基于CNN的身份验证方法、用户设备、存储介质及装置制造方法及图纸

本发明专利技术公开了基于CNN的身份验证方法、用户设备、存储介质及装置。本发明专利技术中中，通过采集生物行为数据，对收集的所述生物行为数据进行预处理得到训练样本，基于所述训练样本对预设卷积神经网络模型进行训练，从而构建得到人机区分模型，再利用人机区分模型对用户的当前生物行为数据与根据人机区分模型进行验证，根据判断结果输出验证结果。本发明专利技术技术方案中通过预设卷积神经网络模型得到的人机区分模型对用户行为进行验证，无需复杂的验证步骤及操作，极大的提高了验证速度。

Authentication method, user equipment, storage medium and device based on CNN

【技术实现步骤摘要】
基于CNN的身份验证方法、用户设备、存储介质及装置
本专利技术涉及互联网领域，尤其涉及基于CNN的身份验证方法、用户设备、存储介质及装置。
技术介绍
验证码是一种反图灵测试，用作人机区分，阻挡机器交互请求。传统验证码为字符类型，通过对图片中的字符进行变形、扭曲、增加干扰，对抗机器识别。随着技术不断发展，使用OCR(OpticalCharacterRecognition，光学字符识别)、机器学习等手段对传统验证码的识别成功率高达99％，为了对抗自动图像识别，传统验证码不得不变得越来越复杂，用户在进行验证时需要耗费时间长且验证操作复杂，身份验证效率低下。所以，当前在网页登录验证时存在验证效率低的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供基于CNN的身份验证方法、用户设备、存储介质及装置，旨在解决现有技术中在网页登录验证时存在验证效率低的技术问题。为实现上述目的，本专利技术提供一种基于CNN的身份验证方法，所述基本文档来自技高网...

【技术保护点】
1.一种基于CNN的身份验证方法，其特征在于，所述基于CNN的身份验证方法包括以下步骤：/n采集生物行为数据；/n对收集的所述生物行为数据进行预处理得到训练样本；/n基于所述训练样本对预设卷积神经网络模型进行训练得到人机区分模型；/n将用户的当前生物行为数据与根据人机区分模型进行验证，得到行为相似值；/n根据行为相似值和预设验证阈值判断所述用户行为是否正常；/n根据判断结果输出验证结果。/n

【技术特征摘要】
1.一种基于CNN的身份验证方法，其特征在于，所述基于CNN的身份验证方法包括以下步骤：
采集生物行为数据；
对收集的所述生物行为数据进行预处理得到训练样本；
基于所述训练样本对预设卷积神经网络模型进行训练得到人机区分模型；
将用户的当前生物行为数据与根据人机区分模型进行验证，得到行为相似值；
根据行为相似值和预设验证阈值判断所述用户行为是否正常；
根据判断结果输出验证结果。


2.如权利要求1所述的基于CNN的身份验证方法，其特征在于，所述采集生物行为数据，包括：
通过埋点获取用户的鼠标活动数据；
从所述鼠标活动数据中提取特征样本集，将所述特征样本集作为生物行为数据。


3.如权利要求2所述的基于CNN的身份验证方法，其特征在于，所述对收集的所述生物行为数据进行预处理得到训练样本，包括：
从所述特征样本集中提取预设维度的鼠标行为特征向量，将所述预设维度的特征向量作为训练样本。


4.如权利要求3所述的基于CNN的身份验证方法，其特征在于，所述预设维度包括频率分部、静止事件占空比、移动时间频率、单击时间间隔、双击时间间隔及平均移动速度。


5.如权利要求1所述的基于CNN的身份验证方法，其特征在于，所述基于所述训练样本对预设卷积神经网络模型进行训练得到人机区分模型方法包括：
设定代价函数；
将所述训练样本输入至预设卷积神经网络模型；
通过调整所述代价函数对所述卷积神经网络模型进行训练得到人机区分模型。


6.如权利要求1所述...

【专利技术属性】
技术研发人员：陈国庆，汪智勇，陈晨，
申请(专利权)人：武汉极意网络科技有限公司，
类型：发明
国别省市：湖北;42