[發明專利]人機識別方法、設備和介質

有效

• 申請號: 201811248586.8
• 申請日: 2018-10-25
• 公開（公告）號: CN110162939B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 范小龍;張西文;陳良文;曾鍵;鐘子檀;張謀輝;楊正朋;沈維杰
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F21/31
• 分類號: G06F21/31;G06F18/24
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 黃玫

1.一種非感知方式的人機識別方法，包括：

響應于來自終端設備的人機識別請求，接收由所述終端設備采集的原始數據，其中，所述原始數據是在所述終端設備上實時地收集的多種類別的數據，并且包括由終端設備在前端采集的多種行為數據、以及關于所述終端設備的本地屬性數據和基礎環境數據，其中所述多種行為數據包括針對所述終端設備處的操作行為的行為數據，所述本地屬性數據包括關于所述終端設備自身的屬性數據，所述操作行為與基于有感知的驗證碼方式的用戶操作行為不同；

從所述原始數據中提取第一數量的多個維度的特征，其中，所述第一數量與所述原始數據的類別數量彼此獨立；

將所述第一數量的多個維度的特征分別輸入至第二數量的多個用戶行為模型，并且從所述第二數量的多個用戶行為模型輸出第二數量的多個人機預測子概率，其中，所述第一數量與所述第二數量彼此獨立，并且所述第二數量的多個用戶行為模型是關于同一樣本庫分別基于不同的監督分類算法來訓練而得到的；

基于所述第二數量的多個人機預測子概率的平均值來確定人機預測概率；

將所述人機預測概率與所述終端設備相關聯地存儲在一數據庫中；

從所述數據庫中搜索并獲取所述終端設備的多個歷史人機預測概率；以及

將當前的人機預測概率和所述多個歷史人機預測概率輸入到一加權模型，并以所述加權模型的輸出來更新所述人機預測概率，其中，與所述當前的人機預測概率對應的權重最大，與時間越早的所述歷史人機預測概率對應的權重越小；以及

基于更新的所述人機預測概率，得到關于所述終端設備處的操作行為的人機識別結果。

2.根據權利要求1所述的方法，其中所述第二數量的多個用戶行為模型是關于同一樣本庫分別基于不同的監督分類算法來訓練而得到的。

3.根據權利要求1所述的方法，進一步包括：

基于所述數據庫更新所述樣本庫；以及

以更新后的樣本庫重新訓練所述第二數量的多個用戶行為模型。

4.根據權利要求1所述的方法，其中在從所述原始數據中提取第一數量的多個維度的特征的步驟之后，進一步包括：

對提取出的特征執行增強處理，以得到第三數量的多個維度的特征。

5.根據權利要求1所述的方法，進一步包括：

響應于來自終端設備的人機識別請求，向所述終端設備發送一令牌，其中所述令牌與所述終端設備的人機預測概率相關聯。

6.一種非感知方式的人機識別設備，包括：

通信單元，用于響應于來自終端設備的人機識別請求，接收由所述終端設備采集的原始數據，其中，所述原始數據是在所述終端設備上實時地收集的多種類別的數據，并且包括由終端設備在前端采集的多種行為數據、以及關于所述終端設備的本地屬性數據和基礎環境數據，其中所述多種行為數據包括針對所述終端設備處的操作行為的行為數據，所述本地屬性數據包括關于所述終端設備自身的屬性數據，所述操作行為與基于有感知的驗證碼方式的用戶操作行為不同；

提取單元，用于所述原始數據中提取第一數量的多個維度的特征，其中，所述第一數量與所述原始數據的類別數量彼此獨立；以及

處理單元，用于將所述第一數量的多個維度的特征分別輸入至第二數量的多個用戶行為模型，從所述第二數量的多個用戶行為模型輸出第二數量的多個人機預測子概率；基于所述第二數量的多個人機預測子概率的平均值來確定人機預測概率，其中，所述第一數量與所述第二數量彼此獨立，并且所述第二數量的多個用戶行為模型是關于同一樣本庫分別基于不同的監督分類算法來訓練而得到的；。

存儲單元，用于存儲一數據庫，并且，其中，將所述人機預測概率與所述終端設備相關聯地存儲在所述數據庫中；

歷史查詢單元，用于從所述數據庫中搜索并獲取所述終端設備的多個歷史人機預測概率，并且

其中所述處理單元進一步被配置為：將當前的人機預測概率和所述多個歷史人機預測概率輸入到一加權模型，并以所述加權模型的輸出來更新所述人機預測概率，并基于更新的所述人機預測概率，得到關于所述終端設備處的操作行為的人機識別結果，其中，與所述當前的人機預測概率對應的權重最大，與時間越早的所述歷史人機預測概率對應的權重越小。