CN112685799B - 设备指纹生成方法、装置、电子设备和计算机可读介质 - Google Patents
设备指纹生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112685799B CN112685799B CN202011607594.4A CN202011607594A CN112685799B CN 112685799 B CN112685799 B CN 112685799B CN 202011607594 A CN202011607594 A CN 202011607594A CN 112685799 B CN112685799 B CN 112685799B
- Authority
- CN
- China
- Prior art keywords
- target
- data
- fingerprint
- similarity
- device data
- 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
Links
Images
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本公开的实施例公开了设备指纹生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取当前时间目标用户所授权的、与目标用户所使用的目标设备相关联的设备数据,其中,目标设备相关联的设备数据包括的设备信息是根据目标用户所授予的权限得到的;根据数据库中预先存储的设备数据集和设备数据集对应的设备指纹集,利用设备信息匹配方法,生成目标设备的设备指纹识别信息;响应于设备指纹识别信息未确定出目标设备的设备指纹,确定目标设备相关联的设备数据和设备数据集中每个设备数据之间的相似度,得到相似度集;根据相似度集,生成目标设备对应的设备指纹。该实施方式可以快捷、高效的生成目标设备的设备指纹。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及设备指纹生成方法、装置、电子设备和计算机可读介质。
背景技术
每台终端设备都有其各自的设备属性和行为表现。设备指纹可以通过对终端设备的特征信息进行采集、分析和整理,为上述终端设备标注对应的设备身份标识(ID,Identity Document)。目前,通常采用的方式为:采集设备的多个数据特征,根据多组合规则的方式生成终端设备的设备身份标识。
然而,当采用上述方式生成设备身份标识时,经常会存在如下技术问题:
第一,终端设备的部分数据特征需要用户授权才可以获取,进而,少量的数据特征可能会导致生成的设备身份标识不准确,且通过多组合规则的方式生成的终端设备的设备身份标识在在反欺诈场景中对抗性较弱。
第二,由于前期用户所授予的权限较少,导致所获取的数据特征较少,以至于生成的设备身份标识的真实性较低。但是,随着用户后续授权,终端设备的数据特征越来越多,多组合规则的方式不能动态的校验终端设备的设备身份标识。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了设备指纹生成方法、装置、设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种设备指纹生成方法,该方法包括:获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据,其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的;根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息;响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集;根据上述相似度集,生成上述目标设备对应的设备指纹。
第二方面,本公开的一些实施例提供了一种设备指纹生成装置,装置包括:获取单元,被配置成获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据,其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的;第一生成单元,被配置成根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息;确定单元,被配置成响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集;第二生成单元,被配置成根据上述相似度集,生成上述目标设备对应的设备指纹。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的设备指纹生成方法可以快捷、高效的生成目标设备的设备指纹。具体来说,终端设备的部分数据特征需要用户授权才可以获取,进而,少量的数据特征可能会导致生成的设备身份标识不准确,且通过多组合规则的方式生成的终端设备的设备身份标识在在反欺诈场景中对抗性较弱。基于此,本公开的一些实施例的设备指纹生成方法会首先获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据。其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的。即,随着上述目标用户所授予的权限增多,上述目标设备相关联的设备数据包括的设备信息不断更新。可选的,后续更新后的目标设备相关联的设备数据可以用于检测生成的设备指纹的真实性。然后,根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。在这里,如果初步确定目标设备的识别指纹,则可以不用进行后续相似度确定的步骤,以此侧面减少了计算量。进而,响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。最后,根据上述相似度集,准确、有效的生成上述目标设备对应的设备指纹。可以得到,上述设备指纹生成方法可以快捷、高效的生成目标设备的设备指纹。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1-2是本公开的一些实施例的设备指纹生成方法的一个应用场景图的示意图;
图3是根据本公开的设备指纹生成方法一些实施例的流程图;
图4是根据本公开的设备指纹生成方法的另一些实施例的流程图;
图5是根据本公开的设备指纹生成装置的一些实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1-2是本公开的一些实施例的设备指纹生成方法的一个应用场景图的示意图。
如图1-2所示,电子设备101可以首先获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备102相关联的设备数据103。其中,上述目标设备102相关联的设备数据103包括的设备信息是根据上述目标用户所授予的权限得到的。在本应用场景中,上述目标设备102相关联的设备数据103可以是“局域网地址:17-32-BF-07-EA-5E,国际移动设备识别码:355521005003889,手机品牌:思于品牌”。然后,根据数据库中预先存储的设备数据集104和上述设备数据集104对应的设备指纹集105,利用设备信息匹配方法,生成上述目标设备102的设备指纹识别信息106。在本应用场景中,上述设备数据集104可以包括:设备数据1041、设备数据1042、设备数据1043、设备数据1044。其中,上述设备数据1041可以是:“局域网地址:17-23-BF-07-EA-5E,国际移动设备识别码:334521005003889,手机品牌:思于品牌”。上述设备数据1042可以是:“局域网地址:47-32-QF-07-EA-5P,国际移动设备识别码:35321235433659,手机品牌:思于品牌”。上述设备数据1043可以是:“局域网地址:23-32-BF-07-EB-5E,国际移动设备识别码:355521005003889,手机品牌:凯梦品牌”。上述设备数据1044可以是:“局域网地址:17-21-BG-07-EA-0E,国际移动设备识别码:323521665783889,手机品牌:欢愉品牌”。上述设备指纹集105包括:设备指纹1051、设备指纹1052、设备指纹1053、设备指纹1054。其中,上述设备指纹1051可以是:“69072f299sf0844”。上述设备指纹1052可以是:“44272f299sf0823”。上述设备指纹1053可以是:“69342f212ff0154”。上述设备指纹1054可以是:“83072rt99gf0244”。可以得到,目标设备102相关联的设备数据103不能与设备数据集104中每个设备数据相匹配。进而,上述设备指纹识别信息106可以是:“未确定出目标设备的设备指纹”。进而,响应于上述设备指纹识别信息106未确定出上述目标设备的设备指纹,确定上述目标设备102相关联的设备数据103和上述设备数据集104中每个设备数据之间的相似度,得到相似度集107。在本应用场景中,上述相似度集107包括:相似度1071、相似度1072、相似度1073和相似度1074。其中,上述相似度1071可以是:“0.7”。上述相似度1072可以是:“0.4”。上述相似度1073可以是:“0.6”。上述相似度1074可以是:“0.3”。最后,根据上述相似度集107,生成上述目标设备102对应的设备指纹1051。
需要说明的是,上述电子设备101可以是硬件,也可以是软件。当电子设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的电子设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的电子设备。
继续参考图3,示出了根据本公开的设备指纹生成方法的一些实施例的流程300。该设备指纹生成方法,包括以下步骤:
步骤301,获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据。
在一些实施例中,设备指纹生成方法的执行主体(例如图1所示的电子设备101)可以通过有线连接方式或者无线连接方式来获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据,其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的。即,随着上述目标用户所授予的权限增多,上述目标设备相关联的设备数据包括的设备信息不断更新。上述设备数据可以是与目标设备相关的配置信息。例如,MAC地址(Media Access Control Address),设备国际移动设备标识(IMEI,International Mobile Equipment Identity)号。上述目标设备可以是移动终端。
作为示例,当前上述目标设备相关联的设备数据可以是:“局域网地址:17-23-BF-07-EA-5E”和“国际移动设备识别码:334521005003889”。随着上述目标用户所授予的权限增多,上述目标设备相关联的设备数据包括的设备信息不断更新。更新后的目标设备相关联的设备数据可以是:“局域网地址:17-23-BF-07-EA-5E”、“国际移动设备识别码:334521005003889”和“手机品牌:思于品牌”。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤302,根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。
在一些实施例中,上述执行主体可以根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。其中,上述设备数据集中的设备数据是完整的设备的配置信息。上述设备数据包括对应设备的各方面配置信息。上述设备指纹可以标识出该目标设备的设备特征或者独特的设备标识。上述设备信息匹配方法可以是确定两个设备数据所包括的设备信息之间相似度的方法。
步骤303,响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。
在一些实施例中,响应于上述设备指纹识别信息为未确定出上述目标设备的设备指纹,上述执行主体可以通过各种方法来确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。
在一些实施例的一些可选的实现方式中,响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,将上述目标设备相关联的设备数据和上述设备数据集中每个设备数据输入至局部敏感哈希算法以输出相似度,得到上述相似度集。
步骤304,根据上述相似度集,生成上述目标设备对应的设备指纹。
在一些实施例中,上述执行主体可以根据上述相似度集,生成上述目标设备对应的设备指纹。作为示例,上述执行主体可以首先从上述相似度集中筛选数值最大的相似度。然后,确定与上述数值最大的相似度对应的设备数据。最后根据上述数值最大的相似度对应的设备数据,确定上述目标设备对应的设备指纹。
在一些实施例的一些可选的实现方式中,上述步骤还包括:将上述目标设备相关联的设备数据和上述目标设备对应的设备指纹在上述数据库中进行存储。
在一些实施例的一些可选的实现方式中,上述根据上述相似度集,生成上述目标设备对应的设备指纹,可以包括:
第一步,从上述相似度集筛选数值小于第一阈值的相似度,得到目标相似度集。
第二步,确定上述设备数据集中、与上述目标相似度集相关的设备数据集作为设备数据子集。
第三步,将上述目标设备相关联的设备数据和上述设备数据子集输入至预先训练的第一逻辑回归模型,得到第一匹配信息集。
第四步,根据上述第一匹配信息集,生成上述目标设备对应的设备指纹。作为示例,可以通过第一匹配信息集中的每个匹配信息与预定阈值比较来确定上述目标设备对应的设备指纹。
本公开的上述各个实施例中具有如下有益效果:通过本公开的一些实施例的设备指纹生成方法可以快捷、高效的生成目标设备的设备指纹。具体来说,终端设备的部分数据特征需要用户授权才可以获取,进而,少量的数据特征可能会导致生成的设备身份标识不准确,且通过多组合规则的方式生成的终端设备的设备身份标识在在反欺诈场景中对抗性较弱。基于此,本公开的一些实施例的设备指纹生成方法会首先获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据。其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的。即,随着上述目标用户所授予的权限增多,上述目标设备相关联的设备数据包括的设备信息不断更新。可选的,后续更新后的目标设备相关联的设备数据可以用于检测生成的设备指纹的真实性。然后,根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。在这里,如果初步确定目标设备的识别指纹,则可以不用进行后续相似度确定的步骤,以此侧面减少了计算量。进而,响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。最后,根据上述相似度集,准确、有效的生成上述目标设备对应的设备指纹。可以得到,上述设备指纹生成方法可以快捷、高效的生成目标设备的设备指纹。
继续参考图4,示出了根据本公开的设备指纹生成方法的另一些实施例的流程400。该设备指纹生成方法,包括以下步骤:
步骤401,获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据。
步骤402,根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。
步骤403,响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。
步骤404,根据上述相似度集,生成上述目标设备对应的设备指纹。
在一些实施例中,步骤401-404的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤301-304,在此不再赘述。
步骤405,每隔周期时间检测上述目标设备的设备指纹的真实信息。
在一些实施例中,执行主体(例如图1所示的电子101)可以每隔周期时间检测上述目标设备的设备指纹的真实信息,其中,上述真实信息表征生成的上述目标设备的设备指纹是否正确。
在一些实施例的一些可选的实现方式中,上述每隔周期时间检测上述目标设备的设备指纹的真实信息可以包括以下步骤:
第一步,确定上述目标设备的设备指纹对应的、周期时间段内已更新的设备数据集。其中,上述已更新的设备数据集包括更新后的目标设备相关联的设备数据。
第二步,响应于上述已更新的设备数据集包括至少两个设备数据,将上述已更新的设备数据集中包括上述设备信息最多的数据确定为目标设备数据。
第三步,响应于上述更新后的目标设备相关联的设备数据不是上述目标设备数据,确定上述更新后的目标设备相关联的设备数据与上述目标设备数据之间的相似程度。
第四步,根据上述相似程度,检测上述目标设备的设备指纹的真实信息。作为示例,可以根据上述相似程度,通过各种方法来检测上述目标设备的设备指纹的真实信息。
可选的,上述根据上述相似程度,检测上述目标设备的设备指纹的真实信息可以包括以下步骤:
第一步,响应于上述相似程度小于预先设定的第二阈值,确定第一数据子集与上述目标设备数据之间的相似程度集。其中,上述第一数据子集为上述已更新的设备数据集中排除上述目标设备数据和上述更新后的更新后的目标设备相关联的设备数据的数据集。
第二步,确定上述相似程度集中小于上述第二阈值的相似程度作为目标相似程度,得到目标相似程度集。
第三步,确定与上述目标相似度集相对应的上述已更新的设备数据集中的数据集作为待检测设备数据集。
第四步,将上述目标相似程度集对应的数据集和上述更新后的目标设备相关联的设备数据确定为待检测设备数据集。
第五步,基于上述待检测设备数据集,检测上述目标设备的设备指纹的真实信息。作为示例,首先,可以将上述待检测设备数据集中每两个数据输入至预先训练的分类神经网络以输出第二匹配信息,得到第二匹配信息集合。然后,通过统计以及分析第二匹配信息集合,得到上述目标设备的设备指纹的真实信息。其中,对上述第二匹配信息集合进行分析,最终结果可以是设备指纹标识正确的为一类,设备指纹标识错误的为一类。
可选的,上述基于上述待检测设备数据集,检测上述目标设备的设备指纹的真实信息可以包括以下步骤:
第一步,将上述待检测设备数据集中每两个待检测设备数据输入至预先训练的第二逻辑回归模型以输出第二匹配信息,得到第二匹配信息集合。
第二步,根据上述第二匹配信息集合,检测上述目标设备的设备指纹的真实信息。作为示例,通过统计以及分析第二匹配信息集合,得到上述目标设备的设备指纹的真实信息。其中,对上述第二匹配信息集合进行分析,最终结果可以是设备指纹标识正确的为一类,设备指纹标识错误的为一类。
可选的,上述步骤还包括:
第一步,响应于上述更新后的更新后的、目标设备相关联的设备数据为上述目标设备数据,确定第二数据子集与上述目标设备数据之间的相似程度集。其中,上述第二数据子集为上述已更新的设备数据集中排除上述目标设备数据的数据集。
第二步,根据上述相似程度集,检测上述目标设备的设备指纹的真实信息。作为示例,上述执行主体可以根据上述相似程度集,通过各种方法检测上述目标设备的设备指纹的真实信息。
可选的,上述根据上述相似程度,检测上述目标设备的设备指纹的真实信息,可以包括以下步骤:
第一步,响应于上述相似程度大于或等于预先设定的第二阈值,将上述更新后的目标设备相关联的设备数据和上述目标设备数据输入至预先训练的第二逻辑回归模型以输出第三匹配信息。
第二步,根据上述第三匹配信息,检测上述目标设备的设备指纹的真实信息。作为示例,上述执行主体可以通过第三匹配信息与预定阈值进行比较来检测上述目标设备的设备指纹的真实信息。
本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“由于前期用户所授予的权限较少,导致所获取的数据特征较少,以至于生成的设备身份标识的真实性较低。但是,随着用户后续授权,终端设备的数据特征越来越多,多组合规则的方式不能动态的校验终端设备的设备身份标识”。本公开的实施例可以通过每隔周期时间检测上述目标设备的设备指纹的真实信息。其中,上述真实信息表征生成的上述目标设备的设备指纹是否正确。需要说明的是,上述目标设备相关联的设备数据随着目标用户所授予的权限的增多,上述目标设备相关联的设备数据的设备信息不断增多。所以目标设备相关联的设备数据对应的设备指纹可能是不断变换的。因此,每隔周期时间检测上述目标设备的设备指纹的真实信息可以动态的校验终端设备的设备身份标识。以此,使得生成该目标设备对应的设备指纹的越来越精准。
继续参考图5,作为对上述各图上述方法的实现,本公开提供了一种设备指纹生成装置的一些实施例,这些装置实施例与图3上述的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一些实施例的设备指纹生成装置500包括:获取单元501、第一生成单元502、确定单元503和第二生成单元504。其中,获取单元501,被配置成获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据,其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的。第一生成单元502,被配置成根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息。确定单元503,被配置成响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集。第二生成单元504,被配置成根据上述相似度集第一匹配信息集,生成上述目标设备对应的设备指纹。
在一些实施例的一些可选的实现方式中,上述装置还包括:存储单元(图中未展示)。其中,上述存储单元可以进一步被配置成:将上述目标设备相关联的设备数据和上述目标设备对应的设备指纹在上述数据库中进行存储。
在一些实施例的一些可选的实现方式中,上述装置还包括:检测单元(图中未展示)。其中,检测单元可以进一步被配置成:每隔周期时间检测上述目标设备的设备指纹的真实信息,其中,上述真实信息表征生成的上述目标设备的设备指纹是否正确。
在一些实施例的一些可选的实现方式中,确定单元503可以进一步被配置成:响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,将上述目标设备相关联的设备数据和上述设备数据集中每个设备数据输入至局部敏感哈希算法以输出相似度,得到上述相似度集。
在一些实施例的一些可选的实现方式中,第二生成单元504可以进一步被配置成:从上述相似度集筛选数值小于第一阈值的相似度,得到目标相似度集;确定上述设备数据集中、与上述目标相似度集相关的设备数据集作为设备数据子集;将上述目标设备相关联的设备数据和上述设备数据子集输入至预先训练的第一逻辑回归模型,得到第一匹配信息集;根据上述第一匹配信息集,生成上述目标设备对应的设备指纹。
在一些实施例的一些可选的实现方式中,检测单元可以进一步被配置成:确定上述目标设备的设备指纹对应的、周期时间段内已更新的设备数据集,其中,上述已更新的设备数据集包括更新后的目标设备相关联的设备数据;响应于上述已更新的设备数据集包括至少两个设备数据,将上述已更新的设备数据集中包括上述设备信息最多的数据确定为目标设备数据;响应于上述更新后的目标设备相关联的设备数据不是上述目标设备数据,确定上述更新后的目标设备相关联的设备数据与上述目标设备数据之间的相似程度;根据上述相似程度,检测上述目标设备的设备指纹的真实信息。
在一些实施例的一些可选的实现方式中,检测单元可以进一步被配置成:响应于上述相似程度小于预先设定的第二阈值,确定第一数据子集与上述目标设备数据之间的相似程度集,其中,上述第一数据子集为上述已更新的设备数据集中排除上述目标设备数据和上述更新后的目标设备相关联的设备数据的数据集;确定上述相似程度集中小于上述第二阈值的相似程度作为目标相似程度,得到目标相似程度集;确定与上述目标相似程度集相对应的、上述已更新的设备数据集中的数据集,得到目标相似程度集对应的数据集;将上述目标相似程度集对应的数据集和上述更新后的目标设备相关联的设备数据确定为待检测设备数据集;基于上述待检测设备数据集,检测上述目标设备的设备指纹的真实信息。
在一些实施例的一些可选的实现方式中,检测单元可以进一步被配置成:将上述待检测设备数据集中每两个待检测设备数据输入至预先训练的第二逻辑回归模型以输出第二匹配信息,得到第二匹配信息集合;根据上述第二匹配信息集合,检测上述目标设备的设备指纹的真实信息。
在一些实施例的一些可选的实现方式中,检测单元可以进一步被配置成:响应于上述更新后的、目标设备相关联的设备数据为上述目标设备数据,确定第二数据子集与上述目标设备数据之间的相似程度集,其中,上述第二数据子集为上述已更新的设备数据集中排除上述目标设备数据的数据集;根据上述相似程度集,检测上述目标设备的设备指纹的真实信息。
在一些实施例的一些可选的实现方式中,第二生成单元504可以进一步被配置成:响应于上述相似程度大于或等于预先设定的第二阈值,将上述更新后的目标设备相关联的设备数据和上述目标设备数据输入至预先训练的第二逻辑回归模型以输出第三匹配信息;根据上述第三匹配信息,检测上述目标设备的设备指纹的真实信息。匹配匹配
可以理解的是,该装置500中记载的诸单元与参考图3描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机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。而在本公开的一些实施例中,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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前时间目标用户所授权的、与上述目标用户所使用的目标设备相关联的设备数据,其中,上述目标设备相关联的设备数据包括的设备信息是根据上述目标用户所授予的权限得到的;根据数据库中预先存储的设备数据集和上述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成上述目标设备的设备指纹识别信息;响应于上述设备指纹识别信息未确定出上述目标设备的设备指纹,确定上述目标设备相关联的设备数据和上述设备数据集中每个设备数据之间的相似度,得到相似度集;根据上述相似度集,生成上述目标设备对应的设备指纹。可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一生成单元、确定单元和第二生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第二生成单元还可以被描述为“根据上述相似度集,生成上述目标设备对应的设备指纹的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (11)
1.一种设备指纹生成方法,包括:
获取当前时间目标用户所授权的、与所述目标用户所使用的目标设备相关联的设备数据,其中,所述目标设备相关联的设备数据包括的设备信息是根据所述目标用户所授予的权限得到的;
根据数据库中预先存储的设备数据集和所述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成所述目标设备的设备指纹识别信息;
响应于所述设备指纹识别信息未确定出所述目标设备的设备指纹,确定所述目标设备相关联的设备数据和所述设备数据集中每个设备数据之间的相似度,得到相似度集;
根据所述相似度集,生成所述目标设备对应的设备指纹;
所述方法还包括:确定所述目标设备的设备指纹对应的、周期时间段内已更新的设备数据集,其中,所述已更新的设备数据集包括更新后的目标设备相关联的设备数据;
响应于所述已更新的设备数据集包括至少两个设备数据,将所述已更新的设备数据集中包括所述设备信息最多的数据确定为目标设备数据;
响应于所述更新后的目标设备相关联的设备数据不是所述目标设备数据,确定所述更新后的目标设备相关联的设备数据与所述目标设备数据之间的相似程度;
根据所述相似程度,检测所述目标设备的设备指纹的真实信息,其中,所述真实信息表征生成的所述目标设备的设备指纹是否正确。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述目标设备相关联的设备数据和所述目标设备对应的设备指纹在所述数据库中进行存储。
3.根据权利要求1所述的方法,其中,所述响应于所述设备指纹识别信息未确定出所述目标设备的设备指纹,确定所述目标设备相关联的设备数据和所述设备数据集中每个设备数据之间的相似度,得到相似度集,包括:
响应于所述设备指纹识别信息未确定出所述目标设备的设备指纹,将所述目标设备相关联的设备数据和所述设备数据集中每个设备数据输入至局部敏感哈希算法以输出相似度,得到所述相似度集。
4.根据权利要求1所述的方法,其中,所述根据所述相似度集,生成所述目标设备对应的设备指纹,包括:
从所述相似度集筛选数值小于第一阈值的相似度,得到目标相似度集;
确定所述设备数据集中、与所述目标相似度集相关的设备数据集作为设备数据子集;
将所述目标设备相关联的设备数据和所述设备数据子集输入至预先训练的第一逻辑回归模型,得到第一匹配信息集;
根据所述第一匹配信息集,生成所述目标设备对应的设备指纹。
5.根据权利要求1所述的方法,其中,所述根据所述相似程度,检测所述目标设备的设备指纹的真实信息,包括:
响应于所述相似程度小于预先设定的第二阈值,确定第一数据子集与所述目标设备数据之间的相似程度集,其中,所述第一数据子集为所述已更新的设备数据集中排除所述目标设备数据和所述更新后的目标设备相关联的设备数据的数据集;
确定所述相似程度集中小于所述第二阈值的相似程度作为目标相似程度,得到目标相似程度集;
确定与所述目标相似程度集相对应的、所述已更新的设备数据集中的数据集,得到目标相似程度集对应的数据集;
将所述目标相似程度集对应的数据集和所述更新后的目标设备相关联的设备数据确定为待检测设备数据集;
基于所述待检测设备数据集,检测所述目标设备的设备指纹的真实信息。
6.根据权利要求5所述的方法,其中,所述基于所述待检测设备数据集,检测所述目标设备的设备指纹的真实信息,包括:
将所述待检测设备数据集中每两个待检测设备数据输入至预先训练的第二逻辑回归模型以输出第二匹配信息,得到第二匹配信息集合;
根据所述第二匹配信息集合,检测所述目标设备的设备指纹的真实信息。
7.根据权利要求5所述的方法,其中,所述方法还包括:
响应于所述更新后的、目标设备相关联的设备数据为所述目标设备数据,确定第二数据子集与所述目标设备数据之间的相似程度集,其中,所述第二数据子集为所述已更新的设备数据集中排除所述目标设备数据的数据集;
根据所述相似程度集,检测所述目标设备的设备指纹的真实信息。
8.根据权利要求5所述的方法,其中,所述根据所述相似程度,检测所述目标设备的设备指纹的真实信息,包括:
响应于所述相似程度大于或等于预先设定的第二阈值,将所述更新后的目标设备相关联的设备数据和所述目标设备数据输入至预先训练的第二逻辑回归模型以输出第三匹配信息;
根据所述第三匹配信息,检测所述目标设备的设备指纹的真实信息。
9.一种设备指纹生成装置,包括:
获取单元,被配置成获取当前时间目标用户所授权的、与所述目标用户所使用的目标设备相关联的设备数据,其中,所述目标设备相关联的设备数据包括的设备信息是根据所述目标用户所授予的权限得到的;
第一生成单元,被配置成根据数据库中预先存储的设备数据集和所述设备数据集对应的设备指纹集,利用设备信息匹配方法,生成所述目标设备的设备指纹识别信息;
确定单元,被配置成响应于所述设备指纹识别信息未确定出所述目标设备的设备指纹,确定所述目标设备相关联的设备数据和所述设备数据集中每个设备数据之间的相似度,得到相似度集;
第二生成单元,被配置成根据所述相似度集,生成所述目标设备对应的设备指纹;
所述装置还被配置成确定所述目标设备的设备指纹对应的、周期时间段内已更新的设备数据集,其中,所述已更新的设备数据集包括更新后的目标设备相关联的设备数据;响应于所述已更新的设备数据集包括至少两个设备数据,将所述已更新的设备数据集中包括所述设备信息最多的数据确定为目标设备数据;响应于所述更新后的目标设备相关联的设备数据不是所述目标设备数据,确定所述更新后的目标设备相关联的设备数据与所述目标设备数据之间的相似程度;根据所述相似程度,检测所述目标设备的设备指纹的真实信息,其中,所述真实信息表征生成的所述目标设备的设备指纹是否正确。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607594.4A CN112685799B (zh) | 2020-12-29 | 2020-12-29 | 设备指纹生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607594.4A CN112685799B (zh) | 2020-12-29 | 2020-12-29 | 设备指纹生成方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112685799A CN112685799A (zh) | 2021-04-20 |
CN112685799B true CN112685799B (zh) | 2022-11-29 |
Family
ID=75454924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607594.4A Active CN112685799B (zh) | 2020-12-29 | 2020-12-29 | 设备指纹生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685799B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114499994B (zh) * | 2021-12-30 | 2024-06-04 | 科大讯飞股份有限公司 | 设备指纹的识别方法、装置、电子设备及介质 |
CN114783007B (zh) * | 2022-06-22 | 2022-09-27 | 成都新希望金融信息有限公司 | 设备指纹识别方法、装置和电子设备 |
CN115473705A (zh) * | 2022-08-26 | 2022-12-13 | 京东科技控股股份有限公司 | 设备指纹的生成和请求处理方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409419A (zh) * | 2018-09-30 | 2019-03-01 | 北京字节跳动网络技术有限公司 | 用于处理数据的方法和装置 |
CN110458094A (zh) * | 2019-08-09 | 2019-11-15 | 国家计算机网络与信息安全管理中心 | 基于指纹相似度的设备分类方法 |
CN110737881A (zh) * | 2018-07-18 | 2020-01-31 | 马上消费金融股份有限公司 | 一种智能设备指纹验证方法及装置 |
CN111478986A (zh) * | 2020-06-22 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 设备指纹的生成方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8949954B2 (en) * | 2011-12-08 | 2015-02-03 | Uniloc Luxembourg, S.A. | Customer notification program alerting customer-specified network address of unauthorized access attempts to customer account |
US9165124B1 (en) * | 2012-02-01 | 2015-10-20 | Convertro, Inc. | Systems and methods for identifying a returning web client |
CN109376277B (zh) * | 2018-11-23 | 2020-11-20 | 京东数字科技控股有限公司 | 确定设备指纹同源性的方法及装置 |
CN111800513B (zh) * | 2020-07-09 | 2022-09-27 | 北京字节跳动网络技术有限公司 | 用于推送信息的方法、装置、电子设备计算机可读介质 |
-
2020
- 2020-12-29 CN CN202011607594.4A patent/CN112685799B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737881A (zh) * | 2018-07-18 | 2020-01-31 | 马上消费金融股份有限公司 | 一种智能设备指纹验证方法及装置 |
CN109409419A (zh) * | 2018-09-30 | 2019-03-01 | 北京字节跳动网络技术有限公司 | 用于处理数据的方法和装置 |
CN110458094A (zh) * | 2019-08-09 | 2019-11-15 | 国家计算机网络与信息安全管理中心 | 基于指纹相似度的设备分类方法 |
CN111478986A (zh) * | 2020-06-22 | 2020-07-31 | 腾讯科技(深圳)有限公司 | 设备指纹的生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112685799A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112685799B (zh) | 设备指纹生成方法、装置、电子设备和计算机可读介质 | |
US10938927B2 (en) | Machine learning techniques for processing tag-based representations of sequential interaction events | |
US10547618B2 (en) | Method and apparatus for setting access privilege, server and storage medium | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
CN114422267B (zh) | 流量检测方法、装置、设备及介质 | |
CN107729928B (zh) | 信息获取方法和装置 | |
CN110929799B (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
CN105590055A (zh) | 用于在网络交互系统中识别用户可信行为的方法及装置 | |
CN115085196B (zh) | 电力负荷预测值确定方法、装置、设备和计算机可读介质 | |
CN112200173B (zh) | 多网络模型训练方法、图像标注方法和人脸图像识别方法 | |
CN113760674A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN111611390B (zh) | 一种数据处理方法及装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN112419312B (zh) | 相似房源信息检测方法、装置、电子设备和可读介质 | |
CN110599278B (zh) | 聚合设备标识符的方法、装置和计算机存储介质 | |
CN110956127A (zh) | 用于生成特征向量的方法、装置、电子设备和介质 | |
CN115361450A (zh) | 请求信息处理方法、装置、电子设备、介质和程序产品 | |
CN107995167B (zh) | 一种设备识别方法及服务器 | |
CN111582456B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
KR102177392B1 (ko) | 맥락 데이터 기반 모바일 사용자 인증 장치 및 방법 | |
CN113034580A (zh) | 图像信息检测方法、装置和电子设备 | |
CN111221424A (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
CN117573153B (zh) | 路由器芯片烧录方法、装置、电子设备和计算机可读介质 | |
CN116415237B (zh) | 风险设备识别方法、装置、计算机设备和存储介质 | |
CN114399355B (zh) | 基于用户转化率的信息推送方法、装置和电子设备 |
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 |