一种基于wifi的设备类型确定方法、电子设备及存储介质

摘要

本发明公开了一种基于wifi的设备类型确定方法、电子设备及存储介质，所述方法包括如下步骤：获取目标wifi的设备列表；将所述Ai进行特征处理，得到第一特征向量；根据所述第一特征向量和所述第一特征向量对应的第一目标权重向量，得到第一概率值；将所述第一概率值与预设的第一概率阈值进行对比；当所述第一概率值不小于所述第一概率阈值，则确定所述目标设备为第一类设备；当所述目标概率值小于所述概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型；本发明能够通过先确定wifi进而筛选设备，一方面干扰的数据也多导致确定用户的类型和特征对应的准确性低，另一方面能够确定同一类用户的类型和特征。

权利要求

1.一种基于wifi的设备类型确定方法，其特征在于，所述方法包括如下步骤：S101、获取目标wifi对应的第一设备集合A＝(A1，A2，A3，……，Am)，m为目标设备数量；

其中，所述S101步骤中还包括如下步骤确定目标wifi：S1011、获取指定设备集合B＝(B1，B2，B3，……，Bp)，p为设备数量，所述Bj是指第j个指定设备对应的属性信息，j＝1……p，所述Bj包括：指定APP安装数量、设备充电次数和设备间距中一种或者多种组合；

S1012、根据所述B，确定出第二设备集合 q为第二类设备数量，其中，所述S1012步骤还包括：根据所述B，获取任一Bj；

将所述Bj进行特征处理，得到第二特征向量 r为特征数量；

根据所述 和所述 对应的第二目标权重向量

得到第二概率值

将所述 与预设的第二概率阈值进行对比；

当所述 大于所述第二概率阈值，确定所述指定设备为第二类设备，并生成所述S1013、根据所述 确定出目标wifi，其中，所述S1013步骤还包括：根据所述 生成第一wifi集合D＝(D1，D2，D3，……，Dp)，p是指第一类wifi列表数量，其中，所述Dp是指第p个第一类wifi列表；

获取所述D中任一第一类wifi的次数；

将第一类wifi的次数与预设的次数阈值进行对比；

将第一类wifi的次数不小于预设的次数阈值时，确定所述第一类wifi为目标wifi；

依次类推，遍历所述D中全部第一类wifi；

S102、将所述A中任一Ai进行特征处理，得到第一特征向量C＝(C1，C2，C3，……，Cn)，n为特征数量，所述Ai是指第i个目标设备对应的属性信息，i＝1……m，所述Ai包括：指定APP安装数量、设备类型、连接指定wifi数量和设备间距中一种或者多种组合；

S103、根据所述C和所述C对应的第一目标权重向量W＝(W1，W2，W3，……，Wn)，得到第一概率值K；

S104、将所述K与预设的第一概率阈值进行对比；

S105、当所述K不小于所述第一概率阈值，则确定所述目标设备为第一类设备；

S106、当所述K小于所述第一概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型。

2.根据权利要求1所述的基于wifi的设备类型确定方法，其特征在于，所述 符合如下条件：其中，

3.根据权利要求1所述的基于wifi的设备类型确定方法，其特征在于，所述第一类wifi是指所述 可连接到的wifi。

4.根据权利要求1所述的基于wifi的设备类型确定方法，其特征在于，所述K符合如下条件：K＝C1×W1+C2×W2+C3×W3+…+Cn×Wn，其中，W1+W2+W3+…+Wn＝1。

5.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1～4中任一项所述的基于wifi的设备类型确定方法。

6.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求

1～4任一项所述的基于wifi的设备类型确定方法。

说明书

一种基于wifi的设备类型确定方法、电子设备及存储介质

技术领域

[0001] 本发明涉及设备处理技术领域，特别涉及一种基于wifi的设备类型确定方法、电子设备及存储介质。

背景技术

[0002] 随着智能化设备的普及，需要用户均具有终端设备，终端设备的也可以反映出一些用户的特性，例如，用户的类型和特征、用户对应的生活方式等，对于用户的类型都是基于设备信息进行确定的，只能反映某个用户的类型和特征，无法反映一类用户的的类型和
特征。

[0003] 目前，对于用户的类型和特征直接通过数据库进行获取，这种情况数据量大，因此干扰的数据也多导致确定用户的类型和特征对应的准确性低，影响到确定同一类用户的类型和特征。

发明内容

[0004] 为了解决现有技术的问题，获取目标wifi的设备列表；根据所述第一特征向量和所述第一特征向量对应的第一目标权重向量，得到第一概率值；将所述第一概率值与预设
的第一概率阈值进行对比；当所述第一概率值不小于所述第一概率阈值，则确定所述目标
设备为第一类设备；当所述目标概率值小于所述概率阈值，则获取所述目标设备的应用信
息，以重新确定所述目标设备的类型；能够通过先确定wifi进而筛选设备，一方面干扰的数据也多导致确定用户的类型和特征对应的准确性低，另一方面能够确定同一类用户的类型
和特征；本发明实施例提供了一种基于wifi的设备类型确定方法、电子设备及可读存储介
质。所述技术方案如下：

[0005] 一方面，一种基于wifi的设备类型确定方法，所述方法包括如下步骤：

[0006] S101、获取目标wifi对应的第一设备集合A＝(A1，A2，A3，……，Am)，m为目标设备数量；其中，所述S101步骤中还包括：

[0007] S1011、获取指定设备集合B＝(B1，B2，B3，……，Bp)，p为设备数量；

[0008] S1012、根据所述B，确定出第二设备集合q为第二类设备数量；

[0009] S1013、根据所述 确定出目标wifi：

[0010] S102、将所述A中任一Ai进行特征处理，得到第一特征向量C＝(C1，C2，C3，……，Cn)，n为特征数量；

[0011] S103、根据所述C和所述C对应的第一目标权重向量W＝(W1，W2，W3，……，Wn)，得到第一概率值K；

[0012] S104、将所述K与预设的第一概率阈值进行对比；

[0013] S105、当所述K不小于所述第一概率阈值，则确定所述目标设备为第一类设备；

[0014] S106、当所述K小于所述第一概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型。

[0015] 另一方面，一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述任一项所述基于wifi的设备类型确定方法。

[0016] 另一方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实
现如上述任一项所述基于wifi的设备类型确定方法。

[0017] 本发明提供的一种基于wifi的设备类型确定方法、电子设备及可读存储介质，具有如下技术效果：

[0018] 本发明获取目标wifi的设备列表；将所述Ai进行特征处理，得到第一特征向量；根据所述第一特征向量和所述第一特征向量对应的第一目标权重向量，得到第一概率值；将所述第一概率值与预设的第一概率阈值进行对比；当所述第一概率值不小于所述第一概率
阈值，则确定所述目标设备为第一类设备；当所述目标概率值小于所述概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型，能够通过wifi进行筛选设备，一方面干扰的数据也多导致确定用户的类型和特征对应的准确性低，另一方面能够确定同一
类用户的类型和特征；此外，本发明基于确定wifi类型以确定出第二类设备，以使得根据第二类设备确定出目标wifi，进而确定出目标设备的类型，同时也能够提高准确性。

附图说明

[0019] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他
的附图。

[0020] 图1是本发明实施例一提供的一种基于wifi的设备类型确定方法的流程示意图；

[0021] 图2是本发明实施例一提供的确定目标wifi的流程示意图；

[0022] 图3是本发明实施例一提供的另第二类设备的流程示意图。

具体实施方式

[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其
他实施例，都属于本发明保护的范围。

[0024] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0025] 实施例一

[0026] 结合图1和图2所示，本实施例一提供了一种基于wifi的设备类型确定方法，所述方法包括如下步骤：

[0027] S101、获取目标wifi对应的第一设备集合A＝(A1，A2，A3，……，Am)，m为目标设备数量，其中，所述S101步骤中还包括如下步骤确定目标wifi：

[0028] S1011、获取指定设备集合B＝(B1，B2，B3，……，Bp)，p为设备数量；

[0029] S1012、根据所述B，确定出第二设备集合q为第二类设备数量；

[0030] S1013、根据所述 确定出目标wifi；

[0031] S102、将所述A中任一Ai进行特征处理，得到第一特征向量C＝(C1，C2，C3，……，Cn)，n为所述C中特征数量；

[0032] S103、根据所述C和所述C对应的第一目标权重向量W＝(W1，W2，W3，……，Wn)，得到第一概率值K；

[0033] S104、将所述K与预设的第一概率阈值进行对比；

[0034] S105、当所述K不小于所述第一概率阈值，则确定所述目标设备为第一类设备；

[0035] S106、当所述K小于所述第一概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型。

[0036] 具体地，所述A是指连接到目标wifi的全部设备构成的集合。

[0037] 具体地，所述B是指样本数据库中设备构成的集合。

[0038] 具体地，所述 是指由第二类设备构成的集合。

[0039] 具体地，第一类设备是指优先级低的设备，第二类设备是指优先级高的设备，即所述第二类设备对应的优先级高于所述第一类设备对应的优先级。

[0040] 具体地，所述S1012步骤中还包括：

[0041] 根据所述B，获取任一Bj；

[0042] 将所述Bj进行特征处理，得到第二特征向量r为所述 中特征数量；

[0043] 根据所述 和所述 对应的第二目标权重向量得到第二概率值

[0044] 将所述 与预设的第二概率阈值进行对比；

[0045] 当所述 大于所述第二概率阈值，确定所述指定设备为第二类设备，并生成所述

[0046] 具体地，所述W和所述 通过权重数据库中进行获取，所述权重数据库为预先设定的数据库。

[0047] 进一步地，所述 其中，

[0048] 进一步地，所述第二概率阈值的范围为0‑0.5，优选地，所述第二概率阈值为0.5。

[0049] 进一步地，所述Bj是指第j个指定设备对应的属性信息，j＝1……p，所述Bj包括：指定APP安装数量、设备充电次数和设备间距中一种或者多种组合。

[0050] 优先地，所述Bj包括指定APP安装数量、设备充电次数和设备间距，对所述Bj进行特征处理是指对所述Bj中不同的特征与其特征对应的条件进行判断；例如，在所述指定APP安装数量不大于预设的APP数量时，所述 中标记为1，否则标记为0；在所述设备充电次数
小于预设的充电次数时，所述 中标记为1，否则标记为0；在所述设备间距满足第二预设间隔距离时，在所述 中标记为1，否则标记为0。

[0051] 进一步地，所述指定APP是指生活类APP，其中，所述预设APP数量范围为1‑3；优先地，所述预设的APP数量为2。

[0052] 进一步地，所述设备充电次数是指在第一时间段内设备平均充电次数，其中，所述预设的充电次数范围为250‑350次，优先地，所述预设的充电次数为300次。

[0053] 进一步地，所述第一时间段的范围为7‑15天，优先地，所述第一时间段的为7天。

[0054] 进一步地，所述设备间距是指设备的当前位置与设定的固定位置之间的间隔距离，例如，所述固定位置可以为居住地址等；其中，所述第二预设间隔距离范围为150‑250m，优先地，所述第二预设间隔距离为200m。

[0055] 在一个具体的实施例中，当所述Bj中指定APP安装数量为1个、设备充电次数为280次和设备间距为500m，且所述预设的APP数量为2、所述预设的充电次数为300次和所述第二预设间隔距离为200m时，通过所述Bj进行特征处理得到所述 根据所述
与其对应的所述 得到第二概率值 当所述
大于所述第二概率阈值，确定所述 对应的设备为第二类设备。

[0056] 具体地，所述S1013步骤还包括：

[0057] 根据所述 生成第一wifi集合D＝(D1，D2，D3，……，Dp)，p是指第一类wifi列表数量，其中，所述Dp是指第p个第一类wifi列表；

[0058] 获取所述D中任一第一类wifi的次数；

[0059] 将第一类wifi的次数与预设的次数阈值进行对比；

[0060] 将第一类wifi的次数不小于预设的次数阈值时，确定所述第一类wifi为目标wifi；

[0061] 依次类推，遍历所述D中全部第一类wifi。

[0062] 具体地，所述第一类wifi是指所述 可连接到的wifi。

[0063] 进一步地，所述第一类wifi列表是指由第一类wifi构成的列表；

[0064] 进一步地，所述D是指第一类wifi列表构成的集合。

[0065] 具体地，所述预设的次数阈值范围为3‑5次，优先地，所述预设的次数阈值为3次。

[0066] 具体地，所述第一类wifi的次数是指在不同的所述第一类wifi列表内具有相同的第一类wifi时，所述第一类wifi的频数。

[0067] 在一个具体的实施例中，在所述 生成的所述D＝(D1，D2，D3，D4)，所述D1＝(α‑wifi，β‑wifi，γ‑wifi，δ‑wifi)，所述D2＝(α‑wifi，ε‑wifi，λ‑wifi)，所述D3＝(α‑wifi，θ‑wifi，δ‑wifi，μ‑wifi)，所述D4＝(α‑wifi，φ‑wifi，θ‑wifi，η‑wifi，ψ‑wifi)，需要说明的是，α‑wifi、β‑wifi，γ‑wifi，θ‑wifi，δ‑wifi，ε‑wifi、λ‑wifi、η‑wif、μ‑wifi和φ‑wifi均代表一个相对独立的wifi，其中，α‑wifi的次数为4次，β‑wifi的次数为1次，γ‑wifi的次数为1次，δ‑wifi为2次，ε‑wifi的次数为1次，λ‑wifi的次数为1次，θ‑wifi的次数为2次，μ‑wifi的次数为1次，φ‑wifi的次数为1次，η‑wifi的次数为
1次，ψ‑wifi的次数为1次；所述α‑wifi的次数大于所述预设的次数阈值3，确定所述α‑wifi为目标wifi。

[0068] 具体地，所述K＝C1×W1+C2×W2+C3×W3+…+Cn×Wn，其中，W1+W2+W3+…+Wn＝1。

[0069] 具体地，所述Ai是指第i个目标设备对应的属性信息，i＝1……m，所述Ai包括：指定APP安装数量、设备类型、连接指定wifi数量和设备间距中一种或者多种组合。

[0070] 优先地，所述Ai包括指定APP安装数量、设备类型、连接wifi数量和设备间距；对所述Ai进行特征处理是指对所述Ai中不同的特征与其特征对应的条件进行判断；例如，在所述指定APP安装数量大于所述预设APP数量时，所述C中标记为1，否则标记为0；在所述连接wifi数量大于预设wifi数量时，所述C中标记为1，否则标记为0；在所述设备类型满足预设设备类型时，所述C中标记为1，否则标记为0；在所述设备间距满足第二预设间隔距离时，在所述C中标记为1，否则标记为0。

[0071] 进一步地，所述指定APP安装数量和所述预设APP数量，与所述Bj对应的述指定APP安装数量和所述预设APP数量一致，在此不再赘述。

[0072] 进一步地，所述连接wifi数量是指连接到优先等级高的wifi数量，其中，所述预设的wifi数量范围为1‑3，优先地，所述预设的wifi数量为2。

[0073] 进一步地，所述预设设备类型是指在预设的设备样本数据库中存储的设备类型。

[0074] 进一步地，所述第一预设间隔距离大于所述第二预设间隔距离，优先地，所述第一预设间隔距离范围为30‑50km，优先地，所述第一预设间隔距离为50km。

[0075] 在一个具体的实施例中，当所述Ai中指定APP安装数量为3个、连接wifi数量为3个、设备类型为指定类型和设备间距为53km，且所述预设的APP数量为2、所述预设的wifi数量为2和所述第一预设间隔距离为50km时，通过所述Aj进行特征处理得到所述C＝(1，0，1，
1)；根据所述C＝(1，1，1，1)与其对应的所述W＝(0.4、0.4，0.1，0.1)，得到第一概率值K＝
0.6，当所述K大于所述第一概率阈值，确定所述K对应的设备为第一类设备。

[0076] 具体地，所述S106步骤中获取所述目标设备的应用信息，以重新确定所述目标设备的类型，本领域技术人员能够基于熟知的任何方法进行实现，在此不再赘述。

[0077] 如图3所示，所述方法还包括另一种方法确定出第二类设备：

[0078] S201、获取第二wifi集合F＝(F1，F2，F3，……，Fs)，s为wifi数量；

[0079] S202、对所述F中Fy进行聚合处理，确定出第三wifi集合V＝(V1，V2，V3……，Vt)，t为wifi的数量，其中，所述Vg是指第g个wifi对应的设备列表，g＝1……t；

[0080] S203、根据t个所述设备列表，筛选出第二类设备。

[0081] 具体地，所述第二wifi集合是指在wifi样本数据库中存储的集合，设备样本数据库为已设定的wifi数据库。

[0082] 具体地，所述第三wifi集合是指经过聚合处理后筛选出的wifi构成的集合，即所述V∈所述F。

[0083] 具体地，本领域技术人员可以知晓的任意方法进行实施所述S202步骤，在此不再赘述。

[0084] 具体地，所述步骤S203步骤中根据t个所述设备列表构成所述样本数据库，并参照上述所述S1011‑S1012步骤进行筛选出第二类设备，在此不再赘述。

[0085] 具体地，所述Fy是指第y个wifi对应的属性信息，y＝1……s，所述Fy包括：连接设备信息、连接模式信息、设备属性信息和wifi位置信息中一种或者多种组合。

[0086] 优先地，所述Fy包括：连接设备信息、连接模式信息、设备属性信息和wifi位置信息。

[0087] 在一个具体的实施例中，所述Fy包括：连接设备信息、连接模式信息、设备属性信息和wifi位置信息，对所述连接设备信息、所述连接模式信息、所述设备属性信息和所述wifi位置信息进行聚合处理，所述聚合处理可以采用现有技术中任一数据聚合处理方法进
行实现，得到wifi聚合值，根据所述wifi聚合值与预设的聚合阈值进行对比，如果所述wifi聚合值大于所述预设的聚合阈值，则根据所述wifi聚合值对应的wifi构建所述V。

[0088] 进一步地，所述连接设备信息包括：第二时间段内wifi扫描到的设备数量和第二时间段内连接wifi的设备数量，其中，所述第二时间段内范围为7‑14天，优先地，所述第二时间段内为7天。

[0089] 进一步地，所述连接设备信息还包括：根据第二时间段内wifi扫描到的设备数量，生成第二时间段内wifi扫描到的登入黑名单的设备数量以及比例值、工作日内wifi扫描到的设备数量以及比例值、非工作日内wifi扫描到的设备数量以及比例值、第三时间段内
wifi连续扫描到设备数量以及比例值、第四时间段内wifi连续扫描到设备数量以及比例
值，第五时间段内wifi连续扫描到设备数量以及比例值。

[0090] 进一步地，所述连接设备信息还包括：根据第二时间段内连接wifi的设备数量，在黑名单中第二时间段内连接wifi的设备数量以及比例值、工作日内连接wifi的设备数量以及比例值、非工作日内连接wifi的设备数量以及比例值、第三时间段内连接wifi的设备数
量以及比例值、第四时间段内连接wifi的设备数量以及比例值，第五时间段内连接wifi的
设备数量以及比例值。

[0091] 进一步地，所述第三时间段小于所述第四时间段，所述第四时间段小于所述第五时间段，即所述第三时间段＜所述第四时间段＜所述第五时间段；其中，所述第三时间段范围为2‑3天，所述第四时间段范围为4‑5天，所述第五时间段范围为6‑7天。

[0092] 优先地，所述第三时间段为3天，所述第四时间段为5天，所述第五时间段为7天。

[0093] 进一步地，所述连接设备信息还包括第一类信息、第二类信息和第三类信息；其中，所述第一类信息是指设备对应的用户基础信息，所述用户基础信息包括性别、年龄、家庭成员、婚姻、居住地址等，以及根据第一类信息对应的比例值，例如，当基础信息中年龄为
20‑30岁时其对应的比例值；所述第二类信息是指设备对应的用户关注信息，所述用户关注信息包括：教育、汽车、阅读、摄影、游戏等，以及所述第二类信息对应的比例值；所述第三类信息是指设备属性信息，设备属性信息包括：设备的生产商、设备的类型等，以及所述第三类信息对应的比例值。

[0094] 具体地，所述连接模式信息包括：第六时间段内的APP活跃度、第六时间段内的连接wifi的指定设备数量和第六时间段内的连接wifi的非指定设备数量。

[0095] 进一步地，所述第六时间段内范围为4‑6小时，优先地，所述第六时间段内为4小时，且4小时为每日的0点至4点。

[0096] 优先地，所述连接模式信息还包括：APP活跃度对应的方差值，所述APP活跃度对应的方差值是通过所述第六时间段内的APP活跃度生成。

[0097] 进一步地，所述指定设备是指无真实用户使用的虚拟设备。

[0098] 进一步地，所述非指定设备是指真实用户使用的虚拟设备。

[0099] 具体地，所述设备属性信息包括：不同时间段内连接wifi的设备数量以及其对应的比例值、不同时间段内对应的连接wifi的设备数量之间的最大差值和预设时间段内的连
接wifi的设备数量；其中，不同时间段是指在任意一天内划分的不同时间区域。

[0100] 进一步地，所述预设时间段范围为3‑5小时，优先地，所述预设时间段范围为3小时。

[0101] 具体地，所述wifi位置信息包括：第二时间段内wifi对应的geohash、以及根据所述geohash，生成的所述geohash的变更次数、所述geohash的类型和所述geohash内登入黑
名单的设备数量。

[0102] 本实施例提供的方法中获取目标wifi的设备列表；将所述Ai进行特征处理，得到第一特征向量；根据所述第一特征向量和所述第一特征向量对应的第一目标权重向量，得
到第一概率值；将所述第一概率值与预设的第一概率阈值进行对比；当所述第一概率值不
小于所述第一概率阈值，则确定所述目标设备为第一类设备；当所述目标概率值小于所述
概率阈值，则获取所述目标设备的应用信息，以重新确定所述目标设备的类型，能够通过
wifi进行筛选目标设备，一方面干扰的数据也多导致确定用户的类型和特征对应的准确性
低，另一方面能够确定同一类用户的类型和特征；

[0103] 此外，本实施例还提供了另一种确定第二类设备的方法，基于确定wifi类型以确定出第二类设备，以使得根据第二类设备确定出目标wifi，进而确定出目标设备的类型，同时也能够提高准确性。

[0104] 本发明的实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器
加载并执行以实现如上述的基于wifi的设备类型确定方法。

[0105] 本发明实施例的计算机设备以多种形式存在，包括但不限于：

[0106] (1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如tPhone)、多媒体手机、功能性手机，以及低端手机等。

[0107] (2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MtD和UMPC设备等，例如tPad。

[0108] (3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如tPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

[0109] (4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

[0110] (5)其他具有数据交互功能的电子装置。

[0111] 本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于电子设备之中以保存用于实现方法实施例中一种病毒检测方法相关的至少一条指令或至少一
段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例
提供的基于wifi的设备类型确定方法。

[0112] 可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

[0113] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。