CN110392122A - 地址类型的确定方法和装置、存储介质、电子装置 - Google Patents

地址类型的确定方法和装置、存储介质、电子装置 Download PDF

Info

Publication number
CN110392122A
CN110392122A CN201810339227.7A CN201810339227A CN110392122A CN 110392122 A CN110392122 A CN 110392122A CN 201810339227 A CN201810339227 A CN 201810339227A CN 110392122 A CN110392122 A CN 110392122A
Authority
CN
China
Prior art keywords
mac address
address
equipment
style
model
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.)
Granted
Application number
CN201810339227.7A
Other languages
English (en)
Other versions
CN110392122B (zh
Inventor
刘弘毅
刘畅
李欣
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.)
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing Technology Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Tencent Dadi Tongtu Beijing 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 Tencent Technology Shenzhen Co Ltd, Tencent Dadi Tongtu Beijing Technology Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810339227.7A priority Critical patent/CN110392122B/zh
Publication of CN110392122A publication Critical patent/CN110392122A/zh
Application granted granted Critical
Publication of CN110392122B publication Critical patent/CN110392122B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2101/00—Indexing scheme associated with group H04L61/00
    • H04L2101/60—Types of network addresses
    • H04L2101/618—Details of network addresses
    • H04L2101/622—Layer-2 addresses, e.g. medium access control [MAC] addresses

Abstract

本发明公开了一种地址类型的确定方法和装置、存储介质、电子装置。其中，该方法包括：接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类；响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络；通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。本发明解决了相关技术中对MAC地址进行分类的效率较低的技术问题。

Description

地址类型的确定方法和装置、存储介质、电子装置
技术领域
本发明涉及互联网领域，具体而言，涉及一种地址类型的确定方法和装置、存储介质、电子装置。
背景技术
MAC(Media Access Control或者Medium Access Control)地址，中文名称为媒体访问控制，或称为物理地址、硬件地址，用来定义网络设备的位置，MAC地址是网卡决定的，是固定的，在开放系统互联OSI(Open System Interconnection)模型中，第三层网络层负责IP地址，第二层数据链路层则负责MAC地址，因此一般而言，一个设备会有一个MAC地址，而每个网络位置会有一个专属于它的IP地址。
对于路由等提供网络接入功能的设备(可统称为路由设备)而言，也具有MAC地址，当移动设备通过商场、学校等提供的路由设备接入网络时，由于身处室内，移动设备自身的全球定位系统GPS(Global Positioning System)往往不可用，这时就需要借助与路由设备的MAC地址对应的位置来进行辅助定位，而由于路由设备的MAC地址的类型不同，那么定位精度也各不相同，可见，对MAC地址的精细化分类存在重要意义，但是相关技术中是采用人工的方式进行分类，其处理效率较低、且准确度得不到保障。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种地址类型的确定方法和装置、存储介质、电子装置，以至少解决相关技术中对MAC地址进行分类的效率较低的技术问题。
根据本发明实施例的一个方面，提供了一种地址类型的确定方法，包括：接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类；响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络；通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
根据本发明实施例的另一方面，还提供了一种地址类型的确定装置，包括：接收单元，用于接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类；获取单元，用于响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络；识别单元，用于通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
根据本发明实施例的另一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器通过计算机程序执行上述的方法。
在本发明实施例中，在接收到分类请求时，可通过预先训练好的第一模型识别出第一MAC地址所属的第一地址类型，由于第一模型已经学习到了MAC地址和地址类型之间的对应关系，所以可以使用第一模型识别出第一MAC地址所属的第一地址类型，而不用人工进行分类，可以解决相关技术中对MAC地址进行分类的效率较低的技术问题，进而达到提高对MAC地址进行分类的效率的技术效果。
附图说明
图1是根据本发明实施例的地址类型的确定方法的硬件环境的示意图；
图2是根据本发明实施例的一种可选的地址类型的确定方法的流程图；
图3是根据本发明实施例的一种可选的卷积神经网络的示意图；
图4是根据本发明实施例的一种可选的训练卷积神经网络的流程图；
图5是根据本发明实施例的一种可选的数据预处理的示意图；
图6是根据本发明实施例的一种可选的矩阵的示意图；
图7是根据本发明实施例的一种可选的地址类型的确定方法的流程图；
图8是根据本发明实施例的一种可选的设备关系的示意图；
图9是根据本发明实施例的一种可选的设备关系的示意图；
图10是根据本发明实施例的一种可选的地址类型的确定装置的示意图；以及
图11是根据本发明实施例的一种终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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描述。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本发明实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
无线保真WIFI：全称为WIreless-Fidelity，是一种允许电子设备连接到一个无线局域网(WLAN)的技术。
根据本发明实施例的一方面，提供了一种地址类型的确定方法的方法实施例。
可选地，在本实施例中，上述地址类型的确定方法可以应用于如图1所示的由服务器101和终端103所构成的硬件环境中。如图1所示，服务器101通过网络与终端103进行连接，当终端通过路由设备107接入网络时，可以将路由设备107的MAC地址上报给服务器101，服务器101可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务、地址分类服务等)，可在服务上或独立于服务器设置数据库105，用于为服务器101提供数据存储服务，如服务器101将接收到的MAC地址保存在数据库105中，上述网络包括但不限于：广域网、城域网或局域网，终端103并不限定于PC、手机、平板电脑等。
图2是根据本发明实施例的一种可选的地址类型的确定方法的流程图，如图2所示，该方法可以包括以下步骤：
步骤S202，服务器接收到分类请求，分类请求用于请求对媒体接入控制层MAC地址进行分类。
在需要对MAC地址进行分类时，触发分类请求，包括但不局限于如下场景：1)由服务器触发分类请求，在服务器侧预埋分类触发逻辑，如定时触发(如每一个小时触发一次、每一天触发一次等)，再如当待分类的MAC地址条数达到一定阈值(如100条、1000条、10000条等)时触发，或服务器实时触发，如接收到一条MAC地址时就触发；2)步骤S202至步骤S206以服务的形式提供给其余用户使用，分类逻辑可由该用户通过用户设备触发。
步骤S204，响应于分类请求，服务器获取第一设备的第一MAC地址，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络。
上述的第一设备即为提供网络接入功能的设备，包括上述的路由设备107)，当上述用户终端103(即第二设备)为其余设备开启热点网络接入功能时，此时的用户终端也应该理解为属于第一设备。
服务器获取第一设备的第一MAC地址方式包括但不局限于：1)直接获取第二设备上报的第一设备的第一MAC地址；2)服务器从数据库105获取缓存好的第一设备的第一MAC地址，数据库中缓存有第二设备上报的第一设备的第一MAC地址或要求提供分类服务的用户提供的第一设备的第一MAC地址；3)直接获取要求提供分类服务的用户提供的第一设备的第一MAC地址。
步骤S206，服务器通过第一模型识别出第一MAC地址所属的第一地址类型，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
上述的第二模型可以为神经网络模型，如卷积神经网络模型、深度神经网络模型等，后续以卷积神经网络模型为例进行说明。
相关技术中对MAC地址进行分类的方法主要是人工基于策略进行分类，通过手工提取数据分布特征，分析判断MAC所属类别，分类类别较少，且手工提取特征对分类结果影响较大。
相关技术需要观察数据并手工提取特征用于分类，并需要针对不同类别设计不同的策略来进行分类，分类准确率严重依赖于手工提取的特征，难以区分某些特征类似但类别不同的MAC地址。可见，相关技术中的技术方案存在诸多限制和缺陷。
在本申请的技术方案中，通过训练卷积神经网络，多层次自动提取数据特征，并通过训练分类器对MAC地址进行分类，使得MAC地址分类不再依靠与手工特征提取与策略设计。可以预先采用标记好(所采用的标记可为对应的地址类型)的训练数据第二MAC地址对第二模型进行训练，以初始化第二模型中各个卷积层中的参数权重，得到上述的第一模型，训练好的第一模型相当于已经学习到了MAC地址的特征与地址类型之间的映射关系，换言之，第一模型识别第一MAC地址所属的第一地址类型，就可以卷积出第一MAC地址的特征，进而根据卷积出的特征确定第一MAC地址所属的第一地址类型。进而可以保证特征提取的维度始终统一，避免了手工提取特征对分类结果的影响，对于某些特征类似但类别不同的MAC地址，由于所提取的特征维度较高，且评判标准已经量化，所以可以更为精确地实现类型判断。
上述实施例以本发明实施例的地址类型的确定方法由服务器101来执行为例进行描述，可选地，本发明实施例的地址类型的确定方法也可以由终端103来执行，执行步骤与上述相同，与在服务器上执行的区别仅在于执行主体不同，还可以是由服务器101和终端103共同执行，如由终端103提供第一MAC地址，然后由服务器101进行分类。其中，终端103执行本发明实施例的地址类型的确定方法也可以是由安装在其上的客户端来执行，换言之，可以把上述步骤以程序的形式预埋在客户端中，以便于客户端对MAC地址进行分类。
上述的地址类型包括但不局限于固定MAC和移动MAC，固定MAC可为固定部署在街道、建筑内的WIFI设备的MAC地址；移动MAC可为部署在车辆内，随机或有规律移动的WIFI设备的MAC地址，或是热点MAC地址等。当然，根据需要，可以对地址类型进行更为精细的划分，如大功率热点、小功率热点、乡村大功率热点等。此处描述的地址类型仅用于示意性说明，具体的类型可以根据需要设置，使用怎么配置的地址类型的MAC地址对模型进行训练，那么训练得到的模型就能实现对这些地址类型的MAC地址的识别。
通过上述步骤，在接收到分类请求时，可通过预先训练好的第一模型识别出第一MAC地址所属的第一地址类型，由于第一模型已经学习到了MAC地址和地址类型之间的对应关系，所以可以使用第一模型识别出第一MAC地址所属的第一地址类型，而不用人工进行分类，可以解决相关技术中对MAC地址进行分类的效率较低的技术问题，进而达到提高对MAC地址进行分类的效率的技术效果。
手机等移动终端进行网络定位时，会搜索附近一定范围内WIFI设备(即第一设备)相关信息并上传至服务器，服务器查找上传的MAC地址类别，将其中的固定MAC信息用于网络定位的相关计算。在此过程中，如果可以对MAC地址进行精细化的分类，可以更好地针对每一类MAC地址估计该MAC中心点坐标，本申请可将MAC分布映射到图像上，通过卷积神经网络提取图像分布特征，从而对MAC地址进行精细化分类。
可选地，对MAC地址进行精细化的分类时，可以按照上述步骤S206的“通过第一模型识别出第一MAC地址所属的第一地址类型”这一实施例来实现，下文结合具体实施方案进行详述：
(1)模型的训练
一种可选的卷积神经网络模型如图3所示，包括输入层、卷积层以及分类层，在通过第一模型识别出第一MAC地址所属的第一地址类型之前，可以按照如下步骤1-步骤3来实现模型训练，初始化卷积层中卷积核的各节点的权重参数：
步骤1，获取用于训练的训练集，还可获取用于对训练结果进行测试的测试集，训练集包括多个第二MAC地址和第二MAC地址的描述信息，每个第二MAC地址和该第二MAC地址的描述信息可以理解为一个MAC数据，第二MAC地址是第二设备上报的第三设备的MAC地址，第二设备用于通过第三设备接入网络。
步骤2，对多个第二MAC地址和多个第二MAC地址的描述信息进行预处理，其中，预处理包括聚类操作、过滤操作以及归一化操作中的至少之一。
可选地，对多个第二MAC地址和多个第二MAC地址的描述信息进行预处理可包括步骤21，或步骤21和步骤22，或步骤S21和步骤23，或步骤S21至步骤S23。
步骤21，根据多个第三设备的设备特征对训练集中第二MAC地址和第二MAC地址的描述信息执行聚类操作，得到多个地址集合，其中，每个地址集合中保存具有相同设备特征的第三设备的第二MAC地址和第二MAC地址的描述信息。
上述的设备特征包括但不局限于：设备厂家、设备所在区域、设备生产年限等。
由于不同设备厂家所依照的生产标准不同，也即不同设备厂家的MAC地址可能不同，为了避免不同厂家相同MAC地址的干扰，设备特征可为设备厂家，此时步骤21可认为是按照设备厂家进行聚类，也即一个厂家的设备可被聚为一类。
有的厂家会按照区域进行设备MAC地址的配备，也就是说同一区域内的设备的MAC地址不会重复，为了避免相同MAC地址的干扰，设备特征可为设备所在区域，此时步骤21可认为是按照设备所属区域进行聚类，也即一个区域的设备可被聚为一类。
对于其余类型的设备特征，与上述类似，不再赘述。
步骤22，对多个地址集合以集合为单位执行过滤操作或直接对步骤S21中训练集中的第二MAC地址和第二MAC地址的描述信息进行过滤操作，过滤操作用于按照目标方式过滤掉无效的第二MAC地址和第二MAC地址的描述信息。
上述的目标方式是预先设定的过滤方式，包括但不局限于如下方式：按照上报时间进行过滤，如同一移动设备在多个间隔较大(如间隔达到某阈值，如1小时、2小时等)时间点上报的同一设备的MAC地址；按照第二设备的定位信息进行过滤，如同一移动设备在多个位置(位置间间隔大于某个阈值，如1公里、2公里等)上报的同一设备的MAC地址。
步骤23，对多个地址集合执行归一化操作，归一化操作用于对地址集合中第二MAC地址的描述信息中的每种信息进行归一化。
上述的描述信息可以包括信号强度、信号检测时间、检测次数、第二设备的定位信息等中的一个或多个。可按照如下公式对这些信息进行归一化处理：yi,j＝xi,j/Xi，其中，Xi表示所有MAC地址的描述信息中第i种信息中的最大值，xi,j表示第j个MAC地址的描述信息的第i种信息的原始数值，yi,j表示第j个MAC地址的描述信息的第i种信息的归一化数值。
可选地，对于测试集也可按照上述方式进行处理。
步骤3，将经过预处理后的多个第二MAC地址、多个第二MAC地址的描述信息以及多个第二地址类型输入第二模型，以训练好第二模型所采用的卷积神经网络中各层的参数，得到第一模型，第二地址类型用于标注第二MAC地址的地址类型，需要说明的是，此处标注的目的在于告诉卷积神经网络模型此处第二MAC地址的正确的地址类型应该为所标注的地址类型。
作为一种可选的实施例，为了便于更为详细的了解上述训练方案，下面结合图4进一步说明：
步骤S402，对训练集和测试集进行数据预处理。
数据预处理：如图5所示，原始的MAC数据(即上述第二MAC地址和该MAC地址的描述信息)包含：MAC地址、设备经纬度位置信息、信号强度RSSI(Received Signal StrengthIndication接收的信号强度指示，无线发送层的可选部分，用来判定链接质量，以及是否增大广播发送强度)等信息，数据预处理主要包括是：一是聚类，由于制造原因，有时不同的WIFI设备(即第一设备)会共用相同的MAC地址，因此需要对MAC分布进行聚类，得到不同的子MAC分布，分别进行处理，得到聚类1至聚类n；二是数据清洗，在一些情况下，设备不在WIFI信号覆盖区域内，但依然上报该WIFI设备的MAC数据的情况，需要对该类数据进行滤波消除；三是数据归一化，对数据进行归一化处理后输出便于之后训练与预测。
步骤S404，生成MAC数据的数据图像。
生成图像：如图6所示，MAC分布数据可以表示为稀疏矩阵，矩阵为H×W×C,其中H,W为矩阵的高度和宽度，C为矩阵的通道数(对应于信息的种类)，如下式中：
(h,w)为矩阵坐标，f()是经纬度的函数，对于其余类型的信息表示方式与上述类似，对于每一个通道c，代表设备上报的一类有用信息，如RSSI值、时间、计数等，将该稀疏矩阵转换为密集矩阵即为图像生成。
步骤S406，将MAC数据的数据图像输入神经网络模型。
步骤S408，分类器对MAC地址进行分类。
步骤S410，利用损失函数进行调整。
网络训练可分为两个步骤：其一是数据集准备，通过标定或配合其它方式，对图像数据分别进行类别标注，作为网络训练所需的训练集和测试集；二是网络训练，利用训练集对特定的卷积神经网络进行训练，并在测试集上测试，以保证损失函数得到的偏差数值在一定范围内。
(2)模型的使用
在训练得到第一模型后，可利用第一模型完成对未知地址类型的MAC地址的地址类型的识别，在识别时，第一模型可先识别出第一MAC地址所具有的特征、并根据第一MAC地址所具有的特征确定第一MAC地址所属的第一地址类型。
可选地，第一模型采用的卷积神经网络可包括卷积层和分类层，其中，在通过第一模型识别出第一MAC地址所具有的特征、并根据第一MAC地址所具有的特征确定第一MAC地址所属的第一地址类型时：可由卷积层提取出第一MAC地址所具有的特征，如时间维度的特征、信号强度维度的特征等；分类层根据第一MAC地址所具有的特征确定第一MAC地址所属的第一地址类型。
在上述实施例中，卷积层提取出第一MAC地址所具有的特征时：可将第二设备上报的第一MAC地址和第一MAC地址的描述信息作为卷积神经网络的输入；由卷积层的多个卷积核提取出第一MAC地址在多个维度上的特征，多个卷积核中的每个卷积核用于从第一MAC地址和第一MAC地址的描述信息中提取第一MAC地址在一个维度上的特征。
在上述实施例中，分类层确定第一MAC地址所属的第一地址类型时：分类层可根据第一MAC地址在多个维度上的特征和为多个维度中每个维度配置的权重(即上述训练时得到的各个节点的权重)确定第一MAC地址的分类参数Y， 其中，Kn是为第n个维度上的特征Xn配置的权重，N为多个维度的个数；将分类参数所在的参数区间所映射至的地址类型作为第一地址类型，如参数区间[y1,y2]被映射至地址类型1，(y2,y3]被映射至地址类型2，(y3,y4]被映射至地址类型2等。
作为一种可选的实施例，下面结合图7进行说明：
步骤S702，对待分类的MAC数据(即第一MAC地址和对应的描述信息)进行预处理，具体实现方式与步骤S402类似。
步骤S704，生成MAC数据的数据图像，具体实现方式与步骤S404类似。
步骤S706，将MAC数据的数据图像输入神经网络模型。
步骤S708，分类器对MAC地址进行分类。
步骤S710，得到分类结果，如地址类型1至地址类型n。
(3)对于地址分类的应用
在获取到第一MAC地址的多个描述信息的情况下，根据多个描述信息确定第一设备所在的第一位置。
可选地，上述第一MAC地址的描述信息包括第二设备接收到的第一设备的信号强度和第二设备所在的第二位置，根据多个描述信息确定第一设备所在的第一位置可通过如下方式实现：根据多个描述信息中每个描述信息所包括的信号强度和第二位置确定第一位置，信号强度与目标距离相关联，目标距离为第二设备与第一设备之间的距离。
如图8所示，信号强度q可与目标距离r成反比，可用函数q＝f(r)表示，函数关系f()可以线性关系或者非线性关系，为了描述方便，后续以线性关系(q＝kr+b，k和b为常数)为例进行描述，C1、C2和C3分别表示以三个圆：
第一设备801向移动设备802、移动设备803以及移动设备804等提供WIFI信号，若移动设备上报的信号强度中包括信号方向，那么可以按照上述线性关系求取该移动设备与信号源第一设备之间的距离：r＝(q-b)/k，如图8中示出的移动设备802与第一设备之间的距离为r1、移动设备803与第一设备之间的距离为r2、移动设备804与第一设备之间的距离为r3，若r1的方向为移动设备802上报的信号强度中包括信号方向，那么r所指向的位置(即箭头所在位置)即第一设备的位置。
若移动设备上报的信号强度中未包括信号方向，那么至少要通过两个移动设备上报的信号强度来确定第一设备的位置：
如图8所示：可以按照上述线性关系求出移动设备802与第一设备之间的距离为r1、移动设备803与第一设备之间的距离为r2，然后以移动设备802所在位置为圆心以r1为半径，以移动设备803所在位置为圆心以r2为半径画圆(可记为第一圆形C1和第二圆形C2)，若第一圆形C1和第二圆形C2刚好相切，那么二者的交点即为第一设备的位置，若第一圆形C1和第二圆形C2不相切，那么则存在如图8所示的两个交点，此时则还需要借助移动设备804上报的信号强度确认，具体也是以移动设备804所在位置为圆心以r3为半径画圆(可记为第三圆形C3)，三个圆的交点即为第一设备的位置。
需要说明的是，在上述应用中，地址分类起着较大作用，主要体现在对于函数关系f()中参数的影响，还是以线性关系关系为例，影响了k和b的数值，例如，家庭热点设备这一类型对应的k的取值就会明显大于学校、商场这一类型的k值。
在确定了上述关系之后，在根据多个描述信息确定第一设备所在的第一位置之后，在接收到第四设备的定位请求的情况下，根据第一位置确定第三位置，第四设备为在第一设备的信号辐射范围内的设备；将第三位置作为第四设备的位置返回给第四设备。
如图9所示，一种可选的“根据第一位置确定第三位置”的实现方式为：直接将第一位置作为第三位置，且误差为第一设备901的辐射半径r2。
在另一种可选的“根据第一位置确定第三位置”的实现方式中，还可考虑信号强度与距离之间的关系，信号强度q可与目标距离r成反比，可用函数q＝f(r)表示，从而可利用函数关系f()来确认第四设备902距离第一设备901的距离r1。还是以线性关系为例：r1＝(q-b)/k，此时可直接将第一位置作为第三位置，且误差为r1，相对于前一种提高了定位精度。
在又一种可选的“根据第一位置确定第三位置”的实现方式中，可按照上述方式确定第四设备902距离第一设备901的距离r1，若移动设备上报的信号强度中还包括信号方向，那么可以根据向量r1以及第一设备901的第一位置来计算出第四设备的第三位置。
本申请的技术方案可应用于需要定位服务的产品(如手机地图、社交定位)中，在GPS不可用的情况下，位置信息通过网络定位获取。当设备进行网络定位时，服务器判断设备上报的一系列WIFI热点的MAC地址类别，从而筛选出固定MAC，并提取固定MAC中心点作为网络定位计算的输入，Mac地址的精细化分类不仅有助于判别一个MAC地址是固定还是移动的，也可以针对每一类固定MAC地址(如大功率WIFI，小功率WIFI，乡村大功率WIFI)单独设计算法计算MAC中心点坐标，从而提高定位精度。另一方面，精细化的MAC分类也可以作为定位数据挖掘的一部分，为可能的产品提供数据支持。
采用本申请的技术方案，可以提高对MAC地址的分类精度，借助于神经网络较好的拟合性和泛化能力，可以识别策略难以区分的MAC地址类别；可提供精细化的分类结果，可用于MAC地址中心点的更精准计算；为潜在的定位数据挖掘提供数据支撑；在基于策略进行MAC地址的分类中，可设计针对每一类MAC地址的策略，对MAC地址分布进行分析判别。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种用于实施上述地址类型的确定方法的地址类型的确定装置。图10是根据本发明实施例的一种可选的地址类型的确定装置的示意图，如图10所示，该装置可以包括：接收单元1001、获取单元1003以及识别单元1005。
接收单元1001，用于接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类。
在需要对MAC地址进行分类时，触发分类请求，包括但不局限于如下场景：1)由服务器触发分类请求，在服务器侧预埋分类触发逻辑，如定时触发(如每一个小时触发一次、每一天触发一次等)，再如当待分类的MAC地址条数达到一定阈值(如100条、1000条、10000条等)时触发，或服务器实时触发，如接收到一条MAC地址时就触发；2)上述方案可以服务的形式提供给其余用户使用，分类逻辑可由该用户通过用户设备触发。
获取单元1003，用于响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络。
上述的第一设备即为提供网络接入功能的设备，包括上述的路由设备107)，当上述用户终端103(即第二设备)为其余设备开启热点网络接入功能时，此时的用户终端也应该理解为属于第一设备。
服务器获取第一设备的第一MAC地址方式包括但不局限于：1)直接获取第二设备上报的第一设备的第一MAC地址；2)服务器从数据库105获取缓存好的第一设备的第一MAC地址，数据库中缓存有第二设备上报的第一设备的第一MAC地址或要求提供分类服务的用户提供的第一设备的第一MAC地址；3)直接获取要求提供分类服务的用户提供的第一设备的第一MAC地址。
识别单元1005，用于通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
上述的第二模型可以为神经网络模型，如卷积神经网络模型、深度神经网络模型等，后续以卷积神经网络模型为例进行说明。
相关技术中对MAC地址进行分类的方法主要是人工基于策略进行分类，通过手工提取数据分布特征，分析判断MAC所属类别，分类类别较少，且手工提取特征对分类结果影响较大。
相关技术需要观察数据并手工提取特征用于分类，并需要针对不同类别设计不同的策略来进行分类，分类准确率严重依赖于手工提取的特征，难以区分某些特征类似但类别不同的MAC地址。可见，相关技术中的技术方案存在诸多限制和缺陷。
在本申请的技术方案中，通过训练卷积神经网络，多层次自动提取数据特征，并通过训练分类器对MAC地址进行分类，使得MAC地址分类不再依靠与手工特征提取与策略设计。可以预先采用标记好(所采用的标记可为对应的地址类型)的训练数据第二MAC地址对第二模型进行训练，以初始化第二模型中各个卷积层中的参数权重，得到上述的第一模型，训练好的第一模型相当于已经学习到了MAC地址的特征与地址类型之间的映射关系，换言之，第一模型识别第一MAC地址所属的第一地址类型，就可以卷积出第一MAC地址的特征，进而根据卷积出的特征确定第一MAC地址所属的第一地址类型。进而可以保证特征提取的维度始终统一，避免了手工提取特征对分类结果的影响，对于某些特征类似但类别不同的MAC地址，由于所提取的特征维度较高，且评判标准已经量化，所以可以更为精确地实现类型判断。
上述的地址类型包括但不局限于固定MAC和移动MAC，固定MAC可为固定部署在街道、建筑内的WIFI设备的MAC地址；移动MAC可为部署在车辆内，随机或有规律移动的WIFI设备的MAC地址，或是热点MAC地址等。当然，根据需要，可以对地址类型进行更为精细的划分，如大功率热点、小功率热点、乡村大功率热点等。此处描述的地址类型仅用于示意性说明，具体的类型可以根据需要设置，使用怎么配置的地址类型的MAC地址对模型进行训练，那么训练得到的模型就能实现对这些地址类型的MAC地址的识别。
需要说明的是，该实施例中的接收单元1001可以用于执行本申请实施例中的步骤S202，该实施例中的获取单元1003可以用于执行本申请实施例中的步骤S204，该实施例中的识别单元1005可以用于执行本申请实施例中的步骤S206。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
通过上述模块，在接收到分类请求时，可通过预先训练好的第一模型识别出第一MAC地址所属的第一地址类型，由于第一模型已经学习到了MAC地址和地址类型之间的对应关系，所以可以使用第一模型识别出第一MAC地址所属的第一地址类型，而不用人工进行分类，可以解决相关技术中对MAC地址进行分类的效率较低的技术问题，进而达到提高对MAC地址进行分类的效率的技术效果。
上述识别单元还可用于：通过第一模型识别出第一MAC地址所具有的特征、并根据第一MAC地址所具有的特征确定第一MAC地址所属的第一地址类型。
可选地，第一模型采用的卷积神经网络可包括卷积层和分类层，其中，识别单元包括：提取模块，用于通过卷积层提取出第一MAC地址所具有的特征；识别模块，用于通过分类层确定第一MAC地址所属的第一地址类型，其中，分类层用于根据第一MAC地址所具有的特征确定第一MAC地址所属的第一地址类型。
可选地，提取模块可包括：输入子模块，用于将第二设备上报的第一MAC地址和第一MAC地址的描述信息作为卷积神经网络的输入；提取子模块，用于通过卷积层的多个卷积核提取出第一MAC地址在多个维度上的特征，其中，多个卷积核中的每个卷积核用于从第一MAC地址和第一MAC地址的描述信息中提取第一MAC地址在一个维度上的特征。
上述的识别模块还可用于：确定子模块，用于根据第一MAC地址在多个维度上的特征和为多个维度中每个维度配置的权重确定第一MAC地址的分类参数Y，其中，Kn是为第n个维度上的特征Xn配置的权重，N为多个维度的个数；识别子模块，用于将分类参数所在的参数区间所映射至的地址类型作为第一地址类型。
可选地，本申请的装置还可包括：信息获取单元，用于在通过第一模型识别出第一MAC地址所属的第一地址类型之前，获取多个第二MAC地址和每个第二MAC地址的描述信息，其中，第二MAC地址是第二设备上报的第三设备的MAC地址，第二设备用于通过第三设备接入网络；预处理单元，用于对多个第二MAC地址和多个第二MAC地址的描述信息进行预处理，其中，预处理包括聚类操作、过滤操作以及归一化操作中的至少之一；训练单元，用于将经过预处理后的多个第二MAC地址、多个第二MAC地址的描述信息以及多个第二地址类型输入第二模型，以训练好第二模型所采用的卷积神经网络中各层的参数，得到第一模型，其中，第二地址类型用于标注第二MAC地址的地址类型。
在上述实施例中，预处理单元对多个第二MAC地址和多个第二MAC地址的描述信息进行聚类操作时，可根据多个第三设备的设备特征对多个第二MAC地址和多个第二MAC地址的描述信息执行聚类操作，得到多个地址集合，其中，每个地址集合中保存具有相同设备特征的第三设备的第二MAC地址和第二MAC地址的描述信息；预处理单元对多个第二MAC地址和多个第二MAC地址的描述信息进行过滤操作时，可对多个地址集合执行过滤操作，其中，过滤操作用于按照目标方式过滤掉每个地址集合中无效的第二MAC地址和第二MAC地址的描述信息；预处理单元对多个第二MAC地址和多个第二MAC地址的描述信息进行归一化操时，可对多个地址集合执行归一化操作，其中，归一化操作用于对地址集合中第二MAC地址的描述信息中的每种信息进行归一化。
可选地，本申请的装置还可包括第一位置确定单元，用于在获取到第一MAC地址的多个描述信息的情况下，根据多个描述信息确定第一设备所在的第一位置。
上述的第一MAC地址的描述信息包括第二设备接收到的第一设备的信号强度和第二设备所在的第二位置，其中，第一位置确定单元还可用于：根据多个描述信息中每个描述信息所包括的信号强度和第二位置确定第一位置，其中，信号强度与目标距离相关联，目标距离为第二设备与第一设备之间的距离。
可选地，本申请的装置还可包括，第二位置确定单元，用于在根据多个描述信息确定第一设备所在的第一位置之后，在接收到第四设备的定位请求的情况下，根据第一位置确定第三位置，其中，第四设备为在第一设备的信号辐射范围内的设备；返回单元，用于将第三位置作为第四设备的位置返回给第四设备。
本申请的技术方案可应用于需要定位服务的产品(如手机地图、社交定位)中，在GPS不可用的情况下，位置信息通过网络定位获取。当设备进行网络定位时，服务器判断设备上报的一系列WIFI热点的MAC地址类别，从而筛选出固定MAC，并提取固定MAC中心点作为网络定位计算的输入，Mac地址的精细化分类不仅有助于判别一个MAC地址是固定还是移动的，也可以针对每一类固定MAC地址(如大功率WIFI，小功率WIFI，乡村大功率WIFI)单独设计算法计算MAC中心点坐标，从而提高定位精度。另一方面，精细化的MAC分类也可以作为定位数据挖掘的一部分，为可能的产品提供数据支持。
采用本申请的技术方案，可以提高对MAC地址的分类精度，借助于神经网络较好的拟合性和泛化能力，可以识别策略难以区分的MAC地址类别；可提供精细化的分类结果，可用于MAC地址中心点的更精准计算；为潜在的定位数据挖掘提供数据支撑；在基于策略进行MAC地址的分类中，可设计针对每一类MAC地址的策略，对MAC地址分布进行分析判别。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。
根据本发明实施例的另一个方面，还提供了一种用于实施上述地址类型的确定方法的服务器或终端。
图11是根据本发明实施例的一种终端的结构框图，如图11所示，该终端可以包括：一个或多个(图11中仅示出一个)处理器1101、存储器1103、以及传输装置1105(如上述实施例中的发送装置)，如图11所示，该终端还可以包括输入输出设备1107。
其中，存储器1103可用于存储软件程序以及模块，如本发明实施例中的地址类型的确定方法和装置对应的程序指令/模块，处理器1101通过运行存储在存储器1103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的地址类型的确定方法。存储器1103可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1103可进一步包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
上述的传输装置1105用于经由一个网络接收或者发送数据，还可以用于处理器与存储器之间的数据传输。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1105包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1105为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
其中，具体地，存储器1103用于存储应用程序。
处理器1101可以通过传输装置1105调用存储器1103存储的应用程序，以执行下述步骤：
接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类；
响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络；
通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
处理器1101还用于执行下述步骤：
获取多个第二MAC地址和每个第二MAC地址的描述信息，其中，第二MAC地址是第二设备上报的第三设备的MAC地址，第二设备用于通过第三设备接入网络；
对多个第二MAC地址和多个第二MAC地址的描述信息进行预处理，其中，预处理包括聚类操作、过滤操作以及归一化操作中的至少之一；
将经过预处理后的多个第二MAC地址、多个第二MAC地址的描述信息以及多个第二地址类型输入第二模型，以训练好第二模型所采用的卷积神经网络中各层的参数，得到第一模型，其中，第二地址类型用于标注第二MAC地址的地址类型。
采用本发明实施例，在接收到分类请求时，可通过预先训练好的第一模型识别出第一MAC地址所属的第一地址类型，由于第一模型已经学习到了MAC地址和地址类型之间的对应关系，所以可以使用第一模型识别出第一MAC地址所属的第一地址类型，而不用人工进行分类，可以解决相关技术中对MAC地址进行分类的效率较低的技术问题，进而达到提高对MAC地址进行分类的效率的技术效果。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本领域普通技术人员可以理解，图11所示的结构仅为示意，终端可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图11其并不对上述电子装置的结构造成限定。例如，终端还可包括比图11中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图11所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行地址类型的确定方法的程序代码。
可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：
S12，接收到分类请求，其中，分类请求用于请求对媒体接入控制层MAC地址进行分类；
S14，响应于分类请求，获取第一设备的第一MAC地址，其中，第一MAC地址是第二设备上报的，第二设备用于通过第一设备接入网络；
S16，通过第一模型识别出第一MAC地址所属的第一地址类型，其中，第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
可选地，存储介质还被设置为存储用于执行以下步骤的程序代码：
S22，获取多个第二MAC地址和每个第二MAC地址的描述信息，其中，第二MAC地址是第二设备上报的第三设备的MAC地址，第二设备用于通过第三设备接入网络；
S24，对多个第二MAC地址和多个第二MAC地址的描述信息进行预处理，其中，预处理包括聚类操作、过滤操作以及归一化操作中的至少之一；
S26，将经过预处理后的多个第二MAC地址、多个第二MAC地址的描述信息以及多个第二地址类型输入第二模型，以训练好第二模型所采用的卷积神经网络中各层的参数，得到第一模型，其中，第二地址类型用于标注第二MAC地址的地址类型。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的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，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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。

Claims (15)

1.一种地址类型的确定方法，其特征在于，包括：
接收到分类请求，其中，所述分类请求用于请求对媒体接入控制层MAC地址进行分类；
响应于所述分类请求，获取第一设备的第一MAC地址，其中，所述第一MAC地址是第二设备上报的，所述第二设备用于通过所述第一设备接入网络；
通过第一模型识别出所述第一MAC地址所属的第一地址类型，其中，所述第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
2.根据权利要求1所述的方法，其特征在于，通过第一模型识别出所述第一MAC地址所属的第一地址类型包括：
通过所述第一模型识别出所述第一MAC地址所具有的特征、并根据所述第一MAC地址所具有的特征确定所述第一MAC地址所属的所述第一地址类型。
3.根据权利要求2所述的方法，其特征在于，所述第一模型采用的卷积神经网络包括卷积层和分类层，其中，通过所述第一模型识别出所述第一MAC地址所具有的特征、并根据所述第一MAC地址所具有的特征确定所述第一MAC地址所属的所述第一地址类型包括：
通过所述卷积层提取出所述第一MAC地址所具有的特征；
通过所述分类层确定所述第一MAC地址所属的所述第一地址类型，其中，所述分类层用于根据所述第一MAC地址所具有的特征确定所述第一MAC地址所属的所述第一地址类型。
4.根据权利要求3所述的方法，其特征在于，通过所述卷积层提取出所述第一MAC地址所具有的特征包括：
将所述第二设备上报的所述第一MAC地址和所述第一MAC地址的描述信息作为所述卷积神经网络的输入；
通过所述卷积层的多个卷积核提取出所述第一MAC地址在多个维度上的特征，其中，所述多个卷积核中的每个卷积核用于从所述第一MAC地址和所述第一MAC地址的描述信息中提取所述第一MAC地址在一个维度上的特征。
5.根据权利要求3所述的方法，其特征在于，通过所述分类层确定所述第一MAC地址所属的所述第一地址类型包括：
根据所述第一MAC地址在多个维度上的特征和为所述多个维度中每个维度配置的权重确定所述第一MAC地址的分类参数Y，其中，Kn是为第n个维度上的特征Xn配置的权重，N为所述多个维度的个数；
将所述分类参数所在的参数区间所映射至的地址类型作为所述第一地址类型。
6.根据权利要求2至5中任意一项所述的方法，其特征在于，在通过第一模型识别出所述第一MAC地址所属的第一地址类型之前，所述方法还包括：
获取多个所述第二MAC地址和每个所述第二MAC地址的描述信息，其中，所述第二MAC地址是第二设备上报的第三设备的MAC地址，所述第二设备用于通过所述第三设备接入网络；
对多个所述第二MAC地址和多个所述第二MAC地址的描述信息进行预处理，其中，所述预处理包括聚类操作、过滤操作以及归一化操作中的至少之一；
将经过所述预处理后的多个所述第二MAC地址、多个所述第二MAC地址的描述信息以及多个第二地址类型输入所述第二模型，以训练好所述第二模型所采用的卷积神经网络中各层的参数，得到所述第一模型，其中，所述第二地址类型为所述第二MAC地址的地址类型标注。
7.根据权利要求6所述的方法，其特征在于，
对多个所述第二MAC地址和多个所述第二MAC地址的描述信息进行聚类操作包括：根据多个所述第三设备的设备特征对多个所述第二MAC地址和多个所述第二MAC地址的描述信息执行所述聚类操作，得到多个地址集合，其中，每个所述地址集合中保存具有相同设备特征的所述第三设备的所述第二MAC地址和所述第二MAC地址的描述信息；
对多个所述第二MAC地址和多个所述第二MAC地址的描述信息进行过滤操作包括：对所述多个地址集合执行所述过滤操作，其中，所述过滤操作用于按照目标方式过滤掉每个所述地址集合中无效的所述第二MAC地址和所述第二MAC地址的描述信息；
对多个所述第二MAC地址和多个所述第二MAC地址的描述信息进行归一化操包括：对所述多个地址集合执行所述归一化操作，其中，所述归一化操作用于对所述地址集合中所述第二MAC地址的描述信息中的每种信息进行归一化。
8.根据权利要求1至5中任意一项所述的方法，其特征在于，所述方法还包括：
在获取到所述第一MAC地址的多个描述信息的情况下，根据所述多个描述信息确定所述第一设备所在的第一位置。
9.根据权利要求8所述的方法，其特征在于，所述第一MAC地址的描述信息包括所述第二设备接收到的所述第一设备的信号强度和所述第二设备所在的第二位置，其中，根据所述多个描述信息确定所述第一设备所在的第一位置包括：
根据所述多个描述信息中每个描述信息所包括的信号强度和所述第二位置确定所述第一位置，其中，所述信号强度与目标距离相关联，所述目标距离为所述第二设备与所述第一设备之间的距离。
10.根据权利要求8所述的方法，其特征在于，在根据所述多个描述信息确定所述第一设备所在的第一位置之后，所述方法还包括：
在接收到第四设备的定位请求的情况下，根据所述第一位置确定第三位置，其中，所述第四设备为在所述第一设备的信号辐射范围内的设备；
将所述第三位置作为所述第四设备的位置返回给所述第四设备。
11.一种地址类型的确定装置，其特征在于，包括：
接收单元，用于接收到分类请求，其中，所述分类请求用于请求对媒体接入控制层MAC地址进行分类；
获取单元，用于响应于所述分类请求，获取第一设备的第一MAC地址，其中，所述第一MAC地址是第二设备上报的，所述第二设备用于通过所述第一设备接入网络；
识别单元，用于通过第一模型识别出所述第一MAC地址所属的第一地址类型，其中，所述第一模型是使用多组具有对应关系的第二MAC地址和第二地址类型对第二模型进行训练得到的。
12.根据权利要求11所述的装置，其特征在于，所述识别单元还用于：
通过所述第一模型识别出所述第一MAC地址所具有的特征、并根据所述第一MAC地址所具有的特征确定所述第一MAC地址所属的所述第一地址类型。
13.根据权利要求11所述的装置，其特征在于，所述第一模型采用的卷积神经网络包括卷积层和分类层，其中，所述识别单元包括：
提取模块，用于通过所述卷积层提取出所述第一MAC地址所具有的特征；
识别模块，用于通过所述分类层确定所述第一MAC地址所属的所述第一地址类型，其中，所述分类层用于根据所述第一MAC地址所具有的特征确定所述第一MAC地址所属的所述第一地址类型。
14.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至10任一项中所述的方法。
15.一种电子装置，包括存储器、处理器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，所述处理器通过所述计算机程序执行上述权利要求1至10任一项中所述的方法。
CN201810339227.7A 2018-04-16 2018-04-16 地址类型的确定方法和装置、存储介质、电子装置 Active CN110392122B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810339227.7A CN110392122B (zh) 2018-04-16 2018-04-16 地址类型的确定方法和装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810339227.7A CN110392122B (zh) 2018-04-16 2018-04-16 地址类型的确定方法和装置、存储介质、电子装置

Publications (2)

Publication Number Publication Date
CN110392122A true CN110392122A (zh) 2019-10-29
CN110392122B CN110392122B (zh) 2021-12-07

Family

ID=68283600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810339227.7A Active CN110392122B (zh) 2018-04-16 2018-04-16 地址类型的确定方法和装置、存储介质、电子装置

Country Status (1)

Country Link
CN (1) CN110392122B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110809309A (zh) * 2019-11-15 2020-02-18 北京三快在线科技有限公司 接入点的识别方法、装置及存储介质
CN111210158A (zh) * 2020-01-14 2020-05-29 上海钧正网络科技有限公司 目标地址确定方法、装置、计算机设备和存储介质
CN111327721A (zh) * 2020-02-28 2020-06-23 加和（北京）信息科技有限公司 Ip地址定位方法及装置、存储介质及电子装置
CN111385293A (zh) * 2020-03-04 2020-07-07 腾讯科技（深圳）有限公司 一种网络风险检测方法和装置
CN112468608A (zh) * 2020-11-16 2021-03-09 成都渊数科技有限责任公司 一种基于mac地址识别设备型号的方法及系统
CN114006886A (zh) * 2021-09-24 2022-02-01 苏州浪潮智能科技有限公司 一种解决多控服务器mac地址冲突的方法、装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120092983A1 (en) * 2009-03-13 2012-04-19 Zte Corporation Method and device for classifying media access control address based on ethernet ring network
CN102937951A (zh) * 2011-08-15 2013-02-20 北京百度网讯科技有限公司 建立ip地址分类模型的方法、对用户分类的方法及装置
US8798059B1 (en) * 2010-12-03 2014-08-05 Juniper Networks, Inc. Optimizing private virtual local area networks (VLANs)
US20140334304A1 (en) * 2013-05-13 2014-11-13 Hui Zang Content classification of internet traffic
WO2016197787A2 (zh) * 2016-03-02 2016-12-15 中兴通讯股份有限公司 一种接入控制方法和装置
CN106603733A (zh) * 2015-10-14 2017-04-26 阿里巴巴集团控股有限公司 路由器地址类型的识别方法及装置
CN107066478A (zh) * 2016-12-14 2017-08-18 阿里巴巴集团控股有限公司 一种虚假地址信息识别的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120092983A1 (en) * 2009-03-13 2012-04-19 Zte Corporation Method and device for classifying media access control address based on ethernet ring network
US8798059B1 (en) * 2010-12-03 2014-08-05 Juniper Networks, Inc. Optimizing private virtual local area networks (VLANs)
CN102937951A (zh) * 2011-08-15 2013-02-20 北京百度网讯科技有限公司 建立ip地址分类模型的方法、对用户分类的方法及装置
US20140334304A1 (en) * 2013-05-13 2014-11-13 Hui Zang Content classification of internet traffic
CN106603733A (zh) * 2015-10-14 2017-04-26 阿里巴巴集团控股有限公司 路由器地址类型的识别方法及装置
WO2016197787A2 (zh) * 2016-03-02 2016-12-15 中兴通讯股份有限公司 一种接入控制方法和装置
CN107066478A (zh) * 2016-12-14 2017-08-18 阿里巴巴集团控股有限公司 一种虚假地址信息识别的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛吉魁: "《计算机网络技术》", 31 August 2012 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110809309A (zh) * 2019-11-15 2020-02-18 北京三快在线科技有限公司 接入点的识别方法、装置及存储介质
CN110809309B (zh) * 2019-11-15 2022-02-22 北京三快在线科技有限公司 接入点的识别方法、装置及存储介质
CN111210158A (zh) * 2020-01-14 2020-05-29 上海钧正网络科技有限公司 目标地址确定方法、装置、计算机设备和存储介质
CN111210158B (zh) * 2020-01-14 2023-07-18 上海钧正网络科技有限公司 目标地址确定方法、装置、计算机设备和存储介质
CN111327721A (zh) * 2020-02-28 2020-06-23 加和（北京）信息科技有限公司 Ip地址定位方法及装置、存储介质及电子装置
CN111385293A (zh) * 2020-03-04 2020-07-07 腾讯科技（深圳）有限公司 一种网络风险检测方法和装置
CN111385293B (zh) * 2020-03-04 2021-06-22 腾讯科技（深圳）有限公司 一种网络风险检测方法和装置
CN112468608A (zh) * 2020-11-16 2021-03-09 成都渊数科技有限责任公司 一种基于mac地址识别设备型号的方法及系统
CN114006886A (zh) * 2021-09-24 2022-02-01 苏州浪潮智能科技有限公司 一种解决多控服务器mac地址冲突的方法、装置及存储介质
CN114006886B (zh) * 2021-09-24 2023-08-08 苏州浪潮智能科技有限公司 一种解决多控服务器mac地址冲突的方法、装置及存储介质

Also Published As

Publication number Publication date
CN110392122B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN110392122A (zh) 地址类型的确定方法和装置、存储介质、电子装置
CN104933870B (zh) 基于车辆行为分析的车辆套牌识别方法与装置
CN106507475B (zh) 基于EKNN的室内区域WiFi定位方法及系统
CN111079699A (zh) 商品识别方法及装置
CN111028016A (zh) 销量数据预测方法、装置以及相关设备
CN113596989B (zh) 一种用于智慧车间的室内定位方法及系统
CN108985195A (zh) 行为识别方法、装置、计算机设备及存储介质
CN106951828B (zh) 一种基于卫星影像和网络的城市区域功能属性的识别方法
CN111458721A (zh) 一种暴露垃圾的识别定位方法、装置及系统
CN107871314A (zh) 一种敏感图像鉴别方法和装置
CN111382808A (zh) 一种车辆检测处理方法及装置
CN109993184A (zh) 一种数据融合的方法以及数据融合设备
CN109874104A (zh) 用户位置定位方法、装置、设备及介质
CN111414951B (zh) 用于图像的细分类方法及装置
CN110781256B (zh) 基于发送位置数据确定与Wi-Fi相匹配的POI的方法及装置
CN108304852A (zh) 道路路段类型的确定方法、装置以及存储介质、电子装置
CN111414878A (zh) 一种关于地块的社会属性分析、图像处理方法及装置
CN113313110A (zh) 一种车牌类型识别模型构建及车牌类型识别方法
CN108377508B (zh) 基于测量报告数据的用户感知分类方法和装置
CN110619090B (zh) 一种区域吸引力评估方法及设备
CN106326263A (zh) 获取数据之间的匹配关系的方法和装置
CN116310583A (zh) 基于深度语义拓扑融合网络的极化sar图像分类方法
CN110889277A (zh) 一种无监督学习的空间信号源和室内位置关联的方法
CN113727273B (zh) 一种基于无线众包数据的人员室内语义轨迹重建方法
CN108924753A (zh) 用于场景的实时检测的方法和装置

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