CN109978170B - 一种基于多要素的移动设备识别方法 - Google Patents

一种基于多要素的移动设备识别方法 Download PDF

Info

Publication number
CN109978170B
CN109978170B CN201910164816.0A CN201910164816A CN109978170B CN 109978170 B CN109978170 B CN 109978170B CN 201910164816 A CN201910164816 A CN 201910164816A CN 109978170 B CN109978170 B CN 109978170B
Authority
CN
China
Prior art keywords
equipment
elements
mobile
confidence
final
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
Application number
CN201910164816.0A
Other languages
English (en)
Other versions
CN109978170A (zh
Inventor
王新根
李白
黄滔
鲁萍
严宏鹤
蒋琦杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Bangsheng Technology Co.,Ltd.
Original Assignee
Zhejiang Bangsun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Bangsun Technology Co ltd filed Critical Zhejiang Bangsun Technology Co ltd
Priority to CN201910164816.0A priority Critical patent/CN109978170B/zh
Publication of CN109978170A publication Critical patent/CN109978170A/zh
Application granted granted Critical
Publication of CN109978170B publication Critical patent/CN109978170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于多要素的移动设备识别方法，包括：创建移动设备要素模型，移动设备要素模型保存设备要素名称、设备要素值及设备要素置信度；对高于置信度阈值的要素称为决策要素；对待识别的设备创建移动设备要素模型，并选取决策要素；在已识别的设备中，查找与决策要素名称相同且设备要素值相同的所有设备要素，之后将属于同一个移动设备的设备要素作为一组，多组数据构成临时集合，根据公式计算最终偏置信度，若最终置信度大于等于设定的最终置信度阈值，则认为待识别的移动设备与最终置信度对应的移动设备为相同设备；否则认为是新设备。本发明可以关联多个要素同时进行分析，准确辨别设备。

Description

一种基于多要素的移动设备识别方法
技术领域
本发明属于设备识别领域，尤其涉及一种基于多要素的移动设备识别方法。
背景技术
在风控规则中，辅助使用基于设备的规则，能更好的进行风险控制。传统的基于IP、Mac地址辨识设备的技术，只需要使用组建局域网、代理IP、修改Mac地址等简单操作，便会让这些规则判断出现问题。所以需要使用新的识别设备的技术来更好地准确辨别设备。当今移动设备的规格、设备信息大同小异，因此需要解决如下的技术问题，当存在多个设备时，无法通过单一要素辨别其是否为同一设备，需要关联多个要素，同时进行分析区分设备。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于多要素的移动设备识别方法。
本发明的目的是通过以下技术方案来实现的：一种基于多要素的移动设备识别方法，包括如下步骤：
(1)创建移动设备要素模型
移动设备要素模型保存设备要素名称、设备要素值及设备要素置信度X(i)，置信度X(i)表示设备要素i属于某一移动设备的概率；设定设备要素置信度的阈值Po、最大置信度Xmax及最终置信度阈值S，一般采用统计得到的经验值。
(2)对待识别的移动设备T和已识别的移动设备集合Set，分别创建对应的设备要素模型。
(3)将移动设备T中设备要素置信度大于阈值Po的设备要素整合为要素集合Tp{T1,…Tj}，称为决策要素。
(4)从设备集合Set中查找与步骤(3)得到的决策要素Tp名称相同且设备要素值相同的所有设备要素，之后将属于同一个移动设备的设备要素作为一组，多组数据构成临时集合TempoSet。
(5)从临时集合TempoSet中选择一组设备要素k，根据以下公式计算该组移动设备的最终偏移量Yk
Figure BDA0001985935630000021
其中，n为该组的设备要素个数。
根据Yk计算该组移动设备的最终置信度Zk，Zk＝K*(1-Yk)，K为常数。
(6)遍历临时集合TempoSet，得到所有组对应的最终置信度Z。
(7)选择步骤(6)得到的最终置信度Z中的最大值Zmax，与最终置信度阈值S相比较，若Zmax大于等于S，则认为待识别的移动设备T与Zmax对应的移动设备为相同设备；否则认为是新设备。
进一步地，所述步骤(1)中，所述设备要素为通过移动设备API得到的设备信息。
进一步地，所述步骤(1)中，设备要素置信度的阈值Po取9000，最大置信度Xmax取10000，最终置信度阈值S取9999.00。
进一步地，所述步骤(4)中，临时集合TempoSet只保留步骤(3)得到的决策要素。
进一步地，所述步骤(5)中，临时集合TempoSet中某组设备要素的个数为0时，不参与计算。
进一步地，所述步骤(6)中，K取10000。
本发明的有益效果是：应对当今设备规格、设备信息大同小异的移动设备，当存在多个设备时，无法通过单一要素辨别其是否为同一设备，本发明可以关联多个要素同时进行分析，准确辨别设备。
附图说明
图1为本发明基于多要素的移动设备识别方法流程图；
图2为本发明移动设备要素模型示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示，本发明提供的一种基于多要素的移动设备识别方法，包括以下步骤：
(1)创建移动设备要素模型：
移动设备要素模型保存设备要素名称、设备要素值及设备要素置信度X(i)，置信度X(i)表示设备要素i属于某一移动设备的概率；设定设备要素置信度的阈值Po、最大置信度Xmax及最终置信度阈值S，一般采用统计得到的经验值；
Figure BDA0001985935630000031
(2)对待识别的移动设备T和已识别的移动设备集合Set，分别创建对应的设备要素模型；
Figure BDA0001985935630000032
Figure BDA0001985935630000041
(3)将移动设备T中设备要素置信度大于阈值Po的设备要素整合为要素集合Tp{T1,…Tj}，称为决策要素；
Figure BDA0001985935630000042
(4)从设备集合Set中查找与步骤(3)得到的决策要素Tp名称相同且设备要素值相同的所有设备要素，之后将属于同一个移动设备的设备要素作为一组，多组数据构成临时集合TempoSet；
Figure BDA0001985935630000043
Figure BDA0001985935630000051
(5)从临时集合TempoSet中选择一组设备要素k，根据以下公式计算该组移动设备的最终偏移量Yk
Figure BDA0001985935630000052
其中，n为该组的设备要素个数，Xmax-X(i)/Xmax为单个设备要素的置信度偏移量，将所有单个设备要素的置信度偏移量相乘，得到该组移动设备的最终偏移量Yk；
Figure BDA0001985935630000053
根据Yk计算该组移动设备的最终置信度Zk，Zk＝K*(1-Yk)，K为常数。
Figure BDA0001985935630000054
(6)遍历临时集合TempoSet，得到所有组对应的最终置信度Z；
(7)选择步骤(6)得到的最终置信度Z中的最大值Zmax，与最终置信度阈值S相比较，若Zmax大于等于S，则认为待识别的移动设备T与Zmax对应的移动设备为相同设备；否则认为是新设备。因设备A的最终置信度Z(9999.99)大于最终置信度阈值S(9999.00)，则认为目标设备T与设备A为相同设备。
最终置信度Z 最终置信度阈值S
设备A 9999.99 9999.00
设备C 9990 9999.00
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (5)

1.一种基于多要素的移动设备识别方法，其特征在于，包括如下步骤：
(1)创建移动设备要素模型
移动设备要素模型保存设备要素名称、设备要素值及设备要素置信度X(i)，置信度X(i)表示设备要素i属于某一移动设备的概率；设定设备要素置信度的阈值Po、最大置信度Xmax及最终置信度阈值S；所述设备要素为通过移动设备API得到的设备信息；
(2)对待识别的移动设备T和已识别的移动设备集合Set，分别创建对应的设备要素模型；
(3)将待识别的移动设备T中设备要素置信度大于阈值Po的设备要素整合为要素集合Tp{T1,…Tj}，称为决策要素；
(4)从已识别的移动设备集合Set中查找与步骤(3)得到的决策要素Tp名称相同且设备要素值相同的所有设备要素，之后将属于同一个移动设备的设备要素作为一组，多组数据构成临时集合TempoSet；
(5)从临时集合TempoSet中选择一组设备要素k，根据以下公式计算该组设备要素的最终偏移量Yk
Figure FDA0002386652700000011
其中，n为该组的设备要素个数；
根据Yk计算该组设备要素的最终置信度Zk，Zk＝K*(1-Yk)，K为常数；
(6)遍历临时集合TempoSet，得到所有组对应的最终置信度Z；
(7)选择步骤(6)得到的最终置信度Z中的最大值Zmax，与最终置信度阈值S相比较，若Zmax大于等于S，则认为待识别的移动设备T与Zmax对应的移动设备为相同设备；否则认为是新设备。
2.根据权利要求1所述的一种基于多要素的移动设备识别方法，其特征在于，所述步骤(1)中，设备要素置信度的阈值Po取9000，最大置信度Xmax取10000，最终置信度阈值S取9999.00。
3.根据权利要求1所述的一种基于多要素的移动设备识别方法，其特征在于，所述步骤(4)中，临时集合TempoSet只保留步骤(3)得到的决策要素。
4.根据权利要求1所述的一种基于多要素的移动设备识别方法，其特征在于，所述步骤(5)中，临时集合TempoSet中某组设备要素的个数为0时，不参与计算。
5.根据权利要求1所述的一种基于多要素的移动设备识别方法，其特征在于，所述步骤(5)中，K取10000。
CN201910164816.0A 2019-03-05 2019-03-05 一种基于多要素的移动设备识别方法 Active CN109978170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910164816.0A CN109978170B (zh) 2019-03-05 2019-03-05 一种基于多要素的移动设备识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910164816.0A CN109978170B (zh) 2019-03-05 2019-03-05 一种基于多要素的移动设备识别方法

Publications (2)

Publication Number Publication Date
CN109978170A CN109978170A (zh) 2019-07-05
CN109978170B true CN109978170B (zh) 2020-04-28

Family

ID=67077976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910164816.0A Active CN109978170B (zh) 2019-03-05 2019-03-05 一种基于多要素的移动设备识别方法

Country Status (1)

Country Link
CN (1) CN109978170B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114363206B (zh) * 2021-12-28 2024-07-02 奇安信科技集团股份有限公司 终端资产识别方法、装置、计算设备及计算机存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1722734A (zh) * 2004-07-13 2006-01-18 华为技术有限公司 一种自动配置终端设备的方法
CN1896977A (zh) * 2005-06-30 2007-01-17 三星电子株式会社 外围设备设置装置和方法
CN104094287A (zh) * 2011-12-21 2014-10-08 诺基亚公司 用于情境识别的方法、装置以及计算机软件
CN104866787A (zh) * 2014-02-25 2015-08-26 中国银联股份有限公司 基于数据接口识别的移动设备
CN106170046A (zh) * 2016-09-23 2016-11-30 陕西尚品信息科技有限公司 一种基于移动设备的事件触发隐式身份验证方法
CN106653008A (zh) * 2015-10-28 2017-05-10 中兴通讯股份有限公司 一种语音控制方法、装置及系统
CN106649154A (zh) * 2016-12-13 2017-05-10 曙光信息产业(北京)有限公司 在bios中控制外插设备的方法及系统
CN107423278A (zh) * 2016-05-23 2017-12-01 株式会社理光 评价要素的识别方法、装置及系统
CN108021934A (zh) * 2017-11-23 2018-05-11 阿里巴巴集团控股有限公司 多要素识别的方法及装置
CN108449307A (zh) * 2017-02-16 2018-08-24 上海行邑信息科技有限公司 一种用于识别风险设备的方法
CN109002403A (zh) * 2018-06-21 2018-12-14 深圳市炬力北方微电子有限公司 Usb移动设备、移动设备识别系统及识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007021828A2 (en) * 2005-08-11 2007-02-22 Level 3 Communications, Inc. Systems and methods for flow signature formation and use
CN108513139B (zh) * 2018-04-02 2020-05-29 腾讯科技（深圳）有限公司 视频直播中的虚拟对象识别方法、装置、存储介质和设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1722734A (zh) * 2004-07-13 2006-01-18 华为技术有限公司 一种自动配置终端设备的方法
CN1896977A (zh) * 2005-06-30 2007-01-17 三星电子株式会社 外围设备设置装置和方法
CN104094287A (zh) * 2011-12-21 2014-10-08 诺基亚公司 用于情境识别的方法、装置以及计算机软件
CN104866787A (zh) * 2014-02-25 2015-08-26 中国银联股份有限公司 基于数据接口识别的移动设备
CN106653008A (zh) * 2015-10-28 2017-05-10 中兴通讯股份有限公司 一种语音控制方法、装置及系统
CN107423278A (zh) * 2016-05-23 2017-12-01 株式会社理光 评价要素的识别方法、装置及系统
CN106170046A (zh) * 2016-09-23 2016-11-30 陕西尚品信息科技有限公司 一种基于移动设备的事件触发隐式身份验证方法
CN106649154A (zh) * 2016-12-13 2017-05-10 曙光信息产业(北京)有限公司 在bios中控制外插设备的方法及系统
CN108449307A (zh) * 2017-02-16 2018-08-24 上海行邑信息科技有限公司 一种用于识别风险设备的方法
CN108021934A (zh) * 2017-11-23 2018-05-11 阿里巴巴集团控股有限公司 多要素识别的方法及装置
CN109002403A (zh) * 2018-06-21 2018-12-14 深圳市炬力北方微电子有限公司 Usb移动设备、移动设备识别系统及识别方法

Also Published As

Publication number Publication date
CN109978170A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
WO2020119372A1 (zh) 场强预测方法、装置、设备及存储介质
CN108536851B (zh) 一种基于移动轨迹相似度比较的用户身份识别方法
CN112862093B (zh) 一种图神经网络训练方法及装置
CN106714109B (zh) 基于众包数据的WiFi指纹库更新方法
CN104185275B (zh) 一种基于wlan的室内定位方法
CN111061821A (zh) 基于改进k值聚类算法的低压配电网拓扑校验方法及系统
CN111832462B (zh) 一种基于深度神经网络的跳频信号检测与参数估计方法
WO2020001311A1 (zh) 一种检测干扰的方法、装置、设备及存储介质
CN104065430B (zh) 基于节点识别的协作频谱检测方法
CN105096604B (zh) 一种车牌识别的方法和装置
CN110426671B (zh) Wsn中基于模型概率实时修正的imm目标跟踪方法及装置
CN111368862A (zh) 室内外标记的区分方法、分类器的训练方法及设备和介质
CN109978170B (zh) 一种基于多要素的移动设备识别方法
CN110109055A (zh) 一种基于rssi测距的室内定位方法
CN106503097A (zh) 一种提高数据质量的方法及系统
CN110445772B (zh) 一种基于主机关系的互联网主机扫描方法及系统
CN111582373A (zh) 一种基于加权迁移极限学习机算法的辐射源识别方法
CN116170208A (zh) 一种基于半监督isodata算法的网络入侵实时检测方法
CN113489005B (zh) 配电网潮流计算的配变负荷估算方法及系统
CN114970495A (zh) 人名消歧方法、装置、电子设备及存储介质
CN104992436A (zh) 一种自然场景中的图像分割方法
CN109345145B (zh) 一种变电站噪声治理辅助决策方法
CN102682048B (zh) 一种用于大型高维数据集的自动聚类任务的自适应吸引传播聚类方法及装置
CN111356152B (zh) 基站位置矫正方法、装置、设备及介质
CN109769216B (zh) 一种基于手机信号在复杂环境中将用户分群的方法及装置

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room ABCD, 17th floor, building D, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Patentee after: Zhejiang Bangsheng Technology Co.,Ltd.

Address before: Room ABCD, 17th floor, building D, Paradise Software Park, No.3 xidoumen Road, Xihu District, Hangzhou City, Zhejiang Province, 310012

Patentee before: ZHEJIANG BANGSUN TECHNOLOGY Co.,Ltd.