[发明专利]基于行为模式的装置去激活

说明书

描述基于模式的控制系统的实施例，所述基于模式的控制系统学习并应用装置使用模式来识别并停用展现异常使用模式的装置。所述系统能够学习用户的正常使用模式或能够学习异常使用模式，例如被盗装置的典型使用模式。这种学习能够包含若干组特定使用条件(例如，位置、设置改变、个人数据存取事件、应用事件、IMU数据等)的人工或算法识别，或训练机器学习模型来识别使用条件组合或序列。约束(例如，特定时间或位置)能够指定其中启用或停用异常模式匹配的情况。在识别到异常使用模式时，所述系统能够停用所述装置，例如，通过永久破坏物理组件、半永久地停用组件或通过软件锁定或数据加密。

技术领域

本公开涉及识别个别或类别装置使用模式以自动停用装置。

背景技术

据估计，每年有7000多万台移动装置被盗，且其中只有不到7％被追回。此外，装置变得越来越有价值，通常需要花费数千美元来更换。然而，被盗装置的成本通常远远超过装置本身的货币价值。个人信息、财务信息、到其它系统的凭证等的盗窃可能远远超过更换被盗硬件的成本。

存在众多旨在打击装置盗窃的系统。举例来说，许多装置采用加密技术、认证程序及生物计量来保护装置数据。然而，装置及装置盗贼可得到的可恢复数据的高价值导致被盗装置的数目每年都在上升。

附图说明

图1是说明一些实施方案可在其上操作的装置的概述的框图。

图2是说明一些实施方案可在其中操作的环境的概述的框图。

图3是说明组件的框图，在一些实施方案中，所述组件可用于采用所公开技术的系统中。

图4是说明在一些实施方案中用于学习及应用装置使用模式来停用可能被盗的装置的过程的流程图。

图5是说明用于学习异常装置使用模式并在检测到异常装置使用模式时停用装置的实体及操作的实例的概念图。

通过结合附图参考以下具体实施方式，可更好地理解此处介绍的技术，在附图中相似参考数字指示等同或功能类似的元件。

具体实施方式

描述基于模式的控制系统的实施例，所述基于模式的控制系统学习并应用装置使用模式来识别并停用展现异常使用模式(例如被盗装置的模式)的装置。在各种实施方案中，停用装置可包含永久破坏装置的物理组件、半永久地停用装置的组件(例如，需要第三方越权控制才能重新启用)或临时停用装置(例如，通过软件锁定或加密，其可用密码或其它认证程序来逆转)。

在一些实施方案中，基于模式的控制系统可学习用户的正常使用模式，并在识别到与正常使用模式不同达阈值量的使用模式时停用装置。在其它实施方案中，基于模式的控制系统可学习异常使用模式，例如被盗装置的典型使用模式，并可在发现此异常使用模式时停用装置。

在一些情况中，基于模式的控制系统可将使用模式作为使用条件的一组值(例如，是否发生特定活动的二进制值、活动类别中的选项的特定值、值范围等)来学习。在其它实施方案中，基于模式的控制系统可使用使用条件值作为可产生使用模式匹配估计的机器学习模型的输入。机器学习模型可经训练以基于在其它被盗装置中所见的使用模式或基于已知通常在装置被盗时发生的活动(例如进行多次购买、挖掘个人数据及调换SIM卡)来识别“被盗装置”。机器学习模型还可经训练以学习特定用户的典型使用模式，例如通过监测装置使用及将活动作为训练数据应于模型(假设装置未被盗)直到模型具有足够的使用实例来建立识别典型使用模式的能力。

如文本使用的“机器学习模型”或“模型”是指使用训练数据进行训练以对新数据项进行预测或提供概率的构造，无论新数据项是否包含在训练数据中。举例来说，训练数据可包含具有各种参数及经指派类别的项。新数据项可具有模型可用来为新数据项指派类别的参数。作为另一实例，模型可为源自训练数据的分析的概率分布。模型的实例包含：神经网络、深度神经网络、支持向量机、决策树、帕曾窗、贝叶斯、概率分布及其它。可为各种情形、数据类型、源及输出格式配置模型。