人机识别模型的建立装置、方法及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种人机识别模型的建立装置，包括存储器和处理器，存储器上存储有可在处理器上运行的模型建立程序，该程序被处理器执行时实现如下步骤：收集滑动验证操作的用户行为数据构建样本库；对样本库中的浏览器信息和硬件信息进行统计分析并生成第一人机识别规则；根据页面轨迹信息和滑动轨迹信息生成第二人机识别规则；使用样本库中的数据训练BP神经网络模型和基于DBSCAN的分类模型；根据上述规则和模型构建融合人机识别模型，并训练该模型。本发明专利技术还提出一种人机识别模型的建立方法以及一种计算机可读存储介质。本发明专利技术解决了现有技术中无法准确识别机器操作的滑动验证码的技术问题。

Device and method for establishing man-machine recognition model and computer readable storage medium

The invention discloses a device for establishing a human-machine identification model, which comprises a memory and a processor. A model establishment program that can run on a processor is stored in the memory. When the program is executed by the processor, the following steps are realized: collecting user behavior data of sliding verification operation to construct a sample library; browsing in the sample library. The machine information and hardware information are statistically analyzed and the first man-machine recognition rules are generated; the second man-machine recognition rules are generated according to the page trajectory information and sliding trajectory information; the BP neural network model and the classification model based on DBSCAN are trained using the data in the sample database; and the fusion man-machine recognition model is constructed according to the above rules and models. And train the model. The invention also provides a method for establishing a human-machine recognition model and a computer readable storage medium. The invention solves the technical problem of the slide verification code which can not accurately identify machine operation in the existing technology.

【技术实现步骤摘要】
人机识别模型的建立装置、方法及计算机可读存储介质
本专利技术涉及人机识别
，尤其涉及一种人机识别模型的建立装置、方法及计算机可读存储介质。
技术介绍
在验证码领域，区别于传统的图像识别验证码、文字识别验证码、算术计算验证码等方式，滑动验证码由于识别方式清晰直观，具有良好的用户体验，得到越来越多的企业的青睐。而作为一种验证方式，为了保证信息的安全性，仍然需要进行人机识别，以判断滑动验证操作是恶意的机器操作，还是人为的正常登录操作。但是，目前在滑动验证码的人机识别上面并没有一个很好的解决方案，破解率非常高，因此，如何准确识别机器操作的滑动验证是各公司安全部门亟需解决的问题。
技术实现思路
本专利技术提供一种人机识别模型的建立装置、方法及计算机可读存储介质，其主要目的在于解决现有技术中无法准确识别机器操作的滑动验证码的技术问题。为实现上述目的，本专利技术提供一种人机识别模型的建立装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的模型建立程序，所述模型建立程序被所述处理器执行时实现如下步骤：收集预设数量的滑动验证操作的用户行为数据构建样本库，所述滑动验证操作为基于浏览器触发，所述用户行为数据包括浏览器信息、硬件信息、页面轨迹信息和滑动轨迹信息；对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则；对所述样本库中的页面轨迹信息和滑动轨迹信息进行统计分析，根据统计结果生成一个或者多个轨迹判断规则，根据所述一个或者多个轨迹判断规则生成第二人机识别规则；使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型；根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型。可选地，所述对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则的步骤包括：统计所述样本库中的浏览器信息和硬件信息，当有浏览器信息和/或硬件信息对应的滑动操作在单位时间内的操作总数量分别达到对应的预设阈值时，判定该浏览器信息和/或硬件信息出现异常操作；根据出现异常操作的硬件信息、浏览器信息生成所述第一人机识别规则。可选地，所述使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型的步骤包括：获取所述样本库中的用户行为数据的来源信息，为能够获取到来源信息的用户行为数据添加类别标记；将所述样本库中有类别标记的用户行为数据输入到BP神经网络模型中训练，以得到该BP神经网络模型的模型参数，将确定模型参数的BP神经网络模型作为BP神经网络人机识别模型；将所述样本库中无类别标记的用户行为数据输入到基于DBSCAN的分类模型中训练，以得到该基于DBSCAN的分类模型的模型参数，将确定模型参数的基于DBSCAN的分类模型作为DBSCAN人机识别模型。可选地，所述根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型的步骤包括：为第一人机识别规则A、第二人机识别规则B、BP神经网络人机识别模型C和DBSCAN人机识别模型D分别分配权重a1、a2、a3、a4，生成融合人机识别模型S，其中，S＝a1*A+a2*B+a3*C+a4*D；使用所述样本库中的用户行为数据训练所述融合人机识别模型S，获取权重a1、a2、a3、a4的值。可选地，所述滑动轨迹信息为在滑动验证操作的过程中，滑块区域在滑动验证区域内移动的偏移量、移动速度和移动加速度；所述页面轨迹信息为鼠标指针在所述滑动验证区域所在的网页上移动的速度、位移和时间。此外，为实现上述目的，本专利技术还提供一种人机识别模型的建立方法，该方法包括：收集预设数量的滑动验证操作的用户行为数据构建样本库，所述滑动验证操作为基于浏览器触发，所述用户行为数据包括浏览器信息、硬件信息、页面轨迹信息和滑动轨迹信息；对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则；对所述样本库中的页面轨迹信息和滑动轨迹信息进行统计分析，根据统计结果生成一个或者多个轨迹判断规则，根据所述一个或者多个轨迹判断规则生成第二人机识别规则；使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型；根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型。可选地，所述对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则的步骤包括：统计所述样本库中的浏览器信息和硬件信息，当有浏览器信息和/或硬件信息对应的滑动操作在单位时间内的操作总数量分别达到对应的预设阈值时，判定该浏览器信息和/或硬件信息出现异常操作；根据出现异常操作的硬件信息、浏览器信息生成所述第一人机识别规则。可选地，所述使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型的步骤包括：获取所述样本库中的用户行为数据的来源信息，为能够获取到来源信息的用户行为数据添加类别标记；将所述样本库中有类别标记的用户行为数据输入到BP神经网络模型中训练，以得到该BP神经网络模型的模型参数，将确定模型参数的BP神经网络模型作为BP神经网络人机识别模型；将所述样本库中无类别标记的用户行为数据输入到基于DBSCAN的分类模型中训练，以得到该基于DBSCAN的分类模型的模型参数，将确定模型参数的基于DBSCAN的分类模型作为DBSCAN人机识别模型。可选地，所述根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型的步骤包括：为第一人机识别规则A、第二人机识别规则B、BP神经网络人机识别模型C和DBSCAN人机识别模型D分别分配权重a1、a2、a3、a4，生成融合人机识别模型S，其中，S＝a1*A+a2*B+a3*C+a4*D；使用所述样本库中的用户行为数据训练所述融合人机识别模型S，获取权重a1、a2、a3、a4的值。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有模型建立程序，所述模型建立程序可被一个或者多个处理器执行，以实现如上所述的人机识别模型的建立方法的步骤。本专利技术提出的人机识别模型的建立装置、方法及计算机可读存储介质，收集预设数量的滑动验证操作的用户行为数据并构建样本库，滑动验证操作为基于浏览器触发的，用户行为数据包括浏览器信息、硬件信息、页面轨迹信息和滑动轨迹信息，对样本库中本文档来自技高网...

【技术保护点】
1.一种人机识别模型的建立装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的模型建立程序，所述模型建立程序被所述处理器执行时实现如下步骤：收集预设数量的滑动验证操作的用户行为数据构建样本库，所述滑动验证操作为基于浏览器触发，所述用户行为数据包括浏览器信息、硬件信息、页面轨迹信息和滑动轨迹信息；对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则；对所述样本库中的页面轨迹信息和滑动轨迹信息进行统计分析，根据统计结果生成一个或者多个轨迹判断规则，根据所述一个或者多个轨迹判断规则生成第二人机识别规则；使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型；根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型。

【技术特征摘要】
1.一种人机识别模型的建立装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的模型建立程序，所述模型建立程序被所述处理器执行时实现如下步骤：收集预设数量的滑动验证操作的用户行为数据构建样本库，所述滑动验证操作为基于浏览器触发，所述用户行为数据包括浏览器信息、硬件信息、页面轨迹信息和滑动轨迹信息；对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则；对所述样本库中的页面轨迹信息和滑动轨迹信息进行统计分析，根据统计结果生成一个或者多个轨迹判断规则，根据所述一个或者多个轨迹判断规则生成第二人机识别规则；使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型；根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型。2.如权利要求1所述的人机识别模型的建立装置，其特征在于，所述对所述样本库中的浏览器信息和硬件信息进行统计分析，以确定有异常滑动操作的浏览器信息和硬件信息，并根据确定的浏览器信息和硬件信息生成第一人机识别规则的步骤包括：统计所述样本库中的浏览器信息和硬件信息，当有浏览器信息和/或硬件信息对应的滑动操作在单位时间内的操作总数量分别达到对应的预设阈值时，判定该浏览器信息和/或硬件信息出现异常操作；根据出现异常操作的硬件信息、浏览器信息生成所述第一人机识别规则。3.如权利要求1所述的人机识别模型的建立装置，其特征在于，所述使用所述样本库中的用户行为数据训练BP神经网络模型和基于DBSCAN的分类模型的步骤包括：获取所述样本库中的用户行为数据的来源信息，为能够获取到来源信息的用户行为数据添加类别标记；将所述样本库中有类别标记的用户行为数据输入到BP神经网络模型中训练，以得到该BP神经网络模型的模型参数，将确定模型参数的BP神经网络模型作为BP神经网络人机识别模型；将所述样本库中无类别标记的用户行为数据输入到基于DBSCAN的分类模型中训练，以得到该基于DBSCAN的分类模型的模型参数，将确定模型参数的基于DBSCAN的分类模型作为DBSCAN人机识别模型。4.如权利要求1至3中任一项所述的人机识别模型的建立装置，其特征在于，所述根据所述第一人机识别规则、所述第二人机识别规则，以及训练得到的BP神经网络人机识别模型和DBSCAN人机识别模型构建融合人机识别模型，并使用所述样本库中的用户行为数据训练所述融合人机识别模型的步骤包括：为第一人机识别规则A、第二人机识别规则B、BP神经网络人机识别模型C和DBSCAN人机识别模型D分别分配权重a1、a2、a3、a4，生成融合人机识别模型S，其中，S＝a1*A+a2*B+a3*C+a4*D；使用所述样本库中的用户行为数据训练所述融合人机识别模型S，获取权重a1、a2、a3、a4的值。5.如权利要求4所述的人机识别模型的建立装置，其特征在于，所述滑动轨迹信息为在滑动验证操作的过程中，滑块区域在滑动验证区域内移动的偏移量、移动速度和移动加速度；...

【专利技术属性】
技术研发人员：韩伟，邓坤，王建明，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44