[发明专利]设备指纹识别方法、装置和电子设备

说明书

本申请提供一种设备指纹识别方法、装置和电子设备，通过采集设备信息，对设备信息进行标签分类并以相邻事件的特征的相似度值作为原始特征。再筛选出有效特征，对有效特征的数值分布进行分箱校验和分箱增益，得到加工后的有效特征，利用加工后的有效特征及标签分类建立逻辑回归模型，并进行迭代，直至满足迭代终止条件时得到有效特征中的识别特征。针对待识别的设备信息，获得对应的识别特征，并根据逻辑回归模型得到设备的相异分数，进而判断设备指纹是否发生变更。本方案，可以提取特征的变化作为原始特征，并且经过有效特征的筛选以及逻辑回归模型的迭代，可以在复杂生产环境下建立可靠地设备指纹识别方案，从而加强业务场景的风控能力。

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种设备指纹识别方法、装置和电子设备。

背景技术

随着计算机技术和移动互联网的高速发展，金融、医疗、电商等各行业的业务中心逐渐由线下转移至线上，与此同时，寄生于移动互联网的黑产交易也逐渐兴起甚至达到泛滥的地步。黑色产业链通过虚假注册、伪造信息、账户盗用等方式对线上业务进行欺诈攻击，并以此实现诈骗和获利。

设备指纹技术原指可以用于唯一标识出该设备的设备特征或者独特的设备标识，在上述场景中拥有完善的设备指纹技术可以实现用户的唯一性认证，防止黑产通过修改设备参数伪装成新用户来实施欺诈，也可以防范用户账户盗用风险。传统的设备指纹技术一是采用显性标识符即显性设备ID进行设备跟踪（如IMEI、IDFA等），二是采集设备的隐式属性信息并通过特定的算法生成唯一设备ID来进行识别。随着各类设备底层安全协议的不断完善，以及移动生态（各类小程序环境）的不断发展，用户的各类显性设备ID作为用户私密信息的关键部分，通常不再允许被采集和传递。与此同时，随着黑产技术的不断发展，设备ID存在被篡改的可能，此时过度依赖设备ID 就会影响风控策略的有效性。在此背景下，通过加强设备隐形特征采集，并利用各类分析建模和机器学习方法构建设备指纹，成为移动互联网环境下更可行和更可靠的设备指纹识别方案。

然而，设备采集信息存在复杂多样性问题，并且还存在随着时间而出现自然变化的特征，如何量化这些特征，并且从多样化的特征中选择出对于设备指纹变更识别有益的特征依据，这些问题在目前尚缺乏研究。

并且，在现有技术中，用户的设备指纹标签通常处于黑箱状态，即从业务场景触发即使采集到了大量的用户设备信息，也无法准确判定其中哪些发生了真实设备变更，即缺乏有效标签作为验证以及建模。在此场景下，如何解决建模冷启动问题以及有效特征筛选问题尚缺乏研究。

发明内容

本发明的目的包括，例如，提供了一种设备指纹识别方法、装置和电子设备，其能够实现可靠的设备指纹识别，加强业务场景的风控能力。

本发明的实施例可以这样实现：

第一方面，本发明提供一种设备指纹识别方法，所述方法包括：

采集用户在操作设备的事件过程中的多份设备信息，每份设备信息包括多个特征信息；

将采集到的各个设备信息进行标签分类，并对同一用户的相邻事件的对应特征进行相似度计算，将相似度值作为原始特征；

根据建立的分类模型从原始特征中筛选出有效特征，并对有效特征的数值分布进行分箱校验和分箱增益，得到加工后的有效特征；

利用加工后的有效特征以及标签分类建立逻辑回归模型，通过对所述逻辑回归模型进行迭代，直至满足迭代终止条件时得到有效特征中的识别特征；

针对待识别的设备信息，获得所述待识别的设备信息对应的识别特征，并根据满足迭代终止条件时逻辑回归模型的系数矩阵计算得到设备的相异分数，根据所述相异分数识别设备指纹是否发生变更，并对设备指纹进行更新。

在可选的实施方式中，所述特征信息包括数值型特征、类别型特征、向量型特征、序列型特征、时间型特征和速率型特征，不同类型的特征采用不同的相似度计算方式计算相似度值。