CN108241561A - 一种终端检测模型的生成方法、服务器以及存储介质 - Google Patents
一种终端检测模型的生成方法、服务器以及存储介质 Download PDFInfo
- Publication number
- CN108241561A CN108241561A CN201711422608.3A CN201711422608A CN108241561A CN 108241561 A CN108241561 A CN 108241561A CN 201711422608 A CN201711422608 A CN 201711422608A CN 108241561 A CN108241561 A CN 108241561A
- Authority
- CN
- China
- Prior art keywords
- terminal
- detection
- cluster
- exterior terminal
- sample
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2247—Verification or detection of system hardware configuration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/24—Arrangements for testing
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种终端检测模型的生成方法,其特征在于,包括:接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;根据所述标识信息,对所述外部终端的特征信息进行聚类;从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。本发明实施例提供的检测模型的生成方法、终端检测方法、服务器以及存储介质,能够直接通过网络数据生成检测模型。
Description
技术领域
本发明属于终端检测技术领域,特别涉及一种终端检测模型的生成方法、服务器以及存储介质。
背景技术
随着智能设备的不断普及,各种山寨机也日渐兴起,这种手机模仿品牌机的功能和样式,有的商家会明确告诉消费者他们卖的是山寨机,也有商家不会告诉消费者,欺骗消费者,把他们的高仿手机按照真机价格来销售。因此,对山寨手机真伪的识别是消费者权益保证的一个重要部分。另一方面,对于智能设备回收企业,需要根据手机的型号来确定回收价格,如果能够检测是否为山寨机可以有效的避免损失。
发明内容
有鉴于此,本发明实施例提供了一种终端检测模型的生成方法、服务器以及存储介质。
本发明实施例提供一种终端检测模型的生成方法,其特征在于,所述方法包括:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
本发明实施例还提供了一种终端检测的方法,其特征在于,所述方法包括:
获取待检测终端的检测数据,所述检测数据包括有待检测终端的特征信息以及标识信息;
通过检测模型对所述待检测终端的特征信息进行检测,所述检测模型本发明实施例的任一方法生成的检测模型;
根据所述检测模型的检测,确定所述待检测终端是否为所述标识信息所指示的真机。
本发明实施例还提供了一种服务器,其特征在于,包括:
处理器,
用于存储所述处理器可执行指令的存储器;
其中所述处理器用于:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当在服务器上运行时,使得服务器执行如下方法:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
本发明实施例提供的检测模型的生成方法、服务器以及存储介质,能够通过网络数据生成检测模型。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例提供的一种终端检测模型的生成方法的流程示意图;
图2是本发明实施例提供的另一种终端检测模型的生成方法的流程示意图;
图3是本发明实施例提供的另一种终端检测模型的生成方法的流程示意图;
图4是本发明实施例提供的服务器的结构示意图;
图5是本发明实施例提供的一种生成检测模型的示意图;
图6是本发明实施例提供的另一种生成检测模型的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例的“第一”、“第二”等术语,仅为区别相关技术特征,不表示先后顺序。
为了说明本发明实施例所述的技术方案,下面通过具体实施例来进行说明。
实施例1
如图1所示,是本发明实施例提供了一种终端检测模型的生成方法的流程示意图。具体内容如下:
101接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息。
本发明实施例提供的终端包括但不限于,手机、平板电脑、笔记本、台式电脑、便携式电子设备(PDA)等。所述外部终端是针对待检测终端而言的其他终端,多数待检测终端是当前需要进行检测以确定终端性能的终端。一种具体的实施方式的待检测终端是当前需要进行检测以确定终端真伪的终端。
终端安装有检测终端真伪的APP(application,应用程序),所述应用程序可以从所述终端中提取相应的标识信息以及特征信息。
所述标识信息为识别终端型号的信息,其中终端型号不同,对应的硬件配置以及软件运行的效率会存在相应的差异。所述标识信息可以是从终端内提取的可用于识别终端型号的信息,也可以是根据所述提取的信息生成的终端的型号信息等。具体的标识信息可以包括但不限于是终端的品牌、IMEI(International Mobile Equipment Identity)号、外观形状以及用户手动输入的机型信息等;标识信息还可以是用户输入的信息,通过终端输入装置(如触控屏)来接收用户输入的信息,来确定待检测终端的型号。一种可行的实施方式是,在应用程序的界面中包括有型号输入框,用户在对应的型号输入框中输入终端的型号。
所述终端的特征信息为验证终端性能状况的信息,具体包括但不限于终端硬件参数信息、软件参数信息以及性能参数信息等。具体的,所述特征信息是用于检测终端性能的信息,包括但不限于是终端的软件特征信息、硬件特征信息、运行性能特征信息等中的一种或多种。软件特征信息包括有操作软件版本、网络频率、数据业务、机身内存和运行内存等数据的一种或多种;硬件特征信息包括有CPUID,CPU型号(如高通的QRD8226)、CPU硬件(包括核心数、ARM处理器版本号、支持的多媒体指令集)、GPU品牌、GPU型号、GPU渲染器、制造产商、屏幕分辨率、屏幕DPI、IMEI号等中的一种或多种;运行性能特征信息包括有运行效率、实际计算能力等数据中的一种或多种。
所述检测模型可以将获取到的特征信息进行验证或者是检测,进而确定终端的性能。检测模型可以设定匹配规则,例如超过CPU型号超过80%为真,GPU品牌超过70%为真等等,计算各个硬件项目的参数值的百分比,包括的基本信息有CPU ID,CPU型号,CPU硬件,GPU品牌,GPU型号,GPU渲染器,制造产商,屏幕分辨率,屏幕DPI,IMEI,摄像头像素,RAM容量。按照匹配规则进行云计算匹配,来确定终端的性能。一种具体的实施场景是根据匹配的程度,来确定终端的真伪。
终端内的应用程序可以获取终端的标识信息以及特征信息,来生成针对所述终端的验证请求。并将所述验证请求发送至服务器,请求服务器来对所述终端进行真伪验证。
102按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类。
根据所述标识信息,可以确定终端的型号,例如下表中的“MI 7”、“SM-G9350”、“EVA-AL20”等信号。“MI 7”对应的特征信息包括有CPU品牌为高通,CPU型号为晓龙835,GPU品牌为高通,GPU型号为Adreno 630,CPU核心数为8核等特征信息。在针对终端进行检测的过程中,可以针对同型号的终端的特征信息进行匹配、近似匹配或者是智能匹配(如线性回归,决策树,神经网络等匹配模型)。
根据所述标识信息,可以确定同型号的终端。同型号的终端在特征信息方面不完全相同,特别是真机跟伪机的差别比较大。针对同型号的终端,按照特征信息的相似程度进行聚类,将特征信息相似程度接近程度超过一定阈值的同型号终端归为一类;将特征信息相似程度超过设定阈值的同型号终端归为另一类或者几类。
如下表中,“1”、“4”、“5”代表的终端均为型号为“MI 7”,则将“1”、“4”、“5”代表的终端的特征信息按照相似程度进行聚类,“5”所代表的终端的的CPU品牌、型号以及CPU核心数跟“1”、“4”所代表的均不同,因此可以将“1”、“4”所代表的终端归为一类,“5”代表的终端归为另一类。
进一步的,所述特征信息中可以包括有性能信息,即可以通过对终端的性能进行检测所确定的信息,例如通过“跑分”,或者是终端计算能力,或者是运行效率进行检测,所确定的信息。具体的性能信息,可以由以下指标来体现,包括但不限于CPU频率、CPU核数、CPU品牌、内存大小、电池容量等信息中的一种或者多种。根据所述性能信息,对同型号的终端进行聚类,即按照性能优劣对所述终端进行聚类。
一种实施方式,相对于伪机而言,真机的性能相对优异。性能较优的终端一般是真机,相对而言,性能较差的终端一般为伪机。
一种实施方式,真机在特征信息方面相似程度会比较高,而且真机数量会多于伪机的数量。在聚类上,可以根据聚类终端的数量多少,来确定该聚类是真机还是伪机。例如,当在一个聚类上,包括有1000台终端,在另一个聚类上只有10台终端,一般而言,1000台终端的聚类基本上是真机。
103从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
假设训练样本集为{Xi,Zi},其中Xi为特征信息,对应的Zi为对应的性能状况。一种应用场景是,所述检测模式用来区分终端是真机还是伪机的分类器,即Zi为对应的为{-1,1}.其中“-1”表示该特征信息对应的终端为伪机,“1”表示特征信息对应的终端为真机。在实际操作中,可以采用不同的支付来区分是真机或者伪机。
所述分类器中包括有对应的特征信息参数,以是的利用所述参数构建拟合曲线可以将真机和伪机的特征信息进行画界,以达到区分真机和伪机的目的。
如下图5、图6所示的,是一种样本训集训练模型的示意图(仅用于说明本发明实施例的构思),深色的点记为A类,浅色的点记为B类,A和B分别代表有不同特征信息的终端。
训练的过程就是利用已有的数据点确定参数k的过程,从x=0开始,逐渐尝试直到x=K时,结果达到最优。假设训练结果是k=k_0,那么我们就可以用x=k_0这条直线作为分类器对待检测终端进行检测,并确定待检测终端的检测结果。
一种可行的实施方式,是从性能信息聚类的终端中,挑选一个或者多个聚类中的设定数量的终端的特征信息来作为样本,并通过所述样本来生成对应的检测模型。例如可以挑选性能较优的聚类中的样本或者是同时挑选性能较优、性能较差的聚类中的设定数量的样本来进行训练。例如,可以挑选性能较优的聚类中的设定数量的终端,来作为真机的训练模型;性能较差的聚类中的设定数量的终端,来作为伪机的训练模型。
一种可行的实施方式,是从外部终端数量最多的聚类中,挑选设定数量的样本来作为真机的检测数据训练样本,并通过样本训练以生成真机的训练模型。
实施例2
201接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息。
202获取所述外部终端的真伪信息。
一种可行的实施方式是,通过针对已经检测过的外部终端来收集相应的检测数据,例如,通过获取真伪验证程序或者是操作人员来标记的外部终端,可以确定外部终端的真伪信息。然后从已经确定真伪信息的终端中提取检测数据,即可以获取已经确定是真机的外部终端的检测数据,或伪机的外部终端的检测数据,或者是真机以及伪机的外部终端的检测数据。
另一种可行的实施方式是,通过获取检测数据,所述检测数据中还包括有已经验证过真伪的标记信息。即通过真伪验证程序或者是操作人员来标记外部终端真伪的信息。
203按照所述特征信息相似程度,将所述相同标识信息的对外部终端进行真机聚类以及伪机聚类。
根据所述标识信息,可以确定同型号的终端。同型号的终端在特征信息方面不完全相同,在同型号的外部终端中按照真机以及伪机的特征信息,进行分类。
204从所述真机聚类和/或伪机聚类中挑选设定数量的检测数据样本,并通过所述样本训练生成检测模型。
从所述真机聚类或者伪机聚类中,来针对性的提取设定数量的检测数据样本,即,可以单独从真机聚类中挑选设定数量的样本,来训练真机的检测模型,其中所述真机的模型来评判所述待检测终端是否为真机;或者单独从伪机聚类中挑选设定数量的样本,来训练伪机的检测模型,其中所述伪机的模型来评判所述待检测终端是否为伪机;或者是从真机和伪机的聚类中分别挑选设定数量的样本,来训练检测模型,来检测所述待检测终端是真机还是伪机。
实施例3
301接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息。
302接收外部终端的环境数据。
外部终端的环境数据,为外部终端所在环境的检测数据。具体的包括但不限于是所述外部终端的位置数据、时间数据以及传感器检测的数据。其中位置数据可以通过外部终端内置的GPS(全球定位系统)或者是射频模块(WiFi、3G、4G或5G等通信模块)来确定的待检测终端的位置数据。时间数据,可以是通过网络获取的时间数据或者是待检测终端内部的时钟系统检测的时间数据;传感器数据为待检测终端内部传感器检测的数据,包括但不限于温度传感器、光传感器、声音传感器、湿度传感器、加速度传感器、陀螺仪、地磁传感器等。
303按照所述特征信息相似程度,对相同标识信息以及外部环境数据的外部终端进行聚类。
按照同类型的外部终端,以及环境数据相类似或者是相同的同型号的终端的特征信息,按照特征信息的相似程度进行聚类。将环境数据相同的同型号的外部终端,按照特征信息相似程度进行聚类,可以减少环境数据对检测结果的影响。
304从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
本发明实施例还提供了一种终端检测的方法,包括:
获取待检测终端的检测数据,所述检测数据包括有待检测终端的特征信息以及标识信息;
通过检测模型对所述待检测终端的特征信息进行检测,所述检测模型为权利要求上述实施例所述的任一方法生成的检测模型;
根据所述检测模型的检测,确定所述待检测终端是否为所述标识信息所指示的真机
本发明实施例还提供了一种服务器,所述服务器包括处理器、用于存储所述处理器可执行指令的存储器;其中所述处理器用于:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当在服务器上运行时,使得服务器执行如下方法:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
请参见图4,为本发明实施例的服务器。本发明实施例的服务器可以包括有图4所示的所有部件或者装置,也可以缺少其中一部分的部件或者装置。如图4所示,服务器400可以包括有电源装置410、处理器420、通信装置430、存储器440、输入装置450。存储器440存储计算机程序,该计算机程序包括操作系统程序4422,应用程序4421等。处理器420用于读取存储器440中的计算机程序,然后执行计算机程序定义的方法,例如处理器420读取操作系统程序4422从而在服务器上运行操作系统以实现操作系统的各种功能,或读取一种或多种应用程序4421从而在服务器上运行应用。
处理器420可以包括一个或多个处理器,例如处理器420可以包括一个或多个中央处理器,或者包括一个中央处理器和一个图形处理器。当处理器420包括多个处理器时,这多个处理器可以继承在同一块芯片上,也可以是各自为独立的芯片。一个处理器可以包括一个或者多个处理核。
通信装置430用于,用于与外部终端或者设备建立无线连接的装置或者模块,例如WiFi网络装置(WiFi天线)、蓝牙网络装置(蓝牙天线)等。
存储器440还存储有除计算机程序之外的其他数据4423,其他数据4423可以包括操作系统4422或应用程序4421被运行后产生的数据,该数据包括系统数据(例如操作系统的配置参数)和用户数据,例如,进程运行时产生的数据。
存储器440一般包括内存441和外存442。内存441可以为随机存储器(RAM),只读存储器(ROM),以及高速缓存(CACHE)等。本发明实施例的存储空间可以包括闪存(flash)、硬盘、光盘、USB盘、软盘或磁带机等。计算机程序通常被存储在外存442上,处理器420在执行处理前会将计算机程序从外存加载到内存441。
输入装置450为向服务器输入数据和信息的设备,具体的可以包括键盘、触控屏、麦克风,在一些情况向,摄像装置也可以作为输入装置。
本发明实施例的服务器通过处理器420执行计算机程序时实现上述检测模型的生成方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例是示意性的,例如,所述模块或单元的划分,为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种终端检测模型的生成方法,其特征在于,包括:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
2.如权利要求1所述的方法,其特征在于,所述检测模型为依据特征信息来区分外部终端为真机或伪机的分类器。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述外部终端的真伪信息;
所述按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类具体为:
按照所述特征信息相似程度,将所述相同标识信息的对外部终端进行真机聚类以及伪机聚类;
所述从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样所述本训练集训练以生成检测模型具体为:
从所述真机聚类和/或伪机聚类中挑选设定数量的检测数据样本,并通过所述样本训练生成检测模型。
4.如权利要求1所述的方法,其特征在于,所述特征信息中包括有外部终端的性能信息;
所述按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类具体为:
按照所述性能信息相似程度,对相同标识信息的对外部终端进行聚类;
所述从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型具体为:
从所述性能信息聚类中的至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
5.如权利要求4所述的方法,其特征在于,所述从所述性能信息聚类中的至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型具体为:
从所述性能信息聚类中的性能最佳的一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成真机的检测模型。
6.如权利要求1所述的方法,其特征在于,所述从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型具体为:
从所述外部终端数量最多的聚类中,挑选设定数量的检测数据作为真机的检测数据训练样本,并通过所述样本训练以生成真机检测模型。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
接收外部终端的环境数据;
所述按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类具体为:
按照所述特征信息相似程度,对相同标识信息以及外部环境数据的外部终端进行聚类。
8.一种终端检测的方法,其特征在于,所述方法包括:
获取待检测终端的检测数据,所述检测数据包括有待检测终端的特征信息以及标识信息;
通过检测模型对所述待检测终端的特征信息进行检测,所述检测模型为权利要求1-7所述的任一方法生成的检测模型;
根据所述检测模型的检测,确定所述待检测终端是否为所述标识信息所指示的真机。
9.一种服务器,其特征在于,包括:
处理器,
用于存储所述处理器可执行指令的存储器;
其中所述处理器用于:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当在服务器上运行时,使得服务器执行如下方法:
接收外部终端采集的检测数据,其中所述检测数据包括有外部终端的标识信息以及特征信息;
按照所述特征信息相似程度,对相同标识信息的对外部终端进行聚类;
从至少一个聚类中挑选设定数量的检测数据样本,并通过所述样本训练以生成检测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711422608.3A CN108241561A (zh) | 2017-12-25 | 2017-12-25 | 一种终端检测模型的生成方法、服务器以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711422608.3A CN108241561A (zh) | 2017-12-25 | 2017-12-25 | 一种终端检测模型的生成方法、服务器以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108241561A true CN108241561A (zh) | 2018-07-03 |
Family
ID=62701127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711422608.3A Pending CN108241561A (zh) | 2017-12-25 | 2017-12-25 | 一种终端检测模型的生成方法、服务器以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108241561A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859184A (zh) * | 2019-01-29 | 2019-06-07 | 牛旗 | 一种连续扫描乳腺超声图像的实时检测与决策融合方法 |
CN111177669A (zh) * | 2019-12-11 | 2020-05-19 | 宇龙计算机通信科技(深圳)有限公司 | 终端的识别方法、装置、终端及存储介质 |
WO2021053505A1 (en) * | 2019-09-20 | 2021-03-25 | International Business Machines Corporation | Maintaining data privacy in a shared detection model system |
CN113132523A (zh) * | 2021-04-19 | 2021-07-16 | 广州绿怡信息科技有限公司 | 通话检测模型训练方法及通话检测方法 |
US11157776B2 (en) | 2019-09-20 | 2021-10-26 | International Business Machines Corporation | Systems and methods for maintaining data privacy in a shared detection model system |
US11188320B2 (en) | 2019-09-20 | 2021-11-30 | International Business Machines Corporation | Systems and methods for updating detection models and maintaining data privacy |
US11216268B2 (en) | 2019-09-20 | 2022-01-04 | International Business Machines Corporation | Systems and methods for updating detection models and maintaining data privacy |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841239A (zh) * | 2014-03-12 | 2014-06-04 | 北京安兔兔科技有限公司 | 终端真伪验证方法及装置 |
US8898096B2 (en) * | 2011-05-31 | 2014-11-25 | Oracle International Corporation | Application configuration generation |
CN105631687A (zh) * | 2015-12-24 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 产品验证方法及装置 |
CN106294219A (zh) * | 2015-05-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种设备识别、数据处理方法、装置及系统 |
CN106921969A (zh) * | 2015-12-28 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 终端真伪验证方法、装置及系统 |
-
2017
- 2017-12-25 CN CN201711422608.3A patent/CN108241561A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8898096B2 (en) * | 2011-05-31 | 2014-11-25 | Oracle International Corporation | Application configuration generation |
CN103841239A (zh) * | 2014-03-12 | 2014-06-04 | 北京安兔兔科技有限公司 | 终端真伪验证方法及装置 |
CN106294219A (zh) * | 2015-05-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种设备识别、数据处理方法、装置及系统 |
CN105631687A (zh) * | 2015-12-24 | 2016-06-01 | 腾讯科技(深圳)有限公司 | 产品验证方法及装置 |
CN106921969A (zh) * | 2015-12-28 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 终端真伪验证方法、装置及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859184A (zh) * | 2019-01-29 | 2019-06-07 | 牛旗 | 一种连续扫描乳腺超声图像的实时检测与决策融合方法 |
WO2021053505A1 (en) * | 2019-09-20 | 2021-03-25 | International Business Machines Corporation | Maintaining data privacy in a shared detection model system |
US11080352B2 (en) | 2019-09-20 | 2021-08-03 | International Business Machines Corporation | Systems and methods for maintaining data privacy in a shared detection model system |
US11157776B2 (en) | 2019-09-20 | 2021-10-26 | International Business Machines Corporation | Systems and methods for maintaining data privacy in a shared detection model system |
US11188320B2 (en) | 2019-09-20 | 2021-11-30 | International Business Machines Corporation | Systems and methods for updating detection models and maintaining data privacy |
US11216268B2 (en) | 2019-09-20 | 2022-01-04 | International Business Machines Corporation | Systems and methods for updating detection models and maintaining data privacy |
GB2603373A (en) * | 2019-09-20 | 2022-08-03 | Ibm | Maintaining data privacy in a shared detection model system |
CN111177669A (zh) * | 2019-12-11 | 2020-05-19 | 宇龙计算机通信科技(深圳)有限公司 | 终端的识别方法、装置、终端及存储介质 |
CN113132523A (zh) * | 2021-04-19 | 2021-07-16 | 广州绿怡信息科技有限公司 | 通话检测模型训练方法及通话检测方法 |
CN113132523B (zh) * | 2021-04-19 | 2023-05-26 | 广州绿怡信息科技有限公司 | 通话检测模型训练方法及通话检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108241561A (zh) | 一种终端检测模型的生成方法、服务器以及存储介质 | |
CN107688823B (zh) | 一种图像特征获取方法及装置,电子设备 | |
Ostapowicz et al. | Detecting fraudulent accounts on blockchain: A supervised approach | |
US20190251603A1 (en) | Systems and methods for a machine learning based personalized virtual store within a video game using a game engine | |
CN109948669A (zh) | 一种异常数据检测方法及装置 | |
CN105631049A (zh) | 一种识别诈骗短信的方法和系统 | |
CN108304835A (zh) | 文字检测方法和装置 | |
US20230033052A1 (en) | Method, apparatus, device, and storage medium for training image processing model | |
CN109598509A (zh) | 风险团伙的识别方法和装置 | |
CN109922032A (zh) | 用于确定登录账户的风险的方法和装置 | |
CN108255651A (zh) | 一种终端检测的方法、终端以及存储介质 | |
CN110263821B (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
CN110222728B (zh) | 物品鉴别模型的训练方法、系统及物品鉴别方法、设备 | |
CN111090807A (zh) | 一种基于知识图谱的用户识别方法及装置 | |
CN111666346A (zh) | 信息归并方法、交易查询方法、装置、计算机及存储介质 | |
CN113468520A (zh) | 应用于区块链业务的数据入侵检测方法及大数据服务器 | |
CN105740808A (zh) | 人脸识别方法和装置 | |
CN108446659A (zh) | 用于检测人脸图像的方法和装置 | |
CN105978722B (zh) | 用户属性挖掘方法及装置 | |
CN110516713A (zh) | 一种目标群体识别方法、装置及设备 | |
CN108596271A (zh) | 指纹构建算法的评估方法、装置、存储介质及终端 | |
CN106294115B (zh) | 一种应用系统迁移性的测试方法及装置 | |
CN111415168A (zh) | 一种交易告警的方法和装置 | |
CN114723554B (zh) | 异常账户识别方法及装置 | |
CN116186119A (zh) | 用户行为分析方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180703 |