基于人工智能的操作系统识别方法、装置及电子设备与流程

技术特征：
1.一种基于人工智能的操作系统识别方法，其特征在于，所述方法包括：获取多种操作系统分别对应的特征信息；其中，所述特征信息包括与多个特征维度分别对应的取值范围；对所述特征信息中的取值范围进行离散处理得到多个特征值，并将所述特征信息拆分为在所述多个特征维度分别对应一个特征值的特征样本；根据所述多种操作系统分别对应的特征信息所拆分出的特征样本，对操作系统识别模型进行训练；根据所述特征信息对应的特征获取策略，对待识别设备进行特征获取处理；根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理，并将得到的预测操作系统作为所述待识别设备所应用的操作系统。2.根据权利要求1所述的方法，其特征在于，所述特征信息包括多种类型；所述根据所述多种操作系统分别对应的特征信息所拆分出的特征样本，对操作系统识别模型进行训练，包括：针对所述多种类型中的任意一种类型，执行以下处理：根据所述多种操作系统分别对应的所述任意一种类型的特征样本，对所述任意一种类型对应的操作系统识别模型进行训练；其中，所述任意一种类型的特征样本是对所述任意一种类型的特征信息进行拆分得到的；训练后的所述任意一种类型对应的操作系统识别模型用于预测得到所述任意一种类型对应的预测操作系统；所述将得到的预测操作系统作为所述待识别设备所应用的操作系统，包括：在得到的所述多种类型分别对应的预测操作系统中，将出现次数最多的预测操作系统作为所述待识别设备所应用的操作系统。3.根据权利要求2所述的方法，其特征在于，所述多种类型中的每种类型对应一种特征获取策略；所述根据所述特征信息对应的特征获取策略，对待识别设备进行特征获取处理，包括：根据所述任意一种类型对应的特征获取策略，对所述待识别设备进行特征获取处理，得到所述任意一种类型的特征样本；所述根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理，包括：根据训练后的所述任意一种类型对应的操作系统识别模型，对从所述待识别设备获取到的所述任意一种类型的特征样本进行预测处理，得到所述任意一种类型对应的预测操作系统。4.根据权利要求2所述的方法，其特征在于，所述获取多种操作系统分别对应的特征信息之后，所述方法还包括：当所述任意一种类型的特征信息对应待扩展的新的特征维度时，执行以下任意一种处理：将所述新的特征维度作为所述任意一种类型的特征信息中的特征维度；将所述新的特征维度作为新的类型的特征信息中的特征维度；其中，所述新的类型区别于所述任意一种类型。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述特征信息对应的特征获取策略，对待识别设备进行特征获取处理，包括：当所述特征信息为被动类型时，获取所述待识别设备发送的数据，并从所述数据中解析出特征样本；当所述特征信息为主动类型时，向所述待识别设备发送请求数据，并从所述待识别设备发送的响应数据中解析出特征样本；其中，所述响应数据是所述待识别设备对所述请求数据进行响应处理得到的。6.根据权利要求5所述的方法，其特征在于，所述特征信息包括多种所述被动类型，且不同所述被动类型分别对应的特征获取策略所应用的通信协议不同；和/或所述特征信息包括多种所述主动类型，且不同所述主动类型分别对应的特征获取策略所应用的通信协议不同。7.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述特征信息中的取值范围进行离散处理得到多个特征值，包括：当所述取值范围有限且非空时，对所述取值范围进行离散处理得到多个特征值；所述方法还包括：当所述取值范围无限或为空时，在所述多种操作系统分别对应的特征信息中屏蔽所述取值范围对应的特征维度。8.根据权利要求7所述的方法，其特征在于，所述对所述取值范围进行离散处理得到多个特征值，包括：当所述取值范围为离散类型的取值范围时，将所述取值范围包括的多个离散值均作为特征值；当所述取值范围为连续类型的取值范围时，根据间隔值对所述取值范围进行采样处理得到多个特征值。9.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述特征信息中的取值范围进行离散处理得到多个特征值之后，所述方法还包括：针对任意一个特征维度，执行以下处理：根据统一的进制单位，对所述任意一个特征维度对应的多个特征值进行更新处理；所述根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理之前，所述方法还包括：根据所述统一的进制单位，对通过所述特征获取处理得到的特征样本中的多个特征值进行更新处理。10.根据权利要求9所述的方法，其特征在于，所述对所述任意一个特征维度对应的多个特征值进行更新处理，包括：将所述任意一个特征维度对应的多个特征值均更新为区别于设定值的值；其中，所述设定值符合所述统一的进制单位；所述对通过所述特征获取处理得到的特征样本中的多个特征值进行更新处理，包括：当通过所述特征获取处理得到的特征样本对应所述任意一个特征维度的特征值为空时，将所述任意一个特征维度的特征值更新为所述设定值。11.根据权利要求1至4任一项所述的方法，其特征在于，所述根据训练后的所述操作系
统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理，并将得到的预测操作系统作为所述待识别设备所应用的操作系统，包括：根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的多个特征样本分别进行预测处理，得到预测操作系统；将多个所述预测操作系统中出现次数最多的预测操作系统，作为所述待识别设备所应用的操作系统。12.根据权利要求1至4任一项所述的方法，其特征在于，所述根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理，包括：当通过所述特征获取处理得到的多个特征样本的特征值波动程度小于波动程度阈值时，根据训练后的所述操作系统识别模型，对所述多个特征样本中最新获取到的特征样本进行预测处理；所述方法还包括：当所述多个特征样本的特征值波动程度大于或等于所述波动程度阈值时，继续对所述待识别设备进行特征获取处理。13.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述特征信息拆分为在所述多个特征维度分别对应一个特征值的特征样本之后，所述方法还包括：针对任意一种操作系统，执行以下处理：确定与所述任意一种操作系统对应的特征样本的数量正相关的筛选数量；其中，所述筛选数量小于所述任意一种操作系统对应的特征样本的数量；根据所述筛选数量对所述任意一种操作系统对应的多个特征样本进行筛选处理；其中，所述筛选处理得到的特征样本用于训练所述操作系统识别模型。14.一种基于人工智能的操作系统识别装置，其特征在于，所述装置包括：获取模块，用于获取多种操作系统分别对应的特征信息；其中，所述特征信息包括与多个特征维度分别对应的取值范围；拆分模块，用于对所述特征信息中的取值范围进行离散处理得到多个特征值，并将所述特征信息拆分为在所述多个特征维度分别对应一个特征值的特征样本；训练模块，用于根据所述多种操作系统分别对应的特征信息所拆分出的特征样本，对操作系统识别模型进行训练；所述获取模块，还用于根据所述特征信息对应的特征获取策略，对待识别设备进行特征获取处理；预测模块，用于根据训练后的所述操作系统识别模型，对通过所述特征获取处理得到的特征样本进行预测处理，并将得到的预测操作系统作为所述待识别设备所应用的操作系统。15.一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至13任一项所述的基于人工智能的操作系统识别方法。

技术总结
本申请提供了一种基于人工智能的操作系统识别方法、装置、电子设备及计算机可读存储介质；方法包括：获取多种操作系统分别对应的特征信息；对特征信息中的取值范围进行离散处理得到多个特征值，并将特征信息拆分为在多个特征维度分别对应一个特征值的特征样本；根据拆分出的特征样本对操作系统识别模型进行训练；根据特征信息对应的特征获取策略，对待识别设备进行特征获取处理；根据训练后的操作系统识别模型，对通过特征获取处理得到的特征样本进行预测处理，并将得到的预测操作系统作为待识别设备所应用的操作系统。通过本申请，能够提升识别精度，同时，也能够保证操作系统识别过程中所耗费的计算资源被有效利用。别过程中所耗费的计算资源被有效利用。别过程中所耗费的计算资源被有效利用。


技术研发人员：颜波
受保护的技术使用者：腾讯科技（北京）有限公司
技术研发日：2021.03.16
技术公布日：2021/11/25