[发明专利]确定同源无线网络的方法、装置、服务器及存储介质

权利要求书

1.一种确定同源无线网络的方法，其特征在于，所述方法包括：

确定多个无线网络分别对应的媒体接入控制MAC地址的初始特征，所述多个无线网络的MAC地址是在终端一次扫描无线网络的过程中得到的，所述无线网络对应的MAC地址的初始特征包括频次、实际物理位置和独热码，所述频次为相应的MAC地址在第一时长内被扫描到的次数；

将所述多个MAC地址的初始特征分别输入目标神经网络模型中，输出所述多个MAC地址中各个MAC地址的特征向量，所述特征向量用于指示相应的MAC地址的初始特征以及初始特征中的各个特征之间的关联关系；

基于所述多个MAC地址的特征向量，确定所述多个无线网络中的同源无线网络，所述同源无线网络是来自同一个无线访问接入点的多个无线网络。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

确定多个样本二元组以及各个样本二元组的标签，所述样本二元组包括两个不同MAC地址的初始特征，所述标签用于指示相应的样本二元组中两个不同MAC地址分别对应的无线网络是否为同源无线网络；

基于所述多个样本二元组和各个样本二元组的标签，对初始孪生神经网络模型进行训练，得到目标孪生神经网络模型，所述初始孪生神经网络模型包括两个初始神经网络模型，所述两个初始神经网络模型的初始参数和架构相同；

将所述目标孪生神经网络模型中的任一个神经网络模型确定为所述目标神经网络模型。

3.如权利要求2所述的方法，其特征在于，所述确定多个样本二元组，包括：

获取多个目标MAC地址；

分别确定与各个目标MAC地址对应的关联MAC地址，得到多个MAC地址组，其中，同一MAC地址组中的目标MAC地址与关联MAC地址在同一次扫描无线网络的过程中被扫描到；

对于所述多个MAC地址组，将同一MAC地址组中两个不同MAC地址的初始特征确定为一个样本二元组，得到所述多个样本二元组。

4.如权利要求2所述的方法，其特征在于，所述确定各个样本二元组的标签，包括：

确定参考样本二元组中两个不同MAC地址的共现频次、实际距离、编辑距离和字符串距离，所述共现频次用于指示在第二时长内所述参考样本二元组中两个不同MAC地址被同时扫描到的次数，所述实际距离用于指示所述参考样本二元组中两个MAC地址对应的实际物理位置之间的距离，所述字符串距离用于指示所述参考样本二元组中两个不同MAC地址相同位置的字符之间的距离和，所述参考样本二元组为所述多个样本二元组中的一个样本二元组；

将所述参考样本二元组中两个不同MAC地址的共现频次、实际距离、编辑距离和字符串距离进行加权运算，得到标签指示数值；

根据所述标签指示数值，确定所述参考样本二元组的标签。

5.如权利要求2所述的方法，其特征在于，所述基于所述多个样本二元组和各个样本二元组的标签，对初始孪生神经网络模型进行训练，得到目标孪生神经网络模型，包括：

将所述多个样本二元组和各个样本二元组的标签输入第一初始神经网络模型，输出各个样本二元组的第一特征向量，以及将所述多个样本二元组和各个样本二元组的标签输入第二初始神经网络模型，输出各个样本二元组的第二特征向量，所述第一初始神经网络模型和所述第二初始神经网络模型为所述初始孪生神经网络模型包括的两个初始神经网络模型；

基于各个样本二元组的第一特征向量、第二特征向量以及标签，确定所述多个样本二元组中各个样本二元组的交叉熵损失概率，得到多个交叉熵损失概率；

若所述多个交叉熵损失概率中包括大于概率阈值的交叉熵损失概率，基于所述多个交叉熵损失概率，对所述第一初始神经网络模型和所述第二初始神经网络模型的初始参数分别进行调整，按照参数调整后的第一初始神经网络模型和第二初始神经网络模型，返回执行所述将所述多个样本二元组和各个样本二元组的标签输入第一初始神经网络模型的步骤，直到确定的多个交叉熵损失概率均小于所述概率阈值，将最后一次参数调整后的第一初始神经网络模型和第二初始神经网络模型确定为所述目标孪生神经网络模型。