本申请涉及人工智能技术领域，揭示了一种基于机器学习的真实用户识别方法、装置、设备及介质，其中方法包括：对目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集；对目标行为数据集进行每个行为类别的评分，得到单行为类别评分集；将单验证类别评分集和单行为类别评分集输入预设的分类预测模型进行真实用户概率预测，得到真实用户概率预测结果；根据真实用户概率预测结果和预设的概率阈值确定真实用户识别结果。实现了基于目标基本信息验证数据及目标行为数据集进行真实用户概率预测，针对每个验证类别的评分和每个行为类别的评分，减少了单个类别对评分结果的影响，提高了真实用户识别的准确性。提高了真实用户识别的准确性。提高了真实用户识别的准确性。
【技术实现步骤摘要】
基于机器学习的真实用户识别方法、装置、设备及介质
[0001]本申请涉及到人工智能
，特别是涉及到一种基于机器学习的真实用户识别方法、装置、设备及介质。
技术介绍
[0002]现有的身份识别技术采用基本信息进行身份识别，比如，刷脸、虹膜识别、证件识别、指纹识别等。因用户在另一个终端操作，就势必会有“空子”可以钻，导致容易被人钻漏洞，仅仅采用基本信息进行身份识别，无法判断在终端操作的人是否是真实用户，降低了真实用户识别的准确性，降低了数据安全。
技术实现思路
[0003]本申请的主要目的为提供一种基于机器学习的真实用户识别方法、装置、设备及介质，旨在解决现有技术采用基本信息进行身份识别，因用户在另一个终端操作，导致容易被人钻漏洞，降低了真实用户识别的准确性。
[0004]为了实现上述专利技术目的，本申请提出一种基于机器学习的真实用户识别方法，所述方法包括：
[0005]获取与目标身份标识对应的目标基本信息验证数据及目标行为数据集；
[0006]对所述目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集；
[0007]对所述目标行为数据集进行每个行为类别的评分，得到单行为类别评分集；
[0008]将所述单验证类别评分集和所述单行为类别评分集输入预设的分类预测模型进行真实用户概率预测，得到真实用户概率预测结果，其中，所述分类预测模型是基于逻辑回归算法训练得到的模型；
[0009]根据所述真实用户概率预测结果和预设的概率阈值确定真实用户识别结果。
[0010]进一步的，所述对所述目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集的步骤，包括：
[0011]将所述目标基本信息验证数据，按照所述验证类别进行划分，得到多个单验证类别验证数据集；
[0012]对指定单验证类别验证数据集中的每个验证数据进行评分，得到单验证数据评分，其中，所述指定单验证类别验证数据集是任一个所述单验证类别验证数据集；
[0013]对各个所述单验证数据评分进行筛选，得到所述指定单验证类别验证数据集对应的单验证类别评分；
[0014]将各个所述单验证类别评分作为所述单验证类别评分集。
[0015]进一步的，所述对各个所述单验证数据评分进行筛选，得到所述指定单验证类别验证数据集对应的单验证类别评分的步骤，包括：
[0016]获取与所述指定单验证类别验证数据集对应的第一综合类型；
[0017]当所述第一综合类型为最大值时，从各个所述单验证数据评分中找出值为最大的所述单验证数据评分作为所述指定单验证类别验证数据集对应的所述单验证类别评分；
[0018]当所述第一综合类型为加权求和时，根据与所述指定单验证类别验证数据集对应的权重数据，对各个所述单验证数据评分进行加权求和，得到所述指定单验证类别验证数据集对应的所述单验证类别评分。
[0019]进一步的，所述对所述目标行为数据集进行每个行为类别的评分，得到单行为类别评分集的步骤，包括：
[0020]将所述目标行为数据集，按照所述行为类别进行划分，得到多个单行为类别行为数据集；
[0021]对指定单行为类别行为数据集中的每个行为数据进行评分，得到单行为数据评分，其中，所述指定单行为类别行为数据集是任一个所述单行为类别行为数据集；
[0022]对各个所述单行为数据评分进行筛选，得到所述指定单行为类别行为数据集对应的单行为类别评分；
[0023]将各个所述单行为类别评分作为所述单行为类别评分集。
[0024]进一步的，所述对各个所述单行为数据评分进行筛选，得到所述指定单行为类别行为数据集对应的单行为类别评分的步骤，包括：
[0025]获取与所述指定单行为类别行为数据集对应的第二综合类型；
[0026]当所述第二综合类型为最大值时，从各个所述单行为数据评分中找出值为最大的所述单行为数据评分作为所述指定单行为类别行为数据集对应的所述单行为类别评分；
[0027]当所述第二综合类型为加权求和时，根据与所述指定单行为类别行为数据集对应的权重数据，对各个所述单行为数据评分进行加权求和，得到所述指定单行为类别行为数据集对应的所述单行为类别评分。
[0028]进一步的，所述将所述单验证类别评分集和所述单行为类别评分集输入预设的分类预测模型进行真实用户概率预测，得到真实用户概率预测结果的步骤之前，还包括：
[0029]获取多个训练样本和初始模型，其中，所述初始模型是基于逻辑回归算法得到的模型；
[0030]采用预设的划分比例，对各个所述训练样本进行划分，得到第一样本集、第二样本集和第三样本集；
[0031]采用所述第一样本集对所述初始模型进行训练，得到第一模型；
[0032]采用所述第二样本集对所述初始模型进行训练，得到第二模型；
[0033]采用所述第三样本集对所述初始模型进行训练，得到第三模型；
[0034]对所述第一模型的各个参数、所述第二模型的各个参数和所述第三模型的各个参数进行同一参数的平均值计算，得到目标参数集；
[0035]采用所述目标参数集，对所述初始模型的各个参数进行更新，得到所述分类预测模型。
[0036]进一步的，所述根据所述真实用户概率预测结果和预设的概率阈值确定真实用户识别结果的步骤，包括：
[0037]当所述真实用户概率预测结果大于所述概率阈值时，确定所述真实用户识别结果为真实用户；
[0038]当所述真实用户概率预测结果小于或等于所述概率阈值时，确定所述真实用户识别结果为非真实用户。
[0039]本申请还提出了一种基于机器学习的真实用户识别装置，所述装置包括：
[0040]数据获取模块，用于获取与目标身份标识对应的目标基本信息验证数据及目标行为数据集；
[0041]第一评分模块，用于对所述目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集；
[0042]第二评分模块，用于对所述目标行为数据集进行每个行为类别的评分，得到单行为类别评分集；
[0043]真实用户概率预测结果确定模块，用于将所述单验证类别评分集和所述单行为类别评分集输入预设的分类预测模型进行真实用户概率预测，得到真实用户概率预测结果，其中，所述分类预测模型是基于逻辑回归算法训练得到的模型；
[0044]真实用户识别结果确定模块，用于根据所述真实用户概率预测结果和预设的概率阈值确定真实用户识别结果。
[0045]本申请还提出了一种计算机设备，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上述任一项所述方法的步骤。
[0046]本申请还提出了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上述任一项所述的方法的步骤。
[0047]本申请的基于机器学习的真实用户识别方法、装置、设备及介质，其中方法实现了基于目标基本信息本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的真实用户识别方法，其特征在于，所述方法包括：获取与目标身份标识对应的目标基本信息验证数据及目标行为数据集；对所述目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集；对所述目标行为数据集进行每个行为类别的评分，得到单行为类别评分集；将所述单验证类别评分集和所述单行为类别评分集输入预设的分类预测模型进行真实用户概率预测，得到真实用户概率预测结果，其中，所述分类预测模型是基于逻辑回归算法训练得到的模型；根据所述真实用户概率预测结果和预设的概率阈值确定真实用户识别结果。2.根据权利要求1所述的基于机器学习的真实用户识别方法，其特征在于，所述对所述目标基本信息验证数据进行每个验证类别的评分，得到单验证类别评分集的步骤，包括：将所述目标基本信息验证数据，按照所述验证类别进行划分，得到多个单验证类别验证数据集；对指定单验证类别验证数据集中的每个验证数据进行评分，得到单验证数据评分，其中，所述指定单验证类别验证数据集是任一个所述单验证类别验证数据集；对各个所述单验证数据评分进行筛选，得到所述指定单验证类别验证数据集对应的单验证类别评分；将各个所述单验证类别评分作为所述单验证类别评分集。3.根据权利要求2所述的基于机器学习的真实用户识别方法，其特征在于，所述对各个所述单验证数据评分进行筛选，得到所述指定单验证类别验证数据集对应的单验证类别评分的步骤，包括：获取与所述指定单验证类别验证数据集对应的第一综合类型；当所述第一综合类型为最大值时，从各个所述单验证数据评分中找出值为最大的所述单验证数据评分作为所述指定单验证类别验证数据集对应的所述单验证类别评分；当所述第一综合类型为加权求和时，根据与所述指定单验证类别验证数据集对应的权重数据，对各个所述单验证数据评分进行加权求和，得到所述指定单验证类别验证数据集对应的所述单验证类别评分。4.根据权利要求1所述的基于机器学习的真实用户识别方法，其特征在于，所述对所述目标行为数据集进行每个行为类别的评分，得到单行为类别评分集的步骤，包括：将所述目标行为数据集，按照所述行为类别进行划分，得到多个单行为类别行为数据集；对指定单行为类别行为数据集中的每个行为数据进行评分，得到单行为数据评分，其中，所述指定单行为类别行为数据集是任一个所述单行为类别行为数据集；对各个所述单行为数据评分进行筛选，得到所述指定单行为类别行为数据集对应的单行为类别评分；将各个所述单行为类别评分作为所述单行为类别评分集。5.根据权利要求4所述的基于机器学习的真实用户识别方法，其特征在于，所述对各个所述单行为数据评分进行筛选，得到所述指定单行为类别行为数据集对应的单行为类别评分的步骤，包括：获取与所述指定单行为类别行为数据集对应的第二综合类型；<...
【专利技术属性】
技术研发人员：张盛荣，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。