云手机的识别方法、装置、存储介质及电子设备

本技术涉及大数据领域、金融科技领域或者其他，具体而言，涉及一种云手机的识别方法、装置、存储介质及电子设备。背景技术：1、云手机是一种运行在云服务器上的手机，它基于虚拟化技术和网络，用户无需购置手机硬件，即可通过视频流的方式远程实时控制架设在云服务器上的云手机。云手机上可以运行各类移动端应用，在给用户带来便利的同时，也引发了新的风险挑战。例如，在金融行业，不法分子会尝试使用云手机运行手机银行应用(application，以下简称为app)，诱导用户下载欺诈软件录制人脸信息并发送到云手机，用于登录手机银行app进行电诈行为；或直接利用生成式人工智能(artificial intelligence，简称为ai)合成受害者的人像视频，尝试绕过手机银行app人脸识别系统。2、由于云手机型号众多，新机型层出不穷，且具备真实的cpu等硬件，识别难度较大。现有技术中一般使用设备指纹技术，通过将移动端设备的特征发送至服务器端，并与服务器端的特征库进行比对，来识别云手机设备。但现有的基于设备指纹识别云手机的方法过于依赖特征库的完善程度，若出现全新的云手机机型，则无法根据现有的特征库进行识别，导致识别结果的准确率较低的问题。3、针对相关技术中识别云手机的过程中依赖于特征库已收录的设备特征，导致识别结果不准确的问题，目前尚未提出有效的解决方案。技术实现思路1、本技术的主要目的在于提供一种云手机的识别方法、装置、存储介质及电子设备，以解决相关技术中识别云手机的过程中依赖于特征库已收录的设备特征，导致识别结果不准确的问题。2、为了实现上述目的，根据本技术的一个方面，提供了一种云手机的识别方法，该方法包括：通过应用程序采集目标设备的设备信息，并依据所述设备信息确定所述目标设备的标识信息；通过向量空间模型将所述设备信息转换为特征向量，得到目标向量；采用预设的聚类算法对所述目标向量和设备特征集合中每类设备对应的特征向量进行聚类，得到所述目标设备所属的目标设备类别，其中，所述设备特征集合包含不同类别设备的标签信息和特征向量；在所述目标设备类别中设备的标签信息包含云手机的情况下，确定所述目标设备属于所述云手机，并将所述目标设备的标识信息添加至所述设备特征集合。3、进一步地，采用预设的聚类算法对所述目标向量和设备特征集合中每类设备对应的特征向量进行聚类，得到所述目标设备所属的目标设备类别，包括：依据每类设备对应的特征向量构建每类设备对应的簇，其中，所述设备的类别用于指示所述设备的品牌；通过权重杰卡德距离计算所述目标向量与每个簇的簇内距离，以及聚类后每个簇之间的簇间距离；依据所述目标向量与每个簇的簇内距离和每个簇之间的簇间距离调整每个簇包含的样本，得到聚类结果；依据所述聚类结果确定所述目标设备所属簇对应的设备类别，得到所述目标设备类别。4、进一步地，在通过向量空间模型将所述设备信息转换为特征向量，得到目标向量之前，所述方法还包括：将所述目标设备的标识信息与预设名单进行比对，得到比对结果；在所述比对结果指示所述目标设备的标识信息在所述预设名单的情况下，依据预设规则对所述目标设备进行处理；在所述比对结果指示所述目标设备的标识信息不在所述预设名单内，并且所述目标设备的标识信息在所述设备特征集合的情况下，依据所述设备特征集合确定所述目标设备的识别结果；在所述比对结果指示所述目标设备的标识信息不在所述预设名单内，并且所述目标设备的标识信息不在所述设备特征集合的情况下，执行通过所述向量空间模型将所述设备信息转换为特征向量，得到所述目标向量的步骤。5、进一步地，在将所述目标设备的标识信息与预设名单进行比对，得到比对结果之前，所述方法还包括：确定金融机构中的已识别设备，并依据所述已识别设备中第一设备对应的特征向量构建簇，并依据所述已识别设备中第二设备与每个簇的簇内距离和每个簇之间的簇间距离进行聚类，得到n类设备，其中，n是大于1的整数；依据所述n类设备中每个设备的设备信息配置每个设备的标签信息，其中，所述标签信息至少包括以下信息：第一标签信息、第二标签信息，所述第一标签信息用于指示所述设备属于云手机或属于实体手机，所述第二标签信息用于指示所述设备是否存在异常行为；依据所述n类设备和每个设备的标签信息构建所述设备特征集合，并依据每个设备对应的所述第二标签信息确定所述预设名单。6、进一步地，依据所述已识别设备中第二设备与每个簇的簇内距离和每个簇之间的簇间距离进行聚类，得到n类设备，包括：在所述第二设备与每个簇的簇内距离在第一数值范围之外，且每个簇的簇间距离在第二数值范围之外的情况下，计算所述第二设备与每个簇的杰卡德距离，得到距离集合；若所述距离集合中存在小于目标阈值的目标距离，则依据所述目标距离对应的簇确定所述第二设备所属的簇；若所述距离集合中不存在小于所述目标阈值的目标距离，则依据所述第二设备构建新的簇；依据所述已识别设备中除所述第一设备和所述第二设备之外的其它设备与每个簇的簇内距离和每个簇之间的簇间距离进行聚类，得到所述n类设备。7、进一步地，在所述距离集合中存在小于目标阈值的目标距离之前，所述方法还包括：计算所述第二设备与所述第二设备所属簇中其它设备之间的平均距离，得到第一数值；计算所述第二设备与除所述第二设备所属簇包含的设备之外的其它设备之间平均距离，得到第二数值；依据所述第一数值和所述第二数值计算所述目标阈值。8、进一步地，将所述目标设备的标识信息添加至所述设备特征集合，包括：在所述目标设备类别属于云手机的情况下，对所述目标设备进行验证，并在验证通过的情况下，将所述目标设备的标识信息添加至所述设备特征集合中；在所述设备特征集合中确定所述目标设备类别对应的标签信息；在所述标签信息包含预设标签或所述目标设备未通过验证的情况下，将所述目标设备的标识信息添加至所述预设名单中。9、进一步地，所述向量空间模型为词袋模型，通过向量空间模型将所述设备信息转换为特征向量，得到目标向量，包括：将所述设备信息输入所述词袋模型中，将所述设备信息转换为稠密向量；依据所述稠密向量确定所述目标向量。10、进一步地，依据所述设备信息确定所述目标设备的标识信息，包括：按照预设顺序对所述设备信息包含的文本信息进行排序，得到排序后的设备信息；通过预设算法将所述排序后的设备信息转换为目标字符串；依据预设信息对所述目标字符串进行过滤，得到所述目标设备的标识信息。11、为了实现上述目的，根据本技术的另一方面，提供了一种云手机的识别装置，该装置包括：采集单元，用于通过应用程序采集目标设备的设备信息，并依据所述设备信息确定所述目标设备的标识信息；转换单元，用于通过向量空间模型将所述设备信息转换为特征向量，得到目标向量；聚类单元，用于采用预设的聚类算法对所述目标向量和设备特征集合中每类设备对应的特征向量进行聚类，得到所述目标设备所属的目标设备类别，其中，所述设备特征集合包含不同类别设备的标签信息和特征向量；第一确定单元，用于在所述目标设备类别中设备的标签信息包含云手机的情况下，确定所述目标设备属于所述云手机，并将所述目标设备的标识信息添加至所述设备特征集合。12、进一步地，所述聚类单元包括：第一构建子单元，用于依据每类设备对应的特征向量构建每类设备对应的簇，其中，所述设备的类别用于指示所述设备的品牌；第一计算子单元，用于通过权重杰卡德距离计算所述目标向量与每个簇的簇内距离，以及聚类后每个簇之间的簇间距离；调整子单元，用于依据所述目标向量与每个簇的簇内距离和每个簇之间的簇间距离调整每个簇包含的样本，得到聚类结果；第一确定子单元，用于依据所述聚类结果确定所述目标设备所属簇对应的设备类别，得到所述目标设备类别。13、进一步地，所述装置还包括：比对单元，用于在通过向量空间模型将所述设备信息转换为特征向量，得到目标向量之前，将所述目标设备的标识信息与预设名单进行比对，得到比对结果；处理单元，用于在所述比对结果指示所述目标设备的标识信息在所述预设名单的情况下，依据预设规则对所述目标设备进行处理；第二确定单元，用于在所述比对结果指示所述目标设备的标识信息不在所述预设名单内，并且所述目标设备的标识信息在所述设备特征集合的情况下，依据所述设备特征集合确定所述目标设备的识别结果；执行单元，用于在所述比对结果指示所述目标设备的标识信息不在所述预设名单内，并且所述目标设备的标识信息不在所述设备特征集合的情况下，执行通过所述向量空间模型将所述设备信息转换为特征向量，得到所述目标向量的步骤。14、进一步地，所述装置还包括：第三确定单元，用于在将所述目标设备的标识信息与预设名单进行比对，得到比对结果之前，确定金融机构中的已识别设备，并依据所述已识别设备中第一设备对应的特征向量构建簇，并依据所述已识别设备中第二设备与每个簇的簇内距离和每个簇之间的簇间距离进行聚类，得到n类设备，其中，n是大于1的整数；配置单元，用于依据所述n类设备中每个设备的设备信息配置每个设备的标签信息，其中，所述标签信息至少包括以下信息：第一标签信息、第二标签信息，所述第一标签信息用于指示所述设备属于云手机或属于实体手机，所述第二标签信息用于指示所述设备是否存在异常行为；构建单元，用于依据所述n类设备和每个设备的标签信息构建所述设备特征集合，并依据每个设备对应的所述第二标签信息确定所述预设名单。15、进一步地，所述第三确定单元包括：第二计算子单元，用于在所述第二设备与每个簇的簇内距离在第一数值范围之外，且每个簇的簇间距离在第二数值范围之外的情况下，计算所述第二设备与每个簇的杰卡德距离，得到距离集合；第二确定子单元，用于若所述距离集合中存在小于目标阈值的目标距离，则依据所述目标距离对应的簇确定所述第二设备所属的簇；第二构建子单元，用于若所述距离集合中不存在小于所述目标阈值的目标距离，则依据所述第二设备构建新的簇；聚类子单元，用于依据所述已识别设备中除所述第一设备和所述第二设备之外的其它设备与每个簇的簇内距离和每个簇之间的簇间距离进行聚类，得到所述n类设备。16、进一步地，所述第三确定单元还包括：第三计算子单元，用于在所述距离集合中存在小于目标阈值的目标距离之前，计算所述第二设备与所述第二设备所属簇中其它设备之间的平均距离，得到第一数值；第四计算子单元，用于计算所述第二设备与除所述第二设备所属簇包含的设备之外的其它设备之间平均距离，得到第二数值；第五计算子单元，用于依据所述第一数值和所述第二数值计算所述目标阈值。17、进一步地，所述第一确定单元包括：验证子单元，用于在所述目标设备类别属于云手机的情况下，对所述目标设备进行验证，并在验证通过的情况下，将所述目标设备的标识信息添加至所述设备特征集合中；第三确定子单元，用于在所述设备特征集合中确定所述目标设备类别对应的标签信息；添加子单元，用于在所述标签信息包含预设标签或所述目标设备未通过验证的情况下，将所述目标设备的标识信息添加至所述预设名单中。18、进一步地，所述向量空间模型为词袋模型，所述转换单元包括：第一转换子单元，用于将所述设备信息输入所述词袋模型中，将所述设备信息转换为稠密向量；第四确定子单元，用于依据所述稠密向量确定所述目标向量。19、进一步地，所述采集单元包括：排序子单元，用于按照预设顺序对所述设备信息包含的文本信息进行排序，得到排序后的设备信息；第二转换子单元，用于通过预设算法将所述排序后的设备信息转换为目标字符串；过滤子单元，用于依据预设信息对所述目标字符串进行过滤，得到所述目标设备的标识信息。20、为了实现上述目的，根据本技术的一个方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述云手机的识别方法，所述计算机程序被处理器执行时实现本技术各个实施例中所述云手机的识别方法的步骤。21、为了实现上述目的，根据本技术的一个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述云手机的识别方法。22、为了实现上述目的，根据本技术的一个方面，提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项所述云手机的识别方法。23、通过本技术，采用以下步骤：通过应用程序采集目标设备的设备信息，并依据所述设备信息确定所述目标设备的标识信息；通过向量空间模型将所述设备信息转换为特征向量，得到目标向量；采用预设的聚类算法对所述目标向量和设备特征集合中每类设备对应的特征向量进行聚类，得到所述目标设备所属的目标设备类别，其中，所述设备特征集合包含不同类别设备的标签信息和特征向量；在所述目标设备类别中设备的标签信息包含云手机的情况下，确定所述目标设备属于所述云手机，并将所述目标设备的标识信息添加至所述设备特征集合，解决了相关技术中识别云手机的过程中依赖于特征库已收录的设备特征，导致识别结果不准确的问题。通过采集目标设备的设备信息，并将设备信息转化为特征向量，使用目标设备的特征向量与当前设备特征集合中的数据进行聚类，能够根据聚类结果判断目标设备是否属于云手机，提高了云手机的识别效率，避免了识别新型云手机的准确率较低的问题，达到了提高云手机的识别准确率的效果，进一步达到了降低通过新型云手机实施电信诈骗的风险。