CN116738408B - 一种可疑设备的确定方法、装置及介质 - Google Patents

一种可疑设备的确定方法、装置及介质 Download PDF

Info

Publication number
CN116738408B
CN116738408B CN202311018896.1A CN202311018896A CN116738408B CN 116738408 B CN116738408 B CN 116738408B CN 202311018896 A CN202311018896 A CN 202311018896A CN 116738408 B CN116738408 B CN 116738408B
Authority
CN
China
Prior art keywords
information
target
time interval
determining
equipment
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
CN202311018896.1A
Other languages
English (en)
Other versions
CN116738408A (zh
Inventor
李丹
肖新光
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.)
Beijing Antiy Network Technology Co Ltd
Original Assignee
Beijing Antiy Network 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 Beijing Antiy Network Technology Co Ltd filed Critical Beijing Antiy Network Technology Co Ltd
Priority to CN202311018896.1A priority Critical patent/CN116738408B/zh
Publication of CN116738408A publication Critical patent/CN116738408A/zh
Application granted granted Critical
Publication of CN116738408B publication Critical patent/CN116738408B/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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/44—Program or device authentication
    • G06F21/445—Program or device authentication by mutual authentication, e.g. between devices or programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种可疑设备的确定方法、装置及介质，应用于第一设备，所述第一设备安装有用于信息传输的目标程序；包括：响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集和第二信息集；根据第一信息集和第二信息集，确定是否满足触发条件；若满足触发条件则向第二设备发送目标信息；目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息；确定向第二设备发送目标信息后，第二设备发送至第一设备的信息中是否包含与目标信息对应的信息，若包含则判定所述第二设备为可疑设备。本发明能够有效对应用了人工智能应用或程序的可疑设备进行检出，为与可疑设备进行信息交互的用户进行风险提示，以保护信息和资产安全。

Description

一种可疑设备的确定方法、装置及介质
技术领域
本发明涉及信息安全技术领域，尤其涉及一种可疑设备的确定方法、装置及介质。
背景技术
随着新一代信息技术和应用的快速发展，人工智能等新技术新应用在给人们工作、生活、学习带来便利的同时，也会被他人利用成为窃取信息、网络诈骗等的工具，给网络安全和社会安全带来极大的风险和挑战。目前的技术研究领域大多是对人工智能技术的优化和应用进行研究，对其进行行为检测的研究较少，且由于人工智能技术的类人能力较强，现有技术难以对其进行有效检出，这势必会造成相关应用风险的增加，对个人和企业机构的信息和资产安全十分不利。
发明内容
有鉴于此，本发明提供一种可疑设备的确定方法、装置及介质，能够对应用人工智能技术或应用的设备有效检出，帮助个人或企业机构识别人工智能应用风险，避免安全陷阱，至少部分解决现有技术中存在的问题。
具体发明内容为：
一种可疑设备的确定方法，应用于第一设备，所述第一设备安装有用于信息传输的目标程序；所述方法包括：
响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间。
根据第一信息集A和第二信息集B，确定是否满足触发条件。
若满足所述触发条件则向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息。
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
进一步地，所述获取第一信息集A和第二信息集B，包括：
在目标条件下，获取第一设备向第二设备发送的每一条信息和每一条信息对应的发送时间，得到所述第一信息集A。
获取第二设备发送至第一设备的每一条信息和每一条信息对应的发送时间，得到所述第二信息集B。
所述目标条件至少包括下列之一：第二设备发送至第一设备的信息的数量满足预设数量阈值、第一设备和第二设备通过各自的目标程序进行信息传输满足规定时长。
进一步地，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
对所述第二信息集B中包含的信息进行分词统计，确定词频大于预设词频阈值的目标词。
将所述目标词与预设关键词库中的词进行匹配。
若匹配成功，则判定满足所述触发条件。
进一步地，在所述获取第一信息集A和第二信息集B之后，所述方法还包括：
根据第一信息集A和第二信息集B，确定出目标时间间隔集t；t=（t1，t2，…，ty，…，tw）；y=1，2，…，w；其中，ty为确定出的第y个目标时间间隔，w为确定出的目标时间间隔的数量。
所述确定出目标时间间隔集t，包括以下步骤：
步骤1：获取目标数值x=1。
步骤2：若x小于等于n-1，则根据Tx和第二信息集B确定出中间时间间隔集ZT；否则，结束当前流程；ZT=（ZT1，ZT2，…，ZTj，…，ZTm）；其中，ZTj为第j个中间时间间隔，ZTj=Rj-Tx。
步骤3：根据Tx遍历中间时间间隔集ZT，若ZTj＞0，且ZTj＜Tx+1-Tx，则将ZTj确定为目标时间间隔，并进入步骤4；否则直接进入步骤4。
步骤4：获取x=x+1，并进入步骤1。
进一步地，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
确定所述目标时间间隔集t中，目标时间间隔小于预设时间间隔阈值的数量占所述目标时间间隔的总数量w的比例。
若所述比例大于预设比例阈值，则判定满足所述触发条件。
进一步地，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
根据所述目标时间间隔集t确定目标时间间隔的波动值P。
P=((Σw y=1(ty-t’)2)/w)1/2；其中，t’=(Σw y=1ty)/w。
若所述波动值P小于预设第一波动阈值，则判定满足所述触发条件。
进一步地，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
对所述目标时间间隔集t中包含的目标时间间隔进行聚类，得到若干目标时间间隔组。
确定每一所述目标时间间隔组中包含的目标时间间隔的数量，得到时间间隔数量集Q；Q=（S1，S2，…，Sa，…Sv）；其中，a=1，2，…，v，v为所述目标时间间隔组的数量，Sa为第a个目标时间间隔组包含的目标时间间隔的数量。
根据所述时间间隔数量集Q确定时间间隔数量的波动值Z。
Z=((Σv a=1(Sa-S’)2)/v)1/2；其中，S’=(Σv a=1Sa)/v。
若所述波动值Z小于预设第二波动阈值，则判定满足所述触发条件。
进一步地，所述确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，包括：
根据所述目标信息确定触发人工智能的交互响应后人工智能生成的回复信息的关键词；所述关键词为与所述目标信息对应的信息。
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含所述关键词。
若包含所述关键词，则判定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，以判定所述第二设备为可疑设备。
一种可疑设备的确定装置，应用于第一设备，所述第一设备中安装有用于信息传输的目标程序；所述装置包括：
信息集获取模块，响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间。
触发条件确定模块，用于根据第一信息集A和第二信息集B，确定是否满足触发条件；若满足所述触发条件则执行信息发送模块。
信息发送模块，用于向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息。
可疑设备判定模块，用于确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现前述方法。
本发明的有益效果体现在：
本发明的应用场景十分广泛，可用于聊天、会议、网络购物等存在信息传输的场景，同时可应用于互联网、局域网、自组网等各种网络环境，第一设备侧用户可以是个人或企业机构。本发明能够有效对人工智能应用或程序的交互行为进行识别，对应用了人工智能应用或程序的可疑设备进行检出，为与可疑设备进行信息交互的用户进行风险提示，帮助个人或企业机构用户做出正确判断，以保护信息和资产安全，同时为维护网络安全和社会安全提供有效保障。本发明能够实现在用户无感的情况下对可疑设备进行判定，不干扰第一设备的信息传输，保障第一设备侧的用户体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例一种可疑设备的确定方法流程图；
图2为本发明实施例一种可疑设备的确定方法中确定是否满足触发条件的方法流程图；
图3为本发明实施例一种可疑设备的确定方法中另一种确定是否满足触发条件的方法流程图；
图4为本发明实施例一种可疑设备的确定方法中另一种确定是否满足触发条件的方法流程图；
图5为本发明实施例一种可疑设备的确定方法中另一种确定是否满足触发条件的方法流程图；
图6为本发明实施例一种可疑设备的确定装置结构图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，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，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
本发明提供一种可疑设备的确定方法实施例，应用于第一设备，所述第一设备安装有用于信息传输的目标程序；所述第一设备包括手机、电脑等能够安装并运行所述目标程序的设备；所述方法实施例如图1所示，包括：
S11：响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间。
S12：根据第一信息集A和第二信息集B，确定是否满足触发条件。
S13：若满足所述触发条件则向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息。所述目标信息的确定方式包括：获取在满足所述触发条件后第一设备通过所述目标程序向第二设备发送的第一条信息，在所述第一条信息中添加能够触发人工智能进行交互响应且无法被人类识别的信息，得到目标信息；或，在预设信息库中随机确定一条信息作为目标信息，所述预设信息库中存储有若干条能够触发人工智能进行交互响应且无法被人类识别的信息。
S14：确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
由于人工智能应用或程序是受人类控制的，其自身没有智慧的判断能力，因此，与人工智能类用户进行信息交互是具有安全风险的，即若第二设备的目标程序的用户为人工智能类用户，则可判定所述第二设备为可疑设备。图1所述实施例在根据第一信息集A和第二信息集B确定满足触发条件后，向第二设备发送目标信息，再根据第二设备针对所述目标信息返回的信息确定第二设备是否为可疑设备。由于目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息，因此，若第二设备的目标程序的用户为人类，则无法对目标信息做出对应的回复或只能做出与目标信息相关性较弱的回复；若第二设备的目标程序的用户为人工智能类的用户，即人工智能应用、人工智能程序等，则可对目标信息做出包括人类无法识别部分的回复的完整回复。所以，若向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，则可判定第二设备的目标程序的用户为人工智能类用户，即所述第二设备为可疑设备。图1所述实施例能够实现在第一设备侧用户无感的情况下对可疑设备进行判定，不干扰第一设备的信息传输，保障第一设备侧的用户体验。在图1所述实施例步骤S14之后，可根据实际应用场景增加预警提示过程，例如，判定所述第二设备为可疑设备后，向第一设备发送安全提示信息，如“监测到对方为可疑用户，请警惕信息传输风险，勿轻信对方发送的信息内容”等。
图1所述实施例的应用场景十分广泛，可用于聊天、会议、网络购物等存在信息传输的场景，同时可应用于互联网、局域网、自组网等各种网络环境，第一设备侧用户可以是个人或企业机构。图1所述实施例能够准确地对应用了人工智能的可疑设备进行检出，有助于为与可疑设备进行信息交互的用户进行风险提示，帮助个人或企业机构用户做出正确判断，以保护信息和资产安全，同时为维护网络安全和社会安全提供有效保障。
优选地，所述获取第一信息集A和第二信息集B，包括：
在目标条件下，获取第一设备向第二设备发送的每一条信息和每一条信息对应的发送时间，得到所述第一信息集A。
获取第二设备发送至第一设备的每一条信息和每一条信息对应的发送时间，得到所述第二信息集B。
所述目标条件至少包括下列之一：第二设备发送至第一设备的信息的数量满足预设数量阈值、第一设备和第二设备通过各自的目标程序进行信息传输满足规定时长。所述预设数量阈值根据实际应用需求设置，如50条、100条等；所述规定时长根据实际应用需求设置，如半小时、两小时等。
优选地，结合前述优选方案，给出一种可疑设备的确定方法中，所述根据第一信息集A和第二信息集B，确定是否满足触发条件的方法实施例，如图2所示，包括：
S21：对所述第二信息集B中包含的信息进行分词统计，确定词频大于预设词频阈值的目标词。所述预设词频阈值根据实际应用需求设置，如30次、50次等。
S22：将所述目标词与预设关键词库中的词进行匹配。所述预设关键词库中存储有反诈关键词，包括保险、股票、基金、投资、购买等。
S23：若匹配成功，则判定满足所述触发条件。
上述优选方案为对第二设备是否为可疑设备进行判定的预判过程，即预判过程是指对第二设备的信息传输行为进行判断，确定其信息传输行为是否存在恶意性，若预判结果为第二设备存在恶意性则判定满足所述触发条件，再进一步对第二设备是否为可疑设备进行判定。因此，具有两层判定，第一层判定是指判定设备是否存在恶意性，第二层判定是指判定设备是否为可疑设备。逐层判定方式不仅可提高可疑设备判定的准确性，而且预判过程可筛选出存在恶意性可能性较大的设备，然后再进行二次判定，避免二次判定流程对所有处于数据传输状态的设备进行逐一判定，因此上述优选方案还可提高判定效率。
优选地，在所述获取第一信息集A和第二信息集B之后，所述方法还包括：
根据第一信息集A和第二信息集B，确定出目标时间间隔集t；t=（t1，t2，…，ty，…，tw）；y=1，2，…，w；其中，ty为确定出的第y个目标时间间隔，w为确定出的目标时间间隔的数量。
所述确定出目标时间间隔集t，包括以下步骤：
步骤1：获取目标数值x=1。
步骤2：若x小于等于n-1，则根据Tx和第二信息集B确定出中间时间间隔集ZT；否则，结束当前流程；ZT=（ZT1，ZT2，…，ZTj，…，ZTm）；其中，ZTj为第j个中间时间间隔，ZTj=Rj-Tx。
步骤3：根据Tx遍历中间时间间隔集ZT，若ZTj＞0，且ZTj＜Tx+1-Tx，则将ZTj确定为目标时间间隔，并进入步骤4；否则直接进入步骤4。
步骤4：获取x=x+1，并进入步骤1。
上述优选方案能够确定出第二设备针对每一条由第一设备发送的信息的响应时间间隔，即每一次第一设备向第二设备发送信息的时间和第二设备返回相应回复信息的时间的间隔。
对上述优选方案中确定出目标时间间隔集t的过程举例如下：
假设n=100，第一信息集A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（A100，T100））；i=1，2，…，100；第二信息集B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））。
获取目标数值x=1，分别用R1、R2、…、Rj、…、Rm减去T1，得到T1对应的中间时间间隔集ZT=（ZT1，ZT2，…，ZTf，…，ZTm）；f=1，2，…，m；其中，ZTf为第f个中间时间间隔，ZTf=Rf-T1；根据T1遍历当前的中间时间间隔集，若存在一中间时间间隔ZTd，d=1，2，…，m，ZTd其自身大于0，即对应的第二设备向第一设备发送信息Bd的时间Rd晚于T1，且ZTd＜T2-T1，即小于第一设备向第二设备发送信息A1和A2的时间间隔，则将ZTd确定为T1对应的目标时间间隔，即第一设备向第二设备发送信息A1的时间T1和第二设备针对A1向第一设备发送回复信息Bd的时间Rd之间的时间间隔。经过实验计算可知，若获取到的T1早于R1，则经过计算后T1对应的目标时间间隔为ZT1，否则T1对应的目标时间间隔根据实际计算结果确定。
获取x=x+1，即x=2，依照上述计算过程确定T2对应的目标时间间隔，依此类推，直至完成x=99的相应计算，确定出每一目标时间间隔，以确定出所述目标时间间隔集t。由于无法排除第一设备发送多条信息后第二设备回复一条信息，或第一设备发送一条信息后第二设备回复多条信息的情况，因此，本举例中最终确定出的目标时间间隔的数量w小于等于99。
优选地，结合上述优选方案，给出一种可疑设备的确定方法中，根据第一信息集A和第二信息集B的另一种确定是否满足触发条件的方法实施例，如图3所示，包括：
S31：根据第一信息集A和第二信息集B，确定出目标时间间隔集t。
S32：确定所述目标时间间隔集t中，目标时间间隔小于预设时间间隔阈值的数量占所述目标时间间隔的总数量w的比例。所述预设时间间隔阈值根据实际应用需求设置，基于人工智能应用或程序的交互响应快速，每一目标时间间隔短的特点，所述预设时间间隔阈值应设置为较小的数值，例如3秒、2秒等。
S33：若所述比例大于预设比例阈值，则判定满足所述触发条件。所述预设比例阈值根据实际应用需求设置，为了精准识别出人工智能的交互行为，所述预设比例阈值应设置为较大的数值，例如90%、95%等。
图3所述实施例基于人工智能的交互响应快速，每一次交互响应对应的目标时间间隔短的特点，对第二设备侧用户是否为人工智能应用或程序进行初步识别，当信息交互时间间隔小于预设时间间隔阈值的信息数量占比过大（大于预设比例阈值）时，则判定为满足预设触发条件，再通过目标信息进一步对第二设备是否为可疑设备进行判定，提升判别的准确性。
优选地，结合上述优选方案，给出一种可疑设备的确定方法中，根据第一信息集A和第二信息集B的另一种确定是否满足触发条件的方法实施例，如图4所示，包括：
S41：根据第一信息集A和第二信息集B，确定出目标时间间隔集t。
S42：根据所述目标时间间隔集t确定目标时间间隔的波动值P。
P=((Σw y=1(ty-t’)2)/w)1/2；其中，t’=(Σw y=1ty)/w。
S43：若所述波动值P小于预设第一波动阈值，则判定满足所述触发条件。
所述预设第一波动阈值根据实际应用需求设置，由于人工智能应用或程序具备交互响应快速，每一次交互响应对应的目标时间间隔短的特点，若第二设备侧用户为人工智能应用或程序，则对应的波动值P应为趋于0的数值，因此，所述预设第一波动阈值应设置为较小的数值，如0.5、0.3等。
图4所述实施例基于人工智能的交互响应快速，每一次交互响应对应的目标时间间隔短的特点，结合目标时间间隔的波动值P对第二设备侧用户是否为人工智能应用或程序进行初步识别，若是则判定为满足预设触发条件，再通过目标信息进一步对第二设备是否为可疑设备进行判定。针对人工智能应用或程序的特点进行判定条件（是否满足波动值P小于预设第一波动阈值）的设定，提升判别的精准度。
优选地，结合上述优选方案，给出一种可疑设备的确定方法中，根据第一信息集A和第二信息集B的另一种确定是否满足触发条件的方法实施例，如图5所示，包括：
S51：根据第一信息集A和第二信息集B，确定出目标时间间隔集t。
S52：对所述目标时间间隔集t中包含的目标时间间隔进行聚类，得到若干目标时间间隔组。
S53：确定每一所述目标时间间隔组中包含的目标时间间隔的数量，得到时间间隔数量集Q；Q=（S1，S2，…，Sa，…Sv）；其中，a=1，2，…，v，v为所述目标时间间隔组的数量，Sa为第a个目标时间间隔组包含的目标时间间隔的数量。
S54：根据所述时间间隔数量集Q确定时间间隔数量的波动值Z。
Z=((Σv a=1(Sa-S’)2)/v)1/2；其中，S’=(Σv a=1Sa)/v。
S55：若所述波动值Z小于预设第二波动阈值，则判定满足所述触发条件。所述预设第二波动阈值应设置为趋于0的较小的数值，如0.3、0.2等。
人工智能应用或程序具备交互响应快速，每一次交互响应对应的目标时间间隔短的特点，这一特点也会被主动规避，通过一定增减交互响应时长的规则改变目标时间间隔稳定的行为特征，使得人工智能应用或程序在交互响应时长上具备类人性的特征，这将极大增加对第二设备侧用户是否为人工智能应用或程序进行判定的难度。图5所述实施例能够有效解决这一问题，有效对第二设备侧用户是否为人工智能应用或程序进行初步识别。通过实验分析得到这样的结论，无论应用何种方法对目标时间间隔稳定的行为特征进行规避，都是有规律可寻的，或规律增减交互响应时长，如每一次较前一次增加2秒，增加至20秒后再重新计算，或随机增减交互响应时长，如每次任意增加目标时长，目标时长包括2秒、4秒、10秒等。在所述目标条件下，会有一定的第二设备发送至第一设备的信息的数量积累，目标时间间隔集t中也会有一定数量的目标时间间隔，无论采用上述何种规避方式，在对目标时间间隔集t中包含的目标时间间隔进行聚类后，得到的每一目标时间间隔组中包含的时间间隔的数量是基本一致的，如目标时间间隔为5秒左右的有10个，目标时间间隔为10秒左右的有10个，目标时间间隔为15秒的有11个等。因此，采用图5所述实施例的方法，能够在第二设备侧对人工智能应用或程序的目标时间间隔稳定的行为特征进行规避的情况下，有效对第二设备侧用户为人工智能应用或程序进行初步识别，再通过目标信息进一步对第二设备是否为可疑设备进行判定，有效提升判定结果的准确性。
优选地，所述确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，包括：
根据所述目标信息确定触发人工智能的交互响应后人工智能生成的回复信息的关键词；所述关键词为与所述目标信息对应的信息。
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含所述关键词。
若包含所述关键词，则判定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，以判定所述第二设备为可疑设备。
本发明还提供一种可疑设备的确定装置实施例，应用于第一设备，所述第一设备中安装有用于信息传输的目标程序；如图6所示，所述装置包括：
信息集获取模块61，响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间。
触发条件确定模块62，用于根据第一信息集A和第二信息集B，确定是否满足触发条件；若满足所述触发条件则执行信息发送模块63。
信息发送模块63，用于向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息。
可疑设备判定模块64，用于确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
由于人工智能应用或程序是受人类控制的，其自身没有智慧的判断能力，因此，与人工智能类用户进行信息交互是具有安全风险的，即若第二设备的目标程序的用户为人工智能类用户，则可判定所述第二设备为可疑设备。图6所述实施例在根据第一信息集A和第二信息集B确定满足触发条件后，向第二设备发送目标信息，再根据第二设备针对所述目标信息返回的信息确定第二设备是否为可疑设备。由于目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息，因此，若第二设备的目标程序的用户为人类，则无法对目标信息做出对应的回复或只能做出与目标信息相关性较弱的回复；若第二设备的目标程序的用户为人工智能类的用户，即人工智能应用、人工智能程序等，则可对目标信息做出包括人类无法识别部分的回复的完整回复。所以，若向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，则可判定第二设备的目标程序的用户为人工智能类用户，即所述第二设备为可疑设备。图6所述实施例能够实现在第一设备侧用户无感的情况下对可疑设备进行判定，不干扰第一设备的信息传输，保障第一设备侧的用户体验。在图6所述可疑设备判定模块64执行之后，可根据实际应用场景增加预警提示过程，例如，判定所述第二设备为可疑设备后，向第一设备发送安全提示信息，如“监测到对方为可疑用户，请警惕信息传输风险，勿轻信对方发送的信息内容”等。
图6所述实施例的应用场景十分广泛，可用于聊天、会议、网络购物等存在信息传输的场景，同时可应用于互联网、局域网、自组网等各种网络环境，第一设备侧用户可以是个人或企业机构。图6所述实施例能够准确地对应用了人工智能的可疑设备进行检出，有助于为与可疑设备进行信息交互的用户进行风险提示，帮助个人或企业机构用户做出正确判断，以保护信息和资产安全，同时为维护网络安全和社会安全提供有效保障。
优选地，所述信息集获取模块61的获取第一信息集A和第二信息集B，包括：
在目标条件下，获取第一设备向第二设备发送的每一条信息和每一条信息对应的发送时间，得到所述第一信息集A。
获取第二设备发送至第一设备的每一条信息和每一条信息对应的发送时间，得到所述第二信息集B。
所述目标条件至少包括下列之一：第二设备发送至第一设备的信息的数量满足预设数量阈值、第一设备和第二设备通过各自的目标程序进行信息传输满足规定时长。
优选地，所述触发条件确定模块62的根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
对所述第二信息集B中包含的信息进行分词统计，确定词频大于预设词频阈值的目标词。
将所述目标词与预设关键词库中的词进行匹配。
若匹配成功，则判定满足所述触发条件。
优选地，在所述获取第一信息集A和第二信息集B之后，所述信息集获取模块61还用于：
根据第一信息集A和第二信息集B，确定出目标时间间隔集t；t=（t1，t2，…，ty，…，tw）；y=1，2，…，w；其中，ty为确定出的第y个目标时间间隔，w为确定出的目标时间间隔的数量。
所述确定出目标时间间隔集t，包括以下步骤：
步骤1：获取目标数值x=1。
步骤2：若x小于等于n-1，则根据Tx和第二信息集B确定出中间时间间隔集ZT；否则，结束当前流程；ZT=（ZT1，ZT2，…，ZTj，…，ZTm）；其中，ZTj为第j个中间时间间隔，ZTj=Rj-Tx。
步骤3：根据Tx遍历中间时间间隔集ZT，若ZTj＞0，且ZTj＜Tx+1-Tx，则将ZTj确定为目标时间间隔，并进入步骤4；否则进入步骤4。
步骤4：获取x=x+1，并进入步骤1。
优选地，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
确定所述目标时间间隔集t中，目标时间间隔小于预设时间间隔阈值的数量占所述目标时间间隔的总数量w的比例。
若所述比例大于预设比例阈值，则判定满足所述触发条件。
优选地，所述触发条件确定模块62的根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
根据所述目标时间间隔集t确定目标时间间隔的波动值P。
P=((Σw y=1(ty-t’)2)/w)1/2；其中，t’=(Σw y=1ty)/w。
若所述波动值P小于预设第一波动阈值，则判定满足所述触发条件。
优选地，所述触发条件确定模块62的根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
对所述目标时间间隔集t中包含的目标时间间隔进行聚类，得到若干目标时间间隔组。
确定每一所述目标时间间隔组中包含的目标时间间隔的数量，得到时间间隔数量集Q；Q=（S1，S2，…，Sa，…Sv）；其中，a=1，2，…，v，v为所述目标时间间隔组的数量，Sa为第a个目标时间间隔组包含的目标时间间隔的数量。
根据所述时间间隔数量集Q确定时间间隔数量的波动值Z。
Z=((Σv a=1(Sa-S’)2)/v)1/2；其中，S’=(Σv a=1Sa)/v。
若所述波动值Z小于预设第二波动阈值，则判定满足所述触发条件。
优选地，所述可疑设备判定模块64的确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，包括：
根据所述目标信息确定触发人工智能的交互响应后人工智能生成的回复信息的关键词；所述关键词为与所述目标信息对应的信息。
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含所述关键词。
若包含所述关键词，则判定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，以判定所述第二设备为可疑设备。
图6所述实施例为图1-5所述方法实施例所对应的装置实施例，图6所述实施例的部分实现过程和技术效果与图1-5所述实施例相近，因此，对图6所述实施例的描述较为简单，相关之处请参照图1-5所述实施例。
本发明提供的实施例中所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息，其确定方式包括：获取在满足所述触发条件后第一设备通过所述目标程序向第二设备发送的第一条信息，在所述第一条信息中添加能够触发人工智能进行交互响应且无法被人类识别的信息，得到目标信息；或，在预设信息库中随机确定一条信息作为目标信息，所述预设信息库中存储有若干条能够触发人工智能进行交互响应且无法被人类识别的信息，如：今天天气怎么样、早饭吃的什么、明天上学吗、外套什么颜色。若通过获取在满足所述触发条件后第一设备通过所述目标程序向第二设备发送的第一条信息，在所述第一条信息中添加能够触发人工智能进行交互响应且无法被人类识别的信息，得到目标信息，则所述目标信息的确定方式如下。
若满足所述触发条件，则获取第一设备向第二设备发送的待接收信息；所述待接收信息为所述第一条信息；所述待接收信息的获取方式包括：通过显示窗口获取、通过信息传输接口获取。在所述待接收信息中添加隐藏信息，得到目标信息；所述隐藏信息为能够触发人工智能程序进行交互响应且无法被人类识别的信息；所述目标信息用于替代所述待接收信息发送至第二设备。
上述过程能够实现在用户无感的情况下添加隐藏信息，将对第一设备用户体验的影响降到最低。利用添加隐藏信息后得到的目标信息替代所述待接收信息发送至第二设备，由于所述隐藏信息为能够触发人工智能进行交互响应且无法被人类识别的信息，因此，若第二设备的目标程序的用户为人类，则无法对目标信息中的隐藏信息做出判断并做出对应的回复，仅能针对目标信息中的所述待接收信息做出相应的回复；若第二设备的目标程序的用户为人工智能类的用户，即人工智能应用、人工智能程序等，则可对隐藏信息进行精准识别并做出对应的回复；所以，确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
优选地，确定所述待接收信息的类别，并根据所述待接收信息的类别在所述待接收信息中添加对应类别的隐藏信息；所述类别包括：文字、图像、音频。该优选方案能够确保隐藏信息与待接收信息更好地融合，更好地以待接收信息为载体对隐藏信息进行传输，在一定程度上也增加了第二设备对隐藏信息逆向分析的难度，确保对第二设备可疑性判定结果的准确性。
优选地，若所述待接收信息的类别为文字，在所述待接收信息中添加隐藏信息的过程，包括：
对所述待接收信息进行语义分析，得到所述待接收信息对应的语义特征。所述对所述待接收信息进行语义分析，可通过语义分析算法或模型完成。
确定预设文本库中每一条文字信息对应的语义特征；所述预设文本库中包括若干条文字信息，每一条所述文字信息均能够触发人工智能进行交互响应；对所述文字信息举例如下：今天天气怎么样、早饭吃的什么、明天上学吗、外套什么颜色。所述语义特征以空间向量的形式表示，每一空间向量是根据其对应的所述待接收信息或所述文字信息中包含的每一词的词向量确定的，确定方式包括：计算每一词向量的均值，或利用模型对每一词向量进行计算。预设文本库中每一条文字信息对应的语义特征可事先计算好后存储在数据库等指定位置中，确定预设文本库中每一条文字信息对应的语义特征的过程可通过从指定位置中获取语义特征来实现，以降低算力消耗，提升计算效率。
计算所述待接收信息对应的语义特征与所述每一条文字信息对应的语义特征的相似度，将小于预设阈值的相似度计算结果所对应的文字信息确定为目标文字信息。所述预设阈值可根据实际需求设定，例如0.1、0.2等，由于所述待接收信息对应的语义特征与所述每一条文字信息对应的语义特征的相似度越高，得到的相似度计算结果数值就越高，因此预设阈值设定的数值越小对最终非生物用户判定结果的准确性的帮助越大。
在若干条所述目标文字信息中随机确定出一条文字信息作为待添加至所述待接收信息中的文字信息。确定出的待添加至所述待接收信息中的文字信息与待接收信息在语义上有较大区别，能够确保人工智能程序或应用在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免人工智能程序或应用将待接收信息和隐藏信息的内容进行合并回复，导致在待识别信息中区分不出隐藏信息对应的信息，有利于确保对第二设备可疑性判定结果的准确性。在实际应用时，可根据需求进行调整确定所述待添加至所述待接收信息中的文字信息的方式，例如直接将最小相似度计算结果对应的文字信息确定为待添加至所述待接收信息中的文字信息。
确定所述目标程序的信息传输接口的接口格式。
根据所述接口格式对所述待添加至所述待接收信息中的文字信息的格式进行转换，得到隐藏信息。该过程将待添加至所述待接收信息中的文字信息的格式转换为所述接口格式，能够达到待添加至所述待接收信息中的文字信息在所述目标程序的显示界面不显示，只通过接口完成传输的目的，不对第一设备的用户造成干扰，将对第一设备侧用户体验的影响降到最低。
将所述隐藏信息添加至所述待接收信息的目标位置，以得到所述目标信息；所述目标位置包括：第一个字符前、最后一个字符后、目标字符前、目标字符后。所述目标字符包括换行符、句号符或特殊字符等。
对上述确定所述目标信息的优选方案举例如下：
待接收信息为“今天去哪玩？”，确定的目标文字信息包括“外套什么颜色”、“垚怎么读”、“你会理发吗”，随机确定“垚怎么读”为待添加至所述待接收信息中的文字信息，然后根据所述目标程序的接口格式对“垚怎么读”的数据格式进行转换，最后将转换格式后的“垚怎么读”添加到“今天去哪玩？”的最后一个字符后，以得到目标信息“今天去哪玩？垚怎么读”，其中“垚怎么读”为隐藏信息，是人类无法识别的，若第二设备的目标程序的用户为个人或企业用户，则其收到目标信息后向第一设备返回的信息中不会包含与“垚怎么读”相对应的信息，若第二设备的目标程序的用户为人工智能类的用户，则其可以识别隐藏信息，并在收到目标信息后向第一设备返回的信息中会对“垚怎么读”进行回答，即返回的信息中会包含与“垚怎么读”相对应的信息，这时便可判定第二设备为可疑设备，第一设备对应的用户与第二设备进行信息传输存在安全风险。
上述确定所述目标信息的方案给出了待接收信息的类型为文字时的一种在待接收信息中添加隐藏信息的优选实现方式，首先在预设文本库中确定出与待接收信息的语义区别较大的多个目标文字信息，再在若干所述目标文字信息中随机确定出待添加至所述待接收信息中的文字信息，然后将待添加至所述待接收信息中的文字信息的格式转换为所述目标程序对应的接口格式，得到隐藏信息，最后将隐藏信息添加至待接收信息的目标位置中，以得到所述目标信息。能够达到隐藏信息在所述目标程序的显示界面不显示，只通过接口完成传输的目的，不对第一设备的用户造成干扰，将对第一设备侧用户体验的影响降到最低。同时，能够确保人工智能程序或应用在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免人工智能程序或应用将待接收信息和隐藏信息的内容进行合并回复，导致在待识别信息中区分不出隐藏信息对应的信息，确保对第二设备可疑性判定结果的准确性。
作为另一种优选方式，若所述待接收信息的类别为文字，在所述待接收信息中添加隐藏信息的过程，包括：
对所述待接收信息进行分词，得到所述待接收信息对应的词序列。所述对所述待接收信息进行分词，是通过分词算法完成的。
基于所述词序列对所述待接收信息进行语法分析，得到所述词序列对应的语法信息序列；所述语法信息序列包括若干语法信息，所述语法信息与所述词序列中的词一一对应，每一所述语法信息中包括：该语法信息对应的词的前后可衔接的词的词性和标签；所述标签用于标记词的特征，所述词的特征与词本身的含义相对应，所述特征包括：人物、动物、食物、工具、书籍、风景等，例如：“麦浪”这一词对应的标签为“风景”，“天安门”这一词的标签为“地点”。所述对所述待接收信息进行语法分析可通过语法分析算法或模型完成。所述词性包括：名词、动词、形容词、副词、实词、虚词、拟声词、叹词。
根据所述词序列和所述语法信息序列确定每一目标位置对应的可添加的词的词性和标签，以得到每一目标位置进行词添加时的添加要求；所述目标位置包括所述词序列中第一个词之前、最后一个词之后、每两个词之间。
将至少一个所述目标位置确定为添加位置。在添加词时，可每一所述目标位置均添加，也可确定一个或几个位置来添加，添加位置可随机确定。
从预设词库中筛选出满足所述添加位置进行词添加时的添加要求的词，并将筛选出的词添加到对应的添加位置中，得到若干目标词序列；所述预设词库中包括若干个用于作为隐藏信息添加至所述待接收信息中的词，每一词标记有对应的词性和标签。
对每一所述目标词序列中的词按序列顺序进行衔接，得到每一所述目标词序列对应的目标文本。对每一目标位置对应的可添加的词的词性和标签进行确定，以得到每一目标位置进行词添加时的添加要求，即添加要求中包含有最终确定出的词性和标签，进而使得可在预设词库中快速的筛选出满足添加要求的词，筛选完成后，将在预设词库中获取到精确的词添加到添加位置，能够确保每一个添加位置添加词后得到的目标文本的语义是通顺正确的，没有语法错误的，避免在添加位置添加违和词的情况发生，能够更精确地触发人工智能的交互相应，确保非生物用户判定结果的准确性。
对所述待接收信息进行语义分析，得到所述待接收信息对应的语义特征。
对每一所述目标文本进行语义分析，得到每一所述目标文本对应的语义特征。
计算所述待接收信息对应的语义特征与所述每一所述目标文本对应的语义特征的相似度，将最小的相似度计算结果所对应的目标文本确定为待发送文本。将与待接收信息语义区别最大的目标文本确定为待发送文本，能够确保人工智能程序或应用在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免人工智能程序将待接收信息和隐藏信息的内容进行合并回复，导致在待识别信息中区分不出隐藏信息对应的信息，有利于确保对第二设备可疑性判定结果的准确性。
确定所述目标程序的信息显示属性；所述信息显示属性包括显示窗口的背景颜色、底纹颜色、亮度、透明度。
根据所述信息显示属性调整所述待发送文本中包含的每一添加的词的显示属性，以得到所述目标信息，以使在所述目标程序的显示窗口显示所述目标信息时，所述目标信息中包含的添加的词无法被人眼识别，以不对第一设备的用户造成干扰，将对第一设备侧用户体验的影响降到最低。
优选地，所述根据所述词序列和所述语法信息序列确定每一目标位置对应的可添加的词的词性和标签，包括：
根据所述语法信息序列确定每一所述语法信息对应的第一信息和第二信息；所述第一信息为词前可衔接的词的词性和标签，所述第二信息为词后可衔接的词的词性和标签。
根据所述语法信息序列中第一个语法信息对应的第一信息确定所述词序列中第一个词之前可添加的词的词性和标签。
分别确定所述语法信息序列中每一语法信息对应的第二信息与下一个语法信息对应的第一信息的交集，得到所述词序列中每两个词之间可添加的词的词性和标签。
根据所述语法信息序列中最后一个语法信息对应的第二信息确定所述词序列中最后一个词之后可添加的词的词性和标签。
优选地，将筛选出的词添加到对应的添加位置中，包括：
确定每一所述添加位置所对应的若干个筛选出的词，得到每一所述添加位置对应的词集。
从每一所述词集中选取一词进行枚举组合，得到若干组合序列。
将每一所述组合序列中的词添加到对应的添加位置中，以得到所述若干目标词序列。
对上述确定所述目标信息的优选方案举例如下：
待接收信息为“今天去哪玩”，分词后得到词序列为“今天去哪玩”，语法分析后得到包含词序列中每一词对应的语法信息的语法信息序列，以“今天”一词为例，其对应的语法信息为“名词（（前：（名词，形容词），（人物，动物）），（后：（名词），（人物，动物）））”，其中，第一个“名词”代表“今天”一词的词性，“（前：（名词，形容词），（人物，动物））”代表“今天”一词前可添加的词的词性和标签，“（后：（名词），（人物，动物））”代表“今天”一词后可添加的词的词性和标签，“今天”、“去哪”、“玩”三个词对应的语法信息组成词序列对应的语法信息序列。
“今天”一词对应的语法信息对应的第一信息为（（名词，形容词），（人物，动物）），对应的第二信息为（（名词），（人物，动物））。由于“今天”一词对应的语法信息为当前语法信息序列中第一个语法信息，因此，确定当前词序列中第一个词之前可添加的词的词性为“名词”或“形容词”，标签为“人物”或“动物”。假设，“去哪”一词对应的第一信息为（（名词），（人物）），则“今天”一词对应的第二信息与“去哪”一词对应的第一信息的交集为（（名词），（人物）），可确定“今天”与“去哪”两个词之间可添加的词的词性为“名词”，标签为“人物”。假设，“玩”一词对应的第二信息为（（名词），（玩具）），由于“玩”一词对应的语法信息为当前语法信息序列中最后一个语法信息，因此，确定当前词序列中最后一个词之后可添加的词的词性为“名词”，标签为“玩具”。
随机确定添加位置为“今天”之前，从预设词库中获取到与添加位置相对应的词包括“小明”、“兔子”、“老师”，对应得到三个目标文本，“小明今天去哪玩”、“兔子今天去哪玩”和“老师今天去哪玩”，经过语义分析和语义相似度计算后，确定“兔子今天去哪玩”为待发送文本，然后根据目标程序的信息显示属性对待发送文本中的“兔子”一词的显示属性进行调整，使“兔子”一词成为无法被人眼识别的隐藏信息。第二设备接收到目标信息后返回的信息中若包含与“兔子”一词对应的信息，如“我不知道兔子今天去哪玩”，则可判定第二设备为可疑设备，第一设备对应的用户与第二设备进行信息传输存在安全风险。
上述确定所述目标信息的方案给出了待接收信息的类型为文字时的另一种在待接收信息中添加隐藏信息的实现方式，首先对待接收信息进行分词和语法分析，确定每一目标位置对应的可添加的词的词性和标签，再确定添加位置，并从预设词库中获取与添加位置相对应的词添加到添加位置中，得到若干目标文本，再将目标文本中与待接收信息的语义区别做大的确定为待发送文本，最后根据目标程序的信息显示属性调整待发送文本中添加的词的显示属性，以得到所述目标信息。能够确保每一个添加位置添加词后得到的目标文本的语义是通顺正确的，没有语法错误的，避免在添加位置添加违和词的情况发生，能够更精确地触发人工智能程序或应用的交互相应，确保非生物用户判定结果的准确性。能够确保人工智能程序或应用在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免人工智能程序或应用将待接收信息和隐藏信息的内容进行合并回复，导致在待识别信息中区分不出隐藏信息对应的信息，进一步确保对第二设备可疑性判定结果的准确性。
优选地，若所述待接收信息的类别为图像，则在所述待接收信息中添加隐藏信息的过程，包括：
对所述待接收信息的图像特征进行识别，得到所述待接收信息对应的图像特征向量。所述对所述待接收信息的图像特征进行识别可通过图像特征识别算法或模型完成。
确定预设图像库中每一图像数据的图像特征向量；所述预设图像库中包括若干图像数据，每一所述图像数据均能够触发人工智能进行交互响应，包括计算机程序识别后为能够触发人工智能交互响应的文本信息，例如：今天天气怎么样、早饭吃的什么、明天上学吗、外套什么颜色；所述图像数据用于作为隐藏信息添加至所述待接收信息中。
计算所述待接收信息对应的图像特征向量与每一所述图像数据的图像特征向量的相似度，将最小相似度计算结果对应的图像数据确定为水印图像。图像自身包含人物、动物、风景、文本等信息，最小相似度计算结果对应的图像数据确定为水印图像，能够确保人工智能应用或程序在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免在待识别信息中区分不出隐藏信息对应的信息，有利于对第二设备可疑性判定结果的准确性。
确定所述待接收信息的图像属性；所述图像属性包括图像尺寸和显示属性，所述显示属性包括：分辨率、像素。
根据所述待接收信息的图像属性调整所述水印图像的图像属性，以使所述水印图像的图像尺寸不大于所述待接收信息的图像尺寸，且显示属性与所述待接收信息的显示属性相同。
根据第一预设阈值调整所述水印图像的透明度，以使所述水印图像无法被人眼识别。所述第一预设阈值根据实际应用需求确定，例如5%、3%等，数值设置的越低水印图像的肉眼可识别率越低，一般在透明度低于10%时，肉眼便无法识别。
将所述水印图像与所述待接收信息进行图像叠加，以得到所述目标信息。
对上述确定所述目标信息的优选方案举例如下：
待接收信息为人物图像，通过图像特征向量相似度计算后，从预设图像库中确定一图像数据为水印图像，该图像数据为文本图像数据，计算机程序识别后得到文本信息为“花果山在哪个省”，根据所述待接收信息的图像属性调整所述水印图像的图像属性，以使所述水印图像的图像尺寸为所述待接收信息的图像尺寸的八分之一，且显示属性与所述待接收信息的显示属性相同，最后将水印图像与所述待接收信息进行图像叠加，以得到目标信息。第二设备接收到目标信息后返回的信息中若包含与“花果山在哪个省”对应的信息，则可判定第二设备为可疑设备，第一设备对应的用户与第二设备进行信息传输存在安全风险。
上述确定所述目标信息的方案给出了待接收信息的类型为图像时在待接收信息中添加隐藏信息的实现方式，首先对待接收信息进行图像特征识别，得到对应的图像特征向量，然后从预设图像库中确定出与待接收信息的图像特征向量相似度最小的图像数据作为水印图像，最后调整水印图像的显示属性和透明度并与待接收信息进行图像叠加，以得到所述目标信息。能够确保人工智能应用或程序在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免人工智能应用或程序将待接收信息和隐藏信息的内容进行合并回复，导致在待识别信息中区分不出隐藏信息对应的信息，进一步确保对第二设备可疑性判定结果的准确性。
优选地，若所述待接收信息的类别为音频，所述在所述待接收信息中添加隐藏信息的过程，包括：
对所述待接收信息进行识别，确定所述待接收信息的声纹特征和语义信息。
根据所述待接收信息的语义信息确定所述待接收信息对应的语义特征。
确定预设音频库中每一音频数据对应的语义特征；所述音频库中包括若干音频数据，每一所述音频数据均能够触发人工智能进行交互响应，例如包含今天天气怎么样、早饭吃的什么、明天上学吗、外套什么颜色等内容的音频；所述音频数据用于作为隐藏信息添加至所述待接收信息中。
计算所述待接收信息对应的语义特征与每一所述音频数据对应的语义特征的相似度，将最小相似度计算结果对应的音频数据确定为目标音频。将最小相似度计算结果对应的音频数据确定为目标音频，能够确保人工智能程序或应用在对目标信息进行识别后，在回复信息中能够包含与待接收信息完全不对应的信息，避免在待识别信息中区分不出隐藏信息对应的信息，有利于确保对第二设备可疑性判定结果的准确性。
根据所述待接收信息的声纹特征对所述目标音频进行转换，以使所述目标音频的声纹特征与所述待接收信息的声纹特征相同。根据所述待接收信息的声纹特征对所述目标音频进行转换，能够确保隐藏信息与待接收信息更好地融合，更好地以待接收信息为载体对隐藏信息进行传输，在一定程度上也增加了第二设备对隐藏信息逆向分析的难度，确保对第二设备可疑性判定结果的准确性。
将所述目标音频的频率调整至目标频段；所述目标频段为不能被人耳感知的频段。声波震动的频率在20-20000赫兹的范围内能够被人耳感知，因此，所述目标频段包括频率低于20赫兹的频段和频率超过20000赫兹的频段。
将所述目标音频添加至所述待接收信息的目标位置，已得到所述目标信息；所述目标位置包括所述待接收信息开始前、结束后、无有效信号的位置。
其中，所述待接收信息无有效信号的位置通过以下步骤判定：
对所述待接收信息进行傅里叶变换，得到所述待接收信息对应的频域信号。
计算所述频域信号的能量谱密度，将能量低于第二预设阈值的频率区间确定为所述待接收信息无有效信号的位置。所述第二预设阈值根据实际应用需求进行设定，由于音频中难免会有噪声数据，因此第二预设阈值为非零数值。
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，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请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”。
根据本申请的这种实施方式的电子设备。电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：上述至少一个处理器、上述至少一个储存器、连接不同系统组件（包括储存器和处理器）的总线。
其中，所述储存器存储有程序代码，所述程序代码可以被所述处理器执行，使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
储存器可以包括易失性储存器形式的可读介质，例如随机存取储存器（RAM）和/或高速缓存储存器，还可以进一步包括只读储存器（ROM）。
储存器还可以包括具有一组（至少一个）程序模块的程序/实用工具，这样的程序模块包括但不限于：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。
总线可以为表示几类总线结构中的一种或多种，包括储存器总线或者储存器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备（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交互的设备通信，和/或与使得该电子设备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）接口进行。并且，电子设备还可以通过网络适配器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。网络适配器通过总线与电子设备的其它模块通信。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、冗余处理器、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，本申请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申请各种示例性实施方式的步骤。
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申请操作的程序代码，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申请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。
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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种可疑设备的确定方法，其特征在于，应用于第一设备，所述第一设备安装有用于信息传输的目标程序；所述方法包括：
响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间；
根据第一信息集A和第二信息集B，确定出目标时间间隔集t；t=（t1，t2，…，ty，…，tw）；y=1，2，…，w；其中，ty为确定出的第y个目标时间间隔，w为确定出的目标时间间隔的数量；所述目标时间间隔为第一设备向第二设备发送信息的时间和第二设备返回相应回复信息的时间的间隔；
根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：根据所述目标时间间隔集t确定目标时间间隔的波动值P=((Σw y=1(ty-t’)2)/w)1/2；其中，t’=(Σw y=1ty)/w；若所述波动值P小于预设第一波动阈值，则判定满足所述触发条件；或
对所述目标时间间隔集t中包含的目标时间间隔进行聚类，得到若干目标时间间隔组；确定每一所述目标时间间隔组中包含的目标时间间隔的数量，得到时间间隔数量集Q；Q=（S1，S2，…，Sa，…Sv）；其中，a=1，2，…，v，v为所述目标时间间隔组的数量，Sa为第a个目标时间间隔组包含的目标时间间隔的数量；根据所述时间间隔数量集Q确定时间间隔数量的波动值Z=((Σv a=1(Sa-S’)2)/v)1/2；其中，S’=(Σv a=1 Sa)/v；若所述波动值Z小于预设第二波动阈值，则判定满足所述触发条件；
若满足所述触发条件则向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息；
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
2.根据权利要求1所述的方法，其特征在于，所述获取第一信息集A和第二信息集B，包括：
在目标条件下，获取第一设备向第二设备发送的每一条信息和每一条信息对应的发送时间，得到所述第一信息集A；
获取第二设备发送至第一设备的每一条信息和每一条信息对应的发送时间，得到所述第二信息集B；
所述目标条件至少包括下列之一：第二设备发送至第一设备的信息的数量满足预设数量阈值、第一设备和第二设备通过各自的目标程序进行信息传输满足规定时长。
3.根据权利要求1或2所述的方法，其特征在于，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
对所述第二信息集B中包含的信息进行分词统计，确定词频大于预设词频阈值的目标词；
将所述目标词与预设关键词库中的词进行匹配；
若匹配成功，则判定满足所述触发条件。
4.根据权利要求1或2所述的方法，其特征在于，所述确定出目标时间间隔集t，包括以下步骤：
步骤1：获取目标数值x=1；
步骤2：若x小于等于n-1，则根据Tx和第二信息集B确定出中间时间间隔集ZT；否则，结束当前流程；ZT=（ZT1，ZT2，…，ZTj，…，ZTm）；其中，ZTj为第j个中间时间间隔，ZTj=Rj-Tx；
步骤3：根据Tx遍历中间时间间隔集ZT，若ZTj＞0，且ZTj＜Tx+1-Tx，则将ZTj确定为目标时间间隔，并进入步骤4；否则直接进入步骤4；
步骤4：获取x=x+1，并进入步骤1。
5.根据权利要求4所述的方法，其特征在于，所述根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：
确定所述目标时间间隔集t中，目标时间间隔小于预设时间间隔阈值的数量占所述目标时间间隔的总数量w的比例；
若所述比例大于预设比例阈值，则判定满足所述触发条件。
6.根据权利要求1、2或5任一所述的方法，其特征在于，所述确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，包括：
根据所述目标信息确定触发人工智能的交互响应后人工智能生成的回复信息的关键词；所述关键词为与所述目标信息对应的信息；
确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含所述关键词；
若包含所述关键词，则判定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中包含与所述目标信息对应的信息，以判定所述第二设备为可疑设备。
7.一种可疑设备的确定装置，其特征在于，应用于第一设备，所述第一设备中安装有用于信息传输的目标程序；所述装置包括：
信息集获取模块，响应于第一设备通过所述目标程序与第二设备进行信息传输，获取第一信息集A和第二信息集B；所述第二设备中安装有所述目标程序，以实现与所述第一设备进行信息传输；A=（（A1，T1），（A2，T2），…，（Ai，Ti），…，（An，Tn））；i=1，2，…，n；其中，n为获取到的第一设备向第二设备发送的信息的数量，Ai为获取到的第一设备向第二设备发送的第i个信息，Ti为Ai的发送时间；B=（（B1，R1），（B2，R2），…，（Bj，Rj），…，（Bm，Rm））；j=1，2，…，m；其中，m为获取到的第二设备发送至第一设备的信息的数量，Bj为获取到的第二设备发送至第一设备的第j个信息，Rj为Bj的发送时间；根据第一信息集A和第二信息集B，确定出目标时间间隔集t；t=（t1，t2，…，ty，…，tw）；y=1，2，…，w；其中，ty为确定出的第y个目标时间间隔，w为确定出的目标时间间隔的数量；所述目标时间间隔为第一设备向第二设备发送信息的时间和第二设备返回相应回复信息的时间的间隔；
触发条件确定模块，用于根据第一信息集A和第二信息集B，确定是否满足触发条件，包括：根据所述目标时间间隔集t确定目标时间间隔的波动值P=((Σw y=1(ty-t’)2)/w)1/2；其中，t’=(Σw y=1ty)/w；若所述波动值P小于预设第一波动阈值，则判定满足所述触发条件；若满足所述触发条件则执行信息发送模块；或
对所述目标时间间隔集t中包含的目标时间间隔进行聚类，得到若干目标时间间隔组；确定每一所述目标时间间隔组中包含的目标时间间隔的数量，得到时间间隔数量集Q；Q=（S1，S2，…，Sa，…Sv）；其中，a=1，2，…，v，v为所述目标时间间隔组的数量，Sa为第a个目标时间间隔组包含的目标时间间隔的数量；根据所述时间间隔数量集Q确定时间间隔数量的波动值Z=((Σv a=1(Sa-S’)2)/v)1/2；其中，S’=(Σv a=1 Sa)/v；若所述波动值Z小于预设第二波动阈值，则判定满足所述触发条件；
信息发送模块，用于向所述第二设备发送目标信息；所述目标信息包括能够触发人工智能进行交互响应且无法被人类识别的信息；
可疑设备判定模块，用于确定向所述第二设备发送目标信息后，所述第二设备发送至所述第一设备的信息中是否包含与所述目标信息对应的信息，若包含则判定所述第二设备为可疑设备。
8.一种非瞬时性计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-6中任意一项所述的方法。
CN202311018896.1A 2023-08-14 2023-08-14 一种可疑设备的确定方法、装置及介质 Active CN116738408B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311018896.1A CN116738408B (zh) 2023-08-14 2023-08-14 一种可疑设备的确定方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311018896.1A CN116738408B (zh) 2023-08-14 2023-08-14 一种可疑设备的确定方法、装置及介质

Publications (2)

Publication Number Publication Date
CN116738408A CN116738408A (zh) 2023-09-12
CN116738408B true CN116738408B (zh) 2023-11-17

Family

ID=87911800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311018896.1A Active CN116738408B (zh) 2023-08-14 2023-08-14 一种可疑设备的确定方法、装置及介质

Country Status (1)

Country Link
CN (1) CN116738408B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115980594A (zh) * 2022-12-01 2023-04-18 阳光电源（上海）有限公司 电池异常检测方法、装置、系统与计算机可读存储介质
CN116094743A (zh) * 2022-09-09 2023-05-09 北京安天网络安全技术有限公司 一种信息发送方法、信息接收方法及装置
CN116132082A (zh) * 2022-09-09 2023-05-16 北京安天网络安全技术有限公司 一种信息发送方法、信息接收方法及装置
CN116562255A (zh) * 2023-07-11 2023-08-08 北京国电通网络技术有限公司 表单信息生成方法、装置、电子设备和计算机可读介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG10201907783YA (en) * 2018-08-22 2020-03-30 Cycarrier Technology Co Ltd Suspicious event analysis device and related computer program product for generating suspicious event sequence diagram

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116094743A (zh) * 2022-09-09 2023-05-09 北京安天网络安全技术有限公司 一种信息发送方法、信息接收方法及装置
CN116132082A (zh) * 2022-09-09 2023-05-16 北京安天网络安全技术有限公司 一种信息发送方法、信息接收方法及装置
CN115980594A (zh) * 2022-12-01 2023-04-18 阳光电源（上海）有限公司 电池异常检测方法、装置、系统与计算机可读存储介质
CN116562255A (zh) * 2023-07-11 2023-08-08 北京国电通网络技术有限公司 表单信息生成方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN116738408A (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
Schönherr et al. Adversarial attacks against automatic speech recognition systems via psychoacoustic hiding
US10685648B2 (en) Sensor fusion model to enhance machine conversational awareness
US11663823B2 (en) Dual-modality relation networks for audio-visual event localization
Krstulović Audio event recognition in the smart home
US10818284B2 (en) Methods of and electronic devices for determining an intent associated with a spoken user utterance
CN101297355B (zh) 响应自然语言语音口头表达的系统和方法
US20190138268A1 (en) Sensor Fusion Service to Enhance Human Computer Interactions
CN108428446A (zh) 语音识别方法和装置
CN112101045B (zh) 一种多模态语义完整性识别方法、装置及电子设备
US20240029436A1 (en) Action classification in video clips using attention-based neural networks
US20200219384A1 (en) Methods and systems for ambient system control
US20210012065A1 (en) Methods Circuits Devices Systems and Functionally Associated Machine Executable Code for Generating a Scene Guidance Instruction
Ntalampiras et al. Acoustic detection of unknown bird species and individuals
US11080600B2 (en) Recurrent neural network based acoustic event classification using complement rule
US20200106988A1 (en) Behavioral influence system in socially collaborative tools
CN117558270B (zh) 语音识别方法、装置、关键词检测模型的训练方法和装置
WO2024114303A1 (zh) 音素识别方法、装置、电子设备及存储介质
Hou et al. Cooperative scene-event modelling for acoustic scene classification
Reignier et al. Context‐aware environments: from specification to implementation
CN116738408B (zh) 一种可疑设备的确定方法、装置及介质
CN116738407B (zh) 一种非生物用户的确定方法、装置及介质
Guo et al. Design of a smart art classroom system based on Internet of Things
Peng et al. ULSED: An ultra-lightweight SED model for IoT devices
Miao et al. [Retracted] English Speech Feature Recognition‐Based Fuzzy Algorithm and Artificial Intelligent
CN114296547A (zh) 发起主动对话的方法、设备及存储介质

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