本技术涉及通信检测，尤其涉及一种通信个体识别方法、装置、电子设备、存储介质及产品。
背景技术：
1、在电磁环境中通信设备型号成百上千，而每种型号的设备又会在不同的地点部署多个个体，所以通信个体的数量巨大，对于通信个体的识别算法，需要针对各种通信个体的通信数据样本进行通信个体识别训练才能提高对通信个体的识别准确度，但是通信个体的数量巨大，那么训练时需要的通信数据样本则更多，并且如果通信个体增加，需要利用增加的通信个体的通信数据样本对通信个体的识别算法进行重新训练，使得训练耗时费力，导致通信个体的识别算法的训练效率较低，从而影响通信个体的识别效率。
技术实现思路
1、基于上述需求，本技术提出一种通信个体识别方法、装置、电子设备、存储介质及产品，能够提高通信个体的识别效率。
2、为实现上述目的，本技术提出如下技术方案：
3、根据本技术实施例的第一方面，提供了一种通信个体识别方法，包括：
4、获取新增通信数据样本，所述新增通信数据样本包括新增通信个体的通信数据，和/或已知的目标通信个体的新增通信数据；
5、获取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库；
6、其中，所述通信个体库中包括各个通信个体各自对应的数据特征，通信个体对应的数据特征，是通过对该通信个体发送的通信数据的数据特征确定的；所述通信个体库中各个通信个体各自对应的数据特征用于与待识别通信数据的数据特征进行对比，以便基于对比结果确定待识别通信数据对应的通信个体。
7、可选的，获取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库，包括：
8、通过预先训练的特征提取网络，提取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库；
9、所述通信个体对应的数据特征，是通过所述特征提取网络对该通信个体发送的通信数据进行数据特征提取，并对提取的数据特征进行特征统计得到的。
10、可选的，若所述新增通信数据样本包括多条新增的通信数据，通过预先训练的特征提取网络，提取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库，包括：
11、通过预先训练的特征提取网络，提取各个新增的通信数据的数据特征；
12、对所有属于同一通信个体的新增的通信数据的数据特征进行特征统计，得到该通信个体对应的数据特征，并将该通信个体对应的数据特征添加至通信个体库；所述特征统计包括均值计算或者中间值计算。
13、可选的，所述特征提取网络包括：特征学习网络，以及分类网络的特征提取层；
14、所述特征学习网络用于提取所述新增通信数据样本的高层次表征向量；
15、所述分类网络中的特征提取层用于基于所述新增通信数据样本的高层次表征向量，提取所述新增通信数据样本的数据特征；所述数据特征用于区分发送所述新增通信数据样本的通信个体。
16、可选的，所述特征提取网络的训练过程包括：
17、将预先采集的训练样本输入到预先训练的特征学习网络中，得到所述训练样本对应的样本表征向量；
18、将所述样本表征向量输入到分类网络中，由所述分类网络的特征提取层基于所述样本表征向量，提取所述训练样本的数据特征；
19、将所述训练样本的数据特征输入到所述分类网络的线性分类层和激活层，得到所述训练样本对应的预测通信个体；
20、基于所述训练样本对应的预测通信个体和所述训练样本对应的通信个体标签，对所述分类网络进行训练，并将预先训练的特征学习网络和训练完成后的分类网络的特征提取层组合得到所述特征提取网络。
21、可选的，所述通信个体识别方法还包括：
22、在获取到待识别通信数据的情况下，获取所述待识别通信数据的数据特征；
23、将所述待识别通信数据的数据特征与所述通信个体库中的各个通信个体对应的数据特征进行匹配，确定所述待识别通信数据对应的通信个体。
24、可选的，将所述待识别通信数据的数据特征与所述通信个体库中的各个通信个体对应的数据特征进行匹配，确定所述待识别通信数据对应的通信个体，包括：
25、计算所述待识别通信数据的数据特征与所述通信个体库中的各个通信个体对应的数据特征之间的相似度；
26、将所有相似度中最大的相似度对应的通信个体作为所述待识别通信数据对应的通信个体。
27、可选的，在所述通信个体库中包括所述目标通信个体对应的多个数据特征的情况下，将所有相似度中最大的相似度对应的通信个体作为所述待识别通信数据对应的通信个体，包括：
28、所述待识别通信数据的数据特征与所述目标通信个体对应的任一数据特征的相似度最高时，将所述待识别通信数据对应的通信个体确定为所述目标通信个体。
29、根据本技术实施例的第二方面，提供了一种通信个体识别装置，包括：
30、获取模块，用于获取新增通信数据样本，所述新增通信数据样本包括新增通信个体的通信数据，和/或已知的目标通信个体的新增通信数据；
31、添加模块，用于获取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库；
32、其中，所述通信个体库中包括各个通信个体各自对应的数据特征，通信个体对应的数据特征，是通过对该通信个体发送的通信数据的数据特征确定的；所述通信个体库中各个通信个体各自对应的数据特征用于与待识别通信数据的数据特征进行对比，以便基于对比结果确定待识别通信数据对应的通信个体。
33、根据本技术实施例的第三方面，提供了一种电子设备，包括：存储器和处理器；
34、所述存储器与所述处理器连接，用于存储程序；
35、所述处理器，用于通过运行所述存储器中的程序，实现上述通信个体识别方法。
36、根据本技术实施例的第四方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现上述通信个体识别方法。
37、根据本技术实施例的第五方面，提供了一种计算机程序产品，包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器实现上述通信个体识别方法。
38、本技术提出的通信个体识别方法，获取新增通信数据样本，新增通信数据样本包括新增通信个体的通信数据，和/或已知的目标通信个体的新增通信数据；获取新增通信数据样本的数据特征，并将新增数据样本的数据特征添加至通信个体库；其中，通信个体库中包括各个通信个体各自对应的数据特征，通信个体对应的数据特征，是通过对该通信个体发送的通信数据的数据特征确定的；通信个体库中各个通信个体各自对应的数据特征用于与待识别通信数据的数据特征进行对比，以便基于对比结果确定待识别通信数据对应的通信个体。采用本技术的技术方案，可以在通信个体增加或者通信个体的通信数据增加时，直接将新增通信个体的数据特征，或者通信个体新增的数据特征添加至通信个体库中，直接利用添加的数据特征，实现对通信个体的识别，无需利用所有通信个体的通信数据样本对通信个体的识别进行训练，减少了训练耗时，从而提高了通信个体的识别效率。
1.一种通信个体识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库，包括：
3.根据权利要求2所述的方法，其特征在于，若所述新增通信数据样本包括多条新增的通信数据，通过预先训练的特征提取网络，提取所述新增通信数据样本的数据特征，并将所述新增数据样本的数据特征添加至通信个体库，包括：
4.根据权利要求2所述的方法，其特征在于，所述特征提取网络包括：特征学习网络，以及分类网络的特征提取层；
5.根据权利要求4所述的方法，其特征在于，所述特征提取网络的训练过程包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，将所述待识别通信数据的数据特征与所述通信个体库中的各个通信个体对应的数据特征进行匹配，确定所述待识别通信数据对应的通信个体，包括：
8.根据权利要求7所述的方法，其特征在于，在所述通信个体库中包括所述目标通信个体对应的多个数据特征的情况下，将所有相似度中最大的相似度对应的通信个体作为所述待识别通信数据对应的通信个体，包括：
9.一种通信个体识别装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括：存储器和处理器；
11.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至8中任意一项所述的通信个体识别方法。
12.一种计算机程序产品，其特征在于，包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器实现如权利要求1至8中任意一项所述的通信个体识别方法。
