CN107346310B - 一种账号申诉处理方法及服务器 - Google Patents
一种账号申诉处理方法及服务器 Download PDFInfo
- Publication number
- CN107346310B CN107346310B CN201610293474.9A CN201610293474A CN107346310B CN 107346310 B CN107346310 B CN 107346310B CN 201610293474 A CN201610293474 A CN 201610293474A CN 107346310 B CN107346310 B CN 107346310B
- Authority
- CN
- China
- Prior art keywords
- account
- complaint data
- correlation
- data
- account complaint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000000875 corresponding effect Effects 0.000 claims description 48
- 238000013145 classification model Methods 0.000 claims description 34
- 230000002596 correlated effect Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 20
- 238000007635 classification algorithm Methods 0.000 claims description 13
- 238000012512 characterization method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000011664 signaling Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2131—Lost password, e.g. recovery of lost or forgotten passwords
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明实施例提供一种账号申诉处理方法及服务器,该方法包括:获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。本发明实施例可识别相关联的账号申诉数据,实现同一自然人提交的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
Description
技术领域
本发明涉及网络技术领域,更具体地说,涉及一种账号申诉处理方法及服务器。
背景技术
账号申诉是指在账号被盗,或者账号密码忘记情况下,账号官方为账号所有者提供的一种找回账号的服务;进行账号申诉时,账号所有者需要提交账号申诉数据,在该账号诉数据被审核通过后,可判断账号归属于该账号所有者,该账号所有者可有权限修改账号的密码,达到账号所有者的账号被盗,或者忘记账号密码时,找回账号的目的。
本发明的发明人发现:
由于账号申诉数据的提交资料不全面,可能需要账号所有者提交二次或多次的账号申诉数据,另外,由于网络安全问题,用户资料泄露的情况较为常见,因此在账号所有者的账号被盗时,盗号者可能同时盗取到账号所有者的用户资料,盗号者为了达到控制被盗账号的目的,往往也会进行账号申诉,提交账号申诉数据;
可见,同一账号的账号申诉数据可能有多份,且该多份账号申诉数据可能是不同的自然人提交的,如该多份账号申诉数据中可能存在账号所有者提交的账号申诉数据,也存在盗号者提交的账号申诉数据,账号所有者与盗号者认为是不同的自然人。
目前在审核账号申诉数据时,主要是将同一账号的多份账号申诉数据进行收集,然后分配给客服或者审核系统进行审核;然而,如果所收集的同一账号的多份账号申诉数据是不同自然人提交的,如既有账号所有者提交的账号申诉数据,又有盗号者提交的账号申诉数据;那么基于该同一账号的多份账号申诉数据进行审核后,审核结果存在不准确的可能,且可能将账号的归属判断给非账号所有者的情况;
因此,如何从同一账号的多份账号申诉数据中,识别相关联的账号申诉数据,实现同一自然人提交的账号申诉数据的确定,从而辅助账号的归属判断,显得尤为必要。
发明内容
有鉴于此,本发明实施例提供一种账号申诉处理方法及服务器,以从同一账号的多份账号申诉数据中,识别相关联的账号申诉数据,实现同一自然人提交的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
为实现上述目的,本发明实施例提供如下技术方案:
一种账号申诉处理方法,包括:
获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;
当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
本发明实施例还提供一种服务器,包括:
账号申诉数据获取模块,用于获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;
相关性确定模块,用于当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
关联确定模块,用于当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
基于上述技术方案,本发明实施例提供的账号申诉处理方法中,服务器可获取第一账号的第一账号申诉数据,并与已记录的第一账号对应的第二账号申诉数据进行各项特征内容的比对,确定出第一账号申诉数据和第二账号申诉数据的相关性,由该相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性,并通过预置同一账号的多份账号申诉数据相关联时所对应的预设相关条件,从而当所述相关性符合所述预设相关条件时,确定第一账号申诉数据和第二账号申诉数据相关联,实现属于同一自然人的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的账号申诉处理系统的结构框图;
图2为本发明实施例提供的账号申诉处理方法的信令流程图;
图3为本发明实施例提供的账号申诉处理方法的流程图;
图4为社交类型账号进行账号申诉时对应的部分需填写项目的示意图;
图5为本发明实施例提供的账号申诉处理方法的另一流程图;
图6为本发明实施例提供的账号申诉处理方法的再一流程图;
图7为本发明实施例提供的账号申诉处理方法的又一流程图;
图8为本发明实施例提供的贝叶斯分类分类模型的预训练方法流程图;
图9为本发明实施例提供的确定各账号的账号申诉数据间的相关性的流程图;
图10为本发明实施例提供的账号申诉处理方法的又另一流程图;
图11为本发明实施例提供的服务器的结构框图;
图12为本发明实施例提供的相关性确定模块的结构框图;
图13为本发明实施例提供的服务器的另一结构框图;
图14为本发明实施例提供的相关性确定执行单元的结构框图;
图15为本发明实施例提供的服务器的再一结构框图;
图16为本发明实施例提供的相关性确定执行单元的另一构框图;
图17为本发明实施例提供的服务器的又一结构框图;
图18为本发明实施例提供的服务器的又另一结构框图;
图19为本发明实施例提供的服务器的硬件结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都对应本发明保护的范围。
图1为本发明实施例提供的账号申诉处理系统的结构框图,本发明实施例提供的账号申诉处理方法可基于图1所示系统实现,参照图1,本发明实施例提供的账号申诉处理系统可以包括:服务器10,至少一个终端20;
服务器10可以为网络侧设置的用于处理终端提交的账号申诉数据的设备,服务器10可以为单台服务器,也可以为由多台服务器组成的服务器群组;
至少一个终端20为用户侧的用于提交账号申诉数据的设备,如手机、平板电脑、笔记本电脑等;至少一个终端20所提交的账号申诉数据可能是账号所有者填写提交的,也有可能是盗号者填写提交的;本发明实施例需要通过服务器对终端20所提交的针对同一账号的账号申诉数据进行处理,判断出相关联的账号申诉数据,实现同一自然人所提交的账号申诉数据的判断,以便辅助判断账号的归属,提升账号归属判断给账号所有者的可能性。
基于图1所示系统,图2示出了本发明实施例提供的账号申诉处理方法的信令流程图,结合图1和图2所示,该流程可以包括:
步骤S10、终端向服务器提交第一账号的第一账号申诉数据;
第一账号为本发明实施例需要找回的账号,通过本发明实施例提供的账号申诉处理方法可为提升第一账号归属判断给其账号所有者的概率提供可能;
终端的使用者可能是第一账号的所有者,也可能是盗号者;账号申诉数据可以具有至少一项特征内容,一项特征内容可以是账号申诉数据中一项具体的申诉资料。
步骤S11、服务器获取所述第一账号申诉数据;
可选的,第一账号申诉数据中可以具有至少一项特征内容。
步骤S12、当服务器确定存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
可选的,第二账号申诉数据可以是服务器历史记录的针对第一账号的账号申诉数据;在本发明实施例中,第二账号申诉数据可能是基于第一账号的所有者上传的账号申诉资料生成,也可能是基于盗号者上传的账号申诉资料生成;因此,本发明实施例的目的即是判断针对第一账号的第一账号申诉数据和第二账号申诉数据是否相关联,即是否属于同一自然人提交,以便根据判断结果辅助判断第一账号的归属;
在得到第一账号申诉数据和第二账号申诉数据后,本发明实施例可将第一账号申诉数据和第二账号申诉数据的各项特征内容分别进行比对,确定各项特征内容的比对结果,基于第一账号申诉数据和第二账号申诉数据的各项特征内容的比对结果,本发明实施例可确定第一账号申诉数据和第二账号申诉数据的相关性,该相关性可用于表示第一账号申诉数据和第二账号申诉数据相关联的可能性,即第一账号申诉数据和第二账号申诉数据属于同一自然人的可能性。
步骤S13、服务器当确定所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
预设相关条件可以表示,在同一账号的多份账号申诉数据相关联时(如同一账号的多份账号申诉数据属于同一自然人时),所对应的账号申诉数据之间的目标相关性;从而本发明实施例可在第一账号申诉数据和第二账号申诉数据的相关性符合所述预设相关条件时,认定第一账号申诉数据和第二账号申诉数据相关联,实现第一账号申诉数据和第二账号申诉数据属于同一自然人的确定。
可以看出,本发明实施例中,服务器可获取第一账号的第一账号申诉数据,并与已记录的第一账号对应的第二账号申诉数据进行各项特征内容的比对,确定出第一账号申诉数据和第二账号申诉数据的相关性,由该相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性,并通过预置同一账号的多份账号申诉数据相关联时所对应的预设相关条件,从而当所述相关性符合所述预设相关条件时,确定第一账号申诉数据和第二账号申诉数据相关联,实现属于同一自然人的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
下面以服务器的角度对本发明实施例提供的账号申诉处理方法进行介绍,下文描述的账号申诉处理方法可与上文描述的信令流程内容相互参照。
图3为本发明实施例提供的账号申诉处理方法的流程图,该方法可应用于服务器,可选的,该服务器可以是账号官方设置的用于进行账号申诉的服务器,该服务器可收集用户提交的账号申诉数据;参照图3,本发明实施例提供的账号申诉处理方法可以包括:
步骤S100、获取第一账号的第一账号申诉数据;
第一账号为本发明实施例需要找回的账号,第一账号申诉数据可以是终端提交给服务器的用于找回第一账号的申诉资料,该终端的使用者可能是第一账号的所有者,也可能是盗号者;
可选的,一账号申诉数据可以包括至少一项特征内容,一项特征内容可以是账号申诉数据中一项具体的申诉资料;具体的,一项特征内容可以对应账号申诉时一项需填写项目所填写的具体内容;
在填写账号申诉数据时,终端可显示至少一项的需填写项目,可选的,需填写项目如联系方式(比如手机,邮箱等),个人信息(比如姓名,身份证,住址等),使用资料(比如使用过的密码,安全问题,绑定过的手机等)等;可选的,特征内容还可以包括终端自动提取携带在账号申诉数据中的终端标识、网络IP等;
值得注意的是,不同的账号类型对应的需填写项目可能不同,如社交类型账号对应的需填写项目可以具有:联系方式,个人信息,使用资料,社交关系(比如好友信息等);又如游戏类型账号对应的需填写项目可以具有:联系方式,个人信息,使用资料,游戏角色名称等;因此进行账号申诉时,具体的需填写项目可视实际的账号类型和应用场景而定,并没有严格的限制;
为便于理解,图4示出了社交类型账号进行账号申诉时对应的部分需填写项目,可参照。
步骤S110、当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
可选的,第二账号申诉数据可以是服务器历史记录的针对第一账号的账号申诉数据;如第二账号申诉数据提交至服务器的时间可以早于第一账号申诉数据提交至服务器的时间,第二账号申诉数据也可以是基于早于第一账号申诉数据提交的账号申诉数据生成;
可选的,第二账号申诉数据可能是基于第一账号的所有者上传的账号申诉资料生成,也可能是基于盗号者上传的账号申诉资料生成;因此,本发明实施例的目的即是判断针对第一账号的第一账号申诉数据和第二账号申诉数据是否相关联,以便根据判断结果辅助判断第一账号的归属;
服务器在确定第一账号的第一账号申诉数据和第二账号申诉数据后,可通过对第一账号申诉数据和第二账号申诉数据的具体内容的处理,确定出第一账号申诉数据和第二账号申诉数据相关联的可能性(称为第一账号申诉数据和第二账号申诉数据的相关性);
具体的,本发明实施例可分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定各项特征内容的比对结果,如第一账号申诉数据和第二账号申诉数据均具有联系方式的特征内容,和个人信息的特征内容,则本发明实施例可分别比对第一账号申诉数据和第二账号申诉数据的联系方式的特征内容,及个人信息的特征内容,从而得到各项特征内容的比对结果;
基于第一账号申诉数据和第二账号申诉数据的各项特征内容的比对结果,本发明实施例可确定第一账号申诉数据和第二账号申诉数据的相关性;
可选的,该相关性可以如第一账号申诉数据和第二账号申诉数据相关联的概率。
步骤S120、当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
可选的,本发明实施例可预置在同一账号的多份账号申诉数据相关联时,所对应的预设相关条件(预设相关条件如在同一账号的多份账号申诉数据相关联时,所对应的账号申诉数据之间的目标相关性,该目标相关性可表示同一账号的多份账号申诉数据相关联时所对应的目标可能性),从而在所述相关性符合所述预设相关条件时,认定第一账号申诉数据和第二账号申诉数据相关联的可能性,不低于,该目标可能性,实现所述第一账号申诉数据和所述第二账号申诉数据相关联的确定;
具体的,本发明实施例可设置同一账号的多份账号申诉数据相关联时,所对应的目标概率,从而在确定出第一账号申诉数据和第二账号申诉数据相关联的概率,且该概率不低于所述目标概率时,确定第一账号申诉数据和第二账号申诉数据相关联。
可以看出,本发明实施例提供的账号申诉处理方法包括:服务器获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联;
在本发明实施例中,服务器可获取第一账号的第一账号申诉数据,并与已记录的第一账号对应的第二账号申诉数据进行各项特征内容的比对,确定出第一账号申诉数据和第二账号申诉数据的相关性,由该相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性,并通过预置同一账号的多份账号申诉数据相关联时所对应的预设相关条件,从而当所述相关性符合所述预设相关条件时,确定第一账号申诉数据和第二账号申诉数据相关联,实现属于同一自然人的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
可选的,在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,可将第一账号申诉数据和第二账号申诉数据相综合,以便后续在审核判断第一账号的归属时,可通过综合的第一账号申诉数据和第二账号申诉数据,提升第一账号归属判断给其账号所有者的概率,提升第一账号归属判断的准确性;
可选的,如果第一账号申诉数据和第二账号申诉数据的相关性不符合预设相关条件,则可以认为第一账号申诉数据和第二账号申诉数据不相关联,后续在审核账号申诉数据时,可将第一账号申诉数据和第二账号申诉数据区分审核。
可选的,在将第一账号申诉数据和第二账号申诉数据进行各项特征内容的比对时,本发明实施例可进行各项特征内容的差异性比对,从而确定各项特征内容之间的差异等级,基于各项特征内容之间的差异等级,综合分析出第一账号申诉数据和第二账号申诉数据的差异程度,以确定第一账号申诉数据和第二账号申诉数据的相关性;
可选的,差异等级诸如特征内容相同,特征内容相似,特征内容不相似,特征内容完全不同等;优选的,在本发明实施例中,差异等级类型优选采用特征内容相同及特征内容相似这两类,显然,基于不同的账号申诉情况,所选用的差异等级也可不限于特征内容相同及特征内容相似这两类;
图5示出了本发明实施例提供的账号申诉处理方法的另一流程图,参照图5,该方法可以包括:
步骤S200、获取第一账号的第一账号申诉数据;
步骤S210、当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;
步骤S220、以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性;
可选的,所述相关性可以表示第一账号申诉数据和第二账号申诉数据相关联的可能性。
步骤S230、当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
可选的,所确定的各项特征内容的差异等级可以包括:特征内容相同及特征内容相似;一项特征内容相同可以认为第一账号申诉数据和第二账号申诉数据中该项的特征内容完全相同,一项特征内容相似可以认为第一账号申诉数据和第二账号申诉数据中该项的特征内容部分相同,且相同部分范围不低于设定范围;
可选的,相同部分范围不低于设定范围如相同部分的字符数在该项特征内容的总字符数中所占比例不低于设定比例,或者相同部分的字符数不低于设定数目等;显然,相同部分范围不低于设定范围的具体要求可视实际情况而定,并不限于本段描述;
以社交类型账号的账号申诉数据中社交关系需填写项为例,如果第一账号申诉数据中社交关系需填写项的特征内容为a1、a2、a3、a4、a5、a6(指代好友昵称等信息),第二账号申诉数据中社交关系需填写项的特征内容也为a1、a2、a3、a4、a5、a6,由于第一账号申诉数据和第二账号申诉数据的社交关系的特征内容完全相同,则认为第一账号申诉数据和第二账号申诉数据中社交关系需填写项的特征内容的差异等级为特征内容相同;
如果第一账号申诉数据中社交关系需填写项的特征内容为a1、a2、a3、a4、a5、a6,第二账号申诉数据中社交关系需填写项的特征内容为a1、a2、a3、a4、a7;则第一账号申诉数据和第二账号申诉中社交关系需填写项的特征内容中,有4个好友信息是相同的,不低于设定比例或设定设定数目(具体数值可视实际情况而定),则可认为第一账号申诉数据和第二账号申诉数据中社交关系需填写项的特征内容的差异等级为特征内容相似;
显然,针对第一账号申诉数据和第二账号申诉数据中其他项的特征内容的差异等级的确定原理,与上述说明类似,可相参照。
可选的,本发明实施例可通过所确定的第一账号申诉数据和第二账号申诉数据中各项特征内容的差异等级,判断第一账号申诉数据和第二账号申诉数据是强相关还是弱相关,强相关可以认为是所确定的第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性,弱相关可以认为是所确定的第一账号申诉数据和第二账号申诉数据的相关性符合第二相关性,第一相关性高于第二相关性;从而在判断出第一账号申诉数据和第二账号申诉数据为强相关时,认定第一账号申诉数据和第二账号申诉数据的相关性符合预设相关条件,第一账号申诉数据和所述第二账号申诉数据相关联,即属于同一自然人;
可选的,以所述差异等级包括:特征内容相同及特征内容相似进行说明,图6示出了本发明实施例提供的账号申诉处理方法的再一流程图,参照图6,该方法可以包括:
步骤S300、获取第一账号的第一账号申诉数据;
步骤S310、当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;所述差异等级包括:特征内容相同及特征内容相似;
步骤S320、以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性;
步骤S330、当所述相关性符合第一相关性时,确定所述相关性符合预设相关条件;所述相关性符合第一相关性包括:各项特征内容均相同;或,一部分特征内容相同及另一部分特征内容相似,特征内容相同的特征内容的类型至少符合预设第一类型,且特征内容相似的特征内容的类型应被预设第二类型包含;
一部分特征内容相同及另一部分特征内容相似表示第一账号申诉数据和第二账号申诉数据中的特征内容分为相同和相似两部分;特征内容相同的特征内容的类型至少符合预设第一类型可以认为是,特征内容相同的特征内容的类型应至少包含预设第一类型,即特征内容相同的特征内容的类型中至少应具有预设第一类型,同时也可能有其他的类型;
特征内容相似的特征内容的类型应被预设第二类型包含可以认为是,特征内容相似的特征内容的类型只能在预设第二类型的范围中,而不应超出该范围;
可选的,预设第一类型可以是从需填写的多项特征内容类型中选定的至少一项特征内容类型,以社交类型账号为例,预设第一类型可以为联系方式、终端标识、IP、个人信息等,预设第二类型可以是从需填写的多项特征内容类型中选定的至少一项特征内容类型,如使用资料、社交关系等;
预设第一类型和预设第二类型中的各项类型可以不同,也可以是部分相同;
以社交类型账号为例,第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性可以是:
联系方式相同,
IP相同(提交账号申诉数据的IP相同),
终端标识相同(提交账号申诉数据的终端的标识相同),
个人信息相同,
使用资料相似(比如第一次填6个密码,第二次填5个密码,中间有四个是相同的),
社交关系相似(第一次邀请6个好友,第二次邀请5个好友,中间有4个是相同的);
或者,第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性还可以是:
联系方式相同,
IP相同,
终端标识相同,
个人信息相同,
使用资料相同,
社交关系相同;
值得注意的,第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性,可以是本发明实施例所设置的强制认定第一账号申诉数据和所述第二账号申诉数据相关联的策略,第一相关性的具体内容可视实际账号类型及应用场景而定。
步骤S340、确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
可选的,本发明实施例除了设置强制认定第一账号申诉数据和所述第二账号申诉数据相关联的第一相关性内容外,还可以通过训练能够确定第一账号申诉数据和第二账号申诉数据相关联的概率的算法模型,通过所确定的概率表示第一账号申诉数据和第二账号申诉之间的相关性,实现第一账号申诉数据和第二账号申诉数据是否相关联的判断;
可选的,该算法模型可以选用贝叶斯分类分类模型,贝叶斯分类模型是基于贝叶斯分类算法生成的,其是统计学的一种分类模型,可以利用概率统计知识进行分类;在许多场合,贝叶斯分类算法可以与决策树和神经网络分类算法相媲美,该算法能运用到大型数据库中,而且方法简单、分类准确率高、速度快;因此,本发明实施例可以通过预训练贝叶斯分类分类模型,以该贝叶斯分类分类模型来计算第一账号申诉数据和所述第二账号申诉数据相关联的概率,实现第一账号申诉数据和第二账号申诉数据的相关性的确定;
相应的,图7示出了本发明实施例提供的账号申诉处理方法的又一流程图,图7所示方法主要采用贝叶斯分类分类模型进行账号申诉处理,其可与图6所示方法采用第一相关性进行账号申诉处理的方式,相互独立实施;参照图7,该方法可以包括:
步骤S400、获取第一账号的第一账号申诉数据;
步骤S410、当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;
步骤S420、根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率;
所述概率可以表示所述第一账号申诉数据和所述第二账号申诉数据的相关性;
此处的差异等级至少包括:特征内容相同及特征内容相似。
步骤S430、当所述概率符合预设概率条件时,确定第一账号申诉数据和第二账号申诉数据的相关性符合预设相关条件;
步骤S440、确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
可选的,图8示出了贝叶斯分类分类模型的预训练过程,参照图8,该过程可以包括:
步骤S500、收集多个账号的账号申诉数据,一账号对应有多份账号申诉数据;
本发明实施例可收集海量账号的账号申诉数据,以进行后续贝叶斯分类分类模型的训练;所收集的一个账号的账号申诉数据可以具有多份,一账号对应的多份账号申诉数据中可以有账号所有者提交的,也可能有盗号者提交的。
步骤S510、对于各账号,分别将各账号申诉数据的各项特征内容进行比对,确定各账号的账号申诉数据的各项特征内容的差异等级;
本发明实施例以一账号的多份账号申诉数据为单位,对各个账号的账号申诉数据进行处理,确定出各账号的账号申诉数据的各项特征内容的差异等级;具体的,针对每一账号,本发明实施例可将各账号申诉数据的各项特征内进行比对,识别出账号申诉数据的各项特征内容的差异等级;确定账号申诉数据的各项特征内容的差异等级的具体过程可以参照上文相应部分描述;
可选的,本发明实施例针对同一账号的多份账号申诉数据,可以是两两账号申诉数据进行各项特征内容的比对,两两比对后所综合的账号申诉数据,可再与另一该同一账号的账号申诉数据的各项特征内容进行比对。
步骤S520、以各账号的账号申诉数据的各项特征内容的差异等级,确定各账号的账号申诉数据间的相关性;所述相关性包括第一相关性和第二相关性;
如上文所述第一相关性表示同一账号的账号申诉数据之间为强相关,第二相关性表示同一账号的账号申诉数据之间为弱相关;
可选的,以差异等级包括:特征内容相同及特征内容相似为例;第一相关性可以表示各项特征内容均相同;或,一部分特征内容相同及另一部分特征内容相似,且特征内容相同的特征内容的类型至少符合预设第一类型,特征内容相似的特征内容的类型应被预设第二类型包含;
可选的,所述第二相关性可以表示同一账号的多份账号申诉数据中各项特征内容相似;以社交类型账号为例,账号的账号申诉数据间的相关性为第二相关性可以是:
联系方式相似(比如abcd@qq.com,abcd2016@qq.com)
IP相似(比如1.2.3.4和1.2.3.5)
个人信息相似(比如第一次提单姓名是刘杰,第二次提单姓名是杰)
使用资料低相似(使用资料相似可以如密码相同的字符达到第一值,如4个相同,使用资料低相似可以如密码相同的字符低于第一值,且高于第二值,第一值大于第二值,如密码字符中2个相同)
社交关系相似。
步骤S530、根据各账号的账号申诉数据间的相关性,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
在对收集的海量账号的账号申诉数据进行处理,确定出各账号的账号申诉数据间的相关性后,本发明实施例可基于提取的正、负样本数据,以贝叶斯分类算法进行训练;
正样本数据可以认为是收集提取的相关联的账号申诉数据,负样本数据可以认为是收集提取的不相关联的账号申诉数据;正、负样本数据可主要通过人工选择、及用户投诉数据获取;
可选的,本发明实施例可通过所收集的相关联的账号申诉数据和不相关联的账号申诉数据,分析出相关联的账号申诉数据间的关联性,及不相关联的账号申诉数据间的关联性,从而以所分析出的相关联的账号申诉数据间的关联性,及不相关联的账号申诉数据间的关联性为分类参考,以贝叶斯分类算法对所述各账号的账号申诉数据间的相关性进行训练,得出能够计算同一账号的多份账号申诉数据相关联的概率的算法公式,实现贝叶斯分类分类模型的训练。
可选的,为便于贝叶斯分类分类模型的训练,本发明实施例可将账号申诉数据的各项特征内容的差异等级进行数值化表示;具体的,图8所示方法中确定各账号的账号申诉数据间的相关性的过程可以如图9所示,包括:
步骤S600、对于各账号,根据账号申诉数据的各项特征内容的差异等级,定义账号申诉数据间的各项特征内容的差异表征值,得到账号申诉数据间对应的差异表征值组;
可选的,差异表征值组可以是基于两两账号申诉数据的各项特征内容的差异等级,所定义的差异表征值组合而成;所述差异表征值包括表示特征内容相同的第一值,及表示特征内容相似的第二值,所述第一值与所述第二值不同;可选的,第一值可以为1,第二值可以为0,显然,第一值和第二值的具体数值可根据实际情况而定,第一值为1,第二值为0的形式仅是可选的;
在对同一账号的多份账号申诉数据的各项特征内容进行比对后,本发明实施例可以1和0表示各项特征内容的差异等级,如果比对出的一项特征内容相同,则可为该项特征内容定义差异表征值1,如果比对出一项特征内容相似,则可为该项特征内容定义差异表征值0;
如针对下述比对结果,本发明实施例定义各项特征内容的差异表征值后,可得到该账号的账号申诉数据对应的差异表征值组11100;
IP相同(定义差异表征值1),
终端标识相同(定义差异表征值1),
个人信息相同(定义差异表征值1),
使用资料相似(定义差异表征值0),
社交关系相似(定义差异表征值0)。
步骤S610、对于各账号,根据账号申诉数据间对应的差异表征值组,建立各账号对应的差异表征值表,以所述差异表征值表表示各账号的账号申诉数据间的相关性。
可选的,一账号的差异表征值表可以具有至少一个差异表征值组,一个差异表征值组表示该账号的两个账号申诉数据间各项特征内容的差异表征值的组合;
可选的,一账号的差异表征值表的形式如下,其中1 0 0 0 0为一个差异表征值组,1 1 0 1 0为另一个差异表征值组:
1 0 0 0 0
1 1 0 1 0
可以看出,一账号的差异表征值表实际上是一个矩阵的形式。
在得到各账号对应的差异表征值表后,本发明实施例可以得到由多个矩阵构成的矩阵组,从而以所分析出的相关联的账号申诉数据间的关联性,及不相关联的账号申诉数据间的关联性为分类参考,以贝叶斯分类算法对所述各账号的账号申诉数据间的相关性进行训练,得出能够计算同一账号的多份账号申诉数据相关联概率的算法公式,实现贝叶斯分类分类模型的训练;
因此,本发明实施例在训练贝叶斯分类分类模型时,可以根据各账号对应的差异表征值表,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
可选的,第一相关性的具体内容主要根据实际的账号申诉经验获得,可以是依据账号申诉处理专家在实际的账号申诉工作中的经验生成,用于强制认定第一账号申诉数据和所述第二账号申诉数据相关联,因此依据第一相关性认定第一账号申诉数据和所述第二账号申诉数据相关联的方式,可在所提交的账号申诉数据较为规范时,具有较高的账号申诉数据的归属判断准确性,而在所提交的账号申诉数据不较为规范时,通过第一相关性认定账号申诉数据的归属判断的准确性则不是很理想;
而贝叶斯分类分类模型是基于海量账号的账号申诉数据生成,可以较为灵活的处理各种情况的账号申诉数据,可以应对所提交的账号申诉数据较为规范及不较为规范情况下的账号申诉数据的归属判断,因此采用贝叶斯分类分类模型可以较为灵活的实现账号申诉数据的归属判断,且判断结果的准确性也较高;
基于此,本发明实施例可基于第一相关性或贝叶斯分类分类模型独立的进行账号申诉数据的归属判断;也可以是将第一相关性和贝叶斯分类分类模型相结合实现账号申诉数据的归属判断,如先基于第一相关性判断第一账号申诉数据和第二账号申诉数据是否相关联,若否,再基于贝叶斯分类分类模型判断第一账号申诉数据和第二账号申诉数据是否相关联,从而考虑账号申诉数据的全面情况,提升账号申诉数据归属判断的准确性;
相应的,图10示出了本发明实施例提供的账号申诉处理方法的又另一流程图,参照图10,该方法可以包括:
步骤S700、获取第一账号的第一账号申诉数据;
步骤S710、当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;所述差异等级包括:特征内容相同及特征内容相似;
步骤S720、当所确定的第一账号申诉数据和第二账号申诉数据的相关性不符合第一相关性时,根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示第一账号申诉数据和第二账号申诉数据的相关性;
其中,所述相关性不符合第一相关性包括:各项特征内容均不相同,或,预设第一类型的特征内容不相同,或,预设第二类型的特征内容不相似;
可选的,各项特征内容均不相同可以如:联系方式不同,IP不同,终端标识不同,个人信息不同,使用资料不同,社交关系不同;
预设第一类型的特征内容不相同可以如:联系方式不同,或,IP不同,或,终端标识不同,或,个人信息不同;至于使用资料和社交关系的差异等级则可不考虑,也可考虑;
预设第二类型的特征内容不相似可以如:使用资料不相似,或,社交关系不相似;至于联系方式,IP,终端标识,个人信息的差异等级则可不考虑,也可考虑。
步骤S730、当所述概率符合预设概率条件时,确定所述相关性符合预设相关条件;
可选的,预设概率条件可以通过设置目标概率实现,当所述概率不低于所述目标概率,则可认为所述概率符合预设概率条件。
步骤S740、确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
显然,如果所述概率不符合预设概率条件,则可认为所述第一账号申诉数据和所述第二账号申诉数据不相关联。
可选的,在确定第一账号申诉数据和第二账号申诉数据相关联后,可将所述第一账号申诉数据和所述第二账号申诉数据相综合,得到综合后的账号申诉数据,以便以综合后的账号申诉数据判断第一账号的账号所有者;
可选的,将所述第一账号申诉数据和所述第二账号申诉数据相综合的方式,可以是针对各项特征内容,将特征内容相同的部分合并成一份,而特征内容不相同的部分保留、并与合并后的相同的特征内容组合;如针对使用资料的特征内容,第一账号申诉数据的使用密码为123456,共6个字符,第二账号申诉数据的使用密码为72345,共5个字符,则其中有4个字符相同,可将相同的2345合并成一份,而对于不同的字符1、6、7可保留并与合并成一份的2345组合,得到如1或7-2345-6;
可选的,第二账号申诉数据可以是历史提交的针对第一账号的账号申诉数据;第二账号申诉数据也可能是基于本发明实施例提供的账号申诉处理方法,将历史提交的针对第一账号的相关联的多份账号申诉数据综合后生成的账号申诉数据;如服务器历史获得了A、B两份针对第一账号的账号申诉数据,在判断A、B相关联后,可将A、B综合成第二账号申诉数据C,服务器在获取第一账号申诉数据D后,可再判断C和D是否相关联;
可选的,在本发明实施例中针对同一账号的多份账号申诉数据,可以是两两判断账号申诉数据是否相关联,两两判断后若相关联,则可相综合,综合的账号申诉数据,可再与同一账号的另一账号申诉数据进行是否相关联的判断。
可选的,如果服务器在获取第一账号申诉数据时,已审核判断出第二账号申诉数据的请求者为第一账号的所有者,则在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,可直接确定第一账号申诉数据的请求者为第一账号的所有者;
如一个用户在一年前进行了账号申诉,提交了一份账号申诉数据A并审核通过,而该用户在一年后忘记了账号密码,又进行了账号申诉,提交了另一账号申诉数据B,如果通过本发明实施例提供的账号申诉处理方法认定账号申诉数据A和B相关联,则可以认为账号申诉数据B的请求者为账号所有者,可拥有账号密码的修改权限,免去后续的审核系统或客服审核的过程,高效准确的实现账号的归属判断;
可以看出,本发明实施例在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,如果基于所述第二账号申诉数据已历史判断出所述第二账号申诉数据的请求者为第一账号的所有者,则确定所述第一账号申诉数据的请求者也为第一账号的所有者。
可选的,如果未基于第二账号申诉数据确定出第一账号的所有者,则在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,可以将所述第一账号申诉数据和所述第二账号申诉数据相综合,得到综合后的账号申诉数据,以便后续以综合后的账号申诉数据判断第一账号的账号所有者。
本发明实施例提供的账号申诉处理方法,可实现相关联的账号申诉数据的判断,可从同一账号的多份账号申诉数据中,实现属于同一自然人的账号申诉数据的确定,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
下面对本发明实施例提供的服务器进行介绍,下文描述的服务器可与上文以服务器角度描述的账号申诉处理方法相互对应参照。
图11为本发明实施例提供的服务器的结构框图,参照图11,该服务器可以包括:
账号申诉数据获取模块100,用于获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;
相关性确定模块200,用于当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
关联确定模块300,用于当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
可选的,所述第一账号申诉数据和第二账号申诉数据的相关性可以表示,第一账号申诉数据和第二账号申诉数据相关联的可能性;
所述相关性符合预设相关条件可以包括:所述可能性不低于同一账号的多份账号申诉数据相关联时所对应的可能性。
可选的,图12示出了本发明实施例提供的相关性确定模块200的可选结构,参照图12,相关性确定模块200可以包括:
差异等级确定单元210,用于分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;
相关性确定执行单元220,用于以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性,以所述相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性。
可选的,所述差异等级可以包括:特征内容相同及特征内容相似;基于图12所示,相应的,图13示出了本发明实施例提供的服务器的另一结构框图,结合图11和图13所示,该服务器还可以包括:
相关条件第一符合确定模块400,用于当所确定的第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性时,确定所述相关性符合预设相关条件;
其中,所述相关性符合第一相关性包括:各项特征内容均相同;或,一部分特征内容相同及另一部分特征内容相似,且特征内容相同的特征内容的类型至少符合预设第一类型,特征内容相似的特征内容的类型应被预设第二类型包含。
可选的,图14示出了本发明实施例提供的相关性确定执行单元220的可选结构,参照图14,相关性确定执行单元220可以包括:
关联概率确定子单元221,用于根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
相应的,基于图14所示,图15示出了本发明实施例提供的服务器的再一结构框图,结合图11和图15所示,该服务器还可以包括:
相关条件第二符合确定模块500,用于当所述概率符合预设概率条件时,确定所述相关性符合预设相关条件。
可选的,所述差异等级包括:特征内容相同及特征内容相似;相应的,图16示出了本发明实施例提供的相关性确定执行单元220的另一可选结构,参照图16,相关性确定执行单元220可以包括:
结合执行子单元222,用于当所确定的第一账号申诉数据和第二账号申诉数据的相关性不符合第一相关性时,根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
其中,所述相关性不符合第一相关性包括:各项特征内容均不相同,或,预设第一类型的特征内容不相同,或,预设第二类型的特征内容不相似。
相应的,基于图16所示,本发明实施例可在所述概率符合预设概率条件时,确定所述相关性符合预设相关条件。
可选的,图17示出了本发明实施例提供的服务器的又一结构框图,图17示出了贝叶斯分类分类模型的预训练过程,结合图11和图17所示,该服务器还可以包括:
预训练模块600,用于收集多个账号的账号申诉数据,一账号对应有多份账号申诉数据;对于各账号,分别将各账号申诉数据的各项特征内容进行比对,确定各账号的账号申诉数据的各项特征内容的差异等级;以各账号的账号申诉数据的各项特征内容的差异等级,确定各账号的账号申诉数据间的相关性;所述相关性包括第一相关性和第二相关性;所述第一相关性表示各项特征内容均相同,或,一部分特征内容相同及另一部分特征内容相似、且特征内容相同的特征内容的类型至少符合预设第一类型、特征内容相似的特征内容的类型应被预设第二类型包含;所述第二相关性表示同一账号的多份账号申诉数据中各项特征内容相似;根据各账号的账号申诉数据间的相关性,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
可选的,预训练模块600在各账号的账号申诉数据的各项特征内容的差异等级,确定各账号的账号申诉数据间的相关性时,具体可用于:
对于各账号,根据账号申诉数据的各项特征内容的差异等级,定义账号申诉数据间的各项特征内容的差异表征值,得到账号申诉数据间对应的差异表征值组;所述差异表征值包括表示特征内容相同的第一值,及表示特征内容相似的第二值,所述第一值与所述第二值不同;对于各账号,根据账号申诉数据间对应的差异表征值组,建立各账号对应的差异表征值表,以所述差异表征值表表示各账号的账号申诉数据间的相关性。
相应的,预训练模块600在根据各账号的账号申诉数据间的相关性,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型时,具体可用于:
根据各账号对应的差异表征值表,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
可选的,图18示出了本发明实施例提供的服务器的又另一结构框图,结合图11和图18,该服务器还可以包括:
账号归属确定模块700,用于在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,如果基于所述第二账号申诉数据已历史判断出所述第二账号申诉数据的请求者为第一账号的所有者,则确定所述第一账号申诉数据的请求者也为第一账号的所有者。
可选的,服务器还可在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,将所述第一账号申诉数据和所述第二账号申诉数据相综合,得到综合后的账号申诉数据,以便以综合后的账号申诉数据判断第一账号的账号所有者。
本发明实施例提供的服务器可实现相关联的账号申诉数据的判断,为辅助账号的归属判断,提升账号归属判断结果的准确性提供可能。
本发明实施例提供的服务器的硬件结构可如图19所示,包括:处理器1,通信接口2,存储器3和通信总线4;
其中处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
可选的,通信接口2可以为通信模块的接口,如GSM模块的接口;
处理器1,用于执行程序;
存储器3,用于存放程序;
程序可以包括程序代码,所述程序代码包括计算机操作指令。
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
其中,程序可具体用于:
获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;
当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
本发明实施例还提供一种账号申诉处理系统,该系统的结构可以如图1所示,包括:服务器及至少一个终端;
其中,所述终端用于,向服务器提交针对第一账号的第一账号申诉数据;一账号申诉数据包括至少一项特征内容;
所述服务器用于,获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容;当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (17)
1.一种账号申诉处理方法,其特征在于,包括:
获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容,一项特征内容对应账号申诉时一项需填写项目所填写的具体内容;
当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
2.根据权利要求1所述的账号申诉处理方法,其特征在于,所述第一账号申诉数据和第二账号申诉数据的相关性表示,第一账号申诉数据和第二账号申诉数据相关联的可能性;
所述相关性符合预设相关条件包括:所述可能性不低于同一账号的多份账号申诉数据相关联时所对应的可能性。
3.根据权利要求2所述的账号申诉处理方法,其特征在于,所述分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性包括:
分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;
以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性,以所述相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性。
4.根据权利要求3所述的账号申诉处理方法,其特征在于,所述差异等级包括:特征内容相同及特征内容相似;所述方法还包括:
当所确定的第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性时,确定所述相关性符合预设相关条件;
所述相关性符合第一相关性包括:各项特征内容均相同;或,一部分特征内容相同及另一部分特征内容相似,且特征内容相同的特征内容的类型至少符合预设第一类型,特征内容相似的特征内容的类型应被预设第二类型包含。
5.根据权利要求3所述的账号申诉处理方法,其特征在于,所述以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性包括:
根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
所述方法还包括:
当所述概率符合预设概率条件时,确定所述相关性符合预设相关条件。
6.根据权利要求3所述的申诉处理方法,其特征在于,所述差异等级包括:特征内容相同及特征内容相似;所述以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性包括:
当所确定的第一账号申诉数据和第二账号申诉数据的相关性不符合第一相关性时,根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
其中,所述相关性不符合第一相关性包括:各项特征内容均不相同,或,预设第一类型的特征内容不相同,或,预设第二类型的特征内容不相似;
所述方法还包括:
当所述概率符合预设概率条件时,确定所述相关性符合预设相关条件。
7.根据权利要求5或6所述的账号申诉处理方法,其特征在于,所述贝叶斯分类分类模型的预训练过程包括:
收集多个账号的账号申诉数据,一账号对应有多份账号申诉数据;
对于各账号,分别将各账号申诉数据的各项特征内容进行比对,确定各账号的账号申诉数据的各项特征内容的差异等级;
以各账号的账号申诉数据的各项特征内容的差异等级,确定各账号的账号申诉数据间的相关性;所述相关性包括第一相关性和第二相关性;所述第一相关性表示各项特征内容均相同,或,一部分特征内容相同及另一部分特征内容相似、且特征内容相同的特征内容的类型至少符合预设第一类型、特征内容相似的特征内容的类型应被预设第二类型包含;所述第二相关性表示同一账号的多份账号申诉数据中各项特征内容相似;
根据各账号的账号申诉数据间的相关性,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
8.根据权利要求7所述的账号申诉处理方法,其特征在于,所述以各账号的账号申诉数据的各项特征内容的差异等级,确定各账号的账号申诉数据间的相关性包括:
对于各账号,根据账号申诉数据的各项特征内容的差异等级,定义账号申诉数据间的各项特征内容的差异表征值,得到账号申诉数据间对应的差异表征值组;所述差异表征值包括表示特征内容相同的第一值,及表示特征内容相似的第二值,所述第一值与所述第二值不同;
对于各账号,根据账号申诉数据间对应的差异表征值组,建立各账号对应的差异表征值表,以所述差异表征值表表示各账号的账号申诉数据间的相关性。
9.根据权利要求8所述的账号申诉处理方法,其特征在于,所述根据各账号的账号申诉数据间的相关性,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型包括:
根据各账号对应的差异表征值表,及所收集的相关联的账号申诉数据和不相关联的账号申诉数据,以贝叶斯分类算法进行训练,得到贝叶斯分类分类模型。
10.根据权利要求1所述的账号申诉处理方法,其特征在于,所述方法还包括:
在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,如果基于所述第二账号申诉数据已历史判断出所述第二账号申诉数据的请求者为第一账号的所有者,则确定所述第一账号申诉数据的请求者也为第一账号的所有者;
或,在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,将所述第一账号申诉数据和所述第二账号申诉数据相综合,得到综合后的账号申诉数据,以便以综合后的账号申诉数据判断第一账号的账号所有者。
11.一种服务器,其特征在于,包括:
账号申诉数据获取模块,用于获取第一账号的第一账号申诉数据,一账号申诉数据包括至少一项特征内容,一项特征内容对应账号申诉时一项需填写项目所填写的具体内容;
相关性确定模块,用于当存在与第一账号对应的第二账号申诉数据时,分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行比对,确定第一账号申诉数据和第二账号申诉数据的相关性;
关联确定模块,用于当所述相关性符合预设相关条件时,确定所述第一账号申诉数据和所述第二账号申诉数据相关联。
12.根据权利要求11所述的服务器,其特征在于,所述相关性确定模块包括:
差异等级确定单元,用于分别将第一账号申诉数据和第二账号申诉数据的各项特征内容进行差异性比对,确定各项特征内容的差异等级;
相关性确定执行单元,用于以所述各项特征内容的差异等级确定第一账号申诉数据和第二账号申诉数据的相关性,以所述相关性表示第一账号申诉数据和第二账号申诉数据相关联的可能性。
13.根据权利要求12所述的服务器,其特征在于,所述差异等级包括:特征内容相同及特征内容相似;所述服务器还包括:
相关条件第一符合确定模块,用于当所确定的第一账号申诉数据和第二账号申诉数据的相关性符合第一相关性时,确定所述相关性符合预设相关条件;
其中,所述相关性符合第一相关性包括:各项特征内容均相同;或,一部分特征内容相同及另一部分特征内容相似,且特征内容相同的特征内容的类型至少符合预设第一类型,特征内容相似的特征内容的类型应被预设第二类型包含。
14.根据权利要求12所述的服务器,其特征在于,所述相关性确定执行单元包括:
关联概率确定子单元,用于根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
所述服务器还包括:
相关条件第二符合确定模块,用于当所述概率符合预设概率条件时,确定所述相关性符合预设相关条件。
15.根据权利要求12所述的服务器,其特征在于,所述差异等级包括:特征内容相同及特征内容相似;所述相关性确定执行单元包括:
结合执行子单元,用于当所确定的第一账号申诉数据和第二账号申诉数据的相关性不符合第一相关性时,根据预训练的贝叶斯分类分类模型,对所述各项特征内容的差异等级进行分类处理,得到所述第一账号申诉数据和所述第二账号申诉数据相关联的概率,以所述概率表示所述相关性;
其中,所述相关性不符合第一相关性包括:各项特征内容均不相同,或,预设第一类型的特征内容不相同,或,预设第二类型的特征内容不相似。
16.根据权利要求11所述的服务器,其特征在于,所述服务器还包括:
账号归属确定模块,用于在确定所述第一账号申诉数据和所述第二账号申诉数据相关联后,如果基于所述第二账号申诉数据已历史判断出所述第二账号申诉数据的请求者为第一账号的所有者,则确定所述第一账号申诉数据的请求者也为第一账号的所有者。
17.一种计算机可读存储介质,其特征在于,包括若干指令用以执行如权利要求1-10任一项所述的方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293474.9A CN107346310B (zh) | 2016-05-05 | 2016-05-05 | 一种账号申诉处理方法及服务器 |
KR1020187034329A KR102218506B1 (ko) | 2016-05-05 | 2017-05-04 | 계정 컴플레인트 처리 방법 및 서버 |
PCT/CN2017/083050 WO2017190670A1 (zh) | 2016-05-05 | 2017-05-04 | 一种账号申诉处理方法及服务器 |
EP17792496.6A EP3454503B1 (en) | 2016-05-05 | 2017-05-04 | Account complaint processing method and server |
JP2018557835A JP6707147B2 (ja) | 2016-05-05 | 2017-05-04 | アカウント申立て処理方法及びサーバ |
US15/976,451 US10567374B2 (en) | 2016-05-05 | 2018-05-10 | Information processing method and server |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610293474.9A CN107346310B (zh) | 2016-05-05 | 2016-05-05 | 一种账号申诉处理方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107346310A CN107346310A (zh) | 2017-11-14 |
CN107346310B true CN107346310B (zh) | 2020-10-27 |
Family
ID=60202759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610293474.9A Active CN107346310B (zh) | 2016-05-05 | 2016-05-05 | 一种账号申诉处理方法及服务器 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10567374B2 (zh) |
EP (1) | EP3454503B1 (zh) |
JP (1) | JP6707147B2 (zh) |
KR (1) | KR102218506B1 (zh) |
CN (1) | CN107346310B (zh) |
WO (1) | WO2017190670A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106559387B (zh) * | 2015-09-28 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 一种身份验证方法及装置 |
CN107346310B (zh) * | 2016-05-05 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 一种账号申诉处理方法及服务器 |
CN109741065A (zh) * | 2019-01-28 | 2019-05-10 | 广州虎牙信息科技有限公司 | 一种支付风险识别方法、装置、设备及存储介质 |
CN111831286B (zh) * | 2019-04-12 | 2023-11-14 | 中国移动通信集团河南有限公司 | 一种用户投诉处理方法和设备 |
US11449755B2 (en) * | 2019-04-29 | 2022-09-20 | Microsoft Technology Licensing, Llc | Sensitivity classification neural network |
CN111400174B (zh) * | 2020-03-05 | 2022-08-12 | 支付宝(杭州)信息技术有限公司 | 数据源的应用效能的确定方法、装置和服务器 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005182354A (ja) | 2003-12-18 | 2005-07-07 | Ricoh Co Ltd | 認証サーバ、パスワード再発行通知方法及びプログラム |
GB0624024D0 (en) * | 2006-12-01 | 2007-01-10 | Ibm | Event correlation based trouble ticket resolution system incorporating adaptive rules optimization |
US20090089876A1 (en) * | 2007-09-28 | 2009-04-02 | Jamie Lynn Finamore | Apparatus system and method for validating users based on fuzzy logic |
US20100306821A1 (en) | 2009-05-29 | 2010-12-02 | Google, Inc. | Account-recovery technique |
US8863253B2 (en) * | 2009-06-22 | 2014-10-14 | Beyondtrust Software, Inc. | Systems and methods for automatic discovery of systems and accounts |
WO2011094734A2 (en) * | 2010-02-01 | 2011-08-04 | Jumptap, Inc. | Integrated advertising system |
US9626725B2 (en) * | 2010-12-23 | 2017-04-18 | Facebook, Inc. | Using social graph for account recovery |
CN102541918A (zh) * | 2010-12-30 | 2012-07-04 | 阿里巴巴集团控股有限公司 | 重复信息识别方法和设备 |
EP2575315A1 (en) * | 2011-09-30 | 2013-04-03 | British Telecommunications Public Limited Company | Controlled access |
CN103118043B (zh) * | 2011-11-16 | 2015-12-02 | 阿里巴巴集团控股有限公司 | 一种用户账号的识别方法及设备 |
CN103179098B (zh) * | 2011-12-23 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种网络账号的密码找回方法和装置 |
CN103188218B (zh) * | 2011-12-28 | 2018-01-05 | 富泰华工业(深圳)有限公司 | 密码找回系统及密码找回方法 |
JP6014746B2 (ja) | 2013-03-01 | 2016-10-25 | 株式会社日立製作所 | 不正利用検出方法及び不正利用検出装置 |
KR102002541B1 (ko) * | 2013-03-08 | 2019-10-01 | 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. | 클라우드 기반 어플리케이션의 로그인 관리 방법 및 이를 수행하기 위한 화상형성장치 |
WO2014139097A1 (en) * | 2013-03-13 | 2014-09-18 | Intel Corporation | Systems and methods for account recovery using a platform attestation credential |
US9197632B2 (en) * | 2013-03-15 | 2015-11-24 | Kaarya Llc | System and method for account access |
CN104104656B (zh) * | 2013-04-07 | 2019-05-21 | 腾讯科技(深圳)有限公司 | 找回帐号的方法及装置 |
US20140344356A1 (en) * | 2013-05-17 | 2014-11-20 | Mohammad A.H. Ramadhan | Social networking service |
CN103281192B (zh) * | 2013-05-31 | 2015-07-15 | 腾讯科技(深圳)有限公司 | 数据找回方法、装置和系统 |
US9876804B2 (en) * | 2013-10-20 | 2018-01-23 | Cyber-Ark Software Ltd. | Method and system for detecting unauthorized access to and use of network resources |
CN105306425B (zh) * | 2014-07-15 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 一种对账号归属进行认证的方法及装置 |
CN107346310B (zh) * | 2016-05-05 | 2020-10-27 | 腾讯科技(深圳)有限公司 | 一种账号申诉处理方法及服务器 |
-
2016
- 2016-05-05 CN CN201610293474.9A patent/CN107346310B/zh active Active
-
2017
- 2017-05-04 EP EP17792496.6A patent/EP3454503B1/en active Active
- 2017-05-04 KR KR1020187034329A patent/KR102218506B1/ko active IP Right Grant
- 2017-05-04 WO PCT/CN2017/083050 patent/WO2017190670A1/zh unknown
- 2017-05-04 JP JP2018557835A patent/JP6707147B2/ja active Active
-
2018
- 2018-05-10 US US15/976,451 patent/US10567374B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019515391A (ja) | 2019-06-06 |
WO2017190670A1 (zh) | 2017-11-09 |
US20180262482A1 (en) | 2018-09-13 |
EP3454503B1 (en) | 2021-02-17 |
US10567374B2 (en) | 2020-02-18 |
EP3454503A4 (en) | 2019-11-27 |
KR20190002593A (ko) | 2019-01-08 |
KR102218506B1 (ko) | 2021-02-19 |
EP3454503A1 (en) | 2019-03-13 |
JP6707147B2 (ja) | 2020-06-10 |
CN107346310A (zh) | 2017-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346310B (zh) | 一种账号申诉处理方法及服务器 | |
CN110399925B (zh) | 账号的风险识别方法、装置及存储介质 | |
CN106384273B (zh) | 恶意刷单检测系统及方法 | |
CN107423613B (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
CN106294508B (zh) | 一种刷量工具检测方法及装置 | |
CN108804908B (zh) | 一种设备指纹生成方法、装置及计算设备 | |
CN110798488B (zh) | Web应用攻击检测方法 | |
CN109842858B (zh) | 一种业务异常订购检测方法及装置 | |
CN109670931B (zh) | 贷款用户的行为检测方法、装置、设备及存储介质 | |
CN108763251B (zh) | 核身产品的个性化推荐方法及装置和电子设备 | |
CN110765760A (zh) | 一种法律案件分配方法、装置、存储介质和服务器 | |
CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
CN110650108A (zh) | 一种基于icon图标的钓鱼页面识别方法及相关设备 | |
US20200311390A1 (en) | Face recognition method and apparatus, server, and storage medium | |
CN111192150B (zh) | 车辆出险代理业务的处理方法、装置、设备及存储介质 | |
CN109636578B (zh) | 信贷信息的风险检测方法、装置、设备及可读存储介质 | |
CN108108594B (zh) | 一种许可管理方法及装置 | |
CN110992155A (zh) | 竞标入围处理方法及相关产品 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
CN113052726B (zh) | 一种基于云计算的智慧社区物业服务系统 | |
CN111291150B (zh) | 一种待搜索信息的确定方法、确定装置及可读存储介质 | |
US20210216910A1 (en) | Learning system, learning method, and program | |
CN111680286A (zh) | 物联网设备指纹库的精细化方法 | |
CN112733916B (zh) | 虚假证件图片的识别方法、装置、电子设备及存储介质 | |
CN111144244B (zh) | 家具木材类别识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |