[发明专利]虚假设备识别方法、设备、存储介质及装置

说明书

本发明公开了一种虚假设备识别方法、设备、存储介质及装置，该方法包括：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；通过预设图卷积神经网络模型将所述当前性能数据转化为当前性能特征图，并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。由于设备信息可以伪造，性能数据无法伪造，根据用户设备的当前性能数据查找真实的目标设备信息，可判断当前设备信息的真实性，从而准确地识别用户设备是否为虚假设备，避免恶意登录行为。

技术领域

本发明涉及性能分析技术领域，尤其涉及一种虚假设备识别方法、设备、存储介质及装置。

背景技术

随着移动互联网的快速发展，游戏、购物以及社交等各类应用网站越来越多，各类网站拥有大量用户群体，其中，部分恶意用户使用虚假设备进入网站，谋取不当利益。

目前，识别虚假设备的方式是，检测设备将用户设备发送的设备信息与该用户设备操作系统配置文件中记录的设备信息进行对比，以识别该用户设备是否为虚假设备，然而，用户设备操作系统配置文件中记录的设备信息容易被篡改，因此，识别准确性不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种虚假设备识别方法、设备、存储介质及装置，旨在解决现有技术中无法较准确地识别虚假设备的技术问题。

为实现上述目的，本发明提供一种虚假设备识别方法，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；

通过预设图卷积神经网络模型将所述当前性能数据转化为当前性能特征图，并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。

优选地，所述通过预设图卷积神经网络模型将所述当前性能数据转化为当前性能特征图，并获取所述当前性能特征图对应的目标设备信息，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，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。

优选地，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。

优选地，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。

优选地，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。