[发明专利]一种基于指纹识别的自适应设备识别方法及系统

权利要求书

1.一种基于设备指纹识别的自适应设备识别方法，其特征在于，包括：

获取用户登录信息，实时采集所述用户的指纹登录数据和移动端及浏览器端的用户设备数据并保存为设备记录信息；

筛选所述指纹登录数据，提取出登录特征信息为样本特征信息；数值化所述样本特征信息得散列特征数值，归一化所述散列特征数值为样本特征数值，将所述样本特征数值转化为多维特征向量；所述数值化所述样本特征信息得散列特征数值，归一化所述散列特征数值为属性数据，将所述样本特征数值转化为多维特征向量，包括：采用哈希散列方法将所述样本特征信息中的字符串型属性值映射到特定位数的整数区间内得到散列特征值；归一化所述散列特征值为预设特点区间中的所述属性数据；根据所述属性数据将所述样本特征信息转化为所述多维特征向量；

以样本的多维特征向量作为输入，根据预设的相似性度量函数确定聚类算法的K值；所述以样本的多维特征向量作为输入，根据预设的相似性度量函数确定聚类算法的K值，包括：根据多维特征信息获取所述用户对应的全部所述设备记录信息；以各条所述设备记录信息为顶点相连线为边，以汉明距离为所述边权重，构建所述用户的带权无向图；输入所述多维特征向量和预设阈值；随机设置所述带权无向图中任一所述设备记录信息作为初始簇中心；遍历所述设备记录信息，判断所述初始簇中心及非中心设备信息间的汉明距离是否小于所述预设阈值；若是，则将当前所述设备记录信息放入近距离集中，簇中心计数加1；若否，则将当前所述设备记录信息放回原集合供遍历；根据所述簇中心计数得所述K值；用自适应聚类算法对每个用户的设备数据重新聚类，确定新的聚类中心，直至收敛，并计算可信阈值；

根据所述聚类算法确定簇中心并保存；

对比设备信息与所述簇中心的汉明距离与可信阈值，根据所述汉明距离和所述可信阈值的比较结果来识别新登录设备。

2.根据权利要求1所述的方法，其特征在于，所述获取用户登录信息，实时采集所述用户的指纹登录数据和移动端及浏览器端的用户设备数据并保存为设备记录信息，包括：

获取当前用户的指纹数据，采集与所述指纹数据对应的所述设备记录信息；

根据所述指纹数据获取标识符；

根据所述标识符获取原始样本；

保存所述标识符，将所述标识符序列化成标识符字符串；

根据所述标识符字符串解析出样本特征，保存所述样本特征；

根据用户的所述指纹数据获取所述设备记录信息；

根据所述样本特征，将所述用户的所有所述设备记录信息汇总为原始训练数据集。

3.根据权利要求2所述的方法，其特征在于，所述筛选所述指纹登录数据，提取出设备登特征信息为样本特征信息，包括：

获取所述标识符字符串中的隐性标识符；

根据信息增益原理筛选所述隐性标识符得相关标识符；

根据所述相关标识符选择样本特征信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述聚类算法确定簇中心并保存，包括：

获取所述K值，初始化簇中心；

以各条所述设备记录信息为顶点相连线为边，以汉明距离为所述边权重，构建所述用户的带权无向图；

根据样本点与每一中心点的汉明距离将数据集中的对象聚类；

计算每一簇中两样本点之间的汉明距离，取和其他记录的距离之和最小的样本点作为新的簇中心。

5.根据权利要求4所述的方法，其特征在于，所述对比所述设备信息与所述簇中心的汉明距离与可信阈值，根据所述汉明距离和所述可信阈值的比较结果来识别新登录设备，包括：

对所述设备记录信息进行数据预处理和特征提取；

提取出所述用户对应的所述簇中心和所述可信阈值；

计算所述设备记录信息与每个所述簇中心的汉明距离，判断所述设备记录信息所有所述汉明距离是否都大于所述可信阈值；

若是，则判断所述设备记录信息对应的设备不可信；

若否，则判定所述设备记录信息对应是设备为可信设备，更新所述用户的簇中心。