设备指纹特征筛选方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种设备指纹特征筛选方法、装置、电子设备及存储介质，所述方法包括：获取目标设备的至少一个设备特征，由目标设备的至少一个设备特征组成设备特征池；针对设备特征池中任一设备特征，确定设备特征在不同评价维度下的特征指标；确定当前场景，根据当前场景与特征指标，确定设备特征的筛选倾向度；根据设备特征池中各设备特征各自对应的筛选倾向度，从设备特征池中筛选目标设备特征作为设备指纹特征。通过确定设备特征池中各设备特征的筛选倾向度，从而基于筛选倾向度对设备特征池中各设备特征进行筛选得到设备指纹特征，后续将设备指纹特征输入到匹配模型进行设备指纹匹配，可以有效提高匹配模型的设备指纹匹配成功率。匹配成功率。匹配成功率。

【技术实现步骤摘要】
设备指纹特征筛选方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及信息处理
，尤其涉及一种设备指纹特征筛选方法、装置、电子设备及存储介质。

技术介绍

[0002]随着移动互联网应用技术的发展和普及，设备指纹作为唯一标识一个设备的标识符，被广泛的应用在各种涉及互联网信息安全的行业。其中，生成设备指纹所使用到的各类设备特征是影响设备指纹匹配效果的重要因素，设备特征的质量决定了设备指纹技术的上限。
[0003]相关技术中，目前设备指纹技术大部分注重于匹配模型的建立，很少对设备特征选择部分展开深入研究，而设备特征选择却直接关系到匹配模型的性能。目前通常将采集到的设备特征输入到匹配模型进行设备指纹匹配，然而这样会忽略设备特征之间可能存在的冲突关系，导致匹配模型的设备指纹匹配成功率下降。

技术实现思路

[0004]为了解决上述目前通常将采集到的设备特征输入到匹配模型进行设备指纹匹配，然而这样会忽略设备特征之间可能存在的冲突关系，导致匹配模型的设备指纹匹配成功率下降的技术问题，本专利技术实施例提供了一种设备指纹特征筛选方法、装置、电子设备及存储介质。
[0005]在本专利技术实施例的第一方面，首先提供了一种设备指纹特征筛选方法，所述方法包括：
[0006]获取目标设备的至少一个设备特征，由所述目标设备的至少一个所述设备特征组成设备特征池；
[0007]针对所述设备特征池中任一所述设备特征，确定所述设备特征在不同评价维度下的特征指标；
[0008]确定当前场景，根据所述当前场景与所述特征指标，确定所述设备特征的筛选倾向度；
[0009]根据所述设备特征池中各所述设备特征各自对应的所述筛选倾向度，从所述设备特征池中筛选目标设备特征作为设备指纹特征。
[0010]在一个可选的实施方式中，所述确定所述设备特征在不同评价维度下的特征指标，包括：
[0011]确定所述设备特征在第一评价维度下的目标信息熵；
[0012]确定所述设备特征在第二评价维度下的最大信息系数；
[0013]确定所述设备特征在第三评价维度下的类别数。
[0014]在一个可选的实施方式中，所述确定所述设备特征在第一评价维度下的目标信息熵，包括：
[0015]确定所述设备特征在同一设备之间第一信息熵，确定所述设备特征在不同设备之间的第二信息熵；
[0016]获取所述第二信息熵与所述第一信息熵之间的差值，确定所述差值为所述设备特征在第一评价维度下的目标信息熵。
[0017]在一个可选的实施方式中，所述确定所述设备特征在第三评价维度下的类别数，包括：
[0018]查找所述设备特征的特征值的总个数，确定所述特征值的总个数为所述设备特征在第三评价维度下的类别数。
[0019]在一个可选的实施方式中，所述根据所述当前场景与所述特征指标，确定所述设备特征的筛选倾向度，包括：
[0020]查找所述目标信息熵、所述最大信息系数以及所述类别数在所述当前场景下各自对应的权重；
[0021]根据所述目标信息熵、所述最大信息系数以及所述类别数，以及各自对应的所述权重，确定所述设备特征的筛选倾向度。
[0022]在一个可选的实施方式中，所述根据所述目标信息熵、所述最大信息系数以及所述类别数，以及各自对应的所述权重，确定所述设备特征的筛选倾向度，包括：
[0023]获取所述目标信息熵、所述最大信息系数、所述类别数与各自对应的所述权重之间的加权和，得到所述设备特征的筛选倾向度。
[0024]在一个可选的实施方式中，所述根据所述设备特征池中各所述设备特征各自对应的所述筛选倾向度，从所述设备特征池中筛选目标设备特征作为设备指纹特征，包括：
[0025]根据所述设备特征池中各所述设备特征各自对应的所述筛选倾向度，对所述设备特征池中各所述设备特征进行排序；
[0026]从对所述设备特征池中各所述设备特征的排序结果中，选取排名前N％的目标设备特征作为设备指纹特征。
[0027]在本专利技术实施例的第二方面，提供了一种设备指纹特征筛选装置，所述装置包括：
[0028]特征获取模块，用于获取目标设备的至少一个设备特征，由所述目标设备的至少一个所述设备特征组成设备特征池；
[0029]指标确定模块，用于针对所述设备特征池中任一所述设备特征，确定所述设备特征在不同评价维度下的特征指标；
[0030]倾向度确定模块，用于确定当前场景，根据所述当前场景与所述特征指标，确定所述设备特征的筛选倾向度；
[0031]特征筛选模块，用于根据所述设备特征池中各所述设备特征各自对应的所述筛选倾向度，从所述设备特征池中筛选目标设备特征作为设备指纹特征。
[0032]在本专利技术实施例的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0033]存储器，用于存放计算机程序；
[0034]处理器，用于执行存储器上所存放的程序时，实现上述第一方面中所述的设备指纹特征筛选方法。
[0035]在本专利技术实施例的第四方面，还提供了一种存储介质，所述存储介质中存储有指
令，当其在计算机上运行时，使得计算机执行上述第一方面中所述的设备指纹特征筛选方法。
[0036]在本专利技术实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中所述的设备指纹特征筛选方法。
[0037]本专利技术实施例提供的技术方案，获取目标设备的至少一个设备特征，由目标设备的至少一个设备特征组成设备特征池，针对设备特征池中任一设备特征，确定设备特征在不同评价维度下的特征指标，确定当前场景，根据当前场景与特征指标，确定设备特征的筛选倾向度，根据设备特征池中各设备特征各自对应的筛选倾向度，从设备特征池中筛选目标设备特征作为设备指纹特征。通过获取目标设备的至少一个设备特征，组成设备特征池，针对设备特征池中任一设备特征，确定该设备特征在不同评价维度下的特征指标，确定当前场景，根据当前场景与特征指标，确定该设备特征的筛选倾向度，从而基于筛选倾向度对设备特征池中各设备特征进行筛选得到设备指纹特征，后续将设备指纹特征输入到匹配模型进行设备指纹匹配，可以有效提高匹配模型的设备指纹匹配成功率。
附图说明
[0038]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0039]为了更清楚地说明本专利技术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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术实施例中示出的一种设备指纹特征筛选方法的实施流程示意图；
[0041]图2为本专利技术实施例中示出的一种设备特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备指纹特征筛选方法，其特征在于，所述方法包括：获取目标设备的至少一个设备特征，由所述目标设备的至少一个所述设备特征组成设备特征池；针对所述设备特征池中任一所述设备特征，确定所述设备特征在不同评价维度下的特征指标；确定当前场景，根据所述当前场景与所述特征指标，确定所述设备特征的筛选倾向度；根据所述设备特征池中各所述设备特征各自对应的所述筛选倾向度，从所述设备特征池中筛选目标设备特征作为设备指纹特征。2.根据权利要求1所述的方法，其特征在于，所述确定所述设备特征在不同评价维度下的特征指标，包括：确定所述设备特征在第一评价维度下的目标信息熵；确定所述设备特征在第二评价维度下的最大信息系数；确定所述设备特征在第三评价维度下的类别数。3.根据权利要求2所述的方法，其特征在于，所述确定所述设备特征在第一评价维度下的目标信息熵，包括：确定所述设备特征在同一设备之间第一信息熵，确定所述设备特征在不同设备之间的第二信息熵；获取所述第二信息熵与所述第一信息熵之间的差值，确定所述差值为所述设备特征在第一评价维度下的目标信息熵。4.根据权利要求2所述的方法，其特征在于，所述确定所述设备特征在第三评价维度下的类别数，包括：查找所述设备特征的特征值的总个数，确定所述特征值的总个数为所述设备特征在第三评价维度下的类别数。5.根据权利要求2所述的方法，其特征在于，所述根据所述当前场景与所述特征指标，确定所述设备特征的筛选倾向度，包括：查找所述目标信息熵、所述最大信息系数以及所述类别数在所述当前场景下各自对应的权重；根据所述目标信息熵、所述最大信息系数以及所述类别数，以及各自对应的所述权重，确定所述设备特征的筛选倾向度。6.根据权利要求5所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：林建明，黄恺睿，
申请(专利权)人：深圳无域科技技术有限公司，
类型：发明
国别省市：