CN111143176A - 用于互联网上网服务营业场所的自动识别方法 - Google Patents

Abstract

本发明公开了一种用于互联网上网服务营业场所的自动识别方法，基于部署在营业场所前台终端一体机中的自助终端系统和部署在普通客户机中的上网行为识别系统，识别方法为：自助终端系统对用户的电子身份特征和生物特征进行绑定与比对，比对成功后同步到身份验证服务器，方可进行上网、结账、充值、查询等后续操作；上网行为识别系统对用户的上网行为进行实时追踪与分析，对用户的上网习惯、个人喜好、消费心理特征等基本属性特征进行建模，实现对用户进行有针对性的广告推荐以及异常上网行为的告警。本发明能方便、快捷的办理用户上网业务，能对用户的上网行为进行精确分析，全方位保证用户的上网安全，为用户提供良好的上网体验。

Description

用于互联网上网服务营业场所的自动识别方法

技术领域

本发明涉及互联网上网服务领域，具体涉及一种用于互联网上网服务营业场所的自动识别方法。

背景技术

互联网上网服务营业场所在缩小城乡信息差距、解决流动人口和低收入群体上网问题、丰富人民群众精神文化生活等方面发挥了积极作用，已经成为社会发展中不可或缺的一环。但是目前互联网上网服务营业场所存在管理不规范的问题，大多数营业场所仍然采用人工验证用户身份的方法来办理上网业务，导致业务办理效率低下，更严重地，还有可能让一些身份信息不匹配的用户通过验证并上网，这与实名制上网的相关法律法规要求相违背。

此外，即使用户通过身份验证，但在上网过程中，仍然会产生一些异常的上网行为，比如当前上网的用户与本人身份信息不符、用户的上网习惯发生改变、用户浏览非法网站或使用非法软件等异常行为，目前的上网服务营业场所没有对这些异常上网行为进行针对性的防范措施，这会给上网服务营业场所带来一定的损失，影响用户的上网体验。

发明内容

本发明的目的在于提供一种用于互联网上网服务营业场所的自动识别方法，为上网服务营业场所提供自动化的用户身份验证服务。

实现本发明目的的技术解决方案为：一种用于互联网上网服务营业场所的自动识别方法，基于部署在营业场所前台终端一体机中的自助终端服务系统和部署在客户机中的上网行为监控系统，该方法包括以下步骤：

步骤1、通过自助终端服务系统进行电子身份特征和生物特征信息的采集；

步骤2、自助终端服务系统将对电子身份特征和生物特征进行比对，比对成功方可允许用户进行上网；

步骤3、上网行为监控系统采集不同用户的上网行为数据并上传至用户上网行为数据库；上网行为检测服务器对上网服务营业场所用户行为进行建模，建立上网服务营业场所用户的上网行为模型，并存储到用户行为数据库；同时利用得到的上网服务营业场所用户的上网行为模型训练一个分类器用于用户上网行为实时建模；

步骤4、上网行为监控系统实时采集用户的上网行为数据并进行实时追踪；

步骤5、对当前采集到的该用户上网行为数据进行建模，并将该用户当前行为模型与服务器中存储的用户模型进行吻合度的计算；

步骤6、吻合度计算结果大于阈值时，用户可以继续上网；否则，将会弹出告警信息，提示用户进行身份验证，身份验证通过后，将当前模型与服务器中存储的模型进行融合与更新，对于新用户，直接将该模型存储至服务器中。

与现有技术相比，本发明的有益效果为：本发明为上网服务营业场所提供了自动化的身份验证服务，提高了用户上网业务办理效率和身份验证准确率，降低了人工成本，同时还对用户上网时的身份信息和上网行为的实时追踪，满足了用户实名制上网要求，提供了一个安全的上网环境。

附图说明

图1是本发明用于互联网上网服务营业场所的自动识别系统示意图。

图2是本发明的用户上网行为建模流程图。

具体实施方式

如图1所示，一种用于互联网上网服务营业场所的自动识别方法，该方法基于自动识别系统，所述系统包括部署在营业场所前台终端一体机中的自助终端服务系统和部署在客户机中的上网行为监控系统；

步骤1：用户在进行上网前，需要先通过自助终端服务系统进行电子身份特征和生物特征信息的采集；

步骤2：在相关特征信息采集结束后，自助终端服务系统将对电子身份特征和生物特征进行比对，比对成功方可允许用户进行上网；

用户也可通过直接利用电子身份进行结账、查询、充值等免验证操作。

步骤3：上网行为监控系统在一段时间内不断采集不同用户的上网行为数据并上传至用户上网行为数据库。采集到大量用户行为后，上网行为检测服务器对上网服务营业场所用户行为进行建模，建立上网服务营业场所用户的上网行为模型，并存储到用户行为数据库。同时利用得到的上网服务营业场所用户的上网行为模型训练一个分类器用于用户上网行为实时建模；

步骤4：用户从登入客户机进行上网起，上网行为监控系统即实时采集用户的上网行为数据并进行实时追踪；

步骤5：对当前采集到的该用户上网行为数据进行建模，并将该用户当前行为模型与服务器中存储的用户模型进行吻合度的计算；

步骤6：吻合度计算结果大于阈值α时，用户可以继续上网；否则，将会弹出告警信息，提示用户进行身份验证，身份验证通过后，将当前模型与服务器中存储的模型进行融合与更新，对于新用户，直接将该模型存储至服务器中；

进一步的，还可以对采集到的用户上网行为数据进行分析与特征提取，挖掘出用户的上网偏好，精确提供有针对性的服务。

进一步的，所述的终端一体机由具有触摸功能的一体机、二代证读卡器、指纹仪、摄像头和运行在一体机中的自助终端服务系统组成。

进一步的，步骤1所述的电子身份特征为二代身份证内置的证件照信息，该信息通过二代证读卡器获取。

进一步的，步骤1所述的生物特征为用户真实人脸信息和指纹信息，该信息分别通过摄像头和指纹仪获取。

进一步的，步骤2所述的特征比对为身份证证件照中的人脸和真实人脸的比对、数据库中该用户指纹和真实指纹的比对。

进一步的，步骤3所述的上网行为监控系统为开机自启动，并在用户上网过程中实时采集其上网行为信息。上网行为检测服务器对上网服务营业场所用户行为建模是每隔一个月进行一次。

进一步的，步骤4所述的实时追踪是指通过屏幕内置摄像头每隔一个随机时间对用户人脸信息进行捕捉与比对。

进一步的，所述的用户上网行为数据包括URL记录、进程信息、端口信息、文件上传下载记录、安装软件信息，上机时长等相关上网行为。

进一步的，步骤3所述的建立用户上网行为模型具体过程如下：

分析采集到的用户上网行为数据，进行预处理，得到可以用于建模的样本集。利用机器学习方法建立上网行为模型，同时建立模型与用户身份的映射上传至用户行为数据库。同时利用得到的模型建立一个分类器，用于实时对用户行为进行建模。

进一步的，步骤5所述的用户上网行为建模具体过程如下：

采集到的用户上网行为数据，进行预处理，得到可以用于建模的样本集。利用步骤4得到的分类器进行用户上网行为建模，得到用户当前的上网行为模型。

下面结合附图对本发明作进一步的说明。

实施例

结合图1，一种用于互联网上网服务营业场所的自动识别方法，该方法基于识别系统实现，系统主要由部署在营业场所前台终端一体机中的自助终端服务系统和部署在普通客户机中的上网行为监控系统组成。其中，自助终端服务系统为用户提供基于身份验证的各种上网业务的办理服务，上网行为监控系统实时追踪和监控用户的身份信息和上网行为，保证了上网用户的实名特性。

自助终端服务系统部署在如图1所示的终端一体机上，该一体机的硬件组成包括具有触屏功能的PC和身份信息采集设备，其中，身份信息采集设备主要由二代证读卡器、指纹仪和摄像头组成，实现对用户身份信息的采集。

自助终端系统的工作流程包括以下步骤：

S1：用户在进行上网前，需要先通过自助终端服务系统进行电子身份特征和生物特征信息的采集；

S2：在相关特征信息采集结束后，自助终端服务系统将对电子身份特征和生物特征进行比对，比对成功方可允许用户进行上网；

S3：用户也可通过直接利用电子身份进行结账、查询、充值等免验证操作。

在步骤S1中，用户的电子身份特征为二代证中的电子证件照信息，通过二代证读卡器采集；生物特征为用户本人的人脸信息和指纹信息，分别通过摄像头和指纹仪实时采集。

在步骤S2中，主要对用户的人脸信息和指纹信息进行比对，人脸比对主要通过本发明开发的人脸比对库来实现，首先对二代证读卡器采集到的用户证件照中的人脸进行检测与建模，得到模型M1；然后摄像头实时采集用户视频流，人脸比对库对视频流中的每一帧图像进行人脸检测与建模，得到模型M2；将M1与M2进行相似度匹配，得到分数S，如果S大于阈值MinS，则身份验证成功，可以进行下一步指纹比对，否则继续对下一帧图像重复相同操作，直至达到预设时间限制。指纹比对主要通过指纹仪自带的SDK来实现，如果用户为首次注册，则需要采集指纹信息并对其建模，存储到图1所示的会员信息数据库中，否则将采集建立的指纹模型与数据库中该用户的指纹模型进行比对，结果大于阈值则视为比对成功。只有人脸信息和指纹信息均比对成功才说明通过身份验证，方可允许用户进行上网。

在步骤S3中，用户可通过二代证中的电子身份信息(主要是身份证号)来进行结账、查询、结账等操作，该操作通过读写与终端一体机连接的管理系统服务器中的会员信息数据库来实现。

上网行为监控系统的工作流程包括以下步骤：

S4：上网行为监控系统在一段时间内不断采集不同用户的上网行为数据并上传至用户上网行为数据库。采集到大量用户行为后，上网行为检测服务器对上网服务营业场所用户行为进行建模，建立上网服务营业场所用户的上网行为模型，并存储到用户行为数据库。同时利用得到的上网服务营业场所用户的上网行为模型训练一个分类器用于用户上网行为实时建模；

S5：用户从登入客户机进行上网起，上网行为监控系统即实时采集用户的上网行为数据并进行实时追踪；

S6：对当前采集到的该用户上网行为数据进行建模，并将该用户当前行为模型与服务器中存储的用户模型进行吻合度的计算；

S7：吻合度计算结果大于阈值α时，用户可以继续上网；否则，将会弹出告警信息，提示用户进行身份验证，身份验证通过后，将当前模型与服务器中存储的模型进行融合与更新，对于新用户，直接将该模型存储至服务器中；

S8：对采集到的用户上网行为数据进行分析与特征提取，挖掘出用户的上网偏好，提供有针对性的服务。

步骤S4为图2所示流程的具体描述，是本发明所提出的系统的核心与创新所在。在步骤S4中，上网行为监控系统采集的用户上网行为数据主要包括URL记录、进程信息、端口信息、文件上传下载记录、安装软件信息，上机时长等上网行为属性。收集时做补全缺失属性、去除冗余属性等操作，并保存至用户行为数据库。

用户行为数据库收集到大量用户上网行为数据之后，对用户行为进行建模。本发明采用机器学习中常用的无监督学习算法——K-Means聚类算法对用户的上网行为进行聚类。通过分析上网行为数据中的URL记录、进程信息、端口信息等属性，对数据进行预处理。得到如下表格式所示的样本集：

属性	说明
		Account	用户会员账号
Audio-process	使用影音类软件占总时长的比例
		Game-process	使用游戏类软件占总时长的比例
Learn-process	使用学习类软件占总时长的比例
		Shopping-process	使用购物类软件占总时长的比例
Dating-process	使用社交类软件占总时长的比例
		Audio-URL	使用影音类网站占总时长的比例
Game-URL	使用游戏类网站占总时长的比例
		Learn-URL	使用学习类网站占总时长的比例
Shopping-URL	使用购物类网站占总时长的比例
		Dating-URL	使用社交类网站占总时长的比例
Other	使用其他类网站占总时长的比例

预处理得到样本集之后，利用K-Means聚类算法进行建模。K-Means算法是一种典型的基于划分的聚类算法。该算法的核心思想就是通过反复的迭代，找出K个聚类中心，使得每一个数据点的和与其最近的聚类中心的平方距离和被最小化。

首先对样本集按照不同的K值进行聚类，通过对不同K值聚类结果的比较，选择聚类结果更符合预期的K值。即可得到用户行为模型UserModel，同时建立模型与用户身份的映射上传至用户行为数据库。同时利用得到的模型建立一个分类器，用于实时对用户行为进行建模。其分类器构建模型如下：

为样本集中数据添加通过K-Means聚类算法的到的用户行为模型属性生成一个新的样本集，样本集格式如下：

得到的新样本集通过决策树分类算法进行训练。首先把样本集的70％分为训练样本，剩余的作为测试样本。通过离散化对属性进行离散化操作，然后通过决策树算法进行分类。决策树生成器从训练样本中生成决策树，即所述的分类器。

在步骤S5中，上网行为监控系统对用户的身份信息进行实时追踪，主要是对用户的人脸信息进行追踪，具体实施方式为：在系统内开启一个身份追踪线程，通过客户机屏幕内置的摄像头在随机的时间间隔内捕捉上网用户的人脸信息并建模，与会员信息数据库中的该用户人脸特征模型进行比对，如果比对成功则允许用户继续上网，否则将弹出告警信息框提示用户重新进行身份验证。该功能的目的是确保上网用户的实名特性，防止非本人的其他用户借用或盗用该用户身份进行非法上网行为。

步骤S6～S7是上网行为监控系统实时对用户的上网行为数据进行建模、检测分析的过程。

在步骤S6中，实时对用户的上网行为进行建模，主要是通过S5中训练得到的分类器。用户上网行为经过分类器分类后得到用户上网行为模型UserModel1，该模型反映了用户的此时的上网行为。

在步骤S7中，需要将步骤S6得到的用户上网行为模型UserModel1与图1用户行为数据库中存储的该用户行为模型UserModel2进行吻合度计算，如果吻合度小于设定阈值α，则认为该用户上网行为习惯发生改变，存在非本人上网的风险，上网行为监控系统会弹出告警信息提示用户重新进行身份验证。对于新用户，直接将该模型存储至服务器中。

步骤S8的目的是为了方便上网服务营业场所针对不同上网习惯的用户制定有针对性的服务，提升用户的上网体验。本发明同样利用步骤S4得到的用户上网行为模型，通过对上网用户行为模型的特征信息进行综合分析，判断该用户属于游戏用户、视频用户或是网页浏览用户等，并制定个性化的广告推荐服务，以提升用户对该营业场所的忠诚度和粘性。

显然，本发明的上述实施例仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种用于互联网上网服务营业场所的自动识别方法，其特征在于，基于部署在营业场所前台终端一体机中的自助终端服务系统和部署在客户机中的上网行为监控系统，该方法包括以下步骤：

步骤1、通过自助终端服务系统进行电子身份特征和生物特征信息的采集；

步骤2、自助终端服务系统将对电子身份特征和生物特征进行比对，比对成功方可允许用户进行上网；

步骤3、上网行为监控系统采集不同用户的上网行为数据并上传至用户上网行为数据库；上网行为检测服务器对上网服务营业场所用户行为进行建模，建立上网服务营业场所用户的上网行为模型，并存储到用户行为数据库；同时利用得到的上网服务营业场所用户的上网行为模型训练一个分类器用于用户上网行为实时建模；

步骤4、上网行为监控系统实时采集用户的上网行为数据并进行实时追踪；

步骤5、对当前采集到的该用户上网行为数据进行建模，将该用户当前行为模型与服务器中存储的用户模型进行吻合度的计算；

步骤6、吻合度计算结果大于阈值时，用户可以继续上网；否则，弹出告警信息，提示用户进行身份验证，身份验证通过后，将当前行为模型与服务器中存储的模型进行融合与更新，对于新用户，直接将该模型存储至服务器中。

2.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，所述的终端一体机由具有触摸功能的一体机、二代证读卡器、指纹仪、摄像头和运行在一体机中的自助终端服务系统组成。

3.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤1所述的电子身份特征为二代身份证内置的证件照信息。

4.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤1所述的生物特征信息为用户真实人脸信息和指纹信息，该信息分别通过摄像头和指纹仪获取。

5.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤2所述的特征比对为身份证证件照中的人脸和真实人脸的比对、数据库中该用户指纹和真实指纹的比对。

6.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤3所述的上网行为监控系统为开机自启动，并在用户上网过程中实时采集其上网行为信息；上网行为检测服务器对上网服务营业场所用户行为建模是每隔一个月进行一次。

7.根据权利要求6所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤4所述的实时追踪是指通过屏幕内置摄像头每隔一个随机时间对用户人脸信息进行捕捉与比对。

8.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，所述的上网行为数据包括URL记录、进程信息、端口信息、文件上传下载记录、安装软件信息和上机时长。

9.根据权利要求1所述的用于互联网上网服务营业场所的自动识别方法，其特征在于，步骤5所述的用户上网行为建模具体过程如下：

采集到的用户上网行为数据，进行预处理，得到可用于建模的样本集；利用步骤3得到的分类器进行用户上网行为建模，得到用户当前的上网行为模型。

Images