摘要
本发明公开了一种基于融合感知的集控式虚拟终端检测方法、装置及设备,旨在解决现有虚拟终端检测技术依赖软件层面、易被伪造、精度低的问题。该方法首先由服务端向终端设备下发指令以触发CPU和振动马达工作;设备通过内置的磁传感器和振动传感器等同步捕获由硬件产生的多模态物理信号;通过频谱分析等方式提取能唯一表征设备身份的物理不可克隆函数特征;将融合后的特征输入至一个预训练的深度学习模型进行判别。所述模型创新性地采用“教师‑学生”框架进行轻量化训练,并基于孪生神经网络架构以增强鲁棒性。本发明利用硬件层面的物理特性,能有效、准确地区分物理终端与虚拟终端,显著提升检测的安全性和可靠性。
技术关键词
虚拟终端
孪生神经网络
模型训练模块
虚拟设备
物理设备
振动马达
终端设备
多模态
长短期记忆网络
信号
深度学习模型
特征提取模块
教师
振动传感器
学生
时序特征
网络模块
基准