信息识别方法、神经网络模型训练方法及装置制造方法及图纸

本公开提供了信息识别方法、神经网络模型训练方法及装置，涉及人工智能技术领域，尤其涉及信息安全、大数据技术领域。该信息识别方法的具体实现方案为：响应于接收到的目标对象的信息识别请求，获取目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和终端设备的使用环境信息；对实时操作信息和使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征；根据实时操作偏好特征和环境偏好特征，生成实时使用偏好信息；以及根据实时使用偏好信息和历史使用偏好信息，得到目标对象的信息识别结果。象的信息识别结果。象的信息识别结果。

【技术实现步骤摘要】
信息识别方法、神经网络模型训练方法及装置


[0001]本公开涉及人工智能
，尤其涉及信息安全、大数据
，具体涉及一种信息识别方法、神经网络模型训练方法及装置。

技术介绍

[0002]随着智能终端设备的功能种类不断丰富，智能终端设备的应用领域也越来越广泛，智能终端设备内部存储的信息量也在逐步攀升，因此，人们对智能终端设备内存储信息的安全性的重视程度也在明显提高。

技术实现思路

[0003]本公开提供了一种信息识别方法、神经网络模型的训练方法及装置。
[0004]根据本公开的一方面，提供了一种信息识别方法，包括：响应于接收到的目标对象的信息识别请求，获取目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和终端设备的使用环境信息；对实时操作信息和使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征；根据实时操作偏好特征和环境偏好特征，生成实时使用偏好信息；以及根据实时使用偏好信息和历史使用偏好信息，得到目标对象的信息识别结果。
[0005]根据本公开的另一方面，提供了一种神经网络模型的训练方法，包括：将样本对象的样本终端设备在预定时段内的样本实时操作信息和样本使用环境信息输入初始模型的特征提取模块，得到样本实时操作偏好特征和样本环境偏好特征；将样本实时操作偏好特征和样本环境偏好特征输入初始模型的特征融合模块，生成样本实时使用偏好信息；基于损失函数，根据样本实时使用偏好信息和样本对象的历史使用偏好信息，得到损失值；以及基于损失值，调整特征融合模块的参数，得到经训练的神经网络模型。
[0006]根据本公开的另一方面，提供了一种信息识别装置，包括：获取模块、处理模块、生成模块和获得模块。获取模块，用于响应于接收到的目标对象的信息识别请求，获取目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和终端设备的使用环境信息。处理模块，用于对实时操作信息和使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征。生成模块，用于根据实时操作偏好特征和环境偏好特征，生成实时使用偏好信息。获得模块，用于根据实时使用偏好信息和历史使用偏好信息，得到目标对象的信息识别结果。
[0007]根据本公开的另一方面，提供了一种神经网路模型的训练装置，包括：特征提取模块、特征融合模块、损失计算模块和调整模块。特征提取模块，用于将样本对象的样本终端设备在预定时段内的样本实时操作信息和样本使用环境信息输入初始模型的特征提取模块，得到样本实时操作偏好特征和样本环境偏好特征。特征融合模块，用于将样本实时操作偏好特征和样本环境偏好特征输入初始模型的特征融合模块，生成样本实时使用偏好信息。损失计算模块，用于基于损失函数，根据样本实时使用偏好信息和样本对象的历史使用偏好信息，得到损失值。调整模块，用于基于损失值，调整特征融合模块的参数，得到经训练
的神经网络模型。
[0008]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如上的方法。
[0009]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，上述计算机指令用于使上述计算机执行如上的方法。
[0010]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如上的方法。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1示意性示出了根据本公开实施例的可以应用信息识别方法及装置的示例性系统架构；
[0014]图2示意性示出了根据本公开实施例的信息识别方法的流程图；
[0015]图3示意性示出了根据本公开实施例的识别目标对象信息的示意图；
[0016]图4示意性示出了根据本公开实施例的生成目标对象的历史使用偏好信息的示意图；
[0017]图5示意性示出了根据本公开实施例的终端设备的倾斜角度/旋转角度的示意图；
[0018]图6示意性示出了根据本公开实施例的神经网络模型的训练方法的流程图；
[0019]图7示意性示出了根据本公开实施例的信息识别装置的框图；
[0020]图8示意性示出了根据本公开实施例的神经网络模型的训练装置的框图；以及
[0021]图9示意性示出了根据本公开实施例的适于实现信息识别方法或神经网络模型的训练方法的电子设备的框图。
具体实施方式
[0022]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0023]为了保障智能终端设备中个人数据的安全性，一般采用身份认证的方式验证当前使用者的合法性。传统的身份认证主要可以分为两种：基于口令的认证和基于生物特征的认证。
[0024]口令可以包括：密码或九宫格图案。基于口令的认证方式需要用户记忆密码或九宫格图案，复杂的密码或九宫格图案虽然可以增加信息的安全性，但是也增加了记忆的难度。
[0025]生物特征可以包括：指纹或面部图像。基于生物特征的认证方式是基于静态图像
实现的，被模仿或盗用的概率较高，而且，图像的采集环境也可能会影响认证结果的准确性。
[0026]有鉴于此，本公开实施例提供了一种信息识别方法，通过提取目标对象对终端设备的实时操作偏好特征和环境偏好特征，生成实时使用偏好信息，与历史使用偏好信息进行对比，得到目标对象的信息识别结果。由于目标对象对终端设备的使用偏好是基于目标对象的先天神经、骨骼系统和后天的生活习惯养成综合作用的结果，因此，被模仿或盗用的概率较低，提高了识别准确性和终端设备的信息安全性。
[0027]图1示意性示出了根据本公开实施例的可以应用信息识别方法及装置的示例性系统架构。
[0028]需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的
技术实现思路
，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用信息识别方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的信息识别方法及装置。
[0029]如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息识别方法，包括：响应于接收到的目标对象的信息识别请求，获取所述目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和所述终端设备的使用环境信息；对所述实时操作信息和所述使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征；根据所述实时操作偏好特征和所述环境偏好特征，生成实时使用偏好信息；以及根据所述实时使用偏好信息和所述历史使用偏好信息，得到所述目标对象的信息识别结果。2.根据权利要求1所述的方法，其中，所述实时操作信息包括：所述目标对象对所述终端设备的持有操作信息和触摸操作信息；所述对所述实时操作信息和所述使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征，包括：对所述持有操作信息进行处理，得到持有操作偏好特征；对所述触摸操作信息进行处理，得到触摸操作偏好特征；以及对所述使用环境信息进行处理，得到所述环境偏好特征。3.根据权利要求2所述的方法，其中，所述使用环境信息包括所述终端设备的屏幕亮度信息和当前环境光线信息；所述对所述使用环境信息进行处理，得到所述环境偏好特征，包括：根据所述屏幕亮度信息和所述当前环境光线信息，得到所述终端设备的屏幕与当前环境的亮度差异信息；以及对所述亮度差异信息进行处理，得到所述环境偏好特征。4.根据权利要求3所述的方法，其中，所述预定时段内包括多个亮度差异信息；所述对所述亮度差异信息进行处理，得到所述环境偏好特征，包括：按照预定时刻，对所述多个亮度差异信息进行筛选，得到多个目标亮度差异信息，所述目标亮度差异信息表征相邻预定时刻的亮度差异信息的变化在预定阈值范围内的亮度差异信息；以及对所述多个目标亮度差异信息进行处理，得到所述环境偏好特征。5.根据权利要求2所述的方法，其中，所述对所述触摸操作信息进行处理，得到触摸操作偏好特征，包括：对所述触摸操作信息按照预定时长进行划分，得到按压操作信息、滑动操作信息和抬起操作信息；对所述按压操作信息和所述抬起操作信息进行处理，得到点击操作特征；对所述滑动操作信息进行处理，得到滑动操作特征；以及对所述点击操作特征和滑动操作特征进行处理，得到操作轨迹特征。6.根据权利要求5所述的方法，其中，所述按压操作信息包括：按压力度、按压位置和按压时刻；所述抬起操作信息包括：抬起位置和抬起时刻；所述对所述按压操作信息和所述抬起操作信息进行处理，得到点击操作特征，包括：根据所述按压力度，得到按压力度特征；根据所述按压位置和所述抬起位置，得到点击位置特征；以及根据所述按压时刻和所述抬起时刻，得到点击时间间隔特征。
7.根据权利要求5所述的方法，其中，所述滑动操作信息包括：滑动起始位置、滑动终止位置和滑动时长；所述对所述滑动操作信息进行处理，得到滑动操作特征，包括：根据所述滑动起始位置和滑动终止位置，得到滑动距离特征和滑动方向特征；以及根据所述滑动距离特征和滑动时长，得到滑动速度特征。8.根据权利要求5所述的方法，其中，所述对所述点击操作特征和所述滑动操作特征进行处理，得到操作轨迹特征，包括：对所述点击操作特征和所述滑动操作特征进行编码，得到操作编码；以及对所述操作编码按照操作时刻进行处理，得到所述操作轨迹特征。9.根据权利要求2所述的方法，其中，所述持有操作信息包括：持有角度的操作信息、持有距离的操作信息和持有稳定性的操作信息；所述对所述持有操作信息进行处理，得到持有操作偏好特征，包括：对所述持有角度的操作信息进行处理，得到持有角度的偏好特征；对所述持有距离的操作信息进行处理，得到持有距离的偏好特征；以及对所述持有稳定性的操作信息进行处理，得到持有稳定性的偏好特征。10.根据权利要求9所述的方法，其中，所述对持有角度的操作信息包括：对倾斜角度的操作信息和对旋转角度的操作信息；所述对所述持有角度的操作信息进行处理，得到持有角度的偏好特征，包括：对所述倾斜角度的操作信息进行处理，得到倾斜角度的偏好特征；以及对所述旋转角度的操作信息进行处理，得到旋转角度的偏好特征。11.根据权利要求1所述的方法，其中，所述根据所述操作偏好特征和所述环境偏好特征，生成实时使用偏好信息，包括：根据所述目标对象，确定特征权重分配信息；基于所述特征权重分配信息，得到操作偏好特征权重和环境偏好特征权重；以及根据所述操作偏好特征、所述环境偏好特征、所述操作偏好特征权重和所述环境偏好特征权重，得到所述实时使用偏好信息。12.根据权利要求1所述的方法，其中，所述根据所述实时使用偏好信息和所述历史使用偏好信息，得到信息识别结果，包括：基于相似度算法，根据所述实时使用偏好信息和所述历史使用偏好信息，得到相似度；以及根据所述相似度，得到所述信息识别结果。13.一种神经网络模型的训练方法，包括：将样本对象的样本终端设备在预定时段内的样本实时操作信息和样本使用环境信息输入初始模型的特征提取模块，得到样本实时操作偏好特征和样本环境偏好特征；将所述样本实时操作偏好特征和所述样本环境偏好特征输入初始模型的特征融合模块，生成样本实时使用偏好信息；基于损失函数，根据样本实时使用偏好信息和所述样本对象的历史使用偏好信息，得到损失值；以及基于损失值，调整所述特征融合模块的参数，得到经训练的神经网络模型。14.一种信息识别装置，包括：
获取模块，用于响应于接收到的目标对象的信息识别请求，获取所述目标对象对终端设备在预定时段内的实时操作信息、历史使用偏好信息和所述终端设备的使用环境信息；处理模块，用于对所述实时操作信息和所述使用环境信息进行处理，得到实时操作偏好特征和环境偏好特征；生成模块，用于根据所述实时操作偏好特征和所述环境偏好特征，...

【专利技术属性】
技术研发人员：李英杰，郭彪，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：