【技术实现步骤摘要】
本申请属于数字孪生领域，尤其涉及一种终端指纹的生成方法、装置、设备、介质及产品。
技术介绍
1、随着数字孪生技术在工业、医疗、交通等领域的广泛应用，这些应用通常涉及大量的数据交互和复杂的操作流程，为了确保数据的安全性和系统的完整性，访问控制成为确保系统安全的关键环节。目前，常用的访问控制技术包括用户名/密码、数字证书、生物识别技术以及多因素认证。这些技术各自具有不同的特点和应用场景，但在实际使用中也存在一定的局限性。目前，常用的访问控制技术存在访问凭证篡改或伪造的风险，可能导致数字孪生应用的信息泄露，难以保证数字孪生应用的安全性。
技术实现思路
1、本申请实施例提供一种终端指纹的生成方法、装置、设备、介质及产品，通过提高终端指纹的不可预测性，有效提高了访问数字孪生应用的安全性。
2、第一方面，本申请实施例提供一种终端指纹的生成方法，该方法可以包括：
3、获取第一设备特征向量和特征权重向量，所述第一设备特征向量用于指示所述多个终端设备的信息，所述特征权重向量是根据目标训练模型确定的，所述目标训练模型是通过训练数据集和反向传播算法对训练模型进行训练直至达到预设收敛条件得到的，所述训练数据集包括特征向量样本和对应的类别标签；
4、对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量；
5、通过所述特征权重向量对所述第二设备特征向量进行加权，得到融合向量；
6、根据非线性激活函数、哈希函数和所述融合向量，生成所述
7、在其中一个实施例中，上述涉及到的所述获取第一设备特征向量和特征权重向量之前，还包括：
8、获取多个终端设备上的设备特征数据和初始特征权重向量；
9、对所述设备特征数据进行预处理，得到训练数据集，所述特征向量样本对应的类别标签用于指示所述特征向量样本为合法设备或非合法设备；
10、根据所述训练数据集中的特征向量样本和所述类别标签，通过反向传播算法对所述训练模型进行迭代训练，直至所述训练模型的损失函数和/或训练次数满足预设停止条件时，得到目标训练模型；
11、根据所述目标训练模型，确定所述特征权重向量。
12、在其中一个实施例中，上述涉及到的所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量之前，还包括：
13、对所述第一设备特征向量进行数据预处理，得到预处理后的所述第一设备特征向量；
14、所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量，包括：
15、对所述预处理后的所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量。
16、在其中一个实施例中，上述涉及到的所述第一设备特征向量包括第一硬件特征向量和第一软件特征向量，所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量，包括：
17、通过公式1和公式2，对所述第一设备特征向量中的所述第一硬件特征向量和/或第一软件特征向量中的每一子项进行归一化处理，得到第二设备特征向量，所述第二设备特征向量包括第二硬件特征向量和第二软件特征向量，
18、
19、其中，hnorm和snorm分别为第二硬件特征向量和第二软件特征向量进行归一化后的特征向量，min(),max(),分别为第一设备特征向量中的最小值和最大值，h和s分别为第一硬件特征向量和第一软件特征向量，i和j分别为h和s的长度。
20、在其中一个实施例中，上述涉及到的所述特征权重向量包括硬件特征权重向量和软件特征权重向量，所述通过所述特征权重向量对所述第二设备特征向量进行加权，得到融合向量，包括：
21、根据公式3、公式4和公式5，通过硬件特征权重向量和软件特征权重向量，分别对第二硬件特征向量和第二软件特征向量进行加权，得到所述融合向量，
22、
23、其中，hweighted和sweighted为所述第二硬件特征向量和第二软件特征向量分别加权后的特征向量，i和j分别为所述第二硬件特征向量和第二软件特征向量的长度,α和β分别为第二硬件特征向量和第二软件特征向量的调整参数，wh和ws分别为硬件特征权重向量和软件特征权重向量，
24、
25、其中，融合向量fpre为(i+j)行、1列的向量，i和j分别为hweighted和sweighted的长度。
26、在其中一个实施例中，上述涉及到的所述根据非线性激活函数、哈希函数和所述融合向量，生成所述终端设备的终端指纹，包括：
27、应用所述非线性激活函数对所述融合向量进行激活，得到激活特征向量；
28、应用所述哈希函数和所述激活特征向量，生成所述终端指纹。
29、在其中一个实施例中，上述涉及到的所述根据非线性激活函数、哈希函数和所述融合向量，生成所述终端设备的终端指纹之后，还包括：
30、将所述终端指纹与指纹库中的至少一个指纹进行碰撞测试，得到测试结果，所述测试结果用于指示所述终端指纹与所述指纹库中的至少一个指纹之间的碰撞概率，所述碰撞概率用于指示所述终端指纹与所述至少一个指纹的相同程度；
31、在所述测试结果高于预设阈值的情况下，输出提示信息，所述提示信息用于指示重新生成所述终端设备的终端指纹。
32、第二方面，本申请实施例提供一种终端指纹的生成装置，该装置可以包括：
33、获取模块，用于获取第一设备特征向量和特征权重向量，所述第一设备特征向量用于指示所述多个终端设备的信息，所述特征权重向量是根据目标训练模型确定的，所述目标训练模型是通过训练数据集和反向传播算法对训练模型进行训练直至达到预设收敛条件得到的，所述训练数据集包括特征向量样本和对应的类别标签；
34、处理模块，用于对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量；
35、加权模块，用于通过所述特征权重向量对所述第二设备特征向量进行加权，得到融合向量；
36、生成模块，用于根据非线性激活函数、哈希函数和所述融合向量，生成所述终端设备的终端指纹。
37、第三方面，本申请实施例提供了一种电子设备，设备包括：
38、处理器；
39、用于存储处理器可执行指令的存储器；
40、其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的终端指纹的生成方法。
41、第四方面，本申请实施例提供了一种计算机存储介质，该计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如第一方面的任一项实施例中所示的终端指纹的生成方法。
42、第五方面，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在可读存储介质中，设备的至少一个处理器从存储介质读取并本文档来自技高网...
【技术保护点】
1.一种终端指纹的生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一设备特征向量和特征权重向量之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量之前，还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一设备特征向量包括第一硬件特征向量和第一软件特征向量，所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述特征权重向量包括硬件特征权重向量和软件特征权重向量，所述通过所述特征权重向量对所述第二设备特征向量进行加权，得到融合向量，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据非线性激活函数、哈希函数和所述融合向量，生成所述终端设备的终端指纹，包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述根据非线性激活函数、哈希函数和所述融合向量，生成所述终端设备的终端指纹之后，还包括：
8.
9.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的终端指纹的生成方法。
11.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-7任意一项所述的终端指纹的生成方法。
...【技术特征摘要】
1.一种终端指纹的生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取第一设备特征向量和特征权重向量之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量之前，还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一设备特征向量包括第一硬件特征向量和第一软件特征向量，所述对所述第一设备特征向量中的每一子项进行归一化处理，得到第二设备特征向量，包括：
5.根据权利要求4所述的方法，其特征在于，所述特征权重向量包括硬件特征权重向量和软件特征权重向量，所述通过所述特征权重向量对所述第二设备特征向量进行加权，得到融合向量，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据非线...
【专利技术属性】
技术研发人员：陈虹瑾，韩雨潇，林国池，刘坤，凌龙，
申请(专利权)人：中移物联网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。