CN108363811A - 设备识别方法及装置、电子设备、存储介质 - Google Patents

Abstract

本公开是关于一种设备识别方法及装置、电子设备、存储介质，涉及互联网技术领域，该方法包括：获取用户使用的当前设备的第一设备指标；获取所述用户使用的所有历史设备的第二设备指标；通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；根据所述匹配结果确定所述历史设备中是否存在所述当前设备。本公开可以提高设备识别的稳定性和准确率。

Description

设备识别方法及装置、电子设备、存储介质

技术领域

本公开涉及互联网技术领域，具体而言，涉及一种设备识别方法、设备识别装置、电子设备以及计算机可读存储介质。

背景技术

在互联网交易过程中，用户身份的不确定性是一个持续存在的风险，可能会导致交易盗号、营销盗刷、贷款套现等欺诈问题，直接威胁着互联网交易的安全性。

为了解决上述问题，相关技术中在用户使用的设备存在相对确定性的基础上，通过设备发现互联网中隐藏的风险。例如可以通过JS设备指纹技术识别用户设备，即通过在网页嵌入一段Java Script代码来采集浏览器、操作系统等用户的非敏感设备指标，然后根据采集到的指标生成一个设备标识。

但是，在通过JS设备指纹技术识别用户设备时，如果用户修改自己的浏览器偏好设置，或者升级浏览器，安装插件等，则会导致无法从历史数据里查到分配给该设备的设备标识ID，因此需要不断生成新的设备标识，从而导致设备识别稳定性差的问题。除此之外，JS设备指纹技术无法准确识别互联网风险，也不能预防风险。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种设备识别方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的设备识别稳定性差的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种设备识别方法，包括：获取用户使用的当前设备的第一设备指标；获取所述用户使用的所有历史设备的第二设备指标；通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

在本公开的一种示例性实施例中，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果包括：通过所述第一设备指标和第二设备指标确定相似度特征数据；将所述相似度特征数据输入相似度匹配模型以获取匹配结果。

在本公开的一种示例性实施例中，所述方法还包括：通过机器学习算法建立所述相似度匹配模型。

在本公开的一种示例性实施例中，通过所述第一设备指标和第二设备指标确定相似度特征数据包括：计算所述第一设备指标与所述第二设备指标中的字符串指标，生成第一数据；计算所述第一设备指标与所述第二设备指标中的集合指标，生成第二数据；计算所述第一设备指标与所述第二设备指标中的常规参数指标，生成第三数据；通过所述第一数据、所述第二数据以及所述第三数据生成所述相似度特征数据。

在本公开的一种示例性实施例中，所述第一数据的计算公式为：其中，sim1为第一数据，Levenshtein(a，b)为字符串a和字符串b之间的编辑距离，max(|a|,|b|)为最大字符串长度。

在本公开的一种示例性实施例中，所述第二数据的计算公式为：其中，sim2为第二数据，A∩B为集合A和B的交集，A∪B为集合A和B的并集。

在本公开的一种示例性实施例中，所述第三数据的计算公式为：均为空，其中，sim3为第三数据，a、b为常规参数。

在本公开的一种示例性实施例中，通过机器学习算法建立所述相似度匹配模型包括：将相同用户不同时间内设备标识相同的两次访问的设备指标作为训练数据的正样本；将不同用户不同时间内设备标识不同的两次访问的设备指标作为训练数据的负样本；通过所述正样本以及所述负样本，对一机器学习模型进行训练以获取所述相似度匹配模型。

在本公开的一种示例性实施例中，所述方法还包括：如果确定用户首次请求服务器，则为所述当前设备分配一设备标识并将所述设备标识存储至浏览器缓存及服务器中；如果确定用户非首次请求服务器，则根据所述浏览器缓存中是否存在当前设备的设备标识得到匹配结果。

在本公开的一种示例性实施例中，所述方法还包括：如果所述浏览器缓存中不存在所述设备标识，则通过服务器中存储的历史浏览器指标以及当前浏览器指标计算相似度特征；通过将所述相似度特征输入相似度匹配模型，确定所述当前设备是否能够匹配到相似的历史设备；如果匹配成功，则将所述历史设备的设备标识作为当前设备的设备标识返回至客户端；如果匹配失败，则为当前设备重新生成设备标识。

在本公开的一种示例性实施例中，所述方法还包括：当检测到用户未登录时，为所述当前设备分配一临时标识；在检测到用户登录时，为所述当前设备重新分配一正式标识以替换所述临时标识。

在本公开的一种示例性实施例中，为所述当前设备重新分配一正式标识包括：基于用户维度对历史设备和当前设备进行相似度匹配得到所述正式标识；或重新生成与所述当前设备对应的正式标识。

根据本公开的一个方面，提供一种设备识别装置，包括：第一指标获取模块，用于获取用户使用的当前设备的第一设备指标；第二指标获取模块，用于获取所述用户使用的所有历史设备的第二设备指标；相似度匹配模块，用于通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；结果确定模块，用于根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的设备识别方法。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的设备识别方法。

本公开示例性实施例中提供的一种设备识别方法、设备识别装置、电子设备以及计算机可读存储介质中，通过用户使用的当前设备的第一设备指标以及历史设备的第二设备指标，采用相似度算法对当前设备与历史设备进行相似度匹配，以确定历史设备中是否存在当前设备，一方面，通过第一设备指标和第二设备指标以及相似度算法对当前设备和历史设备进行相似度匹配，减少了新生成的设备标识，因此可以提高设备识别的稳定性和可靠性；另一方面，通过第一设备指标和第二设备指标对设备进行相似度匹配以进行设备识别，提高了设备识别的精准度，因此可以准确识别互联网风险并及时预防风险。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种设备识别方法示意图；

图2示意性示出本公开示例性实施例中相似度匹配的流程图；

图3示意性示出本公开示例性实施例中未登录的设备识别的流程图；

图4示意性示出本公开示例性实施例中一种设备识别装置的框图；

图5示意性示出本公开示例性实施例中一种电子设备的框图；

图6示意性示出本公开示例性实施例中一种程序产品。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种设备识别方法，可以应用于各个互联网网站的设备识别场景。参考图1所示，该设备识别方法可以包括以下步骤：

在步骤S110中，获取用户使用的当前设备的第一设备指标；

在步骤S120中，获取所述用户使用的所有历史设备的第二设备指标；

在步骤S130中，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；

在步骤S140中，根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

在本示例性实施例中提供的设备识别方法中，一方面，通过第一设备指标和第二设备指标以及相似度算法对当前设备和历史设备进行相似度匹配，减少了新生成的设备标识，因此可以提高设备识别的稳定性和可靠性；另一方面，通过第一设备指标和第二设备指标对设备进行相似度匹配以进行设备识别，提高了设备识别的精准度，因此可以快速识别互联网风险并及时预防风险。

接下来，结合附图对本示例性实施例中的设备识别方法进行进一步解释说明。

在步骤S110中，获取用户使用的当前设备的第一设备指标。

本示例中，用户使用的当前设备例如可以为智能手机或者电脑等可以浏览网页的电子设备。第一设备指标例如可以包括用户名、用户代理User Agent、IP地址、帆布指纹、WebGL指纹、显卡版本、操作系统及版本、浏览器及版本、插件列表、字体列表等信息。其中，用户代理是一种对数据打包、创造分组头，以及编址、传递消息的部件，其可以为浏览器，且包括硬件平台、系统软件、应用软件和用户个人偏好等信息；除此之外，用户代理还可以包括搜索引擎。

设备指标通过嵌入到页面上的Java Script代码收集，有很多开源的Java Script代码库可以参考。通过客户端实时采集用户使用的当前设备的第一设备指标上传到服务器，以使服务器获取当前设备的第一设备指标。

在步骤S120中，获取所述用户使用的所有历史设备的第二设备指标。

本示例中，第二设备指标时用户以前访问网站时采集并存储在服务器中的历史设备的指标数据。用户使用的历史设备可以包括多种，其可以包括智能手机或者电脑等电子设备，且其型号可以与当前设备相同，也可以不同。第二设备指标与第一设备指标相同，具体也可以包括用户名、用户代理User Agent、IP地址、帆布指纹、WebGL指纹、显卡版本、操作系统及版本、浏览器及版本、插件列表、字体列表等信息。

在步骤S130中，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果。

本示例中的相似度匹配是基于用户维度的，主要采用的是机器学习的方式。由于互联网交易的场景都需要用户进行注册与登录，如果用户两次访问网页时上传到服务器的设备指标具有很高的相似度，那么用户这两次访问可能使用的是同一个设备。

本示例中，由于通过相似度算法进行设备匹配时，会通过当前设备的第一设备指标与服务器中存储的每一个历史设备的第二设备指标进行比较，如果服务器中存储的历史设备数太多，不仅会占用存储空间，而且会增加时间复杂度。为了降低计算的复杂度，可以限制存储在服务器中用户的历史设备数，例如可以将用户的历史设备数量设置为10个。随后可以通过相似度算法对当前设备与所有的历史设备进行相似度匹配并生成匹配结果，从而准确识别设备。

具体而言，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果可以包括：通过所述第一设备指标和所述第二设备指标确定相似度特征数据；将所述相似度特征数据输入相似度匹配模型以获取匹配结果。

相似度特征数据指的是根据第一设备指标和每个第二设备指标计算的相似度特征向量。接下来，可以对相似度特征数据进行处理，例如可以将相似度特征数据输入相似度匹配模型进行测试识别，以获取当前设备与每个历史设备之间的匹配结果。

需要说明的是，相似度匹配模型可以选择一种合适的机器学习算法来确定，机器学习算法例如可以包括随机森林算法或者是卷积神经网络算法等等，本示例中以支持向量机算法为例进行说明。该支持向量机算法一般通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。

其中，通过机器学习算法建立相似度匹配模型时，可以从服务器存储的历史设备中获取训练样本，具体包括：将相同用户不同时间内访问网站时设备标识相同的两次访问的设备指标作为训练数据的正样本；将不同用户不同时间内访问网站时设备标识不同的两次访问的设备指标作为训练数据的负样本；通过所述正样本以及所述负样本，对一机器学习模型进行训练以获取所述相似度匹配模型。

本示例中的目标是识别出相同设备，因此可以将相同用户不同时间内访问网站时设备标识相同的两次访问的设备指标作为训练数据的正样本，同时将不同用户不同时间内访问网站时设备标识不同的两次访问的设备指标作为训练数据的负样本。接下来计算正负样本的特征向量，并对所有的正负样本赋予样本标签，例如，所有正样本标记为1，所有负样本标记为0。进一步可以通过正样本以及负样本的特征向量，对支持向量机模型进行训练以获取相似度匹配模型。即，将正负样本的特征以及正负样本的标签，都输入到事先建立好的支持向量机模型中进行训练，从而得到要使用的相似度匹配模型，以对设备进行检测识别。

例如，可以直接选用RBF核进行训练，对于RBF核而言模型的性能由惩罚因子C和r决定。所以为了使SVM(Support Vector Machine，支持向量机)模型的性能最优，则需要寻找C和r的最优组合。此处可以通过穷举法或者是其它方法，分别取C和r的不同组合训练SVM模型以确定SVM模型的参数，然后通过测试得到模型相似度匹配模型。通过支持向量机算法，不断地调整相似度匹配模型的准确度和精度，使得设备识别更加精准和可靠。

其中，通过所述第一设备指标和所述第二设备指标获取所述相似度特征数据具体可以包括：计算所述第一设备指标和所述第二设备指标中的字符串指标，生成第一数据；计算所述第一设备指标和所述第二设备指标中的集合指标，生成第二数据；计算所述第一设备指标和所述第二设备指标中的常规参数指标，生成第三数据；通过所述第一数据、所述第二数据以及所述第三数据生成所述相似度特征数据。

第一设备指标和第二设备指标均包括用户名、用户代理User Agent、IP地址、帆布指纹、WebGL指纹、显卡版本、操作系统及版本、浏览器及版本、插件列表、字体列表等信息，其根据数据类型大概可以分为字符串指标、集合指标以及常规参数指标三类。由于获取到的设备指标在数据类型上存在很大的差异性，因此针对不同类型的设备指标，采用不同的方式来计算设备指标的相似度，具体包括以下方式：

方式一、字符串指标例如可以包括用户代理User Agent，其中包含了很多信息，是一个很长的字符串。不同的浏览器之间的User Agent差别很大，相同浏览器的不同版本之间的差别则相对较小，只有相同浏览器相同版本才会有相同的User Agent。因此，对于这种字符串指标，可以采用编辑距离与两个字符串的最大长度之比计算代表相似度的第一数据，如公式(1)所示：

其中，sim1为代表相似度的第一数据，Levenshtein(a，b)为字符串a和字符串b之间的编辑距离，max(|a|,|b|)为最大字符串长度。Levenshtein()函数返回的编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。此处的编辑操作包括将一个字符替换成另一个字符、插入一个字符以及删除一个字符等多种操作。

例如，字符串a表示的是第一设备指标，字符串b表示的是存储在服务器中的第二设备指标，如果字符串a为“abc”，字符串b为“abc”，则计算出的第一数据为1，此时说明第一设备指标和第二设备指标中的用户代理User Agent相同。

方式二、集合指标例如可以包括字体列表以及插件列表等集合类的设备指标。如果两个集合的公共部分越多，则证明这两个集合的相似度越高，因此可以采用集合之间的公共数据的比例来进行计算集合指标之间的相似度，如公式(2)所示：

其中，sim2为代表相似度的第二数据，A∩B为集合A和B的交集，A∪B为集合A和B的并集。其中，集合A代表当前设备对应的第一设备指标中的字体列表以及插件列表等指标，集合B代表历史设备对应的第二设备指标中的字体列表以及插件列表等指标。

方式三、常规参数指标是指能够直接拿来比较两个参数是否相等的参数。例如可以包括浏览器名称、浏览器版本以及设备的操作系统、IP地址、显卡版本、帆布指纹等，因此可以采用直接比较的方法计算相似度。例如，一个设备的操作系统可能是Windows、Linux、Android、IOS等值，则可以直接比较两个设备的操作系统是不是相等。由于线上用户的浏览器版本差别较大，有些设备指标会出现采集不到的情况。如果相互比较的两个设备指标的值都为空，则认为指标的相似程度介于相等和不等之间。具体而言，可以通过公式(3)计算代表相似度的第三数据：

其中，sim3为第三数据，a、b为自然数。

本示例中可以按照公式(1)、公式(2)、公式(3)处理正负样本数据得到相似度特征向量。需要注意的是，还可以通过余弦相似度以及各种文本相似度计算设备指标之间的相似度。随后可以通过标注好的训练样本及特征向量训练相似度匹配模型。

通过步骤S130中提供的方法，如果用户修改自己的浏览器偏好设置，或者升级浏览器，安装插件等，可以通过实时采集到的第一设备指标，采用相似度算法对当前设备和历史设备进行相似度匹配，避免了无法从历史数据里查到分配给当前设备的设备标识的问题，减少了新生成的设备标识，因此可以提高设备识别的稳定性和可靠性。除此之外，通过支持向量机算法对当前设备以及历史设备进行相似度匹配，可以精准地进行设备识别，提高了设备识别的精准度，因此可以快速准确识别互联网风险设备并及时预防风险。

在步骤S140中，根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

匹配结果例如可以为任意数值，且匹配结果越大，证明历史设备中存在当前设备的可能性越高。当匹配结果较小时，可以说明历史设备中存在当前设备的可能性较低。

除此之外，所述方法还可以包括：如果确定用户首次请求服务器，则为所述当前设备分配一设备标识并将所述设备标识存储至浏览器缓存中；如果确定用户非首次请求服务器，则根据所述浏览器缓存中是否存在当前设备的设备标识得到匹配结果。

如果用户第一次请求服务器，则服务器会给用户使用的当前设备分配一个唯一的设备标识ID，同时会将该设备标识ID存储在服务器和客户端的浏览器缓存中。当用户第二次以及第三次请求服务器时，服务器首先会检查用户客户端的浏览器缓存中是否已经缓存了设备标识ID，并且可以根据是否存在设备标识采用不同的方式得到匹配结果。此处的设备标识ID可以为字母形式、数字形式或者是字母以及数字的组合形式。例如，第一次为设备A分配的设备标识为“AAZ1”，当用户第二次请求服务器时，服务器则可以首先通过程序判断浏览器缓存中是否包括设备标识“AAZ1”。

接下来，如果所述浏览器缓存中不存在所述设备标识，则通过服务器中存储的历史浏览器指标以及当前浏览器指标计算相似度特征；通过将所述相似度特征输入相似度匹配模型，确定所述当前设备是否能够匹配到相似的历史设备；如果匹配成功，则将所述历史设备的设备标识作为当前设备的设备标识返回至客户端；如果匹配失败，则为当前设备重新生成设备标识。

例如，如果浏览器缓存中不存在设备标识“AAZ1”，则可以通过用户使用的当前浏览器指标以及使用过的历史浏览器指标计算相似度特征，进一步可以将相似度特征输入上述训练好的相似度匹配模型中进行设备匹配。如果当前设备与一个历史设备匹配成功，则可以将该历史设备的设备标识作为当前设备的设备标识返回至客户端；如果遍历所有历史设备都未能匹配成功，则可以重新生成一个设备标识，并将生成的设备标识以及当前设备对应的设备指标存储到服务器。通过这种方法，可以减少新生成的设备标识的数量，从而间接提高了设备识别的稳定性。

需要注意的是，由于一般情况下每个用户的设备数量都不多，因此可以只在服务器存储预设数量的历史设备指标，预设数量例如可以为10个或者15个等。如果超过预设数量，那么可以根据历史设备的访问次数和访问时间排序，去掉访问时间最早且访问次数最少的历史设备。

例如，一个用户用电脑访问过一次网站A，用手机也访问过一次网站A。那么服务器中会存两个该用户的历史设备的设备指标。假如用户现在用电脑又访问了网站A，将采集到的当前电脑的设备指标与服务器上存储的两条历史设备的设备指标做相似度匹配后，确定这个用户用的是同一台电脑，则可以返回服务器中存储的电脑对应的设备表示ID。

接下来，基于上述步骤S110至S140对本示例中的设备识别方法进行举例说明。用户1第一次用电脑访问网站A时，网站上的JS代码会把用户的ip地址，操作系统，UserAgent等设备指标上传到服务器，服务器会为这个设备生成一个唯一的设备标识ID1并存储。从而在服务器中生成数据“用户1，ID1，{ip1，操作系统1，UserAgent1，…..}”。进一步地，服务器将ID1返回给用户，用户的浏览器会将ID1存储在本地缓存，例如Cookie中。

用户1又用手机第一次访问网站A，JS代码还是会采集用户的设备指标上传到服务器“{ip1，操作系统2，UserAgent2…..}”，这时服务器会通过公式(1)、公式(2)以及公式(3)计算当前设备的设备指标和历史设备ID1的设备指标之间的相似度特征数据，从而构成了一个特征向量，例如[1，0，0.1]。进一步可以将这个特征向量输入相似度匹配模型中进行计算，得到结果这两个设备不同。则为这个设备分配另一个设备标识ID2，并返回给用户手机客户端。同样手机客户端会存储这个设备标识ID2。服务器的存储数据更新为“用户1，ID1，{ip1，操作系统1，UserAgent1，…..}，用户1，ID2，{ip1，操作系统2，UserAgent2…..}”。

假如用户1又用同一个电脑访问网站A。如果电脑中存储的设备标识没有被清除，则服务器就不用进行相似度匹配，只需要更新ID1对应的设备指标即可。如果本地存储的设备标识ID1被清除了，那么可以将采集到的设备指标上传到服务器。假设采集到的设备指标是“{ip1，操作系统1，UserAgent3，…..}”，此时服务器会进行相似度匹配。如果与存储的ID1计算的特征向量是[1，1，0.9]，与ID2计算的特征向量是[1，0，0.1]。如果通过相似度匹配模型判断该设备与ID1是同一设备，那么就将ID1返回给客户端，然后更新服务器的设备指标，此时服务器中存储的历史设备的设备指标为“用户1，ID1，{ip1，操作系统1，UserAgent3，…..}，用户1，ID2，{ip1,操作系统2，UserAgent2…..}”。通过上述步骤，可以快速准确地识别设备，提高设备识别的准确性。

除此之外，由于互联网交易的场景都是需要用户进行注册与登录的，如果对全局范围内的每种场景都进行设备相似度匹配计算，则计算量非常大，能够匹配到的设备也非常多，因此导致准确度比较低。为了解决这个问题，可以通过步骤S110到步骤S140中的方法提高用户登录情况下的设备识别的稳定性。对于用户未登录的场景，可以通过设备ID分级的策略进行处理。

具体而言，当检测到用户未登录时，为所述当前设备分配一临时标识；在检测到用户登录时，为所述当前设备重新分配一正式标识以替换所述临时标识。也就是说，对于不需要登录的情况，给设备分配一个临时标识，该临时标识同样存储在客户端的浏览器缓存中，如果用户不清除浏览器缓存，临时标识也不会发生变化。临时标识和正式标识的生成算法一致，都是一段随机字符串经过加密后得到的字符串。二者的区别在于，临时标识解密后会有一个特定的后缀，因此服务器可以解密客户端上传的设备标识，根据是否存在后缀判断每个设备标识是否为正式标识。

当检测到用户登录之后，可以将临时标识替换为正式标识。此时的正式标识可以为服务器重新分配的，也可以为基于用户维度通过相似度匹配算法得到的与当前设备匹配的历史设备的设备标识，这个正式标识会覆盖客户端浏览器缓存中的临时标识，从而使临时标识升级为正式标识。临时标识在用户登录后被舍弃，最终进入交易场景的设备标识都是正式标识。如果用户用临时标识来进行交易，风控系统就可以检测出这种异常情况，与其他风控策略一起保证交易的安全性。通过对设备标识的分级逻辑，可以提高未登录情况下设备识别的可靠性和准确度，从而可以预防互联网风险。

图2中示出了相似度匹配的流程图，参考图2所示，其过程具体包括：

在步骤S20中，用户请求数据；

在步骤S21中，判断客户端浏览器缓存中是否存在设备标识；如果存在，转至S211；如果不存在，转至S212；

S211，检测设备标识的有效性；如果是有效设备标识，则转至S215；如果是无效设备标识，则转至S212；

S212，查询用户所有历史设备的设备指标，并做相似度匹配；例如，通过相似度算法以及相似度匹配模型进行相似度匹配；

S213，判断是否与历史设备匹配成功；如果匹配成功，则转至S215；如果匹配失败，则转至S214；

S214，生成新的设备标识；

S215，返回有效设备标识。

图3中示出了未登录的设备识别的流程图，参考图3所示，其过程具体包括：

在步骤S30中，用户请求数据；

在步骤S31中，判断客户端浏览器缓存中是否存在设备标识；如果存在，转至S311；如果不存在，转至S312；

S311，检测设备标识的有效性；如果是临时设备标识，则转至S3111；如果是无效设备标识，则转至S312；如果是有效设备标识，则转至S3113；

S3111，判断用户是否登录，例如可以通过页面上输入框中的内容判断是否登录；如果登录，转至S3112，如果未登录，转至S3122；

S312，判断用户是否登录；如果登录，转至S3112，如果未登录，转至S3121；

S3112，在用户维度做相似度匹配或者是生成新的设备标识；

S3113，返回有效设备标识；

S3121，生成新的临时设备标识；

S3122，返回临时设备标识。

通过图3中所示的步骤，可以提高非登录情况下设备识别的稳定性，进而预防风险。

本公开还提供了一种设备识别装置。参考图4所示，该设备识别装置400可以包括：

第一指标获取模块401，可以用于获取用户使用的当前设备的第一设备指标；

第二指标获取模块402，可以用于获取所述用户使用的所有历史设备的第二设备指标；

相似度匹配模块403，可以用于通过第一设备指标与第二设备指标，对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；

结果确定模块404，可以用于根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

需要说明的是，上述设备识别装置中各模块的具体细节已经在对应的设备识别方法中进行了详细描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式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)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤：在步骤S110中，获取用户使用的当前设备的第一设备指标；在步骤S120中，获取所述用户使用的所有历史设备的第二设备指标；在步骤S130中，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；在步骤S140中，根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。

存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式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)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (15)

1.一种设备识别方法，其特征在于，包括：

获取用户使用的当前设备的第一设备指标；

获取所述用户使用的所有历史设备的第二设备指标；

通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；

根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

2.根据权利要求1所述的设备识别方法，其特征在于，通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果包括：

通过所述第一设备指标和第二设备指标确定相似度特征数据；

将所述相似度特征数据输入相似度匹配模型以获取匹配结果。

3.根据权利要求2所述的设备识别方法，其特征在于，所述方法还包括：

通过机器学习算法建立所述相似度匹配模型。

4.根据权利要求2所述的设备识别方法，其特征在于，通过所述第一设备指标和第二设备指标确定相似度特征数据包括：

计算所述第一设备指标与所述第二设备指标中的字符串指标，生成第一数据；

计算所述第一设备指标与所述第二设备指标中的集合指标，生成第二数据；

计算所述第一设备指标与所述第二设备指标中的常规参数指标，生成第三数据；

通过所述第一数据、所述第二数据以及所述第三数据生成所述相似度特征数据。

5.根据权利要求4所述的设备识别方法，其特征在于，所述第一数据的计算公式为：

其中，sim1为第一数据，Levenshtein(a，b)为字符串a和字符串b之间的编辑距离，max(|a|,|b|)为最大字符串长度。

6.根据权利要求4所述的设备识别方法，其特征在于，所述第二数据的计算公式为：

其中，sim2为第二数据，A∩B为集合A和B的交集，A∪B为集合A和B的并集。

7.根据权利要求4所述的设备识别方法，其特征在于，所述第三数据的计算公式为：

其中，sim3为第三数据，a、b为常规参数。

8.根据权利要求3所述的设备识别方法，其特征在于，通过机器学习算法建立所述相似度匹配模型包括：

将相同用户不同时间内设备标识相同的两次访问的设备指标作为训练数据的正样本；

将不同用户不同时间内设备标识不同的两次访问的设备指标作为训练数据的负样本；

通过所述正样本以及所述负样本，对一机器学习模型进行训练以获取所述相似度匹配模型。

9.根据权利要求1所述的设备识别方法，其特征在于，所述方法还包括：

如果确定用户首次请求服务器，则为所述当前设备分配一设备标识并将所述设备标识存储至浏览器缓存及服务器中；

如果确定用户非首次请求服务器，则根据所述浏览器缓存中是否存在当前设备的设备标识得到匹配结果。

10.根据权利要求9所述的设备识别方法，其特征在于，所述方法还包括：

如果所述浏览器缓存中不存在所述设备标识，则通过服务器中存储的历史浏览器指标以及当前浏览器指标计算相似度特征；

通过将所述相似度特征输入相似度匹配模型，确定所述当前设备是否能够匹配到相似的历史设备；

如果匹配成功，则将所述历史设备的设备标识作为当前设备的设备标识返回至客户端；

如果匹配失败，则为当前设备重新生成设备标识。

11.根据权利要求1所述的设备识别方法，其特征在于，所述方法还包括：

当检测到用户未登录时，为所述当前设备分配一临时标识；

在检测到用户登录时，为所述当前设备重新分配一正式标识以替换所述临时标识。

12.根据权利要求11所述的设备识别方法，其特征在于，为所述当前设备重新分配一正式标识包括：

基于用户维度对历史设备和当前设备进行相似度匹配得到所述正式标识；或重新生成与所述当前设备对应的正式标识。

13.一种设备识别装置，其特征在于，包括：

第一指标获取模块，用于获取用户使用的当前设备的第一设备指标；

第二指标获取模块，用于获取所述用户使用的所有历史设备的第二设备指标；

相似度匹配模块，用于通过第一设备指标与第二设备指标，采用相似度算法对所述当前设备与所述历史设备进行相似度匹配以得到匹配结果；

结果确定模块，用于根据所述匹配结果确定所述历史设备中是否存在所述当前设备。

14.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-12任意一项所述的设备识别方法。

15.一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权利要求1-12任意一项所述的设备识别方法。