[发明专利]一种抗浏览器指纹改变的终端设备识别方法

权利要求书

1.一种抗浏览器指纹改变的终端设备识别方法，其特征在于：所述方法包括以下步骤：

Ⅰ、通过过滤冗余属性以及分割粗粒度属性，提取多属性特征形成细粒度的指纹生成方案；

Ⅱ、根据指纹属性间的相互关系，构建对应的贝叶斯网络结构并进行参数学习；

Ⅲ、对于未知设备进行指纹匹配分类，并反馈结果；

所述步骤Ⅰ中，通过过滤冗余属性以及分割粗粒度属性，提取了24种属性特征形成细粒度的指纹生成方案，具体包括操作系统类型、操作系统系列、操作系统版本、操作系统位数、运行平台、是否为智能终端、智能终端型号、浏览器类型、浏览器版本、浏览器内核类型、浏览器内核版本、语言设置、插件列表、字体列表、时区设置、是否支持Cookie、DNT、屏幕宽度×屏幕高度、屏幕颜色深度、Accept、HTML5支持情况、CSS3支持情况、Canvas指纹和WebGL指纹，同时，还需采集已标记的训练数据来进行指纹库的构建；

所述步骤Ⅲ中，当某个未知设备利用浏览器访问嵌有数据采集脚本的网页时，浏览器相关的多个属性值会被发送到服务器上，并生成相应的细粒度指纹fp，然后，该指纹会与指纹库Fw中的所有指纹进行比对，生成多个变化情况特征向量，将这些变化情况特征向量输入到训练好的贝叶斯网络中进行测试，若指纹匹配节点的后验概率最高的类别Ci超过预先设定的阈值，则该指纹所属的终端设备识别为Ci，并将Fw中 Ci的指纹更新为fp；反之，则认为该指纹属于一个新设备，在Fw中加入fp，最后，服务器将识别结果进行反馈；

所述步骤Ⅱ中，针对所提取的细粒度指纹属性，构建贝叶斯网络分类器；

所述步骤Ⅱ包括以下步骤：

S201、基于经验知识进行贝叶斯网络结构的构建；

S202、训练数据预处理及贝叶斯网络的参数学习；

所述步骤S201中，基于经验知识学习贝叶斯网络结构，筛选了多个属性的变化情况作为随机变量，并根据属性间的相互关系进行拓扑层次的构建；

所述步骤S202中，采用最大似然估计算法进行参数的学习，需要先进行数据预处理，将浏览器指纹转化为对应变化情况的特征向量，从而形成训练集。