[发明专利]可信设备的识别方法和装置

权利要求书

1.一种可信设备的识别方法，包括：

获取用户当前设备至少一种传感器的感应输出信息；

将所述感应输出信息输入对应种类传感器的传感器识别模型，将所述传感器识别模型的机器学习子模型输出的特征向量作为当前设备上所述传感器的标识；所述传感器识别模型是以对应种类传感器的感应输出信息为输入、以对应种类传感器的传感器型号为输出的机器学习模型，包括用于实现机器学习算法的机器学习子模型和根据机器学习子模型输出的特征向量进行分类的分类子模型；

根据当前设备上所述传感器的标识、和预知的所述用户可信设备上所述传感器的标识，确定当前设备是否为可信设备。

2.根据权利要求1所述的方法，所述方法还包括：按照所述传感器识别模型的输出确定所述传感器的传感器型号、或者将所述传感器标识输入对应种类传感器的型号识别模型，按照所述型号识别模型的输出确定所述传感器的传感器型号；所述型号识别模型是以对应种类的传感器识别模型的机器学习子模型输出的特征向量为输入、以对应种类传感器的传感器型号为输出的分类模型。

3.根据权利要求1所述的方法，所述获取用户当前设备至少一种传感器的感应输出信息，包括：获取当前用户设备至少一种传感器的工作输出，采用所述工作输出生成所述传感器的感应输出信息。

4.根据权利要求1所述的方法，所述传感器包括：摄像头；所述对应种类传感器的传感器识别模型包括：用于摄像头识别的卷积神经网络CNN模型；

所述获取用户当前设备至少一种传感器的感应输出信息，包括：获取当前设备的摄像头输出的图片，将图片放大或裁剪为预定的标准尺寸，以标准尺寸的图片作为所述摄像头的感应输出信息。

5.根据权利要求1所述的方法，所述传感器识别模型基于三元组损失triplet loss、或siamese进行模型训练。

6.根据权利要求1所述的方法，所述方法运行在用户当前设备上；

所述方法还包括：接收服务端下发的所述用户可信设备上所述传感器的标识。

7.根据权利要求1所述的方法，所述方法运行在服务端；

所述获取用户当前设备至少一种传感器的感应输出信息，包括：接收用户当前设备上传的至少一种传感器的感应输出信息；或者，接收用户当前设备上传的至少一种传感器的工作输出，基于所述工作输出生成所述传感器的感应输出信息。

8.根据权利要求1所述的方法，所述传感器包括以下的一种到多种：摄像头、麦克风、指纹传感器。

9.一种可信设备的识别装置，包括：

感应输出获取单元，用于获取用户当前设备至少一种传感器的感应输出信息；

当前传感器标识单元，用于将所述感应输出信息输入对应种类传感器的传感器识别模型，将所述传感器识别模型的机器学习子模型输出的特征向量作为当前设备上所述传感器的标识；所述传感器识别模型是以对应种类传感器的感应输出信息为输入、以对应种类传感器的传感器型号为输出的机器学习模型，包括用于实现机器学习算法的机器学习子模型和根据机器学习子模型输出的特征向量进行分类的分类子模型；

可信设备判断单元，用于根据当前设备上所述传感器的标识、和预知的所述用户可信设备上所述传感器的标识，确定当前设备是否为可信设备。

10.根据权利要求9所述的装置，所述装置还包括：传感器型号识别单元，用于按照所述传感器识别模型的输出确定所述传感器的传感器型号、或者将所述传感器标识输入对应种类传感器的型号识别模型，按照所述型号识别模型的输出确定所述传感器的传感器型号；所述型号识别模型是以对应种类的传感器识别模型的机器学习子模型输出的特征向量为输入、以对应种类传感器的传感器型号为输出的分类模型。

11.根据权利要求9所述的装置，所述感应输出获取单元具体用于：获取当前用户设备至少一种传感器的工作输出，采用所述工作输出生成所述传感器的感应输出信息。