一种模拟器检测方法、系统、存储介质及电子设备技术方案

本申请公开了一种模拟器检测方法、系统、存储介质及电子设备，获取设备图像，设备图像由移动端采集得到，将设备图像输入至预先训练的深度分类模型进行识别，得到模型识别图像，当模型识别图像符合预设条件时，确定模型识别图像对应的移动端为模拟器，并对模拟器进行拦截操作。通过上述方案，即使模拟器修改配置文件来更改包括中央处理器、MAC地址等信息来模拟真实移动设备，本方案可通过深度分类模型识别图像区分模拟器和真实移动设备，降低模拟器检测方法的检测难度，提高模拟器的召回率。此外，当深度分类模型识别到模拟器成像的数据特征时，将模拟器成像的数据特征更新至深度分类模型，使深度分类模型具备良好的扩展性。使深度分类模型具备良好的扩展性。使深度分类模型具备良好的扩展性。

【技术实现步骤摘要】
一种模拟器检测方法、系统、存储介质及电子设备


[0001]本申请涉及模拟器
，更具体地说，涉及一种模拟器检测方法、系统、存储介质及电子设备。

技术介绍

[0002]随着移动互联网和互联网金融时代的发展，越来越多的信息系统使用手机、平板及其它移动设备作为用户终端，用户可以使用手机、平板及其它移动设备等进行人脸认证、刷脸支付等操作。在人脸认证、刷脸支付等操作过程中，模拟器上运行金融软件会存在风险，例如，利用模拟器进行虚假身份验证、黑客攻击、刷单、盗号、改密等高危行为。因此，检测手机应用是否被安装在模拟器上尤为重要。
[0003]模拟器是一种运行在计算机上的软件，在软件内可以模拟运行安卓系统和iOS系统，在模拟器上可以安装并使用各种手机软件，即使用户没有手机设备，也能使用模拟器在计算机端模拟使用手机软件。
[0004]现有的模拟器检测方法主要还是基于对软件运行环境的检测来判断是否为模拟器环境，包括终端系统标志信息、硬件信息(中央处理器、网卡、电池等)、手机已安装软件、手机通讯记录、手机存储文件等，通过这些设备信息和特征来区分正常移动终端设备和模拟器。
[0005]但是部分模拟器可以修改配置文件来更改包括中央处理器、手机品牌、内存、电池、mac地址等信息来模拟正常移动终端设备，从而增大了此类模拟器检测方法的检测难度，降低了模拟器的召回率。

技术实现思路

[0006]有鉴于此，本申请公开了一种模拟器检测方法、系统、存储介质及电子设备，旨在降低模拟器检测方法的检测难度，提高模拟器的召回率。此外，当深度分类模型识别到模拟器成像的数据特征时，将模拟器成像的数据特征更新至深度分类模型，使深度分类模型具备良好的扩展性。
[0007]为了实现上述目的，其公开的技术方案如下：
[0008]本申请第一方面公开了一种模拟器检测方法，所述方法包括：
[0009]获取设备图像，所述设备图像由移动端采集得到；
[0010]将所述设备图像输入至预先训练的深度分类模型进行识别，得到模型识别图像；
[0011]当所述模型识别图像符合预设条件时，确定所述模型识别图像对应的移动端为模拟器，并对所述模拟器进行拦截操作。
[0012]优选的，还包括：
[0013]获取设备信息；
[0014]当所述设备信息中存在相机权限信息时，确定所述移动端处于预设状态；所述预设状态用于指示所述移动端的相机功能处于可使用状态；
[0015]当所述设备信息中不存在所述相机权限信息时，确定所述移动端不处于预设状态。
[0016]优选的，还包括：
[0017]当所述移动端不处于所述预设状态时，确定所述移动端为模拟器，并对所述模拟器进行拦截操作。
[0018]优选的，所述当所述模型识别图像符合预设条件时，确定所述模型识别图像对应的移动端为模拟器，并对所述模拟器进行拦截操作；
[0019]获取所述模型识别图像的图像特征；
[0020]当所述模型识别图像的图像特征与第一预设图像特征一致时，确定所述模型识别图像为模拟器虚拟图像；
[0021]确定所述模拟器虚拟图像对应的移动端为模拟器，并对所述模拟器进行拦截操作。
[0022]优选的，深度分类模型的训练过程，包括：
[0023]获取由不同类型的模拟器采集到的各个图像；
[0024]根据所述各个图像对深度分类模型进行训练。
[0025]优选的，所述根据所述各个图像对深度分类模型进行训练，包括：
[0026]将所述各个图像对应的图像特征与第二预设图像特征进行对比，得到多个图像差异特征；所述第二预设图像特征用于表征相机设备拍摄的图像所对应的图像特征；
[0027]基于所述多个图像差异特征和预设数据生成脚本，得到所述不同类型的模拟器对应的模拟器虚拟图像；
[0028]通过所述不同类型的模拟器对应的模拟器虚拟图像，对深度分类模型进行训练。
[0029]优选的，还包括：
[0030]当所述模型识别图像的图像特征与所述第一预设图像的图像特征不一致时，确定所述模型识别图像为相机图像。
[0031]本申请第二方面公开了一种模拟器检测系统，所述系统包括：
[0032]第一获取单元，用于获取设备图像，所述设备图像由移动端采集得到；
[0033]识别单元，将所述设备图像输入至预先训练的深度分类模型进行识别，得到模型识别图像；
[0034]第一拦截单元，用于当所述模型识别图像符合预设条件时，确定所述模型识别图像对应的移动端为模拟器，并对所述模拟器进行拦截操作。
[0035]本申请第三方面公开了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如第一方面任意一项所述的模拟器检测方法。
[0036]本申请第四方面公开了一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如第一方面任意一项所述的模拟器检测方法。
[0037]经由上述技术方案可知，本申请公开了一种模拟器检测方法、系统、存储介质及电子设备，获取设备图像，设备图像由移动端采集得到，将设备图像输入至预先训练的深度分类模型进行识别，得到模型识别图像，当模型识别图像符合预设条件时，确定模型识别图像
对应的移动端为模拟器，并对模拟器进行拦截操作。通过上述方案，即使模拟器修改配置文件来更改包括中央处理器、MAC地址等信息来模拟真实移动设备，本方案可通过模型识别图像区分模拟器和真实移动设备，降低模拟器检测方法的检测难度，提高模拟器的召回率。此外，当深度分类模型识别到模拟器成像的数据特征时，将模拟器成像的数据特征更新至深度分类模型，使深度分类模型具备良好的扩展性。
附图说明
[0038]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
[0039]图1为本申请实施例公开的一种模拟器检测方法的流程示意图；
[0040]图2为本申请实施例公开的模拟器的结构示意图；
[0041]图3为本申请实施例公开的深度分类模型的训练过程的流程示意图；
[0042]图4为本申请实施例公开的当模型识别图像与预设图像一致时，确定模型识别图像对应的移动端为模拟器，并对模拟器进行拦截操作的流程示意图；
[0043]图5为本申请实施例公开的一种模拟器检测系统的结构示意图；
[0044]图6为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
[0045]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模拟器检测方法，其特征在于，所述方法包括：获取设备图像，所述设备图像由移动端采集得到；将所述设备图像输入至预先训练的深度分类模型进行识别，得到模型识别图像；当所述模型识别图像符合预设条件时，确定所述模型识别图像对应的移动端为模拟器，并对所述模拟器进行拦截操作。2.根据权利要求1所述的方法，其特征在于，还包括：获取设备信息；当所述设备信息中存在相机权限信息时，确定所述移动端处于预设状态；所述预设状态用于指示所述移动端的相机功能处于可使用状态；当所述设备信息中不存在所述相机权限信息时，确定所述移动端不处于预设状态。3.根据权利要求2所述的方法，其特征在于，还包括：当所述移动端不处于所述预设状态时，确定所述移动端为模拟器，并对所述模拟器进行拦截操作。4.根据权利要求1所述的方法，其特征在于，所述当所述模型识别图像符合预设条件时，确定所述模型识别图像对应的移动端为模拟器，并对所述模拟器进行拦截操作；获取所述模型识别图像的图像特征；当所述模型识别图像的图像特征与第一预设图像特征一致时，确定所述模型识别图像为模拟器虚拟图像；确定所述模拟器虚拟图像对应的移动端为模拟器，并对所述模拟器进行拦截操作。5.根据权利要求1所述的方法，其特征在于，深度分类模型的训练过程，包括：获取由不同类型的模拟器采集到的各个图像；根据所述各个图像对深度分类模型进行训练。6.根据权利要求5所述的方法，其特征在...

【专利技术属性】
技术研发人员：何果财，刘宇光，裴积全，王帅廷，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：