验证方法、模型训练方法、装置、设备和存储介质制造方法及图纸

本公开提供了一种验证方法、装置、设备、介质和程序产品，涉及信息安全领域或金融领域。该验证方法包括：响应于第一用户的操作，确定待验证信息，其中，所述待验证信息包括M个字符的信息，在所述第一用户根据所述M个字符的信息移动所述电子设备的第一时间段内，采集所述N种传感器的第一验证数据；利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果；在所述分类结果表征所述第一用户移动所述电子设备的轨迹与所述M个字符相匹配的情况下，验证通过。本公开还提供了一种模型训练方法、装置、设备、介质和程序产品。介质和程序产品。介质和程序产品。

【技术实现步骤摘要】
验证方法、模型训练方法、装置、设备和存储介质


[0001]本公开涉及信息安全领域或金融领域，更具体地，涉及一种验证方法、模型训练方法、装置、设备、介质和程序产品。

技术介绍

[0002]考虑到用户的财产安全或数据安全等方面，一般在用户使用电子设备，或者电子设备中的应用之前，对用户进行验证。
[0003]现有的电子设备安全验证方法通常采用组合验证方式，包括验证码、生物识别等手段，其中验证码普遍采用图形或声音验证码，生物识别包括人脸识别、指纹识别、声纹识别等。
[0004]在组合安全验证的场景中，验证码作为第一道验证程序，其安全性具有较高要求。但是随着图像识别技术与语音识别技术的进步，现有图像或语音验证码破解技术越来越先进，验证码的安全性在不断降低，在进行安全验证时可能会被技术破解，使验证码无法达到预期的安全验证目的。因此，如何提出一种安全性更高的用户验证方法，成为当前亟待解决的问题。

技术实现思路

[0005]鉴于上述问题，本公开提供了提高用户验证安全性的验证方法、模型训练方法、装置、设备、介质和程序产品。
[0006]本公开实施例的一个方面提供了一种验证方法，用于电子设备，所述电子设备包括N种传感器。该验证方法包括：响应于第一用户的操作，确定待验证信息，其中，所述待验证信息包括M个字符的信息，N、M分别为大于或等于1的整数；在所述第一用户根据所述M个字符的信息移动所述电子设备的第一时间段内，采集所述N种传感器的第一验证数据，其中，所述验证数据的采集具有所述第一用户的授权；利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果；在所述分类结果表征所述第一用户移动所述电子设备的轨迹与所述M个字符相匹配的情况下，验证通过。
[0007]根据本公开的实施例，所述验证模型包括第一验证模型，所述利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果包括：利用所述第一验证模型对所述N种传感器的第一验证数据进行分类，并输出所述分类结果；其中，所述第一验证模型根据所述第一用户的历史验证信息训练获得，所述历史验证信息包括所述第一用户移动所述电子设备，而采集的所述N种传感器的历史数据。
[0008]根据本公开的实施例，所述验证模型还包括第二验证模型，在获得所述第一验证模型之前，所述利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果包括：利用所述第二验证模型对所述N种传感器的第一验证数据进行分类，并输出所述分类结果，其中，所述第二验证模型包括所述电子设备从服务器中接收的预训练的模型，所述第二验证模型为通用验证模型；其中，所述方法还包括：在验证通过的情况下，将该次采集的所
述N种传感器的第一验证数据作为所述历史数据。
[0009]根据本公开的实施例，所述第一验证模型根据所述第一用户的历史验证信息训练获得包括：基于所述第二验证模型和所述历史验证信息进行迁移学习的模型训练，来获得所述第一验证模型。
[0010]根据本公开的实施例，包括：在所述电子设备中进行所述迁移学习的模型训练，来获得所述第一验证模型。
[0011]根据本公开的实施例，还包括在所述服务器中训练获得所述第二验证模型，具体包括：获得S个训练样本，其中，所述S个训练样本中每个训练样本包括第二用户根据任意一个字符的图像来移动电子设备，而采集到的所述N种传感器的第二验证数据，以及该次第二验证数据所对应的字符标签，S为大于或等于1的整数；将所述S个训练样本输入轻量化网络，以使所述轻量化网络基于每个训练样本中的第二验证数据输出预测结果；根据所述预测结果和对应的所述字符标签之间的差异程度，来更新所述轻量化网络中的参数，以获得所述第二验证模型。
[0012]根据本公开的实施例，所述获得S个训练样本包括获得所述每个训练样本对应的N种传感器的第二验证数据，具体包括：在所述第二用户根据任意一个字符的图像移动电子设备的第二时间段内，获得所述N种传感器中每种传感器的数据；基于所述N种传感器中每种传感器的数据，获得N维矩阵；对所述N维矩阵进行降维操作，来获得所述第二验证数据。
[0013]根据本公开的实施例，所述N种传感器包括第一传感器，在利用预训练的验证模型对所述第一验证数据进行分类之前，还包括：根据所述M个字符中每个字符，设置对应的M个数据窗口；基于拐点数据和所述M个数据窗口，对所述第一验证数据进行分割，来获得所述每个字符所对应的第三验证数据，其中，所述拐点数据包括所述第一传感器在所述第一时间段内的第i个时刻的数据，i为大于或等于1的整数。
[0014]根据本公开的实施例，对所述第一验证数据进行分割包括：根据所述M个字符中第m个字符的样本数据，确定第m个数据窗口的长度，其中，所述第m个字符的样本数据包括至少一个第二用户按照所述第m个字符的信息，移动所述电子设备过程中采集到的所述第一传感器的数据；确定所述第m个数据窗口的起始位置，其中，所述起始位置包括所述第一时间段内的任一个时刻的位置；对所述第一传感器的数据，在所述长度内具有预设数量的拐点数据的情况下，根据所述起始位置和所述长度确定结束位置；根据所述起始位置和所述结束位置，对所述第一验证数据进行分割，来获得所述第m个字符的第三验证数据。
[0015]根据本公开的实施例，所述确定第m个数据窗口的起始位置包括：在所述第m个字符是第一字符的情况下，所述起始位置为所述第一时间段的起始时刻的位置；在所述第m个字符不是第一字符的情况下，确定第m
‑
1个字符的结束位置，以及第m
‑
1个字符的结束位置之后的第一个拐点数据；将所述第一个拐点数据所在时刻的位置作为所述起始位置。
[0016]根据本公开的实施例，所述利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果包括：根据所述第一验证数据，绘制所述第一用户移动所述电子设备的轨迹图像；对所述轨迹图像进行文字识别，来输出M个预测字符；将所述M个预测字符作为所述分类结果进行输出。
[0017]本公开实施例的另一方面提供了一种模型训练方法，用于服务器。该方法包括：获得S个训练样本，其中，所述S个训练样本中每个训练样本包括第二用户根据任意一个字符
的图像来移动电子设备，而采集到的N种传感器的第二验证数据，以及该次第二验证数据所对应的字符标签，所述电子设备包括所述N种传感器，S为大于或等于1的整数；将所述S个训练样本输入轻量化网络，以使所述轻量化网络基于每个训练样本中的第二验证数据输出预测结果；根据所述预测结果和对应的所述字符标签之间的差异程度，来更新所述轻量化网络中的参数，以获得所述第二验证模型；将所述第二验证模型发送至所述电子设备，以使所述电子设备利用所述第二验证模型对第一用户进行验证。
[0018]根据本公开的实施例，在将所述第二验证模型发送至所述电子设备之后，所述电子设备被配置为：基于所述第二验证模型和历史验证信息进行迁移学习的模型训练，来获得第一验证模型，以利用所述第一验证模型进行验证；其中，所述历史验证信息包括所述第一用户移动所述电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种验证方法，用于电子设备，所述电子设备包括N种传感器，所述方法包括：响应于第一用户的操作，确定待验证信息，其中，所述待验证信息包括M个字符的信息，N、M分别为大于或等于1的整数；在所述第一用户根据所述M个字符的信息移动所述电子设备的第一时间段内，采集所述N种传感器的第一验证数据，其中，所述验证数据的采集具有所述第一用户的授权；利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果；在所述分类结果表征所述第一用户移动所述电子设备的轨迹与所述M个字符相匹配的情况下，验证通过。2.根据权利要求1所述的方法，其中，所述验证模型包括第一验证模型，所述利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果包括：利用所述第一验证模型对所述N种传感器的第一验证数据进行分类，并输出所述分类结果；其中，所述第一验证模型根据所述第一用户的历史验证信息训练获得，所述历史验证信息包括所述第一用户移动所述电子设备，而采集的所述N种传感器的历史数据。3.根据权利要求2所述的方法，其中，所述验证模型还包括第二验证模型，在获得所述第一验证模型之前，所述利用预训练的验证模型对所述第一验证数据进行分类，并输出分类结果包括：利用所述第二验证模型对所述N种传感器的第一验证数据进行分类，并输出所述分类结果，其中，所述第二验证模型包括所述电子设备从服务器中接收的预训练模型，所述第二验证模型为通用验证模型；其中，所述方法还包括：在验证通过的情况下，将该次采集的所述N种传感器的第一验证数据作为所述历史数据。4.根据权利要求3所述的方法，其中，所述第一验证模型根据所述第一用户的历史验证信息训练获得包括：基于所述第二验证模型和所述历史验证信息进行迁移学习的模型训练，来获得所述第一验证模型。5.根据权利要求4所述的方法，其中，包括：在所述电子设备中进行所述迁移学习的模型训练，来获得所述第一验证模型。6.根据权利要求3所述的方法，其中，还包括在所述服务器中训练获得所述第二验证模型，具体包括：获得S个训练样本，其中，所述S个训练样本中每个训练样本包括第二用户根据任意一个字符的图像来移动电子设备，而采集到的所述N种传感器的第二验证数据，以及该次第二验证数据所对应的字符标签，S为大于或等于1的整数；将所述S个训练样本输入轻量化网络，以使所述轻量化网络基于每个训练样本中的第二验证数据输出预测结果；根据所述预测结果和对应的所述字符标签之间的差异程度，来更新所述轻量化网络中的参数，以获得所述第二验证模型。7.根据权利要求6所述的方法，其中，所述获得S个训练样本包括获得所述每个训练样
本对应的N种传感器的第二验证数据，具体包括：在所述第二用户根据任意一个字符的图像移动电子设备的第二时间段内，获得所述N种传感器中每种传感器的数据；基于所述N种传感器中每种传感器的数据，获得N维矩阵；对所述N维矩阵进行降维操作，来获得所述第二验证数据。8.根据权利要求1所述的方法，其中，所述N种传感器包括第一传感器，在利用预训练的验证模型对所述第一验证数据进行分类之前，还包括：根据所述M个字符中每个字符，设置对应的M个数据窗口；基于拐点数据和所述M个数据窗口，对所述第一验证数据进行分割，来获得所述每个字符所对应的第三验证数据，其中，所述拐点数据包括所述第一传感器在所述第一时间段内的第i个时刻的数据，i为大于或等于1的整数。9.根据权利要求8所述的方法，其中，对所述第一验证数据进行分割包括：根据所述M个字符中第m个字符的样本数据，确定第m个数据窗口的长度，其中，所述第m个字符的样本数据包括至少一个第二用户按照所述第m个字符的信息，移动所述电子设备过程中采集到的所述第一传感器的数据；确定所述第m个数据窗口的起始位置，其中，所述起始位置包括所述第一时间段内的任一个时刻的位置；对所述第一传感器的数据，在所述长度内具有预设数量的拐点数据的情况下，根据所述起始位置和所述长度确定结束位置；根...

【专利技术属性】
技术研发人员：杨瑞光，罗涛，施佳子，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：