[发明专利]虚假设备识别方法、设备、存储介质及装置

权利要求书

1.一种虚假设备识别方法，其特征在于，所述虚假设备识别方法包括以下步骤：

拦截用户设备发送的目标网站的登录请求，从所述登录请求中获取所述用户设备的当前设备信息和当前性能数据；

获取预设性能图，将所述当前性能数据添加至所述预设性能图中，生成当前性能图；

通过预设图卷积神经网络模型将所述当前性能图中的当前性能数据转化为多维特征数据，生成当前性能特征图；

根据所述预设图卷积神经网络模型获取所述当前性能特征图对应的目标设备信息；

将所述当前设备信息与所述目标设备信息进行对比，根据对比结果识别所述用户设备是否为虚假设备。

2.如权利要求1所述的虚假设备识别方法，其特征在于，所述预设性能图包含若干节点，各节点分别对应一种性能数据；

相应地，所述获取预设性能图，将所述当前性能数据添加至所述预设性能图中，生成当前性能图，具体包括：

获取预设性能图，将所述当前性能数据添加至所述预设性能图中对应的节点处，生成当前性能图。

3.如权利要求2所述的虚假设备识别方法，其特征在于，所述通过预设图卷积神经网络模型将所述当前性能图中的当前性能数据转化为多维特征数据，生成当前性能特征图，具体包括：

通过预设图卷积神经网络模型遍历各节点，对所述节点的邻居节点的当前性能数据进行非线性变换，获得所述节点的多维特征数据，生成当前性能特征图。

4.如权利要求1-3中任一项所述的虚假设备识别方法，其特征在于，所述拦截用户设备发送的目标网站的登录请求，从所述登录请求中获取所述用户设备的当前设备信息和当前性能数据之前，所述虚假设备识别方法还包括：

采集样本设备信息以及所述样本设备信息对应的样本性能数据；

根据所述样本设备信息及对应的样本性能数据生成预设图卷积神经网络模型。

5.如权利要求4所述的虚假设备识别方法，其特征在于，所述根据所述样本设备信息及对应的样本性能数据生成预设图卷积神经网络模型，具体包括：

通过预设图传播算法建立基础模型；

根据所述样本设备信息及对应的所述样本性能数据对所述基础模型进行训练，以调整所述基础模型的参数，生成预设图卷积神经网络模型。

6.如权利要求1-3中任一项所述的虚假设备识别方法，其特征在于，所述当前性能数据至少包括：所述用户设备的处理器信息、运算速度、内存容量以及响应时长。

7.一种虚假设备识别设备，其特征在于，所述虚假设备识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的虚假设备识别程序，所述虚假设备识别程序被所述处理器执行时实现如权利要求1至6中任一项所述的虚假设备识别方法的步骤。

8.一种存储介质，其特征在于，所述存储介质上存储有虚假设备识别程序，所述虚假设备识别程序被处理器执行时实现如权利要求1至6中任一项所述的虚假设备识别方法的步骤。

9.一种虚假设备识别装置，其特征在于，所述虚假设备识别装置包括：

数据获取模块，用于拦截用户设备发送的目标网站的登录请求，从所述登录请求中获取所述用户设备的当前设备信息和当前性能数据；

模型分析模块，用于获取预设性能图，将所述当前性能数据添加至所述预设性能图中，生成当前性能图，通过预设图卷积神经网络模型将所述当前性能图中的当前性能数据转化为多维特征数据，生成当前性能特征图，根据所述预设图卷积神经网络模型获取所述当前性能特征图对应的目标设备信息；

识别模块，用于将所述当前设备信息与所述目标设备信息进行对比，根据对比结果识别所述用户设备是否为虚假设备。