应用于多组织架构的核身处理方法及系统技术方案

本发明专利技术提供的应用于多组织架构的核身处理方法及系统，涉及人工智能技术领域。在本发明专利技术中，确定出网络操作对象对应的预设网络操作记录数据；基于预设网络操作记录数据构建出对象关系知识网；确定出具有标识信息的标识性知识网成员和不具有标识信息的非标识性知识网成员；将知识网成员进行标识信息的评估操作，输出标识信息评估结果；基于标识信息和标识信息评估结果，分析出非标识性知识网成员的目标标识信息；提取到多个组织架构各自对非标识性知识网成员对应的网络操作对象的身份信息进行核对匹配操作的结果，基于该结果确定身份信息是否通过核对匹配操作。基于上述内容，可以在一定程度上提高核身处理的效率。在一定程度上提高核身处理的效率。在一定程度上提高核身处理的效率。

【技术实现步骤摘要】
应用于多组织架构的核身处理方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种应用于多组织架构的核身处理方法及系统。

技术介绍

[0002]通过多个组织架构分别对身份信息进行核对匹配操作的结果，然后，可以基于该结果确定该身份信息是否通过核对匹配操作，如此，可以提高身份信息核对的可靠度。但是，在现有技术中，一般是针对各对象都进行身份信息的核对操作，因此，存在着核身处理的效率不高的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种应用于多组织架构的核身处理方法及系统，以在一定程度上提高核身处理的效率。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种应用于多组织架构的核身处理方法，包括：确定出预设网络操作对应的多个网络操作对象，并确定出每一个所述网络操作对象对应的预设网络操作记录数据，所述预设网络操作记录数据通过文本的形式记录所述网络操作对象进行所述预设网络操作的过程；基于各所述网络操作对象对应的预设网络操作记录数据进行指定网络操作的分布状态分析处理，以及，基于分析出的分布状态表征数据，构建出对应的对象关系知识网，所述指定网络操作为与配置的目标条件匹配的预设网络操作，所述对象关系知识网中的连接线段关联的两个知识网成员各自对应的网络操作对象之间具有一样的指定网络操作；将所述对象关系知识网进行知识网成员识别操作，以确定出具有标识信息的标识性知识网成员和不具有标识信息的非标识性知识网成员，所述标识信息用于反映对应的网络操作对象是否进行过异常网络操作；基于所述对象关系知识网中每一个所述知识网成员对应的数据，将所述知识网成员进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果；基于各所述标识性知识网成员具有的标识信息和各所述知识网成员对应的标识信息评估结果，分析出每一个所述非标识性知识网成员的目标标识信息；对于目标标识信息表征进行过异常网络操作的每一个非标识性知识网成员，提取到多个组织架构各自对该非标识性知识网成员对应的网络操作对象的身份信息进行核对匹配操作的结果，以及，基于该结果确定该网络操作对象的身份信息是否通过核对匹配操作。
[0005]在一些优选的实施例中，在上述应用于多组织架构的核身处理方法中，所述基于所述对象关系知识网中每一个所述知识网成员对应的数据，将所述知识网成员进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果的步骤，包括：
将所述对象关系知识网中的各所述知识网成员对应的数据进行关键信息挖掘操作，以输出各所述知识网成员对应的知识网成员描述向量，所述知识网成员对应的数据为所述知识网成员的属性数据，该属性数据包括所述知识网成员对应的网络操作对象的对象身份信息和对象动作信息；对于所述对象关系知识网中的每一个所述知识网成员，对所述知识网成员对应的知识网成员描述向量和所述知识网成员的关联知识网成员对应的知识网成员描述向量进行融合操作，以形成所述知识网成员对应的融合成员描述向量；基于各所述知识网成员对应的融合成员描述向量进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果；其中，所述对于所述对象关系知识网中的每一个所述知识网成员，对所述知识网成员对应的知识网成员描述向量和所述知识网成员的关联知识网成员对应的知识网成员描述向量进行融合操作，以形成所述知识网成员对应的融合成员描述向量的步骤，包括：对于所述对象关系知识网中的任意一个所述知识网成员，基于目标映射参数分布，对所述知识网成员对应的知识网成员描述向量进行线性映射操作，以形成所述知识网成员对应的第一映射描述向量；基于所述目标映射参数分布，分别对所述知识网成员的每一个关联知识网成员对应的知识网成员描述向量进行线性映射操作，以形成所述知识网成员对应的每一个第二映射描述向量；对所述知识网成员对应的每一个第二映射描述向量进行均值化操作，以形成所述知识网成员对应的均值映射描述向量；将所述知识网成员对应的第一映射描述向量和所述知识网成员对应的均值映射描述向量进行级联组合操作，以形成所述知识网成员对应的融合成员描述向量。
[0006]在一些优选的实施例中，在上述应用于多组织架构的核身处理方法中，所述基于各所述标识性知识网成员具有的标识信息和各所述知识网成员对应的标识信息评估结果，分析出每一个所述非标识性知识网成员的目标标识信息的步骤，包括：基于各所述知识网成员对应的标识信息评估结果，构建出对应的标识信息评估结果簇；基于所述标识信息评估结果簇，构建出所述标识信息评估结果簇对应的标识信息知识网，所述标识信息知识网为包括所述标识信息评估结果簇中的标识信息评估结果且与所述对象关系知识网具有一样架构的知识网；基于各所述标识性知识网成员具有的标识信息，对所述标识信息知识网进行标识信息的传递更新操作，以输出每一个所述非标识性知识网成员的标识信息。
[0007]在一些优选的实施例中，在上述应用于多组织架构的核身处理方法中，所述应用于多组织架构的核身处理方法还包括：提取到典型对象关系知识网，所述典型对象关系知识网包括具有标识信息的典型标识性知识网成员和不具有标识信息的典型非标识性知识网成员；以及，利用候选标识信息评估模型进行以下的步骤：基于进行的描述向量融合操作和标识信息的传递更新操作，以输出各典型知识网成员对应的标识信息评估结果；
将各所述典型标识性知识网成员具有的标识信息进行标识信息的抽选操作，以形成优选典型知识网成员和非优选典型知识网成员，所述优选典型知识网成员是具有抽选出的标识信息的典型知识网成员，所述非优选典型知识网成员是所述优选典型知识网成员以外的典型标识性知识网成员；依据所述优选典型知识网成员具有的标识信息和各所述典型知识网成员对应的标识信息评估结果，确定出典型标识信息评估结果簇；基于各所述优选典型知识网成员具有的标识信息和所述典型标识信息评估结果簇，分析出每一个所述非优选典型知识网成员的评估性标识信息；基于所述非优选典型知识网成员具有的标识信息和所述非优选典型知识网成员的评估性标识信息之间的区别信息，对所述候选标识信息评估模型进行网络优化操作，以形成所述候选标识信息评估模型对应的目标标识信息评估模型，所述目标标识信息评估模型用于进行标识信息的评估操作。
[0008]在一些优选的实施例中，在上述应用于多组织架构的核身处理方法中，所述依据所述优选典型知识网成员具有的标识信息和各所述典型知识网成员对应的标识信息评估结果，确定出典型标识信息评估结果簇的步骤，包括：基于各所述典型知识网成员对应的标识信息评估结果，构建出对应的典型标识信息评估结果簇；依据所述优选典型知识网成员具有的标识信息，对所述典型标识信息评估结果簇进行更新操作，以形成新的典型标识信息评估结果簇，对于任意一个所述优选典型知识网成员，在所述典型标识信息评估结果簇中，包括所述优选典型知识网成员对应的标识信息评估结果，在所述新的典型标识信息评估结果簇中，包括所述优选典型知识网成员具有的标识信息。
[0009]在一些优选的实施例中，在上述应用于多组织架构的核身处理方法中，所述基于各所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于多组织架构的核身处理方法，其特征在于，包括：确定出预设网络操作对应的多个网络操作对象，并确定出每一个所述网络操作对象对应的预设网络操作记录数据，所述预设网络操作记录数据通过文本的形式记录所述网络操作对象进行所述预设网络操作的过程；基于各所述网络操作对象对应的预设网络操作记录数据进行指定网络操作的分布状态分析处理，以及，基于分析出的分布状态表征数据，构建出对应的对象关系知识网，所述指定网络操作为与配置的目标条件匹配的预设网络操作，所述对象关系知识网中的连接线段关联的两个知识网成员各自对应的网络操作对象之间具有一样的指定网络操作；将所述对象关系知识网进行知识网成员识别操作，以确定出具有标识信息的标识性知识网成员和不具有标识信息的非标识性知识网成员，所述标识信息用于反映对应的网络操作对象是否进行过异常网络操作；基于所述对象关系知识网中每一个所述知识网成员对应的数据，将所述知识网成员进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果；基于各所述标识性知识网成员具有的标识信息和各所述知识网成员对应的标识信息评估结果，分析出每一个所述非标识性知识网成员的目标标识信息；对于目标标识信息表征进行过异常网络操作的每一个非标识性知识网成员，提取到多个组织架构各自对该非标识性知识网成员对应的网络操作对象的身份信息进行核对匹配操作的结果，以及，基于该结果确定该网络操作对象的身份信息是否通过核对匹配操作。2.如权利要求1所述的应用于多组织架构的核身处理方法，其特征在于，所述基于所述对象关系知识网中每一个所述知识网成员对应的数据，将所述知识网成员进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果的步骤，包括：将所述对象关系知识网中的各所述知识网成员对应的数据进行关键信息挖掘操作，以输出各所述知识网成员对应的知识网成员描述向量，所述知识网成员对应的数据为所述知识网成员的属性数据，该属性数据包括所述知识网成员对应的网络操作对象的对象身份信息和对象动作信息；对于所述对象关系知识网中的每一个所述知识网成员，对所述知识网成员对应的知识网成员描述向量和所述知识网成员的关联知识网成员对应的知识网成员描述向量进行融合操作，以形成所述知识网成员对应的融合成员描述向量；基于各所述知识网成员对应的融合成员描述向量进行标识信息的评估操作，以输出每一个所述知识网成员对应的标识信息评估结果；其中，所述对于所述对象关系知识网中的每一个所述知识网成员，对所述知识网成员对应的知识网成员描述向量和所述知识网成员的关联知识网成员对应的知识网成员描述向量进行融合操作，以形成所述知识网成员对应的融合成员描述向量的步骤，包括：对于所述对象关系知识网中的任意一个所述知识网成员，基于目标映射参数分布，对所述知识网成员对应的知识网成员描述向量进行线性映射操作，以形成所述知识网成员对应的第一映射描述向量；基于所述目标映射参数分布，分别对所述知识网成员的每一个关联知识网成员对应的知识网成员描述向量进行线性映射操作，以形成所述知识网成员对应的每一个第二映射描述向量；
对所述知识网成员对应的每一个第二映射描述向量进行均值化操作，以形成所述知识网成员对应的均值映射描述向量；将所述知识网成员对应的第一映射描述向量和所述知识网成员对应的均值映射描述向量进行级联组合操作，以形成所述知识网成员对应的融合成员描述向量。3.如权利要求1所述的应用于多组织架构的核身处理方法，其特征在于，所述基于各所述标识性知识网成员具有的标识信息和各所述知识网成员对应的标识信息评估结果，分析出每一个所述非标识性知识网成员的目标标识信息的步骤，包括：基于各所述知识网成员对应的标识信息评估结果，构建出对应的标识信息评估结果簇；基于所述标识信息评估结果簇，构建出所述标识信息评估结果簇对应的标识信息知识网，所述标识信息知识网为包括所述标识信息评估结果簇中的标识信息评估结果且与所述对象关系知识网具有一样架构的知识网；基于各所述标识性知识网成员具有的标识信息，对所述标识信息知识网进行标识信息的传递更新操作，以输出每一个所述非标识性知识网成员的标识信息。4.如权利要求1所述的应用于多组织架构的核身处理方法，其特征在于，所述应用于多组织架构的核身处理方法还包括：提取到典型对象关系知识网，所述典型对象关系知识网包括具有标识信息的典型标识性知识网成员和不具有标识信息的典型非标识性知识网成员；以及，利用候选标识信息评估模型进行以下的步骤：基于进行的描述向量融合操作和标识信息的传递更新操作，以输出各典型知识网成员对应的标识信息评估结果；将各所述典型标识性知识网成员具有的标识信息进行标识信息的抽选操作，以形成优选典型知识网成员和非优选典型知识网成员，所述优选典型知识网成员是具有抽选出的标识信息的典型知识网成员，所述非优选典型知识网成员是所述优选典型知识网成员以外的典型标识性知识网成员；依据所述优选典型知识网成员具有的标识信息和各所述典型知识网成员对应的标识信息评估结果，确定出典型标识信息评估结果簇；基于各所述优选典型知识网成员具有的标识信息和所述典型标识信息评估结果簇，分析出每一个所述非优选典型知识网成员的评估性标识信息；基于所述非优选典型知识网成员具有的标识信息和所述非优选典型知识网成员的评估性标识信息之间的区别信息，对所述候选标识信息评估模型进行网络优化操作，以形成所...

【专利技术属性】
技术研发人员：张磊，
申请(专利权)人：杭州亿易网络科技有限公司，
类型：发明
国别省市：