复、相容、互补和互斥的情况,直接合并来自多信息源的移动终端机型能力信息时,将导致大量不确定性信息结论,从而带来机型建库的判断失误或延迟,甚至造成更加严重的后果。
发明内容
本发明的实施例提供了一种移动终端机型能力的检测方法和设备,用于根据各种从不同信息源获取的机型能力信息对移动终端机型能力进行综合判定和鉴别。
本发明的实施例提供了一种移动终端机型能力的检测方法,包括:
通过不同的采集方式获取移动终端机型能力信息;
将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体,具体包括:对于通过多种采集方式获取的针对单一属性的多个信息,将每种单一属性信息作为信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律设置不同信息焦元的信任度值;利用Dempster合成规则,对具有不同信任度值和基本概率分布函数的多种单一属性信息进行合并,得到与该单一属性对应的一个证据体,以及该证据体的信任度值;
将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;
根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机 型能力。
其中,所述通过不同的采集方式获取的移动终端机型能力信息,包括以下方式中的一种或多种:
通过解析移动终端的UserAgent字段,获取移动终端的机型能力信息;或
通过解析移动终端的国际移动设备身份码IMEI,获取移动终端的机型能力信息;或
通过解析移动终端的资源描述框架RDF标签,获取移动终端的机型能力信息;或
通过移动终端自注册技术识别,获取移动终端的机型能力信息;或
通过运营商档案数据库,获取移动终端的机型能力信息;或
通过解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,获取移动终端的机型能力信息。
其中,所述解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,包括:
通过划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略,解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹。
其中,所述业务交互指纹包括:在应用层协议的特定字段、和/或在TCP/IP传输层协议中的信息单元。
其中,所述将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体包括:
利用Dempster合成规则,对具有与不同单一属性对应的具有不同信任度值的多个证据体进行合并,得到协同合并后的证据体。
其中,所述根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机型能力,包括:
根据单一属性和机型能力决策规则,以及预设的不同移动终端的移动终 端机型能力信息,选择具有所述协同合并后的证据体的预设移动终端机型,从而确定所述移动终端的机型类别和机型能力。
其中,还包括:
所述根据对所述协同合并后的证据体的判决,无法精确识别得到移动终端的机型能力时,将其进行机型聚类,识别所述移动终端的机型能力。
其中,还包括:根据对所述协同合并后的证据体的判决结果,调整各信息焦元的信任度值,最终达到各信息焦元信任度值的动态稳定。
本发明的实施例还提供了一种移动终端机型能力的检测装置,包括:
接口单元,用于通过不同的采集方式获取移动终端机型能力信息;
第一合并单元,用于将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体,具体用于:对于通过多种采集方式获取的针对单一属性的多个信息,将每种单一属性信息作为信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律设置不同信息焦元的信任度值;利用Dempster合成规则,对具有不同信任度值和基本概率分布函数的多种单一属性信息进行合并,得到与该单一属性对应的一个证据体,以及该证据体的信任度值;
第二合并单元,用于将所述第一合并单元获得的不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;
判决单元,用于根据对所述第二合并单元获得的协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。
其中,所述接口单元,具体用于通过以下方式中的一种或多种获取移动终端机型能力信息:
通过解析移动终端的UserAgent字段,获取移动终端的机型能力信息;或
通过解析移动终端的国际移动设备身份码IMEI,获取移动终端的机型能力信息;或
通过解析移动终端的资源描述框架RDF标签,获取移动终端的机型能力 信息;或
通过终端自注册技术识别,获取移动终端的机型能力信息;或
通过运营商档案数据库,获取移动终端的机型能力信息;或
通过解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,获取移动终端的机型能力信息。
其中,所述接口单元,在解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹时,具体用于:通过划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略,解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹。
其中,所述业务交互指纹包括:在应用层协议的特定字段、和/或在TCP/IP传输层协议中的信息单元。
其中,所述第二合并单元具体用于:
利用Dempster合成规则,对具有与不同单一属性对应的具有不同信任度值的多个证据体进行合并,得到协同合并后的证据体。
其中,所述判决单元具体用于:
根据单一属性和机型能力决策规则,以及预设的不同移动终端的移动终端机型能力信息,选择具有所述协同合并后的证据体的预设移动终端机型,从而确定所述移动终端的机型类别和机型能力。
其中,所述判决单元还用于:
根据对所述协同合并后的证据体的判决,无法精确识别得到移动终端的机型能力时,将其进行机型聚类,识别所述移动终端的机型能力。
其中,所述第一合并单元,还用于:根据所述判决单元对所述协同合并后的证据体的判决结果,调整各信息焦元的信任度值,最终达到各信息焦元信任度值的动态稳定。
与现有技术相比,本发明的实施例具有以下优点:
本发明实施例提供的方法中,对通过不同采集方式获取的移动终端机型能力信息进行合并和综合判定,进而获取移动终端机型能力。其弥补了现有的单一手段判定移动终端机型能力信息的不足,通过对不同信息源的综合判定,能大大提高移动终端机型能力检测的识别率和正确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中提供的移动终端机型能力的检测方法流程图;
图2是本发明实施例中提供的移动终端机型能力的检测方法实现示意图;
图3是本发明实施例中D-S推理算法的执行示意图;
图4是本发明实施例中提取“业务交互指纹”的组网场景示意图;
图5是本发明实施例中机型聚类状态的示意图;
图6是本发明实施例中日常运行鉴别的流程图;
图7是本发明实施例中周期性后台运行鉴别的流程图;
图8是本发明实施例中移动终端机型能力检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的实施例提供了一种移动终端机型能力的检测方法,如图1所示,包括:
步骤s101、通过不同的采集方式获取移动终端机型能力信息;
步骤s102、将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体;
步骤s103、将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;
步骤s104、根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。
本发明实施例提供的方法中,对通过不同采集方式获取的移动终端机型能力信息进行合并和综合判定,进而获取移动终端机型能力。其弥补了现有的单一手段判定移动终端机型能力信息的不足,通过对不同信息源的综合判定,能大大提高移动终端机型能力检测的识别率和正确性。。
本发明的实施例中,在传统的移动终端机型能力单项鉴别方式基础上,与深度包检测、“业务交互指纹”识别、子空间特征点位匹配等技术进行有机结合,基于D-S(Dempster-Shafer)证据推理分析算法,进行移动终端机型能力检测。D-S证据理论能够处理由不知道而引起的不确定性。D-S证据推理分析算法可以看作是有限域上对经典概率推理理论的一般化扩展,其主要特性是支持描述不同等级的精确度和直接引入了对未知不确定性的描述。
本发明提供的方法中,具有移动终端机型能力检测功能的设备监测移动终端的业务流,并可接入运营商档案数据库、IMEI信息平台、终端自注册系统等数据源。其中运营商档案数据库包括Useragent字段数据库、OMA RDF数据库、运营商机型能力信息数据库等。
本发明的实施例中,一个具体的应用场景如图2所示。其中,具有移动终端机型能力检测功能的设备通过与网络连接的接口监测WAP网关业务流,通过不同的采集接口,接入运营商档案数据库、IMEI信息平台、终端自注册系统等数据源。
本发明的实施例中,将从每个采集接口获得的每种机型能力属性信息均称为“信息焦元”。在用于机型能力属性信息鉴别的信息焦元中,UserAgent字段信息、IMEI等普遍存在的鉴别方式,大多都可以进行伪造,导致可信度较低。另外,本发明的实施例中,将终端与网络进行交互时在协议接口上的特定信息体现称为“业务交互指纹”,“业务交互指纹”通常是普遍存在的,独特的,不可伪造的,因此可信度较高。所谓“业务交互指纹”,包括在WAP 协议或彩信等应用层协议的特定字段,例如HTTP(Hypertext TransmissionProtocol,超文件传输协定)头域字段,包括其先后顺序;也包括在TCP(Transmission Control Protocol,传输控制协议)/IP(Internet Protocol,因特网协议)等传输层协议中的信息,例如IP协议的TTL(Time To Live,生存时间),TCP协议的TxWindow size、MSS(Maximum Segment Size,最大分段大小)等信息单元。通过对这些信息的综合判定,可以比较准确的判定移动终端的机型,获得移动终端的机型能力属性信息。
本发明的实施例中,对于从多个采集接口获得的每种机型能力属性信息即信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律给出对不同信息焦元的信任度值,则每个来源的机型能力属性信息成为一个证据体(一个基本概率分配函数和相应的识别框架,合称为一个证据体),在同一识别框架下,利用Dempster合并规则将各个证据体合并成一个新的证据体,而这个合并后的新的证据体表示了协同融合后得到的信息,并由其信任度和似真度构成了一个完整的证据区间,然后再根据机型单一属性和机型能力级决策规则对其进行复合判决,与预先设置的机型库中的机型能力信息进行比对,最终得到机型能力信息。
另外,在证据体的协同融合中,除了为每个信息焦元分配初始的基本信度值外,每完成一次机型能力信息判决,都通过反馈环路重新分配一次信息焦元的基本信度值。再利用Dempster合成规则得到新的基本信度分配。随着信息的不断输入,不断地对基本信度分配进行更新,最后达到动态稳态。
本发明的实施例中,基于D-S推理算法的移动终端机型能力的检测过程如图3所示,包括以下步骤:
(1)机型能力信息检测设备通过采集接口1、2...n分别采集获取相关信息焦元,由系统确定基本概率分配值mi(Aj),其中i=1,2,...n,j=1,2,...m;其中,每一个采集接口可以获取多个信息焦元。
(2)对于每个采集接口采集的多个信息焦元(关于机型的同一种单一属性),分别计算每个信息焦元的证据区间,得到多组证据区间向量,并根据Dempster合成规则进行合并,得到机型单一属性的融合证据区间;
(3)根据Dempster合成规则,对多个机型单一属性的融合证据区间进行合并,计算每个属性的融合证据区间;
(4)使用判决逻辑选择具有“最佳”证据区间的那个信息,得到融合的目标属性。数据记录中存放并标注包含有被放弃的信息,以便人工介入干预;
(5)当证据合成中出现冲突系数k接近于1,推理失效时,启用经验修正或记录入库等待人工介入。
本发明的实施例中,关于“业务交互指纹”的提取,需要对GGSN(GatewayGPRS Support Node,网关GPRS支持节点)与WAP网关之间的数据流进行监视,获得详细的协议信息。图4示出了“业务交互指纹”提取的组网示意图。
当对移动终端的业务数据流,主要包括GGSN和WAP网关的业务数据流,进行监视时,并不影响移动终端的正常使用和运行。通过对移动终端的业务数据流进行深度包检测、解析,获得移动终端的识别关键字和业务适配信息,与通过其他数据源获得的移动终端机型能力信息进行融合,完成高置信度、高识别率、高效能的移动终端机型能力辨识操作,并对辨识机型的能力特征存储到数据库中。
进一步的,考虑到GGSN与WAP网关之间的数据流接口的数据量很大,使用常规机型匹配算法处理时可能会因运算量太大而使系统无法运行。本方法在机型能力检测中采用了划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略。
另外,本方法在对“业务交互指纹”进行判定时,通过聚类算法进行。得到聚类机型后,通过人工干预的方式,指定该终端的厂家和型号,并可人工指定其属性参数,图5示出了机型聚类的状态图。
图5中所示的机型聚类状态图中的各个状态的具体说明如下:
状态1,当机型未识别时,如果通过信息焦元可精确识别到确定名字机型,那么机型状态标记为精确识别;如果通过信息焦元不能精确识别,那么进行聚类,机型状态标记为聚类机型。
状态2,当机型状态为聚类机型时,可通过人工选择,进入精确识别机型状态;也可以人工操作,或聚类时间到期后,进入未识别机型状态。
状态3,当机型状态为精确识别机型时,可通过人工选择,重新识别,进入未识别机型状态。
在对移动终端机型进行能力信息的鉴别时,快速鉴别算法分为日常运行时鉴别算法和周期性后台鉴别算法两部分。日常运行时的鉴别算法只考虑大多数的情况,能判定绝大多数手机机型,并不考虑100%的可信度问题。周期性后台鉴别算法按完整鉴别算法进行,对置信度等其他因素进行判定。
本发明实施例中提供的日常运行鉴别算法如图6所示,包括:
步骤s601,通过Radius协议的Account Start作为起始,Account Stop作为结束,对一次业务流程中的所有鉴别向量进行采集,作为当前鉴别向量。
步骤s602,判定当前鉴别向量是否属于该手机已鉴别的当前机型向量集合;如果属于则进行步骤s603,如果不属于则进行步骤s604。
步骤s603,认为手机没有换机,退出鉴别流程。
步骤s604,判断是否有Profile/x-wap-profile鉴别向量;如果有则进行步骤s605,如果没有则进行步骤s606。
步骤s605,如果有Profile/x-wap-profile鉴别向量,那么进行RDF判定。
步骤s606,如果没有Profile/x-wap-profile鉴别向量,那么判断是否有UA鉴别向量;如果有则进行步骤s607,如果没有则进行步骤s608。
步骤s607,如果有UA鉴别向量,那么进行UA判定。
步骤s608,如果没有UA鉴别向量,标记为未判定,在周期性任务中进行判定。
本发明实施例中提供的周期性后台运行鉴别算法如图7所示,包括:
步骤s701,判断终端是否已判定,是则进行步骤s702,否则进行步骤s703。
步骤s702,如果未判定,进行准确判定。
步骤s703,如果已判定,判断终端是否准确判定;是则进行步骤s704,否则进行步骤s705。
步骤s704,如果已准确判定,退出。
步骤s705,如果不是准确判定,进行准确判定。如果判定结果与原有结果不一致,修改原有结果。
本发明实施例提供的方法中,对通过不同采集方式获取的移动终端机型能力信息进行合并和综合判定,进而获取移动终端机型能力。其弥补了现有的单一手段判定移动终端机型能力信息的不足,通过对不同信息源的综合判定,能大大提高移动终端机型能力检测的识别率和正确性。同时,提出了从协议特征信息判定移动终端机型能力的方法,进一步提高了移动终端机型能力检测的识别率和正确性。
本发明的实施例还提供了一种移动终端机型能力的检测装置,如图8所示,包括:
接口单元10,用于通过不同的采集方式获取移动终端机型能力信息;
第一合并单元20,用于将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体;
第二合并单元30,用于将第一合并单元20获得的不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;
判决单元40,用于根据对第二合并单元30获得的协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。
其中,接口单元10,具体用于通过以下方式中的一种或多种获取移动终端机型能力信息:
通过解析移动终端的UserAgent字段,获取移动终端的机型能力信息;或
通过解析移动终端的国际移动设备身份码IMEI,获取移动终端的机型能力信息;或
通过解析移动终端的资源描述框架RDF标签,获取移动终端的机型能力信息;或
通过终端自注册技术识别,获取移动终端的机型能力信息;或
通过运营商档案数据库,获取移动终端的机型能力信息;或
通过解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,获取移动终端的机型能力信息。
其中,接口单元10,在解析移动终端与网络侧无线应用协议WAP网关或网关GPRS支持节点GGSN交互的业务流中包括的业务交互指纹时,具体用于:通过划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略,解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹。其中,业务交互指纹包括:在应用层协议的特定字段、和/或在TCP/IP传输层协议中的信息单元。
其中,第一合并单元20,具体包括:
对于通过多种采集方式获取的针对单一属性的多个信息,将每种单一属性信息作为信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律设置不同信息焦元的信任度值;
利用Dempster合成规则,对具有不同信任度值和基本概率分布函数的多种单一属性信息进行合并,得到与该单一属性对应的一个证据体,以及该证据体的信任度值。
另外还用于:根据判决单元40对协同合并后的证据体的判决结果,调整各信息焦元的信任度值,最终达到各信息焦元信任度值的动态稳定。
其中,第二合并单元30具体用于:
利用Dempster合成规则,对具有与不同单一属性对应的具有不同信任度值的多个证据体进行合并,得到协同合并后的证据体。
其中,判决单元40具体用于:
根据单一属性和机型能力决策规则,以及预设的不同移动终端的移动终端机型能力信息,选择具有协同合并后的证据体的预设移动终端机型,从而确定所述移动终端的机型类别和机型能力。
另外,判决单元40还用于:根据对协同合并后的证据体的判决,无法精确识别得到移动终端的机型能力时,将其进行机型聚类,识别移动终端的机型能力。
本发明实施例提供的装置中,对通过不同采集方式获取的移动终端机型 能力信息进行合并和综合判定,进而获取移动终端机型能力。其弥补了现有的单一手段判定移动终端机型能力信息的不足,通过对不同信息源的综合判定,能大大提高移动终端机型能力检测的识别率和正确性。同时,提出了从协议特征信息判定移动终端机型能力的方法,进一步提高了移动终端机型能力检测的识别率和正确性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
本领域技术人员可以理解附图只是一个优选实施例的示意图,附图中的单元或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的单元可以按照实施例描述进行分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的单元可以合并为一个单元,也可以进一步拆分成多个子单元。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
Claims (12)
1.一种移动终端机型能力的检测方法,其特征在于,包括:
通过不同的采集方式获取移动终端机型能力信息;
将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体,具体包括:对于通过多种采集方式获取的针对单一属性的多个信息,将每种单一属性信息作为信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律设置不同信息焦元的信任度值;利用Dempster合成规则,对具有不同信任度值和基本概率分布函数的多种单一属性信息进行合并,得到与该单一属性对应的一个证据体,以及该证据体的信任度值;
将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;其中,所述将不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体,具体包括:利用Dempster合成规则,对具有与不同单一属性对应的具有不同信任度值的多个证据体进行合并,得到协同合并后的证据体;
根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。
2.如权利要求1所述的方法,其特征在于,所述通过不同的采集方式获取的移动终端机型能力信息,包括以下方式中的一种或多种:
通过解析移动终端的UserAgent字段,获取移动终端的机型能力信息;或
通过解析移动终端的国际移动设备身份码IMEI,获取移动终端的机型能力信息;或
通过解析移动终端的资源描述框架RDF标签,获取移动终端的机型能力信息;或
通过移动终端自注册技术识别,获取移动终端的机型能力信息;或
通过运营商档案数据库,获取移动终端的机型能力信息;或
通过解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,获取移动终端的机型能力信息;其中,所述业务交互指纹包括:在应用层协议的特定字段、和/或在TCP/IP传输层协议中的信息单元。
3.如权利要求2所述的方法,其特征在于,所述解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,包括:
通过划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略,解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹。
4.如权利要求1所述的方法,其特征在于,所述根据对所述协同合并后的证据体的判决,得到移动终端的机型类别和机型能力,包括:
根据单一属性和机型能力决策规则,以及预设的不同移动终端的移动终端机型能力信息,选择具有所述协同合并后的证据体的预设移动终端机型,从而确定所述移动终端的机型类别和机型能力。
5.如权利要求4所述的方法,其特征在于,还包括:
所述根据对所述协同合并后的证据体的判决,无法精确识别得到移动终端的机型能力时,将其进行机型聚类,识别所述移动终端的机型能力。
6.如权利要求1所述的方法,其特征在于,还包括:根据对所述协同合并后的证据体的判决结果,调整各信息焦元的信任度值,最终达到各信息焦元信任度值的动态稳定。
7.一种移动终端机型能力的检测装置,其特征在于,包括:
接口单元,用于通过不同的采集方式获取移动终端机型能力信息;
第一合并单元,用于将通过不同的采集方式获取的移动终端机型能力信息分别进行合并,得到与每一单一属性对应的一个证据体,具体用于:对于通过多种采集方式获取的针对单一属性的多个信息,将每种单一属性信息作为信息焦元,构造相应的基本概率分布函数;并由系统知识经验和训练样本统计规律设置不同信息焦元的信任度值;利用Dempster合成规则,对具有不同信任度值和基本概率分布函数的多种单一属性信息进行合并,得到与该单一属性对应的一个证据体,以及该证据体的信任度值;
第二合并单元,用于将所述第一合并单元获得的不同单一属性对应的多个证据体进行合并,得到协同合并后的证据体;具体用于利用Dempster合成规则,对具有与不同单一属性对应的具有不同信任度值的多个证据体进行合并,得到协同合并后的证据体;
判决单元,用于根据对所述第二合并单元获得的协同合并后的证据体的判决,得到移动终端的机型类别和机型能力。
8.如权利要求7所述的装置,其特征在于,所述接口单元,具体用于通过以下方式中的一种或多种获取移动终端机型能力信息:
通过解析移动终端的UserAgent字段,获取移动终端的机型能力信息;或
通过解析移动终端的国际移动设备身份码IMEI,获取移动终端的机型能力信息;或
通过解析移动终端的资源描述框架RDF标签,获取移动终端的机型能力信息;或
通过终端自注册技术识别,获取移动终端的机型能力信息;或
通过运营商档案数据库,获取移动终端的机型能力信息;或
通过解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹,获取移动终端的机型能力信息;其中,所述业务交互指纹包括:在应用层协议的特定字段、和/或在TCP/IP传输层协议中的信息单元。
9.如权利要求8所述的装置,其特征在于,所述接口单元,在解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹时,具体用于:通过划分机型特征信息子空间、采用粗匹配全搜索与精匹配逐层细化相结合的搜索策略,解析移动终端与网络侧WAP网关或GGSN交互的业务流中包括的业务交互指纹。
10.如权利要求7所述的装置,其特征在于,所述判决单元具体用于:
根据单一属性和机型能力决策规则,以及预设的不同移动终端的移动终端机型能力信息,选择具有所述协同合并后的证据体的预设移动终端机型,从而确定所述移动终端的机型类别和机型能力。
11.如权利要求10所述的装置,其特征在于,所述判决单元还用于:
根据对所述协同合并后的证据体的判决,无法精确识别得到移动终端的机型能力时,将其进行机型聚类,识别所述移动终端的机型能力。
12.如权利要求7所述的装置,其特征在于,所述第一合并单元,还用于:根据所述判决单元对所述协同合并后的证据体的判决结果,调整各信息焦元的信任度值,最终达到各信息焦元信任度值的动态稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910250182 CN101877866B (zh) | 2009-11-30 | 2009-11-30 | 移动终端机型能力的检测方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910250182 CN101877866B (zh) | 2009-11-30 | 2009-11-30 | 移动终端机型能力的检测方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101877866A CN101877866A (zh) | 2010-11-03 |
CN101877866B true CN101877866B (zh) | 2013-11-06 |
Family
ID=43020307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910250182 Active CN101877866B (zh) | 2009-11-30 | 2009-11-30 | 移动终端机型能力的检测方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101877866B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102932775A (zh) * | 2012-11-16 | 2013-02-13 | 广州市通联技术发展有限公司 | 一种利用imei与ua结合进行终端识别的方法及装置 |
CN103500405B (zh) * | 2013-09-26 | 2019-05-21 | 北京奇虎科技有限公司 | 用于对目标终端标称型号进行鉴别的方法及其设备 |
CN104735637B (zh) * | 2013-12-23 | 2018-09-25 | 中国移动通信集团江苏有限公司 | 多模终端锁网判定方法及装置 |
CN106912061A (zh) * | 2017-02-28 | 2017-06-30 | 中国联合网络通信集团有限公司 | 一种移动终端极限接入距离的计算方法及装置 |
CN115033848A (zh) * | 2022-06-30 | 2022-09-09 | 北京奇艺世纪科技有限公司 | 设备识别方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731805A (zh) * | 2005-08-23 | 2006-02-08 | 中国移动通信集团公司 | 获知移动终端业务能力信息的方法 |
CN1851736A (zh) * | 2005-10-17 | 2006-10-25 | 华为技术有限公司 | 用户业务行为特征采集的系统及方法 |
CN101304565A (zh) * | 2008-07-08 | 2008-11-12 | 北京亮点时间科技有限公司 | 移动终端识别方法和单元以及增值服务提供方法和系统 |
-
2009
- 2009-11-30 CN CN 200910250182 patent/CN101877866B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731805A (zh) * | 2005-08-23 | 2006-02-08 | 中国移动通信集团公司 | 获知移动终端业务能力信息的方法 |
CN1851736A (zh) * | 2005-10-17 | 2006-10-25 | 华为技术有限公司 | 用户业务行为特征采集的系统及方法 |
CN101304565A (zh) * | 2008-07-08 | 2008-11-12 | 北京亮点时间科技有限公司 | 移动终端识别方法和单元以及增值服务提供方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101877866A (zh) | 2010-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103117903B (zh) | 上网流量异常检测方法及装置 | |
CN111667267B (zh) | 一种区块链交易风险识别方法及装置 | |
CN106874190B (zh) | 用户界面的测试方法及服务器 | |
CN110166462B (zh) | 访问控制方法、系统、电子设备及计算机存储介质 | |
CN101877866B (zh) | 移动终端机型能力的检测方法和设备 | |
CN102930023A (zh) | 基于知识的数据质量解决方案 | |
CN103049475A (zh) | 用于源目标映射的基于电子表格程序的数据分类 | |
CN109120428B (zh) | 一种用于风控分析的方法及系统 | |
CN102982097A (zh) | 用于基于知识的数据质量解决方案的域 | |
CN102930024A (zh) | 基于知识的数据质量解决方案体系结构 | |
CN103473036B (zh) | 一种输入法皮肤推送方法及系统 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
CN112149352B (zh) | 一种结合gbdt自动特征工程对营销活动点击的预测方法 | |
WO2022267509A1 (zh) | Smt印刷参数优化模型的训练方法、设备和存储介质 | |
CN112860676B (zh) | 应用于大数据挖掘和业务分析的数据清洗方法及云服务器 | |
CN111797320B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110378739B (zh) | 一种数据流量匹配方法及装置 | |
CN108063685A (zh) | 日志分析方法及装置 | |
CN111815066B (zh) | 一种基于梯度提升决策树的用户点击预测方法 | |
CN105162931A (zh) | 一种通信号码的分类方法及装置 | |
CN111784402A (zh) | 基于多通路的下单率预测方法、设备及可读存储介质 | |
CN107517474B (zh) | 一种网络分析优化方法及装置 | |
CN116094907A (zh) | 投诉信息的处理方法、装置及存储介质 | |
US20230289559A1 (en) | Human-understandable insights for neural network predictions | |
CN113360772B (zh) | 一种可解释性推荐模型训练方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |