[发明专利]摄像头检测方法、装置、电子设备及存储介质

说明书

本发明提供一种摄像头检测方法、装置、电子设备及存储介质，其中所述摄像头检测方法包括：接收客户端发送的至少一个待检测设备的流量数据；对各流量数据进行初步异常检测，基于检测结果确定目标待检测设备；对异常流量数据进行特征提取，得到目标特征；将目标特征输入摄像头检测模型池，得到摄像头检测模型池输出的针对目标待检测设备的目标检测结果。通过上述方法，客户端无需连入无线摄像头所在网络即可获取各待检测设备的流量数据；基于摄像头检测模型池对目标特征进行检测，可以进一步提高针对隐藏的无线摄像头的检测精度；同时无需大幅度改变现实环境即可对隐藏的无线摄像头进行检测，保护了用户隐私。

技术领域

本发明涉及计算机技术领域，尤其涉及一种摄像头检测方法、装置、电子设备及存储介质。

背景技术

无线保真(Wireless Fidelity，WIFI)技术的发展大大促进了物联网(Internetof Things，IoT)设备的发展，但是也带来了很多安全问题。尤其是智能摄像机存在泄露用户隐私的风险，例如利用隐藏的无线摄像头进行偷拍等。

然而在对隐藏的无线摄像头进行检测时，通常需要连入无线摄像头所在网络，由于隐藏的无线摄像头通常使用比较隐蔽的网络，或者做了隐藏措施，例如隐藏服务集标识(Service Set Identifier，SSID)等；因此，相关技术中对隐藏的无线摄像头进行检测的精度较低，检测效果差。

因此，如何提高针对隐藏的无线摄像头的检测精度是目前亟待解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种摄像头检测方法、装置、电子设备及存储介质。

第一方面，本发明提供一种摄像头检测方法，包括：

接收客户端发送的至少一个待检测设备的流量数据；各所述流量数据是所述客户端从至少一个无线信道中获取到的；

对各所述流量数据进行初步异常检测，基于检测结果确定目标待检测设备；所述目标待检测设备为各所述待检测设备中异常流量数据对应的待检测设备；

对所述异常流量数据进行特征提取，得到目标特征；

将所述目标特征输入摄像头检测模型池，得到所述摄像头检测模型池输出的针对所述目标待检测设备的目标检测结果；所述摄像头检测模型池包括第一模型组及多层感知机模型；所述第一模型组包括K邻近模型、逻辑回归模型、支持向量机中的至少一项。

可选地，所述对各所述流量数据进行初步异常检测，基于检测结果确定目标待检测设备，包括：

针对每一个所述待检测设备，对所述流量数据进行解析，确定所述待检测设备中上行流量和下行流量的大小；

基于每一个所述待检测设备中所述上行流量和所述下行流量的大小，确定所述目标待检测设备。

可选地，所述第一模型组和所述多层感知机模型是基于正常流量数据样本和异常流量数据样本训练得到的，所述正常流量数据样本为非摄像头设备的流量数据；所述异常流量数据样本为摄像头设备的流量数据。

可选地，所述将所述目标特征输入摄像头检测模型池，得到所述摄像头检测模型池输出的针对所述目标待检测设备的目标检测结果，包括：

将所述目标特征输入所述第一模型组，得到所述第一模型组中所述K邻近模型输出的第一输出结果、所述逻辑回归模型输出的第二输出结果及所述支持向量机输出的第三输出结果；

将所述第一输出结果、所述第二输出结果、所述第三输出结果输入所述多层感知机模型，得到所述多层感知机模型输出的所述目标检测结果。

可选地，在所述得到所述摄像头检测模型池输出的针对所述目标待检测设备的目标检测结果之后，所述方法还包括：