(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210708179.0 (22)申请日 2022.06.22 (65)同一申请的已公布的文献号 申请公布号 CN 114783007 A (43)申请公布日 2022.07.22 (73)专利权人 成都新希望金融信息有限公司 地址 610000 四川省成 都市高新区仁和街 39号6栋2层3号 (72)发明人 吴枭　吕文勇　周智杰　王渊　 金秋　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 杜杨 (51)Int.Cl. G06V 40/12(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06N 20/00(2019.01)(56)对比文件 CN 113869156 A,2021.12.31 CN 110287698 A,2019.09.27 CN 110929224 A,2020.0 3.27 CN 113920384 A,202 2.01.11 CN 108875327 A,2018.1 1.23 CN 110866819 A,2020.0 3.06 CN 204480319 U,2015.07.15 CN 113989859 A,202 2.01.28 CN 113537585 A,2021.10.2 2 CN 10762 2198 A,2018.01.23 CN 110851422 A,2020.02.28 CN 112382392 A,2021.02.19 CN 113554504 A,2021.10.26 CN 112966991 A,2021.0 6.15 CN 113886372 A,202 2.01.04 US 2020193 315 A1,2020.0 6.18 (续) 审查员 代冯楠 (54)发明名称 设备指纹识别方法、 装置和电子设备 (57)摘要 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。 [转续页] 权利要求书3页 说明书14页 附图7页 CN 114783007 B 2022.09.27 CN 114783007 B (56)对比文件 黄莉莉.多标签学习中特 征选择和分类问题 的研究. 《中国优秀硕士学位 论文全文数据库 信 息科技辑》 .2013,(第 （2013） 12期),I138-4. QIAN LEI等.Fingerprint-Based Device- Free Localization in Changing Environments Usi ng Enhanced C hannel Selection and Logistic Regres sion. 《IEEE Access》 .2017,第6卷第25 69-2577页. 蒋鹏飞.浏览器用户行为识别技 术的研究. 《中国优秀硕士学位 论文全文数据库 信息科技辑》 .2018,(第 （2018） 04期),I139- 555. Jessie Hendricks等.Quantificati on of the weight of fi ngerprint evidence usi ng a ROC-based Ap proximate Bayesian Computati on algorithm for model selection. 《Electro nic Journal of Statistics》 .2021,第15卷第12 28-1262页. 庄浩宇.基于射频信号特 征的Wi-Fi设备指 纹提取方法研究. 《中国优秀硕士学位 论文全文 数据库 信息科技 辑》 .2020,(第 （2020） 0 6期), I136-413.2/2 页 2[接上页] CN 114783007 B1.一种设备指纹识别方法， 其特 征在于， 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， 所述相邻事件为用户的操作事件流中两个相邻的操 作事件； 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； 所述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 征的步骤， 包括： 依次遍历加工后的各个有效特征， 并采用前进法逐步加入以建立逻辑回归模型， 记录 每次加入各个有效特征后逻辑回归模 型的系数矩阵中各个系数值以及KS 差值， 若KS差值在 设定范围内且所有系数值均为正值， 则判定加入的有效特征为识别特征， 经过多轮迭代后， 在满足迭代终止条件时确定出有效特 征中的所有识别特 征； 所述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的步骤， 包括： 根据所述待识别的设备信 息对应的识别特征， 以及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， 获得预先根据设置的分箱坏样本率下计算得到的分 数阈值， 根据所述分数阈值以及计算得到的相异分数， 识别设备指纹是否发生变更； 所述根据相异分数识别设备指纹是否发生变更， 并对设备指纹进行 更新的步骤， 包括： 若待识别的设备信 息的当前事件设备指纹较上一事件的设备指纹未发生变更， 则更新 上一事件的设备指纹为最新设备指纹， 若待识别的设备信息的当前事件设备指纹较上一事 件的设备指纹发生变更， 再判断当前事件设备指纹是否与任一历史事件中的设备指纹重 复， 若当前事件设备指纹未与任一历史事件中的设备指纹重复， 则将当前事件设备指纹更 新到日志中， 若当前事件设备指纹与其中一个历史事件中的设备指纹重复， 则更新该历史 事件中的设备指纹为 最新设备指纹。 2.根据权利要求1所述的设备指纹识别方法， 其特征在于， 所述特征信 息包括数值型特 征、 类别型特征、 序列型特征、 向量型特征、 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。 3.根据权利要求1所述的设备指纹识别方法， 其特征在于， 所述根据建立的分类模型从 原始特征中筛选出有效特 征的步骤， 包括： 利用集成学习树模型建立分类模型； 针对各所述原始特征， 基于所述分类模型的树结构各层节点中采用所述原始特征进行 分裂后减少的MS E平方损失的累加值， 以及原始特征的数量， 计算得到所述原始特征的全局权　利　要　求　书 1/3 页 2 CN 114783007 B 3