在互联网应用中,传统的设备识别方式大部分都基于Cookies、IP地址以及MAC地址等显性标识符,但是随着用户安全意识的提高,这些显性标识符的获取受到了一定的限制。因此需要研究新的设备识别方式以解决传统识别方式受限所带了的不便。其中,通过提取设备中具有标识能力的隐性信息组合生成的设备指纹提供了一种可靠的解决方案。设备指纹以识别准确率高的优势备受关注,已经成为一种有效的设备识别手段。由于设备指纹在金融领域的防欺诈、用户身份认证以及信息安全等领域具有较高的应用价值,因此设备指纹成为学术界的一个新的研究热点。但是由于指纹的不稳定性,使得现有的设备指纹生成算法仍有待进一步研究。由于指纹中的隐性信息易发生变化,会使原有的设备指纹发生改变,因此设备指纹生成算法应着重考虑设备指纹的及时更新。针对设备指纹更新问题,本文做了以下的研究工作:1.本文从设备指纹的稳定性着手,深入分析了现有的设备指纹生成算法的不足,并提出了一种新的基于关联匹配的设备指纹更新算法。该算法利用编辑距离计算相似度,并在此基础上完成指纹的更新操作。实验结果表明,该算法有助于提高指纹识别的准确率,且适用于指纹中单个隐性信息变化的情况。2.本文针对指纹更新精度不足的问题,提出了一种新的基于差异度计算的指纹更新算法。该算法通过量化指纹中各个隐性信息的差异程度,并通过全局差异度函数计算指纹之间的差异度值,在此基础上通过替换操作完成指纹的更新。最后对采集的指纹数据进行实验测试,实验结果表明,该算法在单个或多个隐性信息变化的情况下有很好的表现。3.本文将设备指纹变化问题转化为指纹分类问题,提出了基于朴素贝叶斯分类器的指纹更新算法。该算法通过朴素贝叶斯分类器对指纹进行分类,将变化前后的指纹关联至同一个类别,在此基础上实现指纹的更新操作,从而解决指纹不稳定的问题。本文深入地研究设备指纹生成算法,在设备指纹生成算法上作了创新性的工作。最后经在线采集的指纹数据集验证,本文的算法均获得了较高的评价指标,并且能够有效地解决指纹变化问题。