用户身份识别模型构建、用户身份验证方法及装置制造方法及图纸

本发明专利技术实施例涉及一种用户身份识别模型构建、用户身份验证方法及装置，所述方法包括：获取用户使用设备过程中产生的多条基础行为样本数据；基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量；基于所有行为嵌入向量，获取用户特征信息和用户行为序列信息；根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型，由此方法，可以实现有效利用用户特征信息和行为序列信息训练身份识别模型，能够更精准地、主动地验证用户身份，保证用户的个人信息安全和财产安全。全。全。

【技术实现步骤摘要】
用户身份识别模型构建、用户身份验证方法及装置


[0001]本专利技术实施例涉及身份验证技术和数据挖掘
，尤其涉及一种用户身份识别模型构建、用户身份验证方法及装置。

技术介绍

[0002]近年来，随着移动互联网的迅速发展，手机已经成为人们生活中不可缺少的一部分，尤其手机中的各类软件成为人们社交关系和金融资产的重要载体，目前广泛应用的用户身份验证方式包括密码验证、指纹识别和人脸识别，但是由于指纹识别和人脸识别需要特殊的传感器的支持，在实际应用中并不能完全代替密码，另一方面，密码和指纹识别、人脸识别等身份验证技术只在系统登入时验证用户身份，入侵者一旦攻破，便可伪装成正常用户侵入系统，而为了用户体验，系统也不会在使用过程中对使用者的身份进行验证，所以无法制止入侵行为。
[0003]因此，如何有效地主动对用户身份进行验证是网络安全领域研究的重点问题。

技术实现思路

[0004]鉴于此，为解决上述无法有效主动验证用户身份的技术问题，本专利技术实施例提供一种用户身份识别模型构建、用户身份验证方法及装置。
[0005]第一方面，本专利技术实施例提供一种用户身份识别模型构建方法，包括：
[0006]获取用户使用设备过程中产生的多条基础行为样本数据；
[0007]基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量；
[0008]基于所有行为嵌入向量，获取用户特征信息和用户行为序列信息；
[0009]根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型。
[0010]在一个可能的实施方式中，所述方法还包括：
[0011]对所述多条基础行为样本数据按照预设维度进行分类；
[0012]按照与第i条基础行为数据所属类别对应的预设方法，获取与所述第i条基础行为数据对应的行为嵌入向量，其中i为大于或者等于1，小于或者等于所述基础行为样本数据总条数的数值。
[0013]在一个可能的实施方式中，所述方法还包括：
[0014]按照所述取值类型和取值数量两个维度，将所述多条基础行为样本数据分为类别单值、类别多值、数值和向量四种数据类型。
[0015]在一个可能的实施方式中，所述方法还包括：
[0016]将所有行为嵌入向量中第i个行为嵌入向量按照第一预设规则与所述所有行为嵌入向量中的其他嵌入向量进行拼接组合，获取第一结果；
[0017]将所述第i条基础行为样本数据和与所述第i条基础行为样本数据对应的特征值按照第二预设规则进行拼接组合，获取第二结果；
[0018]根据所述第一结果和所述第二结果，得到所述用户特征信息。
[0019]在一个可能的实施方式中，所述方法还包括：
[0020]基于所述第i个行为嵌入向量，利用第一预设神经网络生成第i个行为融合序列信息；
[0021]将所有行为嵌入向量分别对应的行为融合序列信息的叠加和作为所述用户行为序列信息。
[0022]在一个可能的实施方式中，所述方法还包括：
[0023]将所述用户特征信息和所述用户行为序列信息，输入至第二预设神经网络中，构建所述用户身份识别模型。
[0024]在一个可能的实施方式中，所述方法还包括：对所述用户身份识别模型进行优化。
[0025]在一个可能的实施方式中，所述方法还包括：
[0026]根据BN算法对所述第二神经网络算法中的每一层输入数据进行优化处理，其中所述第二神经网络算法中的第一层输入数据包括所述第一结果、第二结果、第三结果以及所述用户特征信息，其中，所述第三结果为所有行为嵌入向量进行拼接组合后得到的结果。
[0027]第二方面，本专利技术实施例提供一种用户身份验证方法，包括：
[0028]获取当前使用设备的用户，在使用设备过程中时产生的多个基础行为数据；
[0029]对所述多个基础行为数据进行分类；
[0030]提取h类基础行为数据对应的第h个用户特征；
[0031]将所述第h个用户特征输入至用户身份识别模型中，获取第h个概率，所述第h个概率为指示当前使用设备的用户身份为与所述设备对应的主人身份的概率；
[0032]将所有概率加入到预设分类器中，最终识别所述当前使用设备的用户身份，其中h为正整数。
[0033]第三方面，本专利技术实施例提供一种用户身份识别模型构建装置，包括：
[0034]获取模块，用于获取用户使用设备过程中产生的多条基础行为样本数据；
[0035]所述获取模块，还用于基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量；
[0036]确定模块，用于基于所有行为嵌入向量，获取用户特征信息和用户行为序列信息；
[0037]构建模块，用于根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型。
[0038]第四方面，本专利技术实施例提供一种用户身份验证装置，包括：
[0039]获取模块，用于获取当前使用设备的用户，在使用设备过程中时产生的多个基础行为数据；
[0040]所述获取模块，还用于对所述多个基础行为数据进行分类；提取h类基础行为数据对应的第h个用户特征；将所述第h个用户特征输入至用户身份识别模型中，获取第h个概率，所述第h个概率为指示当前使用设备的用户身份为与所述设备对应的主人身份的概率；
[0041]识别模块，用于将所有概率加入到预设分类器中，最终识别所述当前使用设备的用户身份，其中h为正整数。
[0042]第五方面，本专利技术实施例提供一种智能设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的用户身份识别模型构建程序，以实现上述第一方面中任一项
所述的用户身份识别模型构建方法。
[0043]第六方面，本专利技术实施例提供一种智能设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的用户身份验证程序，以实现上述第二方面所述的用户身份验证方法。
[0044]第七方面，本专利技术实施例提供一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面中任一项所述的用户身份识别模型构建方法或实现上述第二方面所述的用户身份验证方法。
[0045]本专利技术实施例提供的用户身份识别模型构建方法，通过获取用户使用设备过程中产生的多条基础行为样本数据；基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量；基于所有行为嵌入向量，获取用户特征信息和用户行为序列信息；根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型，由此方法，可以实现有效利用用户特征信息和行为序列信息训练身份识别模型，能够精准地、主动地验证当前使用智能设备的用户身份，保证用户的个人信息安全和财产安全。
附图说明
[0046]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户身份识别模型构建方法，其特征在于，包括：获取用户使用设备过程中产生的多条基础行为样本数据；基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量；基于所有行为嵌入向量，获取用户特征信息和用户行为序列信息；根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述多条基础行为样本数据中的每一条基础行为样本数据，得到与每一条基础行为样本数据对应的行为嵌入向量，具体包括：对所述多条基础行为样本数据按照预设维度进行分类；按照与第i条基础行为数据所属类别对应的预设方法，获取与所述第i条基础行为数据对应的行为嵌入向量，其中i为大于或者等于1，小于或者等于所述基础行为样本数据总条数的数值。3.根据权利要求2所述的方法，其特征在于，所述预设维度包括取值类型和取值数量两个维度，所述对所述多条基础行为样本数据按照预设维度进行分类，具体包括：按照所述取值类型和取值数量两个维度，将所述多条基础行为样本数据分为类别单值、类别多值、数值和向量四种数据类型。4.根据权利要求1-3任一项所述的方法，其特征在于，基于所有行为嵌入向量，获取用户特征信息，具体包括：将所有行为嵌入向量中第i个行为嵌入向量按照第一预设规则与所述所有行为嵌入向量中的其他嵌入向量进行拼接组合，获取第一结果；将所述第i条基础行为样本数据和与所述第i条基础行为样本数据对应的特征值按照第二预设规则进行拼接组合，获取第二结果；根据所述第一结果和所述第二结果，得到所述用户特征信息。5.根据权利要求4所述的方法，其特征在于，基于所有行为嵌入向量，获取用户行为序列信息，具体包括：基于所述第i个行为嵌入向量，利用第一预设神经网络生成第i个行为融合序列信息；将所有行为嵌入向量分别对应的行为融合序列信息的叠加和作为所述用户行为序列信息。6.根据权利要求5所述的方法，其特征在于，所述根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型，具体包括：将所述用户特征信息和所述用户行为序列信息，输入至第二预设神经网络中，构建所述用户身份识别模型。7.根据权利要求6所述的方法，其特征在于，所述根据所述用户特征信息和所述用户行为序列信息，构建所述用户身份识别模型之后，所述方法还包括：对所述用户身份识别模型进行优化。8.根据权利要求7所述的方法，其特征在于，所述对所述用户身份识别模型进行优化，具体包括：根据BN算法对所述第二...

【专利技术属性】
技术研发人员：刘婧，闫昊，王丽宏，钟盛海，黄洪仁，马莉雅，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：