基于深度学习的IP地理位置识别方法、装置及电子设备制造方法及图纸

本申请实施例提供了一种基于深度学习的IP地理位置识别方法、装置及电子设备，涉及无线安全的网络管理领域。该方法包括：响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令；获取针对该第一IP地址的在线数据；对该至少一项第一数据进行特征向量处理，得到该第一IP地址的特征向量；以该第一IP地址的特征向量为输入，利用该地理位置识别模型识别该第一IP地址的地理位置；输出该第一IP地址的地理位置。该方法能够在提升IP地址的复用性的基础上，提升IP地址的地理位置的识别准确度、识别效率以及识别实用性。识别效率以及识别实用性。识别效率以及识别实用性。

【技术实现步骤摘要】
基于深度学习的IP地理位置识别方法、装置及电子设备


[0001]本申请实施例涉及安全领域，尤其涉及无线安全的网络管理领域，并且更具体地，涉及基于深度学习的IP地理位置识别方法、装置及电子设备。

技术介绍

[0002]截止目前，业界针对“IP地址的最佳地理位置的判断”的技术方案主要为：基于IP地址的划段来判断IP地址的地理位置。其中，该方法行之有效的前提条件为：IP地址是根据属于不同地区的运营商进行分配，且分配后是固定不变的。即，IP地址分配给运营商后，IP地址和地区的关系是长期不变的。
[0003]但是，在实际应用过程中，IP地址在分配后，运营商会基于所辖不同地区的IP地址的负荷进行动态调度，将负荷较小地区的IP地址的分配给负荷较大的地区使用，以实现整体负载均衡的目的，比如会将原本属于“中国
‑
广东省
‑
中山市”的IP段临时分配给“中国
‑
广东省
‑
深圳市”使用。因此，采用传统的基于IP划段来判断网络用户的实际归属地理位置是不可靠的。

技术实现思路

[0004]本申请实施例提供了一种基于深度学习的IP地理位置识别方法、装置及电子设备，能够在提升IP地址的复用性的基础上，提升IP地址的地理位置的识别准确度、识别效率以及识别实用性。
[0005]一方面，本申请实施例提供了一种基于深度学习的IP地理位置识别方法，包括：
[0006]响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令，以请求调用该基于深度学习的地理位置识别模型针对该第一IP地址进行地理位置识别；
[0007]获取针对该第一IP地址的在线数据，该在线数据包括从线上数据库实时获取的与该第一IP地址关联的用于构建IP实时特征的至少一项第一数据；
[0008]对该至少一项第一数据进行特征向量处理，得到该第一IP地址的特征向量，该第一IP地址的特征向量的维度等于该至少一项第一数据的数量；
[0009]以该第一IP地址的特征向量为输入，利用该地理位置识别模型识别该第一IP地址的地理位置；
[0010]输出该第一IP地址的地理位置。
[0011]另一方面，本申请实施例提供了一种基于深度学习的IP地理位置识别装置，包括：
[0012]获取单元，用于：
[0013]响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令，以请求调用该基于深度学习的地理位置识别模型针对该第一IP地址进行地理位置识别；
[0014]获取针对该第一IP地址的在线数据，该在线数据包括从线上数据库实时获取的与
该第一IP地址关联的用于构建IP实时特征的至少一项第一数据；
[0015]处理单元，用于对该至少一项第一数据进行特征向量处理，得到该第一IP地址的特征向量。可选的，该第一IP地址的特征向量的维度等于该至少一项第一数据的数量；
[0016]识别单元，用于以该第一IP地址的特征向量为输入，利用该地理位置识别模型识别该第一IP地址的地理位置；
[0017]输出单元，用于输出该第一IP地址的地理位置。
[0018]本申请实施例中，响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令，以请求调用该基于深度学习的地理位置识别模型针对该第一IP地址进行地理位置识别；获取针对该第一IP地址的在线数据，该在线数据包括从线上数据库实时获取的与该第一IP地址关联的用于构建IP实时特征的至少一项第一数据；以该第一IP地址的特征向量为输入，利用该地理位置识别模型识别该第一IP地址的地理位置；输出该第一IP地址的地理位置。一方面，响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令，以请求调用该基于深度学习的地理位置识别模型针对该第一IP地址进行地理位置识别，能够提升识别效率以及方案的实用性；另一方面，由于用于识别第一IP地址的地理位置的该第一IP地址的特征向量是从线上数据库实时获取的与该第一IP地址关联的用于构建IP实时特征的至少一项第一数据处理得到的，不仅能够实现以IP地址为粒度来判断IP地址的地理位置，还能够避免基于基于IP划段来判断IP地址的地理位置，基于此，能够在提升IP地址的复用性的基础上提升IP地理位置的识别准确度。简言之，本申请实施例中，通过调用请求调用基于深度学习的地理位置识别模型对第一IP地址的地理位置进行识别，能够在提升IP地址的复用性的基础上，提升IP地址的地理位置的识别准确度、识别效率以及识别实用性。
[0019]此外，通过准确识别IP地址的地理位置，相当于可准确判断流量真正的归属位置，对于流量反作弊、产品运营有着直接帮助。
附图说明
[0020]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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他的附图。
[0021]图1是本申请实施例提供的密度卷积网络的示例。
[0022]图2是图1所示的密集块的具体结构的示例。
[0023]图3是本申请实施例提供的基于深度学习的IP地理位置识别方法的示意性流程图。
[0024]图4是本申请实施例提供的利用不同的模型进行IP地址的地理位置识别时的性能对比示意图。
[0025]图5是本申请实施例提供的地理位置识别模型的处理过程的示意图。
[0026]图6是本申请实施例提供的基于地理位置识别模型的在线部分和离线部分的示意图。
[0027]图7是本申请实施例提供的基于线下训练得到的地理位置识别模型进行线上识别
的方法的示意性流程图。
[0028]图8是本申请实施例提供的基于深度学习的IP地理位置识别装置的示意性流程图。
[0029]图9是本申请实施例提供的电子设备的示意性流程图。
具体实施方式
[0030]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，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0031]本申请提供的方案可涉及人工智能技术。
[0032]其中，人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的IP地理位置识别方法，其特征在于，包括：响应于针对待识别的第一IP地址触发的地理位置识别请求，向基于深度学习的IP地理位置识别模型发出调用请求指令，以请求调用所述基于深度学习的地理位置识别模型针对所述第一IP地址进行地理位置识别；获取针对所述第一IP地址的在线数据，所述在线数据包括从线上数据库实时获取的与所述第一IP地址关联的用于构建IP实时特征的至少一项第一数据；对所述至少一项第一数据进行特征向量处理，得到所述第一IP地址的特征向量；以所述第一IP地址的特征向量为输入，利用所述地理位置识别模型识别所述第一IP地址的地理位置；输出所述第一IP地址的地理位置。2.根据权利要求1所述的方法，其特征在于，所述至少一项第一数据用于表征在目标时间维度下所述第一IP地址关联的至少一项原始数据的上报次数，所述对所述至少一项第一数据进行特征向量处理，得到所述第一IP地址的特征向量，包括：对所述至少一项第一数据进行时间维度上的数据处理，得到至少一个数值，所述至少一个数值用于表征在历史时间维度下所述至少一项原始数据的上报次数分别与所述至少一项第一数据的比值；对所述至少一个数值进行特征向量拼接处理以得到所述第一IP地址的特征向量。3.根据权利要求2所述的方法，其特征在于，所述对所述至少一项第一数据进行时间维度上的数据处理，得到至少一个数值，包括：在至少一个时间维度中的每一个时间维度下，对所述至少一项第一数据进行时间维度上的数据处理，得到所述至少一个数值，所述至少一个时间维度包括所述目标时间维度；其中，所述对所述至少一个数值进行特征向量拼接处理以得到的特征向量，确定所述第一IP地址的特征向量，包括：通过拼接所述每一个时间维度下的所述至少一个数值，得到至少一个特征向量；对所述至少一个特征向量进行特征向量拼接处理以得到所述第一IP地址的特征向量。4.根据权利要求2所述的方法，其特征在于，所述对所述至少一项第一数据进行时间维度上的数据处理，得到至少一个数值之前，所述方法还包括：从线下数据库获取历史数据，所述历史数据包括所述第一IP地址关联的至少一项第二数据，所述至少一项第二数据分别用于表征在所述历史时间维度下所述第一IP地址关联的至少一项原始数据的上报次数；其中，所述对所述至少一项第一数据进行时间维度上的数据处理，得到至少一个数值，包括：将所述至少一项第二数据分别与所述至少一项第一数据的比值，确定为所述至少一个数值。5.根据权利要求1所述的方法，其特征在于，所述从线上数据库获取针对所述第一IP地址的在线数据之前，所述方法还包括：通过服务请求获取原始数据集，所述原始数据集包括所述第一IP地址关联的至少一项原始数据，所述原始数据包括以下信息中的任一项：使用所述第一IP地址的用户、使用所述第一IP地址的无线保真WiFi以及所述WiFi所在的地理位置；其中，所述WiFi通过服务集标
识符SSID或基本服务集标识符DSSID唯一性标识；所述WiFi所在的地理位置为通过地图应用程序获取的信息；利用特征工程将所述至少一项原始数据处理为所述至少一项第一数据；将所述在线数据存储至所述在线数据库。6.根据权利要求5所述的方法，其特征在于，所述原始数据集还包括所述至少一项原始数据中的每一项原始数据对应的时间戳，所述时间戳用于标识所述原始数据的上报时间；其中，所述利用特征工程将所述至少一项原始数据处理为所述至少一项第一数据，包括：在目标时间维度下，针对所述每一项原始数据，将利...

【专利技术属性】
技术研发人员：樊鹏，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：