CN109951289B - 一种识别方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明提供了一种识别方法、装置、设备及可读存储介质，所述的方法包括：获取第一设备的第一特征信息；将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。解决了现有技术中通过设备标识被限制等造成识别不准确的问题。

Description

一种识别方法、装置、设备及可读存储介质

技术领域

本发明涉及通信领域，特别是涉及一种识别方法、一种识别装置、设备及可读存储介质。

背景技术

在移动终端进行通信或者信息交流时，需要通过数字证书等方式获得移动终端的身份信息，数字证书是互联网通讯中标志通讯各方身份信息的一系列数据，它提供了一种在互联网上验证身份的方式。最简单的数字证书包含一个公开密钥、名称以及证书授权中心的数字签名，也是移动终端验证身份的主要途径。

一种现有技术中，服务器会为移动终端下发一个唯一标识以用于识别移动终端。但是随着移动终端操作系统升级、用户权限设置、应用被删除等操作，都会造成这种唯一标识的丢失。

另一种现有技术中，为了避免数字证书验证信息的单一性，通常还利用移动终端识别码IMEI、移动用户识别码IMSI和短消息服务中心SMSC号码信息，并进行加密得到的密文进行移动终端的身份验证，或者根据移动终端的数据包，获取移动终端的国际移动设备标识码IMEI信息或移动设备标识码MEID信息，用以识别具体移动终端。但是在实际使用中发现，移动终端的IMEI、IMSI、SMSC信息都是可以被修改的，这样就导致通过IMEI、IMSI、SMSC信息来唯一标识设备具有不确定性。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种识别方法和相应的一种识别装置。

根据本发明的第一方面，本发明实施例公开了一种识别方法，所述的方法包括：

获取第一设备的第一特征信息；

将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。

根据本发明的第二方面，本发明实施例公开了一种识别装置，所述的装置包括：

第一特征信息获取模块，用于获取第一设备的第一特征信息；

目标特征信息获取模块，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

相似度计算模块，用于确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。

根据本发明的第三方面，提供了一种设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如前述的识别方法。

根据本发明的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够实现前述的识别方法。

本发明实施例包括以下优点在获取第一设备的第一特征信息；将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。提供了针对客户端标识信息多重验证，可以不依赖客户端唯一标识进行身份验证的有益效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明的一种识别方法实施例的步骤流程图；

图2是本发明的一种识别方法实施例的步骤流程图；

图2A是本发明的识别方法实施例中数据流程示意图；

图2B是本发明的识别方法实施例中模型更新示意图；

图3是本发明的一种识别装置实施例的结构框图；

图4是本发明的一种识别装置实施例的结构框图。

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作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。

移动终端设备ID：用以标识设备身份，进而可以追踪使用该设备的用户行为的标识信息，最开始智能移动终端操作系统的设计者们对手机设计了可标识手机的UDID、网卡有固定的MAC地址，而这些ID都是同系统和设备绑定的；其后，由用户决定是否愿意被追踪，因此就出现了各种各种ID的问题，随之出现了IDFA、IDFV以及电信运营商通讯数据中常用IMEI(InternationalMobile Equipment Identity，移动设备国际识别码，又称为国际移动设备标识)、IMSI(International Mobile Subscriber Identification Number，区别移动用户的标志)，储存在SIM卡中，可用于区别移动用户的有效信息，都被用以标识移动终端的身份。

实施例一

参照图1，示出了本发明的一种识别方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101，获取第一设备的第一特征信息。

本发明实施例中，如图2A所示，在服务端接收到第一设备上任一应用的访问请求时，服务端尝试获取第一设备的多个特征信息(采集上报设备信息)，例如，在Android系统中的imei1、imei2、meid1、meid2、android_id、advertising_id、wifi_mac、bluetooth_mac、serial_number、local_id、phone_number、iccid、imsi、user_id、用户字典、用户安装的app列表、用户相册的图片大小和时间、存储目录名字、存储目录大小、存储目录创建时间、系统编译时使用的SDK版本、版本编码信息、设备的系统版本、系统编译的时间、系统编译的类型、系统用户名、系统主机名、系统标记、设备型号、设备品牌、设备名称、主板名、CPU型号、CPU品牌、制造商、系统语言、系统所在地区、无线局域网络的通信信道、主板系统、机身码、显示屏分辨率、字体大小、锁屏、widget开启、案件开启、时间显示、扫描间隔时间、单个应用程序分配的初始内存、单个应用程序的内存限制、dalvik的虚拟内存大小、强制时区、谷歌ID、安装向导模式、默认时间格式、默认铃声、默认提示音、开放式绘图界面参数、默认闹钟、默认开机时使用的设置向导、蓝牙网络的名称；在iOS系统中的idfa、idfv、local_id等。

可以理解地，采集设备信息是尽可能的采集该设备上一切可能的标识信息，并作为设备的第一特征信息，不论针对任何移动终端操作系统(如安卓或者iOS系统)，都不限于上述描述，因此本发明实施例对此不加以限制。

步骤102，将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

本发明实施例中，如图2A所示，首先从数据端提取的目标特征集(存储在白名单)，其中目标特征集是已经通过认证并且发放设备标识的设备名单，其中存储着设备特征信息与发放的设备标识之间的对应关系，提取目标特征集后，将获取的第一特征信息与目标特征集进行逐一匹配，匹配结果即为目标特征信息。

可以理解地，如图2A所示，数据端存储有设备白名单，白名单中通常包括可以被用来进行第一次筛选设备的N个特征信息，将上述步骤中提取的大量特征信息进行一次筛选，去除其中的冗余信息，或者识别度不高的信息。

可以理解地，对于不同类型的设备可能存在有不同识别度的特征信息，所以目标特征集可以根据不同品牌以及型号的信息进行设置，以实现针对任意设备都保证特征信息的高识别度，筛选的结果即为目标特征信息，因此对识别信息的设置本发明实施例不加以限制。

步骤103，确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数；

本发明实施例中，首先从数据端提取的预设识别信息集，预设识别信息集中包括已成功被识别过的预设设备的设备唯一标识信息与该设备中各特征信息的对应关系，其中的特征信息和目标特征信息中的类型和范围一致，因此计算预设识别信息集与目标特征信息之间的相似度，可以体现第一设备与已标识设备，即预设设备之间的关系，即如图2A所示的找出最相似的设备的步骤。

在本发明实施例中，通过获取第一设备的第一特征信息；将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。上述实施例具有通过两层筛选，以及相似度计算方式获得识别标识之间关系的有益效果，并且识别标识信息中包含的并不是经过授权或者唯一可识别标识，提高了识别的准确性。

实施例二

参照图2，示出了本发明的一种识别方法实施例的步骤流程图，具体可以包括如下步骤：

步骤201，获取第一设备的第一特征信息；

此步骤与步骤101相同，在此不再上述。

步骤202，将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

此步骤与步骤102相同，在此不再上述。

步骤203，将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

本发明实施例中，将第一特征信息通过数据端提取的目标特征集进行筛选后得到的目标特征信息，包含有第一特征信息中的部分参数，例如，第一标识信息中包含Android系统中imei1、imei2、meid1、meid2、android_id、advertising_id、wifi_mac、bluetooth_mac、serial_number、local_id、phone_number、iccid、imsi、user_id、用户字典、用户安装的app列表、用户相册的图片大小和时间、存储目录名字、存储目录大小、存储目录创建时间、系统编译时使用的SDK版本、版本编码信息、设备的系统版本、系统编译的时间、系统编译的类型、系统用户名、系统主机名、系统标记、设备型号、设备品牌、设备名称、主板名、CPU型号、CPU品牌、制造商、系统语言、系统所在地区、无线局域网络的通信信道、主板系统、机身码、显示屏分辨率、字体大小、锁屏、widget开启、案件开启、时间显示、扫描间隔时间、单个应用程序分配的初始内存、单个应用程序的内存限制、dalvik的虚拟内存大小、强制时区、谷歌ID、安装向导模式、默认时间格式、默认铃声、默认提示音、开放式绘图界面参数、默认闹钟、默认开机时使用的设置向导、蓝牙网络的名称；系统中idfa、idfv、local_id，通过数据端提取的目标特征集进行筛选后得到的目标特征参数中包含的针对同样的安卓系统是由系统有效识别特征参数，例如，包含上述的Android系统中imei1、imei2、meid1、meid2、android_id、advertising_id、wifi_mac、bluetooth_mac、用户安装的app列表、用户相册的图片大小和时间、存储目录名字、存储目录大小、存储目录创建时间、系统编译时使用的SDK版本、版本编码信息、设备的系统版本、系统编译的时间、系统编译的类型、系统用户名、系统主机名、系统标记、设备型号、设备品牌、设备名称、主板名、CPU型号、CPU品牌、制造商作为标识参数。

可以理解地，预设设备的标识信息包含多个特征参数，也符合上述经过第一次筛选后得到的特征信息，所以目标特征信息与预设特征参数进行逐一匹配，得到多个一对一特征信息对。

其中，上述参数进行匹配后得到的特性信息对，以安卓系统为例，Android系统中imei1对、imei2对、meid1对、meid2对、android_id对、advertising_id对、wifi_mac对、bluetooth_mac对、serial_number对、local_id对、phone_number对、iccid对、imsi对、user_id对、用户字典对、用户安装的app列表对。

可以理解地，在匹配出特征信息对后，还会得到特征参数对应的预设设备的唯一设备标识。

当然，在实际应用中，各种系统参数不限于上述举例描述的内容，本发明实施例不加以限制。

步骤204，计算预设第一权重与所述匹配的目标特征信息的乘积，与预设第二权重与未匹配的预设特征参数的乘积之和，得到第一单一相似值；

本发明实施例中，计算上述得到各特性信息对之间的相似度。

其中，如下步骤描述相似度计算方法：

A，对于给定的一次输入[input₁,input₂,…,input_n]，也就是第一设备的第一特征信息。

B，经过第一次筛选得到的目标特征信息后，与对应的预设识别信息集中对应的特征参数进行匹配后得到的目标特征信息集Set_id，将每个id_j的n个特征信息都与input的设备特征信息进行比较得到匹配结果x_i，其中

C，因为每个设备唯一标识id_j都具备n个特征参数，所以会计算所有特征参数对之间的相似度值，所以基于每个id_j的匹配结果，可以计算出预设设备对应的特征参数id_j与第一设备对应输入的目标特征参数的相似度，其中：

上述步骤中，input代表的是目标特征信息中的N个目标特征参数，步骤B中匹配结果即为目标特征参数与预设设备的标识信息中的多个特征参数的匹配结果，1为匹配成功，-1为匹配失败，将匹配成功的目标特征信息存储在设备的标识参数对集合Set_id，最后通过步骤C中的公式计算Set_id集合中各参数对的相似度。

其中，相似度计算公式中的w_i是匹配成功的时的目标特征参数的相似权重值(预设第一权重)，w’_i是未匹配成功的目标特征参数，即对应剩余预设特征参数的差异权重值(预设第二权重)，通过机器学习得到，其中，将预备好的设备特征信息进行正负样本的标记后进行机器学习模型的训练，在训练过程中通过不断的调整权重值以提高设备识别正确率，当正确率超过设定值后，模型训练成功，所得到的最终权重值即为上述目标特征参数和预设特征参数各自对应的相似度权重。

可以理解地，机器学习算法可以是梯度学习算法，但不限于梯度学习算法，本发明实施例不加以限制。

步骤205，获取所述第一单一相似值中的最大值，确定为第一相似度。

具体地，根据上述描述的方法计算各标识参数对的相似度后，提取相似度最大值，作为第一设备与预设设备之间的第一相似度。

步骤205A，判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。

具体地，如果上述确定的相似度小于预设阈值，那么说明第一设备为新设备，会将一新的唯一设备标识发放给该新设备，并且将该新设备对应的特征信息存储至预设识别信息集中

步骤205B，如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。

本发明实施例中，根据上述得到的相似度与预设阈值的比较，判断第一设备是否为已成功注册以及被识别过的预设设备，即如图2A所示的通过预置判断的过程。

具体地，如果上述确定的相似度大于或等于预设阈值，那么将相似度对应的参数对中的目标标识参数对应的第一设备与第二标识参数对应的预设设备，确定为同样的客户端，并发放唯一设备标识至所述第一设备。

其中，系统对应的唯一设备标识只是正对当前的系统统一识别的设备标识，而面对统一设备上不同的应用产生的访问行为，系统都可以通过该唯一设备标识进行设备识别，例如，一个双卡手机设备上安装的多个应用，可能是通过卡A或卡B使用的手机号码注册，但是由于其所在设备具备唯一设备标识，不论使用卡A还是卡B注册的应用产生的访问行为，因此具备相同的特征信息，所以经过筛选和相似度计算后都会被识别为相同设备。

其中，在205A后，执行步骤206。

步骤206，提取所述第一设备在预设时间段内的访问日志；

具体地，如图2B所示，本实施中实现的方法包括线上线下两部分，其中线上部分是第一设备访问系统时产生的线上数据，线下部分是预置的对访问的第一设备的验证部分所包含的数据和方法模型。

其中，每个已成功注册的设备的访问行为都会缓存在服务端。

具体地，利用上述机器学习方法训练的相似度计算模型中得到的预设第一权重和预设第二权重并不是持续有效，在一段时间后，随着访问设备的进入，预设识别信息集会得到不断的更新，所以通过第一设备对应的目标特征信息与预设识别信息集中的特征参数计算相似度会逐渐下降，此时需要提取第一设备在该段时间内的访问日志，反馈到线下部分，重新通过机器学习方法训练的相似度计算模型。

当然，上述一段时间为预设时间段，可以是三天或一周，根据相似度计算过程中下降的比率由相关技术人员设置，本发明实施例对此不加以限制。

步骤207，通过所述访问日志更新所述预设第一权重和所述预设第二权重。

具体地，根据第一设备访问日志对应的设备特征信息以及已经存储的相似设备，即预设设备的特征参数进行机器学习模型训练，在训练过程中，如果计算出第一设备与预设设备的相似度，如果该相似度高于预设阈值，则将进行机器学习模型训练时得到的新的权重更新到预设第一权重和预设第二权重。

优选地，所述步骤207包括，子步骤A1-A6；

子步骤A1，通过所述访问日志提取所述第一设备的第一设备特征参数；

具体地，如图2B所示，线上部分，在步骤205A后，服务端获取上述目标特征信息对应的第一设备的实时访问行为，该目标特征信息对应的第一设备即为通过系统验证的设备。

子步骤A2，将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数。

具体地，如图2B所示，线下部分，第一设备在线上进行访问时所得到的实时访问行为时，提取对应的特征参数。例如，第一设备中任一应用产生访问行为时，获取第一设备中的如步骤203中描述的设备特征参数。

子步骤A3，通过所述第一设备特征参数以及预设特征参数训练相似度计算模型，以获得第一设备特征参数对应的第三权重，以及预设特征参数对应的第四权重；

具体地，将上述得到的第一设备特征参数，以及第二特征参数训练相似度计算模型，获得第一设备特征参数对应的第三权重，以及所述第二特征参数对应的第四权重。

可以理解地，第二特征参数中包含在预设时间段内通过验证的新客户端的特征参数，也即是更新的第二特征参数。

子步骤A4，计算所述第三权重与所述第一设备特征参数的乘积，与第四权重与所述匹配的预设特征参数的乘积之差，得到第二单一相似值。

具体地，通过上述机器学习方法训练得到第三权重和第四权重后，重新利用步骤204中的相似度计算方法，计算第一设备特征参数与第二特征参数之间的第二单一相似值。

子步骤A5，将所述第二单一相似值中的最大值，确定为第二相似度；

具体地，将上述第二单一相似值即可以确定为在预设时间段内的第一设备与预设设备之间的第二相似度。

可以理解的，第二相似度是基于一定预设时间段内第一设备的特征参数产生的，由于特征参数可以包含第一设备的访问IP地址，所以如果出现不同IP地址下的第一设备的访问行为，则计算出的第二相似度则会低于第一相似度，可以理解为第一设备不是上述认为的与预设设备时同一设备，即发送了错误的唯一设备标识。

子步骤A6，如果所述第二相似度大于或等于预设阈值，则将所述第三权重和所述第四权重分别替换所述预设第一权重和预设第二权重。

具体地，如果第二相似度大于或等于所述预设阈值，则说明第三权重和第四权重针对当前的数据具备更优的计算效果，所以将第三权重和第四权重分别替换预设第一权重和预设第二权重，将当前实时访问行为对应的特征参数更新到预设设备对应的第二特征参数中，以便通过更新的特征参数再次训练相似度模型。

可以理解地，如果反馈参数小于预设阈值，根据上述描述可以认定第一设备具备错误的唯一设备标识，需要重新给第一设备发送新的唯一设备标识。

在本发明实施例中，通过服务端接收到所述第一设备的访问请求时，获取所述第一设备的第一标识信息；将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；计算预设第一权重与所述匹配的目标特征信息的乘积，与预设第二权重与未匹配的预设特征参数的乘积之和，得到第一单一相似值；获取所述第一单一相似值中的最大值，确定为第一相似度。判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。并且通过获取预设设备的历史访问日志，与第一设备的实时访问日志之间的对比结果，反馈到相似度计算过程中的方法，实现了相似度计算方法的实时更新，提高相似度计算的准确率的有益效果。

实施例三

参照图3，示出了本发明的一种识别装置实施例的结构框图，上述装置具体可以包括如下模块：

第一特征信息获取模块301，用于获取第一设备的第一特征信息；

目标特征信息获取模块302，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

相似度计算模块303，用于确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数；

在本发明实施例中，通过第一特征信息获取模块，用于获取第一设备的第一特征信息；目标特征信息获取模块，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；相似度计算模块，用于确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数。具有通过两层筛选，以及相似度计算方式获得识别标识之间关系的有益效果，并且识别标识信息中包含的并不是经过授权或者唯一可识别标识，提高了识别的准确性。

实施例四

参照图4，示出了本发明的一种识别装置实施例的结构框图，上述装置具体可以包括如下模块：

第一特征信息获取模块301，用于获取第一设备的第一特征信息；

目标特征信息获取模块302，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；

相似度计算模块303，用于确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数；

优选地，所述目标特征信息包含多个目标特征参数，所述预设设备的标识信息包含所述预设设备的多个第二特征参数，所述相似度计算模块303，包括：

匹配参数获得子模块，用于将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

第一单一相似值确定子模块，用于计算预设第一权重与所述匹配的目标特征信息的乘积，与预设第二权重与未匹配的预设特征参数的乘积之和，得到第一单一相似值；

第一相似度确定子模块，用于获取所述第一单一相似值中的最大值，确定为第一相似度。

第一识别模块304，用于判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。

第二识别模块305，用于如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。

访问日志提取模块306，用于提取所述第一设备在预设时间段内的访问日志；

权重更新模块307，用于通过所述访问日志更新所述预设第一权重和所述预设第二权重。

优选地，所述权重更新模块307，具体包括：

第一设备特征参数提取子模块，用于通过所述访问日志提取所述第一设备的第一设备特征参数；

预设特征参数确定子模块，用于将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

权重获得子模块，用于通过所述第一设备特征参数以及预设特征参数训练相似度计算模型，以获得第一设备特征参数对应的第三权重，以及预设特征参数对应的第四权重；

第二单一相似值获得子模块，用于计算所述第三权重与所述第一设备特征参数的乘积，与第四权重与所述匹配的预设特征参数的乘积之差，得到第二单一相似值。

第二相似度确定子模块，用于将所述第二单一相似值中的最大值，确定为第二相似度；

权重更新子模块，用于如果所述第二相似度大于或等于预设阈值，则将所述第三权重和所述第四权重分别替换所述预设第一权重和预设第二权重。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明实施例还提供一种设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述的一个或多个所述的识别方法。

本发明实施例还提供一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如所述的识别方法。

综上所述，在本发明实施例中，通过第一特征信息获取模块，用于获取第一设备的第一特征信息；目标特征信息获取模块，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；相似度计算模块，用于确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度；所述预设识别信息集包含至少一个预设设备的特征参数；第一识别模块，用于判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。第二识别模块，用于如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。访问日志提取模块，用于提取所述第一设备在预设时间段内的访问日志；权重更新模块，用于通过所述访问日志更新所述预设第一权重和所述预设第二权重。实现了通过两层筛选，以及相似度计算方式获得识别标识之间关系的有益效果，并且识别标识信息中包含的并不是经过授权或者唯一可识别标识，提高了识别的准确性，以及通过获取第一客户端的访问日志，训练相似度计算模型获得新的权重值，反馈到相似度计算过程中的方法，实现了相似度计算方法的实时更新，提高相似度计算的准确率的有益效果。其具有如下优点：

一.服务响应时间短，两步式筛选可以降低计算开销；

二.服务能够通过更新流程完成自身模型的调整，服务稳定闭环，降低运维成本；

三.标识准确唯一，提高识别准确率。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种识别方法和一种识别装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种识别方法，其特征在于，包括：

获取第一设备的第一特征信息；

将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；所述目标特征集是已经通过认证并且发放设备标识的设备名单，所述目标特征集中存储有设备特征信息与发放的设备标识之间的对应关系；

利用从相似度计算模型中得到的预设第一权重和预设第二权重，确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度，所述目标特征信息包含所述第一特征信息中的多个参数；所述预设识别信息集包含至少一个预设设备的特征参数；所述预设识别信息集包括已成功被识别过的预设设备的设备唯一标识信息与该设备中各特征信息的对应关系；

其中，所述相似度计算模型是以预备好的设备特征进行正负样本的标记后进行机器学习模型的训练而得到的。

2.根据权利要求1所述的方法，其特征在于，所述确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度之后，还包括：

判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度，具体包括：

将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

计算预设第一权重与所述匹配的目标特征信息的乘积，与预设第二权重与未匹配的预设特征参数的乘积之和，得到第一单一相似值；

获取所述第一单一相似值中的最大值，确定为第一相似度。

5.根据权利要求3所述的方法，其特征在于，如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备之后，还包括：

提取所述第一设备在预设时间段内的访问日志；

通过所述访问日志更新所述预设第一权重和所述预设第二权重。

6.根据权利要求5所述的方法，其特征在于，通过所述访问日志更新所述预设第一权重和所述预设第二权重的步骤，包括：

通过所述访问日志提取所述第一设备的第一设备特征参数；

将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

通过所述第一设备特征参数以及预设特征参数训练相似度计算模型，以获得第一设备特征参数对应的第三权重，以及预设特征参数对应的第四权重；

计算所述第三权重与所述第一设备特征参数的乘积，与第四权重与所述匹配的预设特征参数的乘积之差，得到第二单一相似值；

将所述第二单一相似值中的最大值，确定为第二相似度；

如果所述第二相似度大于或等于预设阈值，则将所述第三权重和所述第四权重分别替换所述预设第一权重和预设第二权重。

7.一种识别装置，其特征在于，所述的装置包括：

第一特征信息获取模块，用于获取第一设备的第一特征信息；

目标特征信息获取模块，用于将所述第一特征信息与目标特征集进行匹配，以确定用于识别所述第一设备的目标特征信息；所述目标特征集是已经通过认证并且发放设备标识的设备名单，所述目标特征集中存储有设备特征信息与发放的设备标识之间的对应关系；

相似度计算模块，用于利用从相似度计算模型中得到的预设第一权重和预设第二权重，确定所述第一设备的目标特征信息与预设识别信息集中的预设设备的特征参数之间的第一相似度，所述目标特征信息包含所述第一特征信息中的多个参数；所述预设识别信息集包含至少一个预设设备的特征参数；所述预设识别信息集包括已成功被识别过的预设设备的设备唯一标识信息与该设备中各特征信息的对应关系；

其中，所述相似度计算模型是以预备好的设备特征进行正负样本的标记后进行机器学习模型的训练而得到的。

8.根据权利要求7所述的装置，其特征在于，还包括：

第一识别模块，用于判断所述第一相似度是否小于预设阈值，如果是则将目标特征信息对应的所述第一设备确定为与预设识别信息集对应的预设设备不相同的设备。

9.根据权利要求8所述的装置，其特征在于，所诉的装置还包括：

第二识别模块，用于如果第一相似度大于等于预设阈值，则将所述预设设备对应的唯一设备标识发送给所述第一设备。

10.根据权利要求7-9任一所述的装置，其特征在于，所述相似度计算模块，包括：

匹配参数获得子模块，用于将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

第一单一相似值确定子模块，用于计算预设第一权重与所述匹配的目标特征信息的乘积，与预设第二权重与未匹配的预设特征参数的乘积之和，得到第一单一相似值；

第一相似度确定子模块，用于获取所述第一单一相似值中的最大值，确定为第一相似度。

11.根据权利要求9所述的装置，其特征在于，还包括：

访问日志提取模块，用于提取所述第一设备在预设时间段内的访问日志；

权重更新模块，用于通过所述访问日志更新所述预设第一权重和所述预设第二权重。

12.根据权利要求11所述的装置，其特征在于，所述权重更新模块，包括：

第一设备特征参数提取子模块，用于通过所述访问日志提取所述第一设备的第一设备特征参数；

预设特征参数确定子模块，用于将所述第一设备的目标特征信息与预设设备的对应的特征参数进行对比以确定匹配的预设特征参数；

权重获得子模块，用于通过所述第一设备特征参数以及预设特征参数训练相似度计算模型，以获得第一设备特征参数对应的第三权重，以及预设特征参数对应的第四权重；

第二单一相似值获得子模块，用于计算所述第三权重与所述第一设备特征参数的乘积，与第四权重与所述匹配的预设特征参数的乘积之差，得到第二单一相似值；

第二相似度确定子模块，用于将所述第二单一相似值中的最大值，确定为第二相似度；

权重更新子模块，用于如果所述第二相似度大于或等于预设阈值，则将所述第三权重和所述第四权重分别替换所述预设第一权重和预设第二权重。

13.一种设备，其特征在于，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6之任一项所述的识别方法。

14.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够实现如权利要求1-6之任一项所述的识别方法。

Images