CN107333292A - 一种sim卡状态判断方法及装置 - Google Patents

Abstract

本发明适用于通信技术领域，提供了一种SIM卡状态判断方法及装置，适用于存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡。通过获取终端的包含SIM卡流量的SIM卡特征数据，并根据该特征数据和预设的识别模型判断该SIM卡的使用状态，若该SIM卡为空闲状态，则向终端发送SIM卡释放请求，以释放该SIM卡，在释放SIM卡后，获取该终端发送的申请用卡数据，再根据该申请用卡数据进一步优化识别模型，从而使用优化后的识别模型判断SIM卡的使用状态，通过重复上述步骤，可以不断提高对SIM卡状态的判断准确率，并最终接近SIM卡的实际状态。

Description

一种SIM卡状态判断方法及装置

技术领域

本发明属于通信技术领域，尤其涉及一种SIM卡状态判断方法及装置。

背景技术

随着科学技术的进步及人民生活水平的提高，世界各国人民的沟通和交流越来越紧密，人们的出国频率不断增加，身在国外，人们的出行、购物、商务活动、即时通讯等很多活动往往都需要用到网络服务，这些网络服务的实现需要耗费大量网络流量，而通过云SIM(Subscriber Identity Module，客户识别模块)卡进行本地上网的终端则可以满足出国用户的这些网络需求

同一张SIM卡同时只能为一个用户提供服务。用户需要使用SIM卡时通常会主动发起请求，但不使用SIM卡时并不会明确表示当前不需要使用了。这时的SIM卡被用户占用，但用户并没有使用数据服务，SIM卡不会主动释放，导致SIM卡没有被有效利用。

在对现有技术的研究和实践中，本发明的发明人发现现有技术存在以下问题，现有的识别和释放没有被有效利用的SIM卡的方法为：根据固定的预设时间及固定的流量阈值判断SIM卡的使用状态，例如当终端设备在一定时间内上报的SIM卡流量小于阈值，则认为用户没在使用数据服务，并判断该SIM卡为空闲状态，进而释放该用户所占用的SIM卡。但根据固定的预设时间及固定的流量阈值判断SIM卡的使用状态，存在判断准确率低的问题。

发明内容

本发明提供一种SIM卡状态判断方法，旨在解决现有技术中存在的判断准确率低的问题。

本发明是这样实现的，一种SIM卡状态判断方法，所述SIM卡为存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，所述方法包括下述步骤：

获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量；

根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态；

若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡；

获取所述终端发送的申请用卡数据；

根据所述申请用卡数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态。

本发明还提供一种SIM卡状态判断装置，所述SIM卡为存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，所述装置包括：

特征数据获取模块，用于获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量；

使用状态判断模块，根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态；

SIM卡释放模块，用于若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡；

申请用卡数据获取模块，用于获取所述终端发送的申请用卡数据；

优化单元，用于根据所述反馈数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态。

本发明还提供一种服务器，所述服务器包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现本发明提供一种SIM卡状态判断方法的步骤。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明提供一种SIM卡状态判断方法的步骤。

本发明提供的一种SIM卡状态判断方法，适用于存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，通过获取终端的包含SIM卡流量的SIM卡特征数据，并根据该特征数据和预设的识别模型判断该SIM卡的使用状态，若该SIM卡为空闲状态，则向终端发送SIM卡释放请求，以释放该SIM卡，在释放SIM卡后，获取该终端发送的申请用卡数据，再根据该申请用卡数据进一步优化识别模型，从而使用优化后的识别模型判断SIM卡的使用状态，最终实现提高判断准确率的目的。

附图说明

图1是本发明实施例提供的一种SIM卡状态判断方法的实施环境示意图；

图2是本发明实施例提供的一种SIM卡状态判断方法的步骤示意图；

图3是本发明实施例提供的一种特征数据的折线图；

图4是本发明实施例提供的一种与预设的识别模型进行匹配的流程示意图；

图5是本发明实施例提供的一种优选的SIM卡状态判断方法的步骤示意图；

图6是本发明实施例提供的另一种优选的SIM卡状态判断方法的步骤示意图；

图7是本发明实施例提供的再一种优选的SIM卡状态判断方法的步骤示意图；

图8是本发明实施例提供的一种SIM卡状态判断装置的模块图；

图9是本发明实施例提供的一种优选的SIM卡状态判断装置的模块图；

图10是本发明实施例提供的另一种优选的SIM卡状态判断装置的模块图；

图11是本发明实施例提供的再一种优选的SIM卡状态判断装置的模块图；

图12是本发明一个实施例提供的服务器的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1示出了本发明实施例的应用环境示意图，为了便于说明，图中仅示出与本发明实施例相关的内容，详述如下：

云端SIM卡池11，具有多个卡槽，用来集中存放物理SIM卡，所存放的物理SIM卡所属的国家、网络运营商，以及所采用的资费套餐和所适用的网络制式都可以各不相同。

服务器12，用于为终端13分配可接入网络服务的云端SIM卡，维护终端12与其建立的通信通道，接收来自终端的数据及向终端发送数据及指令。

终端13，通过云端SIM卡接入网络，可接入网络服务，也可作为移动WIFI热点为其他设备提供网络服务。

在本发明实施例中，终端13登陆上服务器12后，获取服务器12分配的云端SIM卡，然后启动云SIM卡，并注册移动网络，接入网络服务，也可作为移动WIFI热点为其他设备提供网络服务。

在本发明实施例的应用环境中，上述云端SIM卡池11、服务器12以及终端13均可以仅有一个，也可以有多个，需根据实际情况配备，具体不做限制。

图2示出了本发明实施例提供的一种SIM卡状态判断方法的流程示意图，详述如下：

步骤S201，获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量。

在本发明实施例中，所获取的SIM卡的特征数据包括SIM卡流量，还可以包括SIM卡所属地区、SIM卡所属运营商、接入网络类型(GSM/WCDMA/LTE等)、接入网络持续时间、SIM卡流量、流量产生时间、流量产生地区等与SIM卡相关的数据或信息。以下以SIM卡流量为例进行详细说明：

如图3所示，以SIM卡流量作为特征数据时，可获取特定时间粒度范围内产生的流量，连续的流量组成流量特征向量。例如，每3分钟产生的流量为a，最近一个小时内，产生连续20个流量特征值，按时间顺序排列，组成流量特征向量[a1，a2，a3……a20]，a20表示离当前时间最近的点，a1表示距离当前时间1小时前的点。图3中的“334050059239380”、“234159182387480”、“250016504633270”等数可作为SIM卡的识别编码，在本步骤及后续步骤中可通过该识别编码检索、识别对应的SIM卡，图3中的点代表在每3分钟内SIM卡产生的流量，每条折线有20个点，代表流量特征向量[a1，a2，a3……a20]，图3中的6条折线即代表6张SIM卡的流量特征向量。

需要说明的是，除SIM卡流量外，本领域技术人员所知的与SIM卡相关的数据或信息，如SIM卡所属地区、SIM卡所述运营商、接入网络类型、接入网络持续时间、SIM卡流量、流量产生时间、流量产生地区等均可作为SIM卡的特征数据，可以获取一种数据或信息作为特征数据，也可获取多种数据或信息的组合作为SIM卡的特征数据，可根据实际情况选择并可动态调整。

步骤S202，根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态。

在本发明实施例中，预设的识别模型用于判断出使用状态为空闲的SIM卡，将步骤S201中获取的SIM卡特征数据与预设的识别模型进行匹配，若匹配成功，则判断该SIM卡为空闲状态，否则判断为非空闲状态，还可对该SIM卡进行标记，以便于后续步骤的执行。对于被判断为空闲状态的SIM卡，可将其信息及特征数据存储起来，以便后续步骤调用，避免在后续步骤中重复获取目标SIM卡的特征数据，提高后续步骤的执行速度。

在本发明实施例中，将SIM卡的特征数据与预设的识别模型进行匹配时可采用机器学习算法，尤其是监督学习算法，例如决策树、随机森林、贝叶斯分类算法、人工神经网络等，以上述流量特征向量[a1，a2，a3……a20]为例：

如图4所示，获取SIM卡流量数据组成流量特征向量[a1，a2，a3……a20]后，a1至a20的大小依顺序与预设的识别模型的参数进行比较，若a20大于500K，则与预设的识别模型匹配失败，判断该SIM卡的使用状态为非空闲，若a20不大于500K，则比较a19的大小，若a19大于600K，则与预设的识别模型匹配失败，判断该SIM卡的使用状态为非空闲，若a19不大于600K，则比较a18的大小，重复上述步骤直至a1，若a1大于800K，则匹配失败，判断该SIM卡的使用状态为非空闲，若a1不大于800K，则匹配成功，判断该SIM卡的使用状态为空闲。

需要说明的是，上述示例仅为步骤S202的一种较为简单的实现方式，除按照a20至a1的顺序比较流量大小外，也可按照a1至a20的顺序或采用乱序比较，也可以不按照顺序进行随机比较，还可以一次性全部比较，以及可以从a1至a20中抽取部分进行比较以降低运算负担，还可以获取更过或更少的数据量，在此不一一列举，具体的算法和匹配方式可根据实际情况选择，本发明实施例不作为对本发明保护范围的限制。

步骤S203，若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡。

在本发明实施例中，当SIM卡在S202步骤中被判断为空闲状态后，将会发送释放该SIM卡的请求给正在使用这张SIM卡的终端13，以使该终端13释放该SIM卡，该SIM卡被释放后将处于非占用状态，可以被分配给其他的终端使用。

作为本发明的一个实施例，在指令终端13释放SIM卡被释放后，在预设的一段时间内，将该被释放的SIM卡标记为冻结状态，即，释放该SIM卡使其处于非占用状态，并且在这段时间内也不将该SIM卡分配给任何其他终端使用。若在这段时间内，释放该SIM卡的终端13重新申请用卡，则直接将该被标记为冻结状态的SIM卡分配给该终端13使用；若在这段时间内该终端13未重新申请用卡，则完全释放该SIM卡，允许该SIM卡被分配给其他终端使用。通过将被释放的SIM卡标记为冻结状态，可以在误将未处在空闲状态的SIM卡释放，且释放该目标SIM卡的终端13立即重新申请用卡情况下，免去根据终端13的用卡申请在云端SIM卡池11中筛选合适的SIM的步骤，降低了服务器12的运算压力，减少了为终端13分配SIM卡的时间，从而也降低了误将处在非空闲状态的SIM卡释放所造成的负面影响。

步骤S204，获取所述终端发送的申请用卡数据。

在本发明实施例中，由于预设的识别模型不可能完全正确的识别出SIM卡的使用状态，并且在预设的识别模型使用的初期，由于未进行动态优化或优化程度较低，判断正确率可能会相对较低，在被判断为空闲状态的SIM卡中，会有一部分实际上处于非空闲状态，当指令终端13释放这部分目标SIM卡后，由于用户正在使用网络服务，终端13很快遍会重新申请用卡，从而可以将终端13释放SIM卡后重新发出的申请用卡数据，以及重新分配SIM卡后一段时间内使用的流量、使用时间等数据作为使用状态判断的反馈数据。

步骤S205，根据所述申请用卡数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态。

在获取终端13释放SIM卡后重新发出的申请用卡数据作为反馈数据后，根据该数据校验步骤S202中对使用状态的判断是否正确，进而对识别模型进行调整，以优化识别模型，提高判断准确率。

如图5所示，在本发明实施例中，在步骤S202之前还包括：

步骤S501，获取使用状态已确定的SIM卡的特征数据；

以及步骤S502，将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

步骤S501和步骤S502均在步骤S201之前。

需要说明的是，步骤S501和步骤S502既可以在步骤S202之前且在步骤S201之后，也可以在步骤S201之前，步骤S501及步骤S502所起到相同的作用并不受影响，只要步骤S501和步骤S502均在步骤S202之前，且步骤S501在步骤S502之前，则均应属于本发明所要求保护的范围。

在本发明实施例中，步骤S501和步骤S502在步骤S201之前。

步骤S501，获取使用状态已确定的SIM卡的特征数据。

使用状态已确定的SIM卡的特征数据并不要求是实时特征数据，也是可以是历史特征数据，且无需获取完整的历史特征数据，可以只获取某一历史时段内的历史特征数据。由于是历史特征数据，可以根据SIM卡的历史网络服务接入情况、数据请求、流量大小等因素，确定SIM卡在该历史时段内是否为空闲状态，并将该历史时段内的历史特征作为使用状态已确定的SIM卡的特征数据。

使用状态已确定的SIM卡的特征数据可以预先通过人工离线分析的方式筛选出来并储存在存储器中，以供执行步骤S501时获取这些数据，也可以采用机器进行自动筛选的方式进行获取。

步骤S502，将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

在获取使用状态已确定的SIM卡的特征数据后，将该特征数据作为在机器学习中所使用的训练数据，并采用例如决策树、随机森林、贝叶斯分类算法等监督学习的机器学习算法训练出用于识别出处于空闲状态的SIM卡的识别模型，将该识别模型作为在步骤S202中使用的预设的识别模型。具体采用何种算法不做限制，需根据实际情况选择。

如图6所示，在本发明实施例中，在步骤S202之前还包括:步骤S601，若所述SIM卡的流量大于预设值，则排除所述SIM卡的特征数据。

选取一个SIM卡流量的阈值，若在最近的一定时间内，若SIM卡流量大于该阈值，则该SIM卡不可能或几乎不可能处于空闲状态，则将该阈值作为该步骤中所说的预设值，从而可以对SIM卡进行初步筛选，排除流量大于该预设值的SIM卡特征数据，降低在步骤S202中需要进行判断的特征数据的量，加快执行速度。

如图7所示，在发明实施例中，步骤S205具体包括：步骤S701，以及步骤S702，详述如下：

步骤S701，根据所述申请用卡数据判断被所述终端释放的所述SIM卡为空闲SIM卡或非空闲SIM卡。

在获取了终端13发送的申请用卡数据后，将作为反馈数据其来进一步判断被释放的SIM卡的使用状态，并将其判断为空闲SIM卡或者判断为非空闲SIM卡，判断完成后可以将其特征数据存储在特定区域以便后续获取，也可以将其标记，以便执行后续步骤的时候可以快速检索调用。例如，在终端13在释放SIM卡后，若在释放后很一段时间内终端13都没有再申请用卡，则判断目标SIM卡为空闲SIM卡，反之，若立即重新申请用卡，则判断为非空闲SIM卡。

步骤S702，使用所述空闲SIM卡的特征数据和/或所述非空闲SIM卡的特征数据对所述预设的识别模型进行优化训练，以调整所述预设的识别模型的参数。

在判断被释放的SIM卡为空闲SIM卡或者非空闲SIM卡后，获取存储在特定区域或检索调用被标记的空闲SIM卡和/或非空闲SIM卡的特征数据，将该特征数据作为优化数据，对步骤S202中的预设的识别模型进行优化训练，以提高起识别准确率，并且由于既可以定期优化，也可以实时优化，因此还可以对预设的识别模型进行实时调整。优化训练的方式同样采用监督学习的机器学习算法，例如决策树、随机森林、贝叶斯分类算法、人工神经网络等，由于被判断为空闲SIM卡或非空闲SIM卡的目标SIM卡经过了终端13的反馈验证，因此错误率很低，从而将这些空闲SIM卡和非空闲SIM卡的特征数据作为优化数据，对步骤S202中的预设的识别模型进行优化训练，通过优化训练调整预设的识别模型的识别参数，使其更加符合SIM卡的实际情况，提高其对SIM卡的使用状态的识别准确率，并且由于该优化训练可以实时进行，从而可以实现自动根据实际的业务情况进行动态优化。

在本发明实施例中，步骤S701具体包括：根据所述终端在释放所述SIM卡后的预设时间内的申请用卡数据，若在所述预设时间内所述终端的未申请用卡，则判断所述SIM卡为空闲SIM卡，否则，判断所述SIM卡为非空闲SIM卡。

在本发明实施例中，获取终端13在释放SIM卡后的预设时间内的申请用卡数据，该预设时间为从终端13释放SIM卡起的一段时间，该一段时间设置的较短，在这段时间内，若终端13没有重新申请用卡，说明被释放的SIM卡确实为空闲状态，则将该SIM卡判断为空闲SIM卡；反之，若在这段时间内，终端重新申请用卡，则判断该SIM卡为非空闲SIM卡。例如，获取终端13在释放SIM卡后的30秒内的申请用卡记录，若在这30秒内终端13没有申请用卡，则判断该SIM卡为空闲SIM卡，否则判断该SIM卡为非空闲SIM卡。

本发明提供的一种SIM卡状态判断方法，适用于存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，通过获取终端的包含SIM卡流量的SIM卡特征数据，并根据该特征数据和预设的识别模型判断该SIM卡的使用状态，若该SIM卡为空闲状态，则向终端发送SIM卡释放请求，以释放该SIM卡，在释放SIM卡后，获取该终端发送的申请用卡数据，再根据该申请用卡数据进一步优化识别模型，从而使用优化后的识别模型判断SIM卡的使用状态，最终实现提高判断准确率的目的。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或者部分步骤是可以通过程序来指令相关的硬件来完成的，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘、闪盘等。

图8示出了本发明实施例提供的一种SIM卡状态判断装置的模块图，详述如下：

特征数据获取模块81，用于获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量。

在本发明实施例中，所获取的SIM卡的特征数据包括SIM卡流量，还可以包括SIM卡所属地区、SIM卡所属运营商、接入网络类型(GSM/WCDMA/LTE等)、接入网络持续时间、SIM卡流量、流量产生时间、流量产生地区等与SIM卡相关的数据或信息。以下以SIM卡流量为例进行详细说明：

如图3所示，以SIM卡流量作为特征数据时，可获取特定时间粒度范围内产生的流量，连续的流量组成流量特征向量。例如，每3分钟产生的流量为a，最近一个小时内，产生连续20个流量特征值，按时间顺序排列，组成流量特征向量[a1，a2，a3……a20]，a20表示离当前时间最近的点，a1表示距离当前时间1小时前的点。图3中的“334050059239380”、“234159182387480”、“250016504633270”等数可作为SIM卡的识别编码，在本步骤及后续步骤中可通过该识别编码检索、识别对应的SIM卡，图3中的点代表在每3分钟内SIM卡产生的流量，每条折线有20个点，代表流量特征向量[a1，a2，a3……a20]，图3中的6条折线即代表6张SIM卡的流量特征向量。

需要说明的是，除SIM卡流量外，本领域技术人员所知的与SIM卡相关的数据或信息，如SIM卡所属地区、SIM卡所述运营商、接入网络类型、接入网络持续时间、SIM卡流量、流量产生时间、流量产生地区等均可作为SIM卡的特征数据，可以获取一种数据或信息作为特征数据，也可获取多种数据或信息的组合作为SIM卡的特征数据，可根据实际情况选择并可动态调整。

使用状态判断模块82，用于根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态。。

在本发明实施例中，预设的识别模型用于判断出使用状态为空闲的SIM卡，将步骤S201中获取的SIM卡特征数据与预设的识别模型进行匹配，若匹配成功，则判断该SIM卡为空闲状态，否则判断为非空闲状态，还可对该SIM卡进行标记，以便于后续步骤的执行。对于被判断为空闲状态的SIM卡，可将其信息及特征数据存储起来，以便后续步骤调用，避免在后续步骤中重复获取目标SIM卡的特征数据，提高后续步骤的执行速度。

在本发明实施例中，将SIM卡的特征数据与预设的识别模型进行匹配时可采用机器学习算法，尤其是监督学习算法，例如决策树、随机森林、贝叶斯分类算法、人工神经网络等，以上述流量特征向量[a1，a2，a3……a20]为例：

如图4所示，获取SIM卡流量数据组成流量特征向量[a1，a2，a3……a20]后，a1至a20的大小依顺序与预设的识别模型的参数进行比较，若a20大于500K，则与预设的识别模型匹配失败，判断该SIM卡的使用状态为非空闲，若a20不大于500K，则比较a19的大小，若a19大于600K，则与预设的识别模型匹配失败，判断该SIM卡的使用状态为非空闲，若a19不大于600K，则比较a18的大小，重复上述步骤直至a1，若a1大于800K，则匹配失败，判断该SIM卡的使用状态为非空闲，若a1不大于800K，则匹配成功，判断该SIM卡的使用状态为空闲。

需要说明的是，上述示例仅为使用状态判断模块的一种较为简单的工作方式，除按照a20至a1的顺序比较流量大小外，也可按照a1至a20的顺序或采用乱序比较，也可以不按照顺序进行随机比较，还可以一次性全部比较，以及可以从a1至a20中抽取部分进行比较以降低运算负担，还可以获取更过或更少的数据量，在此不一一列举，具体的算法和匹配方式可根据实际情况选择，本发明实施例不作为对本发明保护范围的限制。调度单元83，用于指令终端释放所述目标SIM卡。

SIM卡释放模块，用于若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡。

在本发明实施例中，当SIM卡的使用状态被使用状态判断模块82判断为空闲后，将会发送释放该SIM卡的请求给正在使用这张SIM卡的终端13，以使该终端13释放该SIM卡，该SIM卡被释放后将处于非占用状态，可以被分配给其他的终端使用。

作为本发明的一个实施例，在指令终端13释放SIM卡被释放后，在预设的一段时间内，将该被释放的SIM卡标记为冻结状态，即，释放该SIM卡使其处于非占用状态，并且在这段时间内也不将该SIM卡分配给任何其他终端使用。若在这段时间内，释放该SIM卡的终端13重新申请用卡，则直接将该被标记为冻结状态的SIM卡分配给该终端13使用；若在这段时间内该终端13未重新申请用卡，则完全释放该SIM卡，允许该SIM卡被分配给其他终端使用。通过将被释放的SIM卡标记为冻结状态，可以在误将未处在空闲状态的SIM卡释放，且释放该目标SIM卡的终端13立即重新申请用卡情况下，免去根据终端13的用卡申请在云端SIM卡池11中筛选合适的SIM的步骤，降低了服务器12的运算压力，减少了为终端13分配SIM卡的时间，从而也降低了误将处在非空闲状态的SIM卡释放所造成的负面影响。

申请用卡数据获取模块84，用于获取所述终端发送的申请用卡数据；

在本发明实施例中，由于预设的识别模型不可能完全正确的识别出SIM卡的使用状态，并且在预设的识别模型使用的初期，由于未进行动态优化或优化程度较低，判断正确率可能会相对较低，在被判断为空闲状态的SIM卡中，会有一部分实际上处于非空闲状态，当指令终端13释放这部分目标SIM卡后，由于用户正在使用网络服务，终端13很快遍会重新申请用卡，从而可以将终端13释放SIM卡后重新发出的申请用卡数据，以及重新分配SIM卡后一段时间内使用的流量、使用时间等数据作为使用状态判断的反馈数据。

优化单元85，用于根据所述申请用卡数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态

在获取终端13释放SIM卡后重新发出的申请用卡数据作为反馈数据后，根据该数据校验步骤S202中对使用状态的判断是否正确，进而对识别模型进行调整，以优化识别模型，提高判断准确率。

如图9所示，在本发明实施例中，SIM卡状态判断装置还包括：

训练数据获取模块91，用于获取使用状态已确定的SIM卡的特征数据；

训练模块92，用于将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

训练数据获取模块91和训练模块92均设置在使用状态判断模块82之前。

需要说明的是，训练数据获取模块91和训练模块92既可以设置在使用状态判断模块82之前且在特征数据获取模块81之后，也可以设置在特征数据获取模块81之前，训练数据获取模块91及训练模块92所起到相同的作用并不受影响，只要训练数据获取模块91和训练模块92均设置在使用状态判断模块82之前，且训练数据获取模块91设置在训练模块92之前，则均应属于本发明所要求保护的范围。

在本发明实施例中，训练数据获取模块91和训练模块92设置在特征数据获取模块81之前。

训练数据获取模块91，用于获取使用状态已确定的SIM卡的特征数据。

使用状态已确定的SIM卡的特征数据并不要求是实时特征数据，也是可以是历史特征数据，且无需获取完整的历史特征数据，可以只获取某一历史时段内的历史特征数据。由于是历史特征数据，可以根据SIM卡的历史网络服务接入情况、数据请求、流量大小等因素，确定SIM卡在该历史时段内是否为空闲状态，并将该历史时段内的历史特征作为使用状态已确定的SIM卡的特征数据。

使用状态已确定的SIM卡的特征数据可以预先通过人工离线分析的方式筛选出来并储存在存储器中，以供训练数据获取模块91获取这些数据，也可以采用机器进行自动筛选的方式进行获取。

训练模块92，将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

在获取使用状态已确定的SIM卡的特征数据后，将该特征数据作为在机器学习中所使用的训练数据，并采用例如决策树、随机森林、贝叶斯分类算法等监督学习的机器学习算法训练出用于识别出处于空闲状态的SIM卡的识别模型，将该识别模型作为使用状态判断模块82使用的预设的识别模型。具体采用何种算法不做限制，需根据实际情况选择。

如图10所示，在本发明实施例中，SIM卡状态判断装置还包括：大流量排除模块101，用于若所述SIM卡的流量大于预设值，则排除所述SIM卡的特征数据。

选取一个SIM卡流量的阈值，若在最近的一定时间内，若SIM卡流量大于该阈值，则该SIM卡不可能或几乎不可能处于空闲状态，则将该阈值作为该步骤中所说的预设值，从而可以对SIM卡进行初步筛选，排除流量大于该预设值的SIM卡特征数据，降低在步骤S202中需要进行判断的特征数据的量，加快执行速度。

如图11所示，在发明实施例中，优化单元84包括：空闲SIM卡判断模块111，以及优化训练模块112，详述如下：

空闲SIM卡判断模块111，用于根据所述申请用卡数据判断被所述终端释放的所述SIM卡为空闲SIM卡或非空闲SIM卡。

在获取了终端13发送的申请用卡数据后，将作为反馈数据其来进一步判断被释放的SIM卡的使用状态，并将其判断为空闲SIM卡或者判断为非空闲SIM卡，判断完成后可以将其特征数据存储在特定区域以便后续获取，也可以将其标记，以便执行后续步骤的时候可以快速检索调用。例如，在终端13在释放SIM卡后，若在释放后很一段时间内终端13都没有再申请用卡，则判断目标SIM卡为空闲SIM卡，反之，若立即重新申请用卡，则判断为非空闲SIM卡。

优化训练模块112，用于使用所述空闲SIM卡的特征数据和/或所述非空闲SIM卡的特征数据对所述预设的识别模型进行优化训练，以调整所述预设的识别模型的参数。

在判断被释放的SIM卡为空闲SIM卡或者非空闲SIM卡后，获取存储在特定区域或检索调用被标记的空闲SIM卡和/或非空闲SIM卡的特征数据，将该特征数据作为优化数据，对使用状态判断模块82的预设的识别模型进行优化训练，以提高起识别准确率，并且由于既可以定期优化，也可以实时优化，因此还可以对预设的识别模型进行实时调整。优化训练的方式同样采用监督学习的机器学习算法，例如决策树、随机森林、贝叶斯分类算法、人工神经网络等，由于被判断为空闲SIM卡或非空闲SIM卡的目标SIM卡经过了终端13的反馈验证，因此错误率很低，从而将这些空闲SIM卡和非空闲SIM卡的特征数据作为优化数据，对使用状态判断模块82的预设的识别模型进行优化训练，通过优化训练调整预设的识别模型的识别参数，使其更加符合SIM卡的实际情况，提高其对SIM卡的使用状态的识别准确率，并且由于该优化训练可以实时进行，从而可以实现自动根据实际的业务情况进行动态优化。

在本发明实施例中，空闲SIM卡判断模块111具体用于：根据所述终端在释放所述SIM卡后的预设时间内的申请用卡数据，若在所述预设时间内所述终端的未申请用卡，则判断所述SIM卡为空闲SIM卡，否则，判断所述SIM卡为非空闲SIM卡。

在本发明实施例中，获取终端13在释放SIM卡后的预设时间内的申请用卡数据，该预设时间为从终端13释放SIM卡起的一段时间，该一段时间设置的较短，在这段时间内，若终端13没有重新申请用卡，说明被释放的SIM卡确实为空闲状态，则将该SIM卡判断为空闲SIM卡；反之，若在这段时间内，终端重新申请用卡，则判断该SIM卡为非空闲SIM卡。例如，获取终端13在释放SIM卡后的30秒内的申请用卡记录，若在这30秒内终端13没有申请用卡，则判断该SIM卡为空闲SIM卡，否则判断该SIM卡为非空闲SIM卡。

本发明提供的一种SIM卡状态判断装置，适用于存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，通过获取终端的包含SIM卡流量的SIM卡特征数据，并根据该特征数据和预设的识别模型判断该SIM卡的使用状态，若该SIM卡为空闲状态，则向终端发送SIM卡释放请求，以释放该SIM卡，在释放SIM卡后，获取该终端发送的申请用卡数据，再根据该申请用卡数据进一步优化识别模型，从而使用优化后的识别模型判断SIM卡的使用状态，最终实现提高判断准确率的目的。

本发明实施例还提供了一种服务器，该服务器包括处理器和存储器，处理器用于执行存储器中存储的计算机程序时实现上述发明实施例提供的SIM卡状态判断方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述发明实施例提供的SIM卡状态判断方法的步骤。

图12示出了本发明一个实施例提供的服务器的结构示意图。

服务器12可以采用本结构，用于实施上述实施例中提供的SIM卡状态判断方法。

服务器400包括中央处理单元(CPU)401，包括随机存取存储器(RAM)402和只读存储器(ROM)403的系统存储器404，以及连接系统存储器404和中央处理单元401的系统总线405。服务器400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(基本I/O系统)406，和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。

基本I/O系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中显示器408和输入设备409都通过连接到系统总线405的输入/输出控制器410连接到中央处理单元401。基本I/O系统406还可以包括输入/输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入/输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。

大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说，大容量存储设备407可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。

根据本发明的各种实施例，服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在系统总线405上的网络接口单元411连接到网络412，或者说，也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。

存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上中央处理单元401执行。上述一个或者一个以上程序包含用于执行如图2、图5、图6或图7所示出的SIM卡状态判断方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

本发明实施例通过获取终端的包含SIM卡流量的SIM卡特征数据，并根据该特征数据和预设的识别模型判断该SIM卡的使用状态，若该SIM卡为空闲状态，则向终端发送SIM卡释放请求，以释放该SIM卡，在释放SIM卡后，获取该终端发送的申请用卡数据，再根据该申请用卡数据进一步优化识别模型，从而使用优化后的识别模型判断SIM卡的使用状态，最终实现提高判断准确率的目的。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种SIM卡状态判断方法，其特征在于，所述SIM卡为存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，所述方法包括下述步骤：

获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量；

根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态；

若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡；

获取所述终端发送的申请用卡数据；

根据所述申请用卡数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态。

2.如权利要求1所述的方法，其特征在于，所述方法在所述根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态的步骤之前还包括：

获取使用状态已确定的SIM卡的特征数据；

将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

3.如权利要求1所述的方法，其特征在于，所述方法在所述根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态的步骤之前还包括：

若所述SIM卡的流量大于预设值，则排除所述SIM卡的特征数据。

4.如权利要求1所述的方法，其特征在于，所述根据所述申请用卡数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态的步骤具体包括：

根据所述申请用卡数据判断被所述终端释放的所述SIM卡为空闲SIM卡或非空闲SIM卡；

使用所述空闲SIM卡的特征数据和/或所述非空闲SIM卡的特征数据对所述预设的识别模型进行优化训练，以调整所述预设的识别模型的参数。

5.如权利要求4所述的方法，其特征在于，所述根据所述申请用卡数据判断被所述终端释放的所述SIM卡为空闲SIM卡或非空闲SIM卡的步骤具体包括：

根据所述终端在释放所述SIM卡后的预设时间内的申请用卡数据，若在所述预设时间内所述终端的未申请用卡，则判断所述SIM卡为空闲SIM卡，否则，判断所述SIM卡为非空闲SIM卡。

6.一种SIM卡状态判断装置，其特征在于，所述SIM卡为存放在云端SIM卡池，并通过服务器分配给终端使用的SIM卡，所述装置包括：

特征数据获取模块，用于获取终端的SIM卡特征数据，所述特征数据包括SIM卡流量；

使用状态判断模块，根据所述特征数据和预设的识别模型判断所述SIM卡的使用状态；

SIM卡释放模块，用于若所述使用状态为空闲，则向所述终端发送SIM卡释放请求，以使所述终端释放所述SIM卡；

申请用卡数据获取模块，用于获取所述终端发送的申请用卡数据；

优化单元，用于根据所述反馈数据优化所述预设的识别模型，以根据所述优化后的识别模型判断SIM卡状态。

7.如权利要求6所述的装置，其特征在于，所述装置还包括：

训练数据获取模块，用于获取使用状态已确定的SIM卡的特征数据；

训练模块，用于将所述使用状态已确定的SIM卡的特征数据作为训练数据，采用监督学习的机器学习算法训练出所述预设的识别模型。

8.如权利要求6所述的装置，其特征在于，所述装置还包括：

大流量排除模块，用于若所述SIM卡的流量大于预设值，则排除所述SIM卡的特征数据。

9.如权利要求6所述的装置，其特征在于，所述优化单元包括：

空闲SIM卡判断模块，用于根据所述申请用卡数据判断被所述终端释放的所述SIM卡为空闲SIM卡或非空闲SIM卡；

优化训练模块，用于使用所述空闲SIM卡的特征数据和/或所述非空闲SIM卡的特征数据对所述预设的识别模型进行优化训练，以调整所述预设的识别模型的参数。

10.如权利要求9所述的装置，其特征在于，所述空闲SIM卡判断模块具体用于：

根据所述终端在释放所述SIM卡后的预设时间内的申请用卡数据，若在所述预设时间内所述终端的未申请用卡，则判断所述SIM卡为空闲SIM卡，否则，判断所述SIM卡为非空闲SIM卡。

11.一种服务器，其特征在于，所述服务器包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-5中任意一项所述方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任意一项所述方法的步骤。