风险识别的方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种风险识别的方法、装置、计算机设备和存储介质。所述方法包括：接收携带用户人脸图像信息的请求，根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量，根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，获取阈值分段规则信息，根据相似度值以及阈值分段规则信息，得到用户的风险识别结果。采用本方法能够通过深度卷积神经网络对用户人脸图像信息进行特征提取，得到特征向量，根据特征向量得到相似度值，从而根据相似度值和阈值分段规则信息对用户进行风险识别，提高了风险识别的安全性。

Methods, devices, computer equipment and storage media for risk identification

The present application relates to a method, device, computer equipment and storage medium for risk identification. The method includes: receiving the request of carrying the user's face image information, extracting the features of the user's face image information according to the trained deep convolution neural network, obtaining the feature vector corresponding to the user's face image information, retrieving the constructed blacklist database according to the feature vector, and obtaining the face image information set to be compared with the similarity value, According to the similarity value and the threshold segmentation rule information, the user's risk identification results are obtained. This method can extract the features of user's face image information through the deep convolution neural network, get the feature vector, and get the similarity value according to the feature vector, so as to identify the user's risk according to the similarity value and threshold segmentation rule information, and improve the security of risk identification.

【技术实现步骤摘要】
风险识别的方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种风险识别的方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，出现了互联网产品转移数值获取技术，互联网产品转移数值获取是指用户通过互联网产品发送获取请求，在经过与互联网产品对应的服务器的风险识别验证之后，得到转移数值的一种方式。目前，常见的服务器的风险识别验证方式包括通过用户注册时的填写的手机号、身份证等身份信息进行风险识别验证，通过这种方式能够进行风险管控。然而，传统的根据身份信息对用户的身份进行风险识别验证的方式，由于存在伪造身份信息等情况，存在识别安全性低的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高识别安全性的风险识别的方法、装置、计算机设备和存储介质。一种风险识别的方法，所述方法包括：接收携带用户人脸图像信息的请求；根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量，已训练的深度卷积神经网络由训练样本图像信息得到；根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，已构建的黑名单数据库由预先获取的人脸照片黑名单得到；获取阈值分段规则信息，根据相似度值以及阈值分段规则信息，得到用户的风险识别结果。在其中一个实施例中，根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量包括：根据已训练的深度卷积神经网络中的多任务卷积神经网络对用户人脸图像信息进行区域检测，得到目标人脸图像；对目标人脸图像进行预处理，将预处理后的目标人脸图像，输入已训练的深度卷积神经网络中的基于Inception_Resnet_v1的卷积神经网络，得到预设维度的特征向量；对预设维度的特征向量进行归一化处理，得到与用户人脸图像信息对应的特征向量。在其中一个实施例中，根据已训练的深度卷积神经网络中的多任务卷积神经网络对用户人脸图像信息进行区域检测，得到目标人脸图像包括：当用户人脸图像信息中包括多张人脸图像时，根据多任务卷积神经网络确定与多张人脸图像对应的人脸框的大小和坐标；根据各人脸框的坐标，确定各人脸框的中心点；计算各人脸框的中心点与用户人脸图像的中心点之间的距离，确定距离最短的中心点对应的人脸框所框选的人脸图像为目标人脸图像。在其中一个实施例中，根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合包括：根据特征向量，通过faiss提供的暴力搜索方法对已构建的黑名单数据库中的距离索引进行检索，得到携带相似度值的待比对人脸图像信息集合。在其中一个实施例中，获取阈值分段规则信息，根据相似度值以及阈值分段规则信息，得到用户的风险识别结果包括：比对相似度值和阈值分段规则中各阈值段对应的分数值，统计各阈值段内的人脸图像信息个数；当任意阈值段内人脸图像信息个数大于或者等于对应的阈值数时，得到用户的风险识别结果为存在风险，并对用户进行风险管控。在其中一个实施例中，根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合之前，还包括：采用网络爬虫技术获取携带身份信息的人脸照片黑名单集合；根据已训练的深度卷积神经网络对人脸照片黑名单集合中各人脸照片进行特征提取，得到人脸照片黑名单集合中各人脸照片的特征向量；根据身份信息标记各人脸照片的特征向量；根据已标记的各人脸照片的特征向量，调用faiss构建距离索引，根据距离索引构建黑名单数据库；根据预设的获取周期，采用网络爬虫技术持续获取携带身份信息的人脸照片黑名单，并根据获取到的人脸照片黑名单更新黑名单数据库。在其中一个实施例中，根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量之前，还包括：获取样本图像信息；将样本图像信息划分为训练集和验证集；根据训练集对初始深度卷积神经网络进行初步训练，根据验证集对初步训练后的深度卷积神经网络进行调整，得到已训练的深度卷积神经网络。一种风险识别的装置，所述装置包括：接收模块，用于接收携带用户人脸图像信息的请求；特征提取模块，用于根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量，已训练的深度卷积神经网络由训练样本图像信息得到；检索模块，用于根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，已构建的黑名单数据库由预先获取的人脸照片黑名单得到；风险识别模块，用于获取阈值分段规则信息，根据相似度值以及阈值分段规则信息，得到用户的风险识别结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：接收携带用户人脸图像信息的请求；根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量，已训练的深度卷积神经网络由训练预设的样本图像信息得到；根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，已构建的黑名单数据库由预先获取的人脸照片黑名单得到；获取阈值分段规则信息，根据各待比对人脸图像信息的相似度值以及阈值分段规则信息，得到用户的风险识别结果。一种计算机可读存储介质，其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以下步骤：接收携带用户人脸图像信息的请求；根据已训练的深度卷积神经网络对用户人脸图像信息进行特征提取，得到与用户人脸图像信息对应的特征向量，已训练的深度卷积神经网络由训练预设的样本图像信息得到；根据特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，已构建的黑名单数据库由预先获取的人脸照片黑名单得到；获取阈值分段规则信息，根据各待比对人脸图像信息的相似度值以及阈值分段规则信息，得到用户的风险识别结果。上述风险识别的方法、装置、计算机设备和存储介质，通过深度卷积神经网络对用户人脸图像信息进行特征提取，得到了能够准确描述人脸特征的特征向量，根据特征向量，对已构建的黑名单数据库进行检索，能够从黑名单数据库中检索到携带相似度值的待比对人脸图像信息集合，获取阈值分段规则信息，根据各待比对人脸图像信息的相似度值以及阈值分段规则信息，能够得到用户的风险识别结果。整个过程，通过深度卷积神经网络对用户人脸图像信息进行特征提取，得到了特征向量，根据特征向量对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，从而根据相似度值和阈值分段规则信息对用户进行风险识别，提高了风险识别的安全性。附图说明图1为一个实施例中风险识别的方本文档来自技高网...

【技术保护点】
1.一种风险识别的方法，所述方法包括：/n接收携带用户人脸图像信息的请求；/n根据已训练的深度卷积神经网络对所述用户人脸图像信息进行特征提取，得到与所述用户人脸图像信息对应的特征向量，所述已训练的深度卷积神经网络由训练样本图像信息得到；/n根据所述特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，所述已构建的黑名单数据库由预先获取的人脸照片黑名单得到；/n获取阈值分段规则信息，根据所述相似度值以及所述阈值分段规则信息，得到用户的风险识别结果。/n

【技术特征摘要】
1.一种风险识别的方法，所述方法包括：
接收携带用户人脸图像信息的请求；
根据已训练的深度卷积神经网络对所述用户人脸图像信息进行特征提取，得到与所述用户人脸图像信息对应的特征向量，所述已训练的深度卷积神经网络由训练样本图像信息得到；
根据所述特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合，所述已构建的黑名单数据库由预先获取的人脸照片黑名单得到；
获取阈值分段规则信息，根据所述相似度值以及所述阈值分段规则信息，得到用户的风险识别结果。


2.根据权利要求1所述的方法，其特征在于，所述根据已训练的深度卷积神经网络对所述用户人脸图像信息进行特征提取，得到与所述用户人脸图像信息对应的特征向量包括：
根据已训练的深度卷积神经网络中的多任务卷积神经网络对所述用户人脸图像信息进行区域检测，得到目标人脸图像；
对所述目标人脸图像进行预处理，将预处理后的目标人脸图像，输入已训练的深度卷积神经网络中的基于Inception_Resnet_v1的卷积神经网络，得到预设维度的特征向量；
对所述预设维度的特征向量进行归一化处理，得到与所述用户人脸图像信息对应的特征向量。


3.根据权利要求2所述的方法，其特征在于，所述根据已训练的深度卷积神经网络中的多任务卷积神经网络对所述用户人脸图像信息进行区域检测，得到目标人脸图像包括：
当所述用户人脸图像信息中包括多张人脸图像时，根据所述多任务卷积神经网络确定与多张人脸图像对应的人脸框的大小和坐标；
根据各所述人脸框的坐标，确定各所述人脸框的中心点；
计算各所述人脸框的中心点与所述用户人脸图像的中心点之间的距离，确定距离最短的中心点对应的人脸框所框选的人脸图像为目标人脸图像。


4.根据权利要求1所述的方法，其特征在于，所述根据所述特征向量，对已构建的黑名单数据库进行检索，得到携带相似度值的待比对人脸图像信息集合包括：
根据所述特征向量，通过faiss提供的暴力搜索方法对已构建的黑名单数据库中的距离索引进行检索，得到携带相似度值的待比对人脸图像信息集合。


5.根据权利要求1所述的方法，其特征在于，所述获取阈值分段规则信息，根据所述相似度值以及所述阈值分段规则信息，得到用户的风险识别结果包括：
比对所述相似度值和所述阈值分段规则中各阈值段对应的分数值，统计各阈值段内的人脸图像信息个数...

【专利技术属性】
技术研发人员：刘力铭，王耀南，姜良雷，张鹏，李锦南，何涛，
申请(专利权)人：招联消费金融有限公司，
类型：发明
国别省市：广东;44