CN107251033A - 用于在在线教育中进行实时用户验证的系统和方法 - Google Patents

用于在在线教育中进行实时用户验证的系统和方法 Download PDF

Info

Publication number
CN107251033A
CN107251033A CN201580076097.7A CN201580076097A CN107251033A CN 107251033 A CN107251033 A CN 107251033A CN 201580076097 A CN201580076097 A CN 201580076097A CN 107251033 A CN107251033 A CN 107251033A
Authority
CN
China
Prior art keywords
user
data
equipment
heart rate
online education
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.)
Granted
Application number
CN201580076097.7A
Other languages
English (en)
Other versions
CN107251033B (zh
Inventor
A·内吉
I·塔托里安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
McAfee LLC
Original Assignee
McAfee LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by McAfee LLC filed Critical McAfee LLC
Priority to CN202010419801.7A priority Critical patent/CN111611908B/zh
Publication of CN107251033A publication Critical patent/CN107251033A/zh
Application granted granted Critical
Publication of CN107251033B publication Critical patent/CN107251033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/062—Combinations of audio and printed presentations, e.g. magnetically striped cards, talking books, magnetic tapes with printed texts thereon
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • 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
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • User Interface Of Digital Computer (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

公开了用于在在线教育中进行实时用户验证的系统和方法。在某些示例性实施方式中，可以从用户设备接收与用户相关联的用户识别信息和对在线教育内容进行访问的请求。可以识别出包括用户的历史面部图像数据的面部模板。可以将当前面部图像数据与面部模板进行比较，以确定是否存在匹配。还可以接收针对用户的生物识别传感器数据(诸如心率数据)。可以评估生物识别传感器数据，以确定用户是否当前位于用户设备处。如果该用户当前位于用户设备处并且当前面部图像数据与面部模板相匹配，则可以向用户设备处的用户提供对在线教育内容的访问。

Description

用于在在线教育中进行实时用户验证的系统和方法
技术领域
本公开总体涉及在线教育，并且更具体地涉及用于在线教育环境中进行实时用户验证的系统和方法。
背景技术
教育框架正在变化。近二十年来，包括来自传统教育机构的在线教育产品已有显著增长。尽管在线教育产品有所增长，但是问题仍然存在。持续妨碍在线教育具有与传统实体学校相似声望的主要问题之一是潜在的欺诈行为。更具体地，提供在线产品的当前教育供应商难以验证参与在线课程的人就是他们所说的人。该潜在的欺诈行为与传统的“当面”教育相比降低了在线教育的感知声望和价值。
附图说明
现在将参照附图，附图不一定按比例绘制，并且其中：
图1是示出根据本公开的示例性实施方式的、包括在线教育环境中的在线学生和提供实时用户验证的教育服务器的示例性环境的简化框图。
图2A和图2B是示出根据本公开的示例性实施方式的、提供用于实时用户验证的用户图像和/或生物识别用户数据的用户设备的示例性架构的简化框图。
图3是示出根据本公开的示例性实施方式的在线教育服务器的示例性架构的简化框图。
图4是示出根据本公开的示例性实施方式的、用于在实时用户验证中接收和存储用户特定图像和/或生物识别数据的示例性方法的流程图。
图5A和图5B是示出根据本公开的示例性实施方式的、用于在在线教育环境中进行连续用户验证的示例性方法的流程图。
图6是示出根据本公开的某些示例性实施方式的、用于在线教育环境中用户成功的预测分析的示例性方法的流程图。
图7是示出根据本公开的某些示例性实施方式的、用于确定在在线教育环境中何时进行用户验证的示例性方法的流程图。
具体实施方式
在下文中将参照附图更全面地描述本公开的实施方式，在附图中示出了本公开的示例性实施方式。然而，本公开可以以多种不同的形式实施，并且不应被解释为限于本文所阐述的示例性实施方式；而是提供这些实施方式，使得本公开将是彻底和完整的，并且将向本领域技术人员充分地传达本发明的范围。贯穿全文，相同的附图标记表示类似但不必相同的元素。
本公开的实施方式可以提供用于至少部分地基于来自各种来源的图像、生物识别传感器信息以及设备标识信息来进行实时用户验证的系统和方法。可以评估的图像的示例可以包括但不限于在在线教育课程期间用户的面部图像和用户所使用的设备(诸如用户设备或生物识别数据设备)的图像。在在线教育课程期间可以接收和评估的生物识别传感器信息的示例包括但不限于心率、指纹识别、语音识别、用户皮肤的导电性、用户汗液的化学成分、面部静脉的热成像、近红外或红外成像以及用户头发毛囊。该生物识别传感器信息可以由一个或更多个生物识别数据设备收集。生物识别数据设备的示例可以包括但不限于耳塞、耳机、用户可佩戴的生物识别传感器、其它形式的生物识别传感器等。在某些示例性实施方式中，每个生物识别数据设备还可以包括沿着生物识别数据设备外部的图案。该图案可以是以下图案：可由与用户设备相关联的照相机检测并且可由面部识别模块(下文将讨论)进行评估的图案，以确定该图案是否是与同用户相关联的特定生物识别数据设备相关联的预期图案。
虽然将参照作为用户心率数据的生物识别传感器信息来描述下述示例性实施方式，但本领域技术人员已知的任何其它生物识别传感器和生物识别传感器信息都可以用以替代，并且都应当分别解读为这些系统和方法的一部分。因此，下面的系统和方法的讨论以及附图描述了包含心率监测器的耳塞，任何其它类型的生物识别传感器(包括其它形式的心率监测器)都可以用以替代并且作为本公开的一部分被包括在内。图像、生物识别传感器信息和/或设备标识信息可以在用户设备处被本地存储和评估，和/或由一个或更多个教育服务器从用户经由他们的用户设备接收和评估。这些用户设备可以包括诸如通信设备的各种个人设备，可以包括例如个人计算机、膝上型计算机、平板计算设备、笔记本计算机、智能手机、个人数字助理等。
用户设备可以包括或可以可通信地联接到照相机或其它图像传感器，以捕捉用户的图像和/或生物识别数据设备上的图案。在某些示例性实施方式中，照相机可以嵌入在用户设备内。另选地，照相机可以是可通信地联接到用户设备的单独设备。在某些示例性实施方式中，照相机可以提供用于评估的标准或红外成像。由照相机生成的图像可以用于生成用户的面部模板。由照相机生成的图像还可以用于生成用户的面部图像数据，可以将该面部图像数据与该用户的面部模板进行比较，以确定该用户的面部图像数据是否与该用户的面部模板相匹配。由照相机生成的图像还可以用于识别生物识别数据设备上的一个或更多个已知图案。提供生物识别数据设备上的已知图案并使用照相机来确定是否可以从生物识别数据设备检测到已知图案，进一步充当对诳骗的威慑。
与在用户设备与通信基础设施(诸如蜂窝电话塔)之间的通信相关联的图像数据、生物识别传感器信息以及设备标识信息可以由教育服务器接收。该信息可以直接从用户设备接收或者可以(另选地)从与通信基础设施相关联的通信服务器接收。该信息可以用于确定与用户设备处的登录信息相关联的用户是否是他们所说的人，以及在向该用户提供在线教育服务时用户是否物理地持续存在于用户设备处。例如，用户设备和/或教育服务器可以从用户设备、照相机和/或生物识别数据设备接收图像数据、生物识别传感器信息以及设备标识信息。用户设备和/或教育服务器可以确定：所接收到的设备标识信息是否用于与用户相关联的用户设备和/或生物识别数据设备；从照相机接收到的图像是否与用户的面部模板相匹配；从照相机接收到的图像是否包括生物识别数据设备上的已知图案；以及生物识别传感器信息是否指示用户实际位于用户设备处。基于这些确定中的一个或更多个，教育服务器可以确定是否提供用户对期望的在线教育服务的访问和/或生成关于用户在用户设备处的感知真实性的通知。
图1是示出根据本公开的示例性实施方式的、包括在在线教育环境100中的在线用户(例如，学生)和提供实时用户验证的教育服务器的示例性环境100的简化框图。示例性在线教育环境100可以包括使用各自的用户设备120(1)、120(2)、120(3)、...、120(N)(以下统称为或分别称为用户设备120)的一个或更多个用户105(1)、105(2)、105(3)、…、105(N)(以下统称为或分别称为用户105)。
用户设备120可以是可以被配置为执行一个或更多个应用、软件和/或指令以提供一个或更多个图像、传感器信号和/或通信信号的合适的设备中的任何一个。如本文所使用的，用户设备120可以是任何种类的客户端设备、电子设备、通信设备和/或移动设备。用户设备120可以包括但不限于平板计算设备、电子书(ebook)阅读器、上网本计算机、笔记本计算机、膝上型计算机、台式计算机、网络支持电视、视频游戏控制台、个人数字助理(PDA)、智能手机等。虽然附图和/或说明书可能以膝上型计算机、台式计算机或平板计算机设备的相似性描述了用户设备120，但本公开不限于此。事实上，本文所描述的系统和方法可以应用于生成图像、传感器信号和/或通信信号的任何电子设备120。
如图1所示，示例性在线教育环境100可以包括经由网络130可通信地联接到教育服务器110的用户设备120。用户设备120还可以可通信地联接到通信基础设施140(诸如蜂窝式通信塔/接收器)。教育服务器110被配置为从用户设备120接收图像、生物识别传感器信息和/或设备标识信息中的一个或更多个，或者被配置为便于由用户设备120评估图像、生物识别传感器信息和/或设备标识信息中的一个或更多个。至少部分地基于所接收到的图像、生物识别传感器信息和/或设备标识信息，教育服务器110可以被配置为执行面部识别匹配、图案识别匹配、生物识别数据评估和/或设备匹配。
网络130可以包括不同类型的合适的通信网络中的任何一种或组合，诸如电缆网络、互联网、无线网络、蜂窝网络以及其它专用和/或公用网络。此外，网络130可以包括承载网络流量的任何种类的介质，包括但不限于同轴电缆、双绞线、光纤、混合式光纤同轴线缆(HFC)、微波地面收发器、射频通信、卫星通信或它们的组合。还应注意，所描述的技术可以应用于其它客户端/服务器装置(例如，机顶盒等)以及非客户端/服务器装置(例如，本地存储的软件应用等)。
通信基础设施140可以被配置为使用任何适合的通信格式和/或协议(包括但不限于Wi-Fi、直连Wi-Fi、蓝牙、3G移动通信、4G移动通信、长期演进(LTE)、WiMax、直接卫星通信或它们的任何组合)与其它通信基础设施和/或用户设备120进行通信。通信基础设施140可以与其它通信基础设施进行通信，以接收并随后再重新发送诸如数据分组的信息。通信基础设施140可以被配置为从用户设备120接收无线通信信号。这些通信信号可以是无线信号，其包括来自承载于其上的用户设备120的图像、生物识别传感器信息和/或设备标识信息。这些发送的图像、生物识别传感器信息和/或设备标识信息可以是由用户设备120识别出并且编码在在通信基础设施140处接收到的无线信号上并由其承载的数据。通信基础设施140还可以被配置为将通信信号例如从教育服务器110经由网络130发送到用户设备120。
图2A和图2B是示出根据本公开的示例性实施方式的用户设备120的示例性架构的简化框图，该用户设备120提供图像、生物识别传感器信息和/或设备标识信息用于在在线教育环境中进行实时用户验证。用户设备120可以包括一个或更多个用户界面202、可通信地联接到用户设备120的天线204以及可通信地联接到用户设备120的照相机206。在某些示例性实施方式中，生物识别数据设备208可以可通信地联接到用户设备120。在一个示例性实施方式中，生物识别数据设备是耳塞或其它类型的耳机。另选地，可以用其它形式的生物识别数据设备来替代。耳塞208可以包括设置在耳塞208的外表面上的至少一个已知图案210。该已知图案210可以由下面所讨论的面部识别模块来进行查看和识别。
生物识别数据设备还可以包括心率监测器212。在一个示例性实施方式中，可以将心率监测器212结合至耳塞中，该耳塞由用户105置入用户的耳朵中并且发送和接收来自用户105的心率数据。用户设备120可以包括一个或更多个处理器220、输入/输出(I/O)接口222、无线电设备(radio)224、网络接口226以及存储器230。
用户设备120的处理器220可以以硬件、软件、固件或它们的组合的形式适当地实现。处理器220的软件或硬件实现可以包括以任何合适的编程语言编写的计算机可执行或机器可执行的指令，以执行描述的各种功能。处理器220的硬件实现可以被配置为执行计算机可执行或机器可执行的指令，以执行描述的各种功能。在示例性实施方式中，处理器220可以被配置为执行存储在存储器220中的指令、软件和/或应用。一个或更多个处理器220可以包括但不限于中央处理单元(CPU)、数字信号处理器(DSP)、精减指令集计算机(RISC)、复杂指令集计算机(CISC)、片上系统(SoC)、微处理器、微控制器、现场可编程门阵列(FPGA)或它们的任何组合。用户设备120还可以包括用于控制一个或更多个处理器220与用户设备120的其它组件中的一个或更多个之间的通信的芯片组(未示出)。处理器220还可以包括一个或更多个专用集成电路(ASIC)、片上系统(SoC)或专用标准产品(ASSP)，用于处理特定数据处理功能或任务。在某些实施方式中，用户设备120可以基于架构系统，并且所述一个或更多个处理器220以及芯片组可以来自处理器和芯片组系列(诸如处理器系列)。
一个或更多个I/O设备接口222可以使得能够使用一个或更多个(I/O)设备或用户接口202(诸如触敏屏幕、键盘和/或鼠标)。用户105可以能够通过经由I/O设备接口222与用户接口202交互来管理来自用户设备120的图像、生物识别传感器信息和/或设备标识信息。网络接口226可以允许用户设备120经由一个或更多个网络130和/或经由其它合适的通信信道进行通信。例如，用户设备120可以被配置为与存储的数据库、其它计算设备或服务器、用户终端、或者网络130上的其它设备进行通信。
无线电设备224可以包括用于在与用户设备120所使用的通信协议相对应的带宽和/或信道中发送和/或接收射频(RF)信号的任何合适的无线电设备，以与其它用户设备120和/或通信基础设施140进行通信。无线电组件224可以包括根据预先制定的传输协议来调制通信信号的硬件和/或软件。无线电组件224可以被配置为生成用于一个或更多个通信协议的通信信号，所述一个或更多个通信协议包括但不限于Wi-Fi、直连Wi-Fi、蓝牙、3G移动通信、4G移动通信、长期演进(LTE)、WiMax、直接卫星通信或它们的组合。在另选实施方式中，协议可以用于相对邻近的用户设备120和/或生物识别数据设备208之间的通信，诸如蓝牙、专用短程通信(DSRC)或其它分组化无线电通信。无线电组件224可以包括适用于经由用户设备120的通信协议进行通信的任何已知的接收器和基带。无线电组件224还可以包括低噪音放大器(LNA)、附加信号放大器、模/数(A/D)转换器、一个或更多个缓冲器以及数字基带。在某些实施方式中，由无线电设备224生成的通信信号可以经由用户设备120上的天线204来发送。
存储器230可以包括一个或更多个易失性存储设备和/或非易失性存储设备，包括但不限于磁储存设备、只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、静态RAM(SRAM)、同步动态RAM(SDRAM)、双倍数据速率(DDR)SDRAM(DDR-SDRAM)、RAM-BUS DRAM(RDRAM)、闪存设备、电可擦可编程序只读存储器(EEPROM)、非易失性RAM(NVRAM)、通用串行总线(USB)可移动存储器或其组合。
存储器230可以存储可在处理器220上加载并执行的程序指令，以及在执行这些程序期间生成或接收的数据。存储器230可以具有存储在其上的软件模块，该软件模块包括操作系统(O/S)模块232、应用模块234、通信模块236、面部识别模块238、生物传感器模块240、用户数据文件242、用户验证模块252。存储在存储器230上的每个模块、文件和/或软件可以在由处理器220执行时为用户设备120提供功能。
O/S模块232可以具有存储在其上的一个或更多个操作系统。处理器220可以被配置为访问和执行存储在(O/S)模块232中的一个或更多个操作系统，以操作用户设备120的系统功能。如由操作系统管理的系统功能可以包括存储器管理、处理器资源管理、驱动程序管理、应用软件管理、系统配置等。操作系统可以是任何种类的合适的操作系统，包括但不限于 Linux、等。
应用模块234可以包含其上的指令和/或应用，该指令和/或应用可以由处理器220执行，以提供与用户设备120相关联的一个或更多个功能。这些指令和/或应用可以在某些方面与(O/S)模块232和/或用户设备120的其它模块交互。应用模块234可以具有存储在其上的指令、软件和/或代码，该指令、软件和/或代码可以由处理器220启动和/或执行，以执行一个或更多个应用及与其相关联的功能。这些应用可以包括但不限于诸如网页浏览、商务、通信、图形、文字处理、出版、电子表格、数据库、游戏、教育、娱乐、媒体、项目规划、工程、制图或它们的组合的功能。
通信模块236可以具有存储在其上的指令，当由处理器220执行时，该指令使得用户设备120能够提供各种通信功能。在一个方面，处理器220可以被配置为(通过执行存储在通信模块236中的指令)解调和/或解码由用户设备120经由天线204和无线电设备224接收到的通信信号。所接收到的通信信号还可以在其上承载音频、信标数据、握手、信息和/或其它数据。在另一方面，处理器220可以被配置为(通过执行来自至少通信模块236的指令)生成通信信号并经由无线电设备224和/或天线204发送该通信信号。处理器220可以编码和/或调制要由用户设备120发送的通信信号。
面部识别模块238可以具有存储在其上的指令，当由处理器220执行时，该指令使得用户设备120能够利用一种或更多种面部识别算法，以将由照相机206生成的一个图像与由照相机206生成的另一图像进行比较，以确定图像是否匹配或大体上匹配。例如，面部识别模块238可以包括用于将用户105的当前面部图像与用户105的历史面部模板进行比较以确定它们是否匹配或大体上匹配的指令。另外，面部识别模块238可以具有这样的指令，该指令用于：确定生物识别数据设备208在用户105的当前面部图像中的位置；聚焦在生物识别数据设备208的位置上；以及确定生物识别数据设备208是否包括在生物识别数据设备208的外部上的已知图案210。
生物传感器模块240可以具有存储在其上的指令，当由处理器220执行时，该指令使得用户设备120能够从诸如图2的耳塞208的生物识别数据设备208接收和评估生物识别传感器数据。在某些示例性实施方式中，生物传感器模块240可以(从用户数据文件242)存储和访问用户105的历史生物识别传感器数据。生物传感器模块240还可以从生物识别数据设备208接收生物识别传感器数据，并且可以确定生物识别传感器数据是否指示用户设备120处的真人(live person)。此外，生物传感器模块240可以将当前生物识别传感器数据与用户105的历史生物识别传感器数据进行比较，以确定数据是否可能源自同一用户105。例如，生物传感器模块240可以将来自用户105的当前心率数据与存储的用户105的历史心率数据进行比较，以确定是否存在匹配或大体上匹配。
用户验证模块252可以具有存储在其上的指令，当由处理器220执行时，该指令使得用户设备120能够在在线教育环境中进行用户授权和评估。用户验证模块252可以评估用户105是其声称的人的可能性，并且基于该评估，用户验证模块252可以允许或拒绝对在线教育环境的访问。此外，当由处理器220执行时，用户验证模块252可以通过对用户105进行额外的验证审查(verification review)来定期补充其验证审查。验证审查可以包括在线课堂环境中的设备验证、面部识别、生物识别数据评估和比较、以及用户分数评估。
用户数据文件242可以包括与可以访问在线教育环境100的一个或更多个用户105(例如，在用户设备120的多个用户105正访问在线教育环境的情况下)相关联的信息。用户数据文件242可以包括用户105的用户标识信息(例如，用户名、地址、电话号码、电子邮件地址、登录和密码信息)。用户数据文件242还可以包括面部模板文件246、设备ID文件248以及用户心率数据文件250。面部模板文件246可以包括用户105的面部模板，该面部模板可以被面部识别模块238用于与用户105的当前面部图像数据进行比较，并验证用户105是真实的。设备ID文件248可以包括在线教育环境中的用户设备120和/或与用户105相关联的任何设备的设备标识数据。用户心率数据文件250可以存储用户105的历史心率数据。可以由生物传感器模块240检索和比较历史心率数据，以确定历史心率数据是否与从生物识别数据设备208接收到的当前心率数据相匹配或大体上匹配。
应当理解，操作系统(O/S)模块232、应用模块234、通信模块236、面部识别模块238、生物传感器模块240以及用户验证模块252中存储的指令的功能可能存在交迭。事实上，上述模块232、234、236、238、240、252的功能可以在教育服务器110的框架下无缝地交互和协作。实际上，针对模块232、234、236、238、240、252中的任何一个描述的功能中的每一个都可以根据本公开的某些实施方式存储在任何模块232、234、236、238、240和252中。此外，在某些示例性实施方式中，可以存在包括在操作系统(O/S)模块232、应用模块234、通信模块236、面部识别模块238、生物传感器模块240以及用户验证模块252内描述的指令、程序和/或应用的单个模块。
图3是示出根据本公开的示例性实施方式的教育服务器110的示例性架构的简化框图。教育服务器110可以包括一个或更多个处理器300、I/O接口302、网络接口304、存储接口306以及存储器310。
在一些示例中，教育服务器110的处理器300可以以硬件、软件、固件或它们的组合的形式适当地实现。处理器300的软件或硬件实现可以包括以任何合适的编程语言编写的计算机可执行或机器可执行的指令，以执行描述的各种功能。处理器300的硬件实现可以被配置为执行计算机可执行或机器可执行的指令，以执行描述的各种功能。一个或更多个处理器300可以包括但不限于中央处理单元(CPU)、数字信号处理器(DSP)、精减指令集计算机(RISC)、复杂指令集计算机(CISC)、片上系统(SoC)、微处理器、微控制器、现场可编程门阵列(FPGA)或它们的任何组合。教育服务器110还可以包括用于控制一个或更多个处理器300与教育服务器110的其它组件中的一个或更多个之间的通信的芯片组(未示出)。所述一个或更多个处理器300还可以包括一个或更多个专用集成电路(ASIC)、片上系统(SoC)或专用标准产品(ASSP)，用于处理特定数据处理功能或任务。在某些实施方式中，教育服务器110可以基于架构系统，并且所述一个或更多个处理器300以及芯片组可以来自处理器和芯片组系列(诸如处理器系列)。
一个或更多个I/O设备接口302可以使得能够使用一个或更多个(I/O)设备或用户接口(诸如键盘和/或鼠标)。网络接口302可以允许教育服务器110经由一个或更多个网络130和/或经由其它合适的通信信道进行通信。例如，教育服务器110可以被配置为与存储的数据库、其它计算设备或服务器、用户终端、或者网络130上的其它设备进行通信。存储接口306可以使得教育服务器110能够将信息(诸如，图像(例如，面部模板)、生物识别传感器数据(例如，心率数据)、用户数据(例如，学生信息、登录和密码)、在线教育环境100的大量用户105的学习成绩(academic)记录和/或用户设备及生物识别数据设备标识信息等)存储在存储设备中。
存储器310可以包括一个或更多个易失性存储设备和/或非易失性存储设备，包括但不限于磁储存设备、只读存储器(ROM)、随机存取存储器(RAM)、动态RAM(DRAM)、静态RAM(SRAM)、同步动态RAM(SDRAM)、双倍数据速率(DDR)SDRAM(DDR-SDRAM)、RAM-BUS DRAM(RDRAM)、闪存设备、电可擦可编程序只读存储器(EEPROM)、非易失性RAM(NVRAM)、通用串行总线(USB)可移动存储器或它们的组合。
存储器310可以存储可在处理器300上加载并执行的程序指令，以及在执行这些程序期间生成或接收的数据。更详细地转到存储器310的内容，存储器310可以包括一个或更多个操作系统(O/S)模块312、应用模块314、图像模块316、面部识别模块318、生物传感器模块320、设备确认模块334、用户验证模块336和/或用户数据332。模块、数据和/或软件中的每一个在由处理器300执行时可以为教育服务器110提供功能。模块、数据和/或软件可以对应于或可以不对应于存储器310中的物理位置和/或地址。换句话说，模块312、314、316、318、320,、334和336中的每一个的内容可以彼此不被分隔开，并且实际上可以存储在存储器310中的至少部分交错的位置中。此外，虽然图3中的示例性实施方式将模块312、314、316、318、320、334和336呈现为是分隔开的，但在其它示例性实施方式中，这些模块的操作可以以任何方式组合到少于所示的7个模块中。例如，可以组合图像模块316和面部识别模块318的操作。在另一示例中，这些模块312、314、316、318、320、334和336的所有操作可以由单个模块完成。本文考虑了模块312、314、316、318、320、334和336的操作的任何其它组合和合并。
O/S模块312可以具有存储在其上的一个或更多个操作系统。处理器300可以被配置为访问和执行存储在(O/S)模块312中的一个或更多个操作系统，以操作教育服务器110的系统功能。如由操作系统管理的系统功能可以包括存储器管理、处理器资源管理、驱动程序管理、应用软件管理、系统配置等。操作系统可以是任何种类的合适的操作系统，包括但不限于 Linux、等。
应用模块314可以包含其上的指令和/或应用，该指令和/或应用可以由处理器300执行，以将与所提供的在线教育服务相关联的一个或更多个功能提供给多名用户105(例如，学生)。这些指令和/或应用可以在某些方面与(O/S)模块312和/或教育服务器110的其它模块交互。应用模块314可以具有存储于其上的指令、软件和/或代码，该指令、软件和/或代码可由处理器300启动和/或执行，以执行一个或更多个应用及与其相关联的功能。这些应用可以包括但不限于诸如网页浏览、商务、通信、图形、文字处理、出版、电子表格、数据库、游戏、教育、娱乐、媒体、项目策划、工程、制图或它们的组合的功能。
图像模块316可以具有存储在其上的指令，当由处理器300执行时，所述指令使得教育服务器110能够提供各种成像管理和/或图像处理相关功能。在一个方面，处理器300可以被配置为经由网络130或其它合适的通信链路从一个或更多个用户设备120接收一个或更多个图像。这些图像可以存储在存储器310和/或其它合适的数据库上。还可以通过执行存储在面部识别模块318和/或生物传感器模块320中的指令，由处理器300对这些图像进行进一步分析。
面部识别模块318可以具有存储在其上的指令，当由处理器300执行时，该指令使得教育服务器110能够利用一种或更多种面部识别算法，以将由用户设备120处的照相机206生成的图像与由照相机206生成的另一图像进行比较，以确定图像是否匹配或大体上匹配。该比较可以涉及各种合适的算法，并且在某些示例性实施方式中，该比较可以导致第一图像中第一像素簇和第二图像中第二像素簇中的特征的匹配的一定概率。在一些情况下，如果匹配的概率大于预定的阈值水平，则可以确定两个图像中的特征可以是匹配的。在一些情况下，由处理器500执行的此类特征匹配算法可以包括以下步骤确定与图像或其部分(例如，可以在第一图像和第二图像中进行比较的像素簇)相关联的各种参数的相关性和/或互相关性。可以在图像之间进行比较的示例性参数可以包括像素颜色、强度、亮度等。应当理解，虽然参照两个图像描述了定位系统和机构，但系统和算法可以扩展到任何数量的待比较和定位的接收图像。还应当理解，处理器500可以执行各种数学算法和/或统计算法，以识别和/或“确认”出现在一个以上图像中的特征。数学算法和/或统计算法可以涉及各种合适的技术(诸如图像像素的迭代比较)或其一部分，和/或用于隔离图像的特定像素的各种滤波技术(诸如阈值滤波)。
例如，面部识别模块318可以包括用于将用户105的当前面部图像与用户105的历史面部模板进行比较以确定它们是否匹配或者大体上匹配的指令。另外，面部识别模块318可以具有用于确定生物识别数据设备208在用户105的当前面部图像中的位置的指令。面部识别模块318可以聚焦生物识别数据设备208的位置并确定该生物识别数据设备208是否包括在其外部上的已知图案210。
生物传感器模块320可以具有存储在其上的指令，当由处理器300执行时，该指令使得教育服务器110能够从生物识别数据设备208(诸如图2的耳塞208)接收和评估生物识别传感器数据。在某些示例性实施方式中，生物传感器模块320可以(从用户设备120的用户数据文件322或用户数据文件242)存储和访问用户105的历史生物识别传感器数据。生物传感器模块320还可以从生物识别数据设备208接收生物识别传感器数据，并且可以确定该生物识别传感器数据是否指示用户设备120处的真人。此外，生物传感器模块320可以将当前生物识别传感器数据与用户105的历史生物识别传感器数据进行比较，以确定数据是否可能来自同一用户105。例如，生物传感器模块320可以将来自用户105的当前心率数据与存储的用户105的历史心率数据进行比较，以确定是否匹配或大体上匹配。
设备确认模块334可以具有存储在其上的指令，当由处理器300执行时，该指令使得教育服务器110能够从用户设备120接收设备标识信息，从已注册的设备ID文件328中检索存储的与用户105相关联的设备标识信息，并且将所存储的设备标识信息与所接收到的设备标识信息进行比较，以确定是否存在匹配。设备确认模块334能够确定包括与特定用户105相关联的用户设备120和生物识别数据设备208的那些设备。设备确认模块334还能够获得针对新设备的新设备标识信息和与已注册的设备ID文件328中的用户数据相关联的设备标识信息。另外，设备确认模块334可以能够识别出多个用户105之间共享的设备(诸如用户设备120或生物识别数据设备208)，使得用户验证模块336结合面部识别模块318和/或生物传感器模块320可以确定当前正使用该设备的特定用户105。
用户验证模块336可以具有存储在其上的指令，当由处理器300执行时，该指令使得教育服务器120能够在在线教育环境中进行用户授权和评估。用户验证模块336可以评估用户105是其声称的人的可能性，并且基于该评估，可以允许或拒绝对在线教育环境的访问。此外，当由处理器300执行时，用户验证模块336可以通过对用户105进行额外的验证审查来定期补充其验证。验证审查可以包括在线课堂环境中的设备验证、面部识别、生物识别数据评估和比较、以及用户分数评估。
用户数据文件322可以包括与一个或更多个用户(例如，可以访问由教育服务器110提供的在线教育环境的学生)相关联的信息。用户数据文件322可以包括可以访问在线教育环境的每个用户105的用户标识信息(例如，用户名、地址、电话号码、电子邮件地址、登录和密码信息)。用户数据文件322还可以包括面部模板文件324、历史心率数据文件326、已注册的设备ID文件328以及学习成绩记录文件330。面部模板文件324可以包括可以访问在线教育环境的每个用户105(例如，学生)的面部模板。另选地，面部模板文件324可以不包括用户105的实际面部模板，而是可以替代地包括代表存储在其各自用户设备120上的所存储的用户的面部模板的标记。面部模板可以被面部识别模块318用于与用户105的当前面部图像数据进行比较，并验证用户是真实的。历史心率数据文件326可以包括可以访问在线教育环境的用户105的历史心率数据。另选地，历史心率数据文件326可以不包括用户105的实际历史心率或其它生物识别数据，而是可以替代地包括代表存储在其各自用户设备120上的用户105的历史心率数据或其它生物识别数据的标记。可以由生物传感器模块320对历史心率数据进行检索和比较，以确定历史心率数据是否与从生物识别数据设备208接收到的当前心率数据相匹配或大体上匹配。
设备ID文件248可以包括与在线教育环境中的用户105相关联的每个设备(例如，用户设备和生物识别数据设备)的设备标识数据。用户验证模块336可以利用设备确认模块334来将所接收到的设备标识数据同与用户105相关联并且存储在已注册的设备ID文件328中的设备标识数据进行比较，以确定匹配是否存在以及用户105当前所使用的设备是否是用户105预期使用的设备。
学习成绩记录文件330可以包括可以访问在线教育环境的每个用户和先前用户(例如，学校的每个当前和先前学生)的学习成绩记录。在一个示例性实施方式中，学习成绩记录文件330中的数据可以包括用户标识信息、测验和测试分数、用户之前和当前参加的课程、用户年级、用户105参与的模块或课时、用户105试过的复习题、用户105参加的实验、用户105参加的学习单元和讨论组及所讨论的内容等。
应当理解，操作系统(O/S)模块312、应用模块314、图像模块316、面部识别模块318、生物传感器模块320、设备确认模块334和/或用户验证模块336中存储的指令的功能可能存在交迭。事实上，上述模块312、314、316、318、320、334以及336的功能可以在教育服务器110的框架下无缝地交互和协作。实际上，针对模块312、314、316、318、320、334和336中的任何一个描述的功能中的每一个都可以根据本公开的某些实施方式存储在任何模块312、314、316、318、320、334和336中。此外，在某些示例性实施方式中，可以存在包括在操作系统(O/S)模块312、应用模块314、图像模块316、面部识别模块318、生物传感器模块320、设备确认模块334和/或用户验证模块336内描述的指令、程序和/或应用的单个模块。
图4是示出根据本公开的某些示例性实施方式的用于接收和存储用于实时用户验证的用户特定图像、设备和生物识别数据的示例性方法400的流程图。该方法400可以由教育服务器110及其上的处理器300来执行。现参照图1至图4，示例性方法400起始于开始块并进行到块402，其中，教育服务器110接收在在线课程供应商的网站处注册或更新用户信息的请求。例如，经由用户设备120，用户110可以经由网络130访问与教育服务器110相关联的在线课程网站，以请求注册或以其它方式提供用户验证信息的机会。
在块404处，处理器300可以生成或以其它方式从存储器310检索用于提供用户验证信息的注册模版。在块406处，教育服务器110的处理器300可以经由网络接口226通过网络130来发送，以进行显示或以其它方式提供用户设备120对注册模板的访问。在块408处，教育服务器110可以接收在用户设备120处经由用户输入的用户信息数据。例如，用户信息数据可以包括但不限于用户名、地址、联系信息、社会保障号、学校标识号或任何其它唯一识别用户110的信息。处理器300可以便于接收用户信息数据，该用户信息数据然后可以储存在存储器310中。例如，用户信息数据可以存储在用户数据322中。
在块410处，教育服务器110经由在线课程网站可以通过在用户设备120处的用户输入来接收用户的登录和密码数据。例如，经由在线课程网站，处理器300可以接收登录和密码数据。处理器300可以指导用户设置应用314，以将用户信息与在块412处的用户登录信息和密码数据相关联。例如，应用314可以在用户数据322中存储与用户信息数据相关联的用户登录和密码信息。
在块414处，教育服务器110可以经由网络130从一个或更多个用户设备120接收用户设备标识信息(例如，设备ID)。例如，用户设备标识信息可以是从其它用户设备唯一识别用户设备120的一条或更多条信息。可以用于构成用户设备标识信息的信息类型的示例包括但不限于设备密码、操作系统名称、操作系统版本以及操作系统制造商。本领域技术人员将认识到，其它形式的设备指纹识别可以在此被替代为将用户设备信息提供给教育服务器110的部分。在块416处，处理器300可以指导用户设置应用314，以将用户信息与设备标识信息相关联。例如，在块418处，应用314可以将设备标识数据与用户信息数据一起存储在存储器310的用户数据文件322中。另选地，设备标识数据可以存储在用户设备120上。在该另选的实施方式中，例如，处理器220可以指导用户设置应用234，以将设备标识数据存储在存储器230的设备ID文件248中。然后，与设备标识数据相关联的标记可以由教育服务器110经由网络130接收、与用户信息相关联并存储在存储器310的已注册的设备ID文件328中。
在块420处，进行查询，以确定是否存在与用户信息相关联的另一设备。其它设备的示例包括：其它用户设备120(诸如，不同的个人计算机、膝上型计算机、平板电脑、笔记本等)和生物识别数据设备(例如，耳塞208、另一心率监测器、其它生物识别数据设备和传感器、照相机等)。在一个示例中，可以响应于来自在线课程网站的请求，基于附接到用户设备120的设备或者经由用户设备120处的用户输入，由处理器300来进行所述确定。如果另一设备的附加设备信息数据需要与用户相关联，则跟随“是”分支回到块414，否则跟随“否”分支进行到块422。
在块422处，生成用户105创建面部模板的请求，以在用户设备120上显示。在一个示例中，处理器300经由用户验证模块336可以生成或访问存储的来自存储器310的请求的副本，并且网络接口304可以经由网络130将该请求发送到用户设备120。在块424处，可以从用户设备120的照相机206接收用户的图像数据。在块426处，可以基于所接收到的用户图像数据来生成用户的面部模板。在面部模板数据将不存储在教育服务器110处的示例性实施方式中，处理器220可以利用用户设备处的用户验证模块252来生成面部模板数据。在面部模板数据将被存储在教育服务器110处的示例性实施方式中，处理器300经由用户验证模块252可以接收用户图像数据并生成用户105的面部模板。
在块428处，处理器220或300可以分别利用用户验证模块252和336来将用户的面部模板数据与用户信息相关联。在块430处，用户105的面部模板可以被本地存储在用户设备120上的面部模板文件246中，并且加密并作为标记存储在教育服务器110的面板模板文件324中。然后，该过程可以继续到结束块。
图5A和图5B是示出根据本公开的某些示例性实施方式的用于在在线教育环境中连续进行实时用户验证的示例性方法500的流程图。该方法500可以由教育服务器110及其上的处理器300来执行。现参照图1至图3和图5A至图5B，示例性方法500起始于开始块并进行到块502，其中，教育服务器110从用户设备120处的用户105接收登录请求。例如，经由用户设备120，用户105可以经由网络130访问与教育服务器110相关联的在线课程网站，以提出登录请求，以便访问在线课程信息(例如，在线课堂、测验、实验、练习题、帮助会话、测试等)。在块504处，接收用户105的登录信息。例如，用户105可以在在线课程网站的期望位置从用户设备120输入登录信息(例如，登录名和密码)。登录信息可以经由网络130由教育服务器110接收。在块506处，教育服务器110的处理器300利用用户验证模块336来确定与登录信息相关联的用户。例如，用户验证模块336可以将登录信息与存储在用户数据文件322中的多个用户的登录信息进行比较，以确定是否存在匹配，并且基于匹配的登录信息来确定用户。
在块508处，处理器300利用用户验证模块336来访问匹配的用户105的用户信息数据。例如，用户信息数据可以包括与用户105相关联的实际设备标识信息、用户105的面部模板以及用户105的生物识别数据。另选地，用户信息数据可以包括与设备标识信息、用户105的面部模板及生物识别数据相关联的一个或更多个标记，并且实际数据可以储存在用户设备120上。
在块510处，教育服务器110可以经由网络130从用户设备120接收设备标识信息。在一个示例中，设备标识信息可以是设备ID。在某些示例性实施方式中，可能并未接收到用户登录信息(例如，登录名和密码)，因为这些信息可能并未被视为是必要的，并且识别用户、用户的面部模板和/或用户的历史生物识别数据可以基于对设备标识信息而不是用户登录信息的评估。因此，参考用户识别信息可以包括如下各项中的一个或更多个：设备标识信息、用户登录信息或唯一标识用户105的任何其它信息。在块512处，进行查询，以确定设备标识信息是否与存储的用户的设备标识信息相匹配。教育服务器110的处理器300可以利用用户验证模块336来将所接收到的设备标识信息与存储的用户105的设备标识信息进行比较，以确定是否存在匹配。在在用户设备120处进行评估的另选实施方式中，用户设备120的处理器220可以利用用户验证模块252来将用户设备120的当前设备标识信息与存储的用户105的设备标识信息进行比较，以确定是否存在匹配。在存在诸如膝上型计算机120和耳塞208的多个设备的示例性实施方式中，可以针对每个设备接收设备标识信息并且可以针对每个设备进行评估，以确定是否存在匹配。如果设备标识信息与存储的用户的设备标识信息并不匹配，则跟随“否”分支进行到图5B的块584。在某些情况下，用户105可以更换设备，而无需进行注册新用户设备120或附属设备(例如，生物识别数据设备208)的过程。例如，如果生物识别数据设备(例如，耳塞208)无法使用，则用户105可以采购新的耳塞208。同样，用户105可以更换他们正在使用的用户设备120(例如，台式计算机、膝上型计算机、平板电脑、笔记本计算机、网络支持电视、视频游戏控制台、个人数字助理(PDA)、智能手机等)的类型。如果可以以其它方式验证用户的身份，则可能有益的是(从客户服务角度来看)，无需用户105再回来进行图4中所描述的设备注册过程。在块584中，进行查询，以确定面部识别和/或心率数据是否与由登录信息识别出的用户相匹配。在一个示例性实施方式中，可以由用户验证模块336来进行所述确定，并且关于面部识别匹配和心率数据匹配的确定可以如图5A至图5B的其它部分所描述的来完成。如果面部识别和/或心率数据与由登录信息识别出的用户并不匹配，则跟随“否”分支进行到块580，否则跟随“是”分支进行到块586。
在块586中，如图4中所描述的，可以从新用户设备/生物识别数据设备接收该新用户设备/生物识别数据设备的新用户设备标识信息。在块588中，新用户设备标识信息可以与用户的用户信息相关联并且以与图4中所描述的方式大体上相同的方式进行存储。然后，该过程可以继续到图5A的块514。
返回块512的查询，如果设备标识信息确实匹配所存储的设备信息，则可以跟随“是”分支回到块514。在块514处，从用户设备120的照相机206接收当前用户面部图像数据。在一个示例性实施方式中，由用户设备120的用户验证模块252接收当前用户面部图像数据。然而，在将在教育服务器110处进行面部识别评估的情况下，处理器300可以利用用户验证模块336来经由网络130从用户设备120接收当前用户面部图像数据。
在块516处，将当前用户面部图像数据与储存的用户105的面部模板进行比较。在比较发生在用户设备120处的示例性实施方式中，处理器220可以利用用户验证模块252来从面部模板文件246接收用户的面部模板，并且可以利用面部识别模块238来确定当前用户面部图像数据是否足够接近面部模板以被认为相匹配。在比较发生在教育服务器110处的示例性实施方式中，处理器300可以利用用户验证模块336来从面部模板文件324接收用户的面部模板，并且可以利用面部识别模块318来进行比较并确定当前用户面部图像数据是否足够接近面部模板以被认为相匹配。本领域技术人员应认识到面部识别软件和用于匹配的算法是公知的，因此，无需对如何确定匹配进行详细描述。
在块518处，进行查询，以确定当前用户面部图像数据是否与存储的用户的面部模板相匹配。如上所述，在某些示例性实施方式中，可以由面部识别模块318或面部识别模块238来进行确定。如果当前用户面部图像数据与存储的用户的面部模板不匹配，则跟随“否”分支进行到块520，其中，处理器300利用用户验证模块336来生成通知。在一个示例性实施方式中，所述通知可以是当前用户面部图像与存储的该用户的面部模板不匹配。可以发送该通知以显示给用户设备120处的用户105。另外，该通知可以与用户数据相关联并且可以存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。在另一示例性实施方式中，可以给予用户105特定数量的机会来获得面部识别匹配。在这种情况下，可以发送通知以显示给用户，并且可以通知用户匹配失败并要求用户确保他们位于照相机206正前方，并且没有遮挡照相机206的视野。然后，该过程可以进行到块514或块582。
返回到块518处的查询，如果当前用户面部图像数据确实与储存的面部模板相匹配，则跟随“是”分支进行到块522。在块522中，处理器300利用用户验证模块336来基于例如接收到的针对生物识别数据设备208的设备识别数据识别用户110所使用的生物识别数据设备208的已知图案。在一个示例性实施方式中，生物识别数据设备208是耳塞，并且已知图案如210所示。然而，其它生物识别数据设备(如上所述)和其它已知图案210可用以替代。在某些示例性实施方式中，用户验证模块336可以从存储器310获得已知图案。另选地，在针对已知图案210的评估发生在用户设备120处的情况下，处理器220利用用户验证模块252来识别用户110所使用的生物识别数据设备208的已知图案。在某些示例性实施方式中，用户验证模块252可以从存储器230或310获得已知图案。
在块524处，面部识别模块238或面部识别模块318可以使用已知的面部识别算法来从当前用户面部图像数据识别出生物识别数据设备208所在的区域。在生物识别数据设备208是耳塞208的示例性实施方式中，特定模块将识别当前用户面部图像数据中用户的耳部区域用于分析，以确定是否可以定位已知图案。
在块526处，将生物识别数据设备208的已知图案210与当前用户面部图像数据的区域进行比较，以确定在当前用户面部图像数据中是否识别出已知图案210。在所述评估在用户设备120处进行的示例性实施方式中，处理器220可以利用用户验证模块252和面部识别模块238来评估当前用户面部图像数据，以使用一种或更多种已知面部识别算法来确定是否存在已知图案210的一个或更多个实例。例如，如果生物识别数据设备是耳塞208，则用户验证模块252可以确定已知图案210的两个实例应是可见的(例如，靠近用户105的每只耳朵的每个耳塞上的实例)。一旦完成比较，处理器220就可以利用用户验证模块252来生成给教育服务器110的用户验证模块336的具有比较结果的通知。虽然所提供的示例性实施方式描述了两个实例，但实例的数量可以更少或更多。在所述评估在教育服务器110处进行的示例性实施方式中，处理器300可以利用用户验证模块336和面部识别模块318来评估当前用户面部图像数据，以使用一种或更多种已知的面部识别算法来确定是否存在已知图案210的一个或更多个实例。
在块528处，进行查询，以确定在生物识别数据设备208上是否识别出一个或更多个已知图案210。如果在当前用户面部图像数据中未识别出已知图案210，则跟随“否”分支进行到块530，其中，处理器300利用用户验证模块336来生成在用户设备120上显示的、用户戴上/摘下生物识别数据设备208和/或设备208上的已知图案210的请求。然后，该过程返回到块514，以接收更新后的当前用户面部图像数据。
返回到块528，如果在当前用户面部图像数据中识别出已知图案210，则跟随“是”分支回到块532，其中，经由生物识别数据设备208接收针对用户的生物识别数据。在一个示例中，生物识别数据设备是耳塞208，其包含心率传感器212，该心率传感器212在佩戴时可以接收和传递用户105的心率。虽然图5A和图5B的讨论的其余部分将描述关于心率数据的生物识别数据分析，但如上所述的其它生物识别数据可以在所公开的方法中用以替代。在一个示例性实施方式中，由用户设备120处的用户验证模块252来接收心率数据。在另一示例性实施方式中，用户105的心率数据经由网络130由用户设备120发送到教育服务器110，其中，用户验证模块336接收心率数据用以进行评估。
在块534处，进行查询，以确定所接收到的用户的心率数据是否指示是真人。在所述评估在用户设备120处进行的一个示例性实施方式中，用户验证模块252利用生物传感器模块240来针对已知图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。一旦完成评估，处理器220就可以利用用户验证模块252来经由在线课程网站将指示评估结果的通知发送至教育服务器110处的用户验证模块336。另选地，在所述评估在教育服务器110处进行的示例性实施方式中，用户验证模块336利用生物传感器模块320来针对已知心率图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。如果所接收到的心率数据并非指示是真人，则跟随“否”分支进行到块536，其中，处理器300利用用户验证模块336来生成显示在用户设备120上的心率数据并非指示是真人的通知并且请求用户105恰当地塞入耳塞208用于进行心率分析。然后，该过程可以返回到块532。另外或者另选地，该通知可以与用户数据相关联并存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。
返回到块534，如果所接收到的心率数据指示是真的用户，则跟随“是”分支回到块538，其中，处理器300利用用户验证模块336来验证用户105是真实的。在块540处，所接收到的心率数据可以与用户105的用户信息相关联并且可以存储用于后续评估和比较。例如，在心率数据保持在用户设备120处的示例性实施方式中，处理器220可以利用用户验证模块252来将心率数据与用户105相关联并将心率数据存储在用户心率数据文件205中。在心率数据保持在教育服务器处的示例性实施方式中，处理器300可以利用用户验证模块336来将心率数据与用户105相关联并将心率数据存储在历史心率数据文件326中。
然后，处理器300可以利用用户验证模块336来在块542提供或继续提供用户105经由用户设备120和网络130访问期望的教育信息。
在块544处，进行查询，以确定自检查用户105的验证时起是否已经过去了预定的时间量。该预定的时间量可以是从1秒到120分钟之间的任何时间，并且可以基于在线机构想要重新验证和重新认证用户105的频率或者基于用户105已主动参与课程内容且尚未被替换的概率下系统的可信度来配置。在一个示例性实施方式中，可以由教育服务器110的用户验证模块336来进行关于是否已经经过预定的时间量的确定。另选地，代替使用预定的时间量来触发何时重新验证用户，该触发可以基于随机采样或基于用户105采取特定行动的时间(例如，请求进行针对课程的测试/测验、请求回答问题或完成针对课程的作业等)。在其它另选实施方式中，重新验证用户105的触发可以基于由生物传感器模块320进行的确定，该确定为针对用户105接收到的心率数据大体上不同于历史心率数据，并且可以是其他人已替换用户设备120处的用户105的指示。如果尚未经过预定的时间量，则跟随“否”分支回到块544。另一方面，如果已经经过预定的时间量，则跟随“是”分支进行到块546。
在块546处，从用户设备120的照相机206接收当前用户面部图像数据。在一个示例性实施方式中，由用户设备120的用户验证模块252接收当前用户面部图像数据。然而，在面部识别评估将在教育服务器110处进行的情况下，处理器300可以利用用户验证模块336来经由网络130从用户设备120接收当前用户面部图像数据。
在块548处，将当前用户面部图像数据与存储的用户105的面部模板进行比较。在所述比较发生在用户设备120处的示例性实施方式中，处理器220可以利用用户验证模块252来从面部模板文件246接收用户105的面部模板，并且可以利用面部识别模块238来确定当前用户面部图像数据是否足够接近面部模板以被认为相匹配。在所述比较发生在教育服务器110处的示例性实施方式中，处理器300可以利用用户验证模块336来从面部模板文件324接收用户105的面部模板，并且可以利用面部识别模块318来比较和确定当前用户面部图像数据是否足够接近用户105的面部模板以被认为相匹配。
在块550处，进行查询，以确定当前用户面部图像数据是否与存储的用户105的面部模板相匹配。如上所述，在某些示例性实施方式中，可以由面部识别模块318或面部识别模块238来进行所述确定。如果当前用户面部图像数据与存储的用户105的面部模板不匹配，则跟随“否”分支进行到块552，其中，处理器300利用用户验证模块336来生成通知。在一个示例性实施方式中，该通知可以是当前用户面部图像与存储的用户105的面部模板并不匹配。可以发送该通知以显示给用户设备120处的用户105。另外，该通知可以与用户105的用户数据相关联并且存储在用户数据文件322中和/或发送至在线教育机构的预定成员，用于进行进一步欺诈评估。在另一示例性实施方式中，可以给予用户105特定数量的机会来获得面部识别匹配。在这种情况下，可以发送通知以显示给用户105，并且可以通知用户105匹配失败并要求用户105确保他们位于照相机206正前方，并且没有遮挡照相机206的视野。然后，该过程进行到块546或块582。
返回到块550处的查询，如果当前用户面部图像数据确实与储存的面部模板相匹配，则跟随“是”分支进行到块554。在块544中，处理器300利用用户验证模块336来基于例如接收到的针对生物识别数据设备208的设备识别数据识别用户105所使用的生物识别数据设备208的已知图案。在一个示例性实施方式中，生物识别数据设备208是耳塞，并且已知图案如210所示。然而，其它生物识别数据设备(如上所述)和其它已知图案210可用以替代。在某些示例性实施方式中，用户验证模块336可以从存储器310获得已知图案。另选地，在针对已知图案210的评估发生在用户设备120处的情况下，处理器220利用用户验证模块252来识别用户105所使用的生物识别数据设备208的已知图案。在某些示例性实施方式中，用户验证模块252可以从存储器230或310获得已知图案。
在块556处，面部识别模块238或面部识别模块318可以使用已知的面部识别算法来从当前用户面部图像数据识别出生物识别数据设备208所在的区域。在生物识别数据设备208是耳塞208的示例性实施方式中，特定模块将识别当前用户面部图像数据中用户105的耳部区域用于分析，以确定是否可以定位已知图案。
在块558处，将生物识别数据设备208的已知图案210与当前用户面部图像数据的区域进行比较，以确定在当前用户面部图像数据中是否识别出已知图案210。在所述评估在用户设备120处进行的示例性实施方式中，处理器220可以利用用户验证模块252和面部识别模块238来评估当前用户面部图像数据，以使用一种或更多种已知面部识别算法来确定是否存在已知图案210的一个或更多个实例。例如，如果生物识别数据设备是耳塞208，则用户验证模块252可以确定已知图案210的两个实例应是可见的(例如，靠近用户105的每只耳朵的每个耳塞上的实例)。一旦完成比较，处理器220就可以利用用户验证模块252来生成给教育服务器110的用户验证模块336的具有比较结果的通知。在所述评估在教育服务器110处进行的示例性实施方式中，处理器300可以利用用户验证模块336和面部识别模块318来评估当前用户面部图像数据，以使用一种或更多种已知的面部识别算法来确定是否存在已知图案210的一个或更多个实例。
在块560处，进行查询，以确定在生物识别数据设备208上是否识别出一个或更多个已知图案210。如果在当前用户面部图像数据中未识别出已知图案210，则跟随“否”分支进行到块562，其中，处理器300利用用户验证模块336来生成在用户设备120上显示的、用户105戴上/摘下生物识别数据设备208和/或设备208上的已知图案210的请求。然后，该过程返回到块546，以接收更新后的当前用户面部图像数据。
返回到块560，如果在当前用户面部图像数据中识别出已知图案210，则跟随“是”分支进行到块564，其中，经由生物识别数据设备208接收针对用户105的诸如心率数据的生物识别数据。在一个示例性实施方式中，由用户设备120处的用户验证模块252来接收心率数据。在另一示例性实施方式中，用户105的心率数据由用户设备120经由网络130发送到教育服务器110，其中，用户验证模块336接收心率数据用以进行评估。
在块566处，进行查询，以确定所接收到的用户105的心率数据是否指示是真人。在所述评估在用户设备120处进行的一个示例性实施方式中，用户验证模块252利用生物传感器模块240来针对已知图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。一旦完成评估，处理器220就可以利用用户验证模块252来经由在线课程网站将指示评估结果的通知发送至教育服务器110处的用户验证模块336。另选地，在所述评估在教育服务器110处进行的示例性实施方式中，用户验证模块336利用生物传感器模块320来针对已知心率图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。如果所接收到的心率数据并非指示是真人，则跟随“否”分支进行到块568，其中，处理器300利用用户验证模块336来生成显示在用户设备120上的心率数据并非指示是真人的通知并且请求用户105恰当地塞入耳塞208用于进行心率分析。然后，该过程可以返回到块532。另外或者另选地，该通知可以与用户105的用户数据相关联并且存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。
返回到块566，如果所接收到的心率数据指示是真的用户105，则跟随“是”分支进行到块570，其中，检索存储的用户105的心率数据用于比较。在一个示例性实施方式中，用于比较的存储的心率数据是针对用户105接收到的最近的心率数据。在某些示例性实施方式中，在用户设备120处进行所述比较，并且处理器利用用户验证模块252来从用户心率数据文件250中检索存储的心率数据。在其它示例性实施方式中，由教育服务器来完成所述比较并且处理器300利用用户验证模块336来从历史心率数据文件326中检索存储的用户105的心率数据。
在块572处，将在块564处接收到的心率数据与存储的用户105的心率数据进行比较，以确定心率数据是否与存储的心率数据相匹配和/或大体上匹配。在所述比较在用户设备120处完成的示例性实施方式中，处理器220可以利用生物传感器模块240来将心率数据与存储的心率数据进行比较，以使用已知的匹配算法来确定是否存在匹配或大体上匹配，并且可以生成经由网络130给教育服务器110的用户验证模块336的提供比较结果的通知。在所述比较在教育服务器110处完成的示例性实施方式中，处理器300可以利用生物传感器模块320来将心率数据与存储的心率数据进行比较，以使用已知的匹配算法来确定是否存在匹配或大体上匹配。用户105的最近的先前心率数据与当前心率数据之间的匹配或大体上匹配的缺失可以指示用户105已改变或者正试图通过提供人造数据绕过实时用户验证系统。
在块574处，进行查询，以确定心率数据与存储的用户105的心率数据是否匹配或大体上匹配。如果心率数据与储存的心率数据匹配或大体上匹配，则跟随“是”分支进行到块576，其中，处理器300利用用户验证模块336来验证用户105。然后，该过程返回到图5A的块540。
返回到块574，如果心率数据与存储的用户105的心率数据不匹配或大体上不匹配，则“否”分支进行到块578，其中，处理器300利用用户验证模块336来生成显示在用户设备120上的心率数据与用户105的先前心率数据不匹配或大体上不匹配的通知。另外，可以向用户105提供预定次数的尝试，以通过进一步将心率数据与储存的心率数据进行比较来改正问题。另外或另选地，在块580处，该通知可以与用户数据相关联并且存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。在块582处，处理器300可以利用用户验证模块336来防止用户105进一步访问所期望的在线课程信息。然后，该过程继续到结束块。
图6是示出根据本公开的某些示例性实施方式的用于在线教育环境中的用户成功的预测分析的示例性方法600的流程图。该方法600可以由教育服务器110及其上的处理器300来执行。该示例性方法600可以与图4、图5A和图5B中所描述的方法相结合或分开进行。现参照图1至图3和图6，示例性方法600起始于开始块并进行到块602，其中，教育服务器110的处理器300识别用户105正在进行的课程。例如，处理器300可以利用用户验证模块336并确定该用户105即将进行特定课程中的测试/测验。
在块604处，处理器300可以利用用户验证模块336来识别用户105已查看所识别出课程的课程教材的时间量。例如，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定用户105已查看课程的课程教材(例如，讲座、实验、讨论课和讨论板等)的量和/或时间量。在块606处，处理器300可以利用用户验证模块336来识别针对在查看所识别出的课程的课程讲义期间提供的练习题、练习测试及问题的用户的成功率(例如，正确百分比)。例如，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定用户针对课程的练习测试和练习题的成功率。在块608处，处理器可以利用用户验证模块336来识别用户105先前针对课程的测验所获得的分数。在一个示例性实施方式中，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定课程中用户的先前测验分数。
在块610处，处理器300可以利用用户验证模块336来基于识别出的用户105已查看课程教材的量和/或时间量(用户105进行课堂授课或课后复习期间的练习题、练习测试及问题的成功率，以及用户105在课程中进行的先前测验的成功率)建立用户105在所识别出的课程的当前测试中的表现情况的预测模型。可以使用许多不同的已知形式的机器学习来构建基于上述因素的预测模型。在某些示例性实施方式中，在构建预测模型的过程中可以包括少于全部的变量或附加的变量。在一个示例性实施方式中，用户在测试中的成功的预测模型可以包括预期用户105在当前测试中获得的分数范围。
在块612处，经由在线课程网站向用户105提供对测试的访问。在一个示例性实施方式中，处理器300可以利用用户验证模块336来实时监控用户在当前测试中的成功(例如，分数)或者可以仅评估在用户105已完成当前测试之后的用户的成功。在块614处，用户验证模块336可以接收用户105的当前测试结果。如上所述，该结果可以仅表示当前测试的一部分或当前测试的整体。
在块616处，进行查询，以确定测试结果是否在用户105的课程的预测模型范围之内。在一个示例性实施方式中，可以由用户验证模块336来进行所述确定，并且所述确定可以基于测试结果与由预测模型提供的分数范围的比较。如果测试结果在分数的预测模型范围内，则跟随“是”分支进行到结束块，否则，跟随“否”分支进行到块618。例如，预测模型可以基于所提供的变量预测用户105将在测试中获得70-82之间的分数。如果用户105在测试的全部或部分中获得98分，则可能意味着存在发生欺诈行为的可能性。
在块618处，处理器300可以利用用户验证模块336来生成用户在测试中的分数是异常的(例如，在可能测试分数的预测模型范围的边界之外)的通知。在块620处，该通知可以由教育服务器110发送给在线教育机构的预定成员，用于进行进一步欺诈评估。该通知也可以被发送以显示给用户设备120处的用户105。另外或另选地，该通知可以与用户数据相关联并且存储在用户数据文件322中。然后，方法600可以进行到结束块。
图7是示出根据本公开的某些示例性实施方式的用于在在线教育环境中确定何时进行实时用户验证的示例性方法700的流程图。该方法700可以由教育服务器110及其上的处理器300执行。该示例性方法700可以与图4至图6中描述的方法相结合或分开进行。现参照图1至图3和图7，示例性方法700起始于开始块并进行到块702，其中，教育服务器110的处理器300识别用户105正在进行的课程。例如，处理器300可以利用用户验证模块336并确定该用户105即将进行特定课程中的测试/测验或回答一组问题。
在块704处，处理器300可以利用用户验证模块336来识别用户105已查看所识别出课程的课程教材的量和/或时间量。例如，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定用户105已查看课程的课程教材(例如，讲座、实验、讨论课和讨论板等)的量和/或时间量。在块706处，处理器300可以利用用户验证模块336来识别针对在查看所识别出的课程的课程讲义期间提供的练习题、练习测试及问题的用户的成功率(例如，正确百分比)。例如，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定用户针对课程的练习测试和练习题的成功率。在块708处，处理器可以利用用户验证模块336来识别用户105针对课程的测验所获得的先前分数。在一个示例性实施方式中，用户验证模块336可以评估学习成绩记录文件330中针对用户105的记录，以确定该课程中用户的先前测验分数。
在块710处，处理器300可以利用用户验证模块336来基于识别出的用户105已查看课程教材的量和/或时间量(用户105在进行课堂授课或课后复习期间所提供的练习题、练习测试及问题的成功率，以及用户105在课程中进行的先前测验的成功率)生成用户105在所识别出的课程的当前测试/测验/问题集中的表现情况的概率分数。可以使用许多不同的已知形式的机器学习来构建基于上述因素的概率分数。在某些示例性实施方式中，在构建概率分数的过程中可以包括少于全部的变量或附加的变量。在一个示例性实施方式中，用户在测试/测验/问题集中的成功的概率分数可以包括预期用户105在当前测试/测验/问题集中获得的分数范围。
在块712处，经由在线课程网站向用户105提供对测试/测验/问题集的访问。在一个示例性实施方式中，处理器300可以利用用户验证模块336来实时监控用户在当前测试/测验/问题集中的成功(例如，分数)或者可以仅评估在用户105已完成当前测试/测验/问题集之后的用户的成功。在块714处，用户验证模块336可以接收用户105的当前分数结果。如上所述，该结果可以仅表示当前测试/测验/问题集的一部分或其整体。
在块716处，进行查询，以确定实际结果是否满足或者是否超出用户105的针对特定课堂作业的阈值概率分数。在一个示例性实施方式中，可以由用户验证模块336来进行所述确定，并且所述确定可以基于实际结果与生成的阈值概率分数的比较。如果实际结果大于或等于阈值概率分数，则跟随“否”分支进行到结束块。否则，跟随“是”分支进行到块718。例如，概率分数可以基于所提供的变量预测用户105在测试/测验/问题集中得分不应低于80分。如果用户105在测试/测验/问题集的全部或部分中获得75分，则可能意味着用户105应接受附加的用户验证检查并且应当验证用户105佩戴着他们的耳塞208。
在块718处，进行查询，以确定用户105是否佩戴着他们的耳塞208和/或耳塞208和/或用户105是否能被照相机206观看到。在某些示例性实施方式中，可以由用户验证模块336来进行所述确定。如果用户105并未佩戴耳塞208或者它们不能被照相机206观看到或者用户105不能被照相机206观看到，则跟随“否”分支进行到块720，否则，跟随“是”分支进行到块722。
在块720处，处理器300利用用户验证模块336来生成在用户设备120上显示的、用户105戴上/摘下生物识别数据设备208和/或设备208上的已知图案210的请求。在块722处，经由耳塞208接收用户105的生物识别数据(诸如心率数据)。在一个示例性实施方式中，由用户设备120处的用户验证模块252来接收心率数据。在另一示例性实施方式中，由用户设备120将用户105的心率数据经由网络130发送到教育服务器110，其中，用户验证模块336接收心率数据用于进行评估。
在块724处，进行查询，以确定所接收到的用户105的心率数据是否指示是真人。在所述评估在用户设备120处进行的一个示例性实施方式中，用户验证模块252利用生物传感器模块240来针对已知图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。一旦完成评估，处理器220就可以利用用户验证模块252来经由在线课程网站将指示评估结果的通知发送至教育服务器110处的用户验证模块336。另选地，在所述评估在教育服务器110处进行的示例性实施方式中，用户验证模块336利用生物传感器模块320来针对已知心率图案评估所接收到的用户心率数据，以确定所接收到的心率数据是否指示是真人。如果所接收到的心率数据并非指示是真人，则跟随“否”分支进行到块726，其中，处理器300利用用户验证模块336来生成显示在用户设备120上的心率数据并非指示是真人的通知，并且请求用户105恰当地塞入耳塞208用于进行心率分析。然后，该过程可以返回到块722。另外或者另选地，该通知可以与用户105的用户数据相关联并存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。
返回到块724，如果所接收到的心率数据指示是真的用户，则跟随“是”分支进行到块728，其中，检索存储的用户105的心率数据用于比较。在一个示例性实施方式中，用于比较的存储的心率数据是针对用户105接收到的最近的心率数据。在某些示例性实施方式中，在用户设备120处进行所述对比，并且处理器220利用用户验证模块252来从用户心率数据文件250中检索存储的心率数据。在其它示例性实施方式中，由教育服务器110来完成所述比较，并且处理器300利用用户验证模块336来从历史心率数据文件326中检索存储的用户105的心率数据。
在块730处，将在块564处接收到的心率数据与存储的用户105的心率数据进行比较，以确定心率数据是否与存储的心率数据相匹配和/或大体上匹配。在所述比较在用户设备120处完成的示例性实施方式中，处理器220可以利用生物传感器模块240来将心率数据与存储的心率数据进行比较，以使用已知的匹配算法来确定是否存在匹配或者大体上匹配，并且可以生成经由网络130给教育服务器110的用户验证模块336的提供比较结果的通知。在所述比较在教育服务器110处完成的示例性实施方式中，处理器300可以利用生物传感器模块320来将心率数据与存储的心率数据进行比较，以使用已知的匹配算法来确定是否存在匹配或者大体上匹配。用户105的最近的先前心率数据与当前心率数据之间的匹配或大体上匹配的缺失可以指示用户105已改变或者正试图通过提供人造数据绕过实时用户验证系统。
在块732处，进行查询，以确定心率数据与存储的用户105的心率数据是否匹配或大体上匹配。如果心率数据与储存的心率数据匹配或大体上匹配，则跟随“是”分支进行到块734，其中，处理器300利用用户验证模块来验证用户105是真实的。然后，该过程继续到结束块。
返回到块732，如果心率数据与存储的用户105的心率数据不匹配或大体上不匹配，则跟随“否”分支进行到块736，其中，处理器300利用用户验证模块336来生成显示在用户设备120上的、心率数据与用户105的先前心率数据不匹配或大体上不匹配的通知。另外，可以向用户105提供预定次数的尝试，以通过进一步将心率数据与储存的心率数据进行比较来改正问题。另外或另选地，该通知可以与用户数据相关联并存储在用户数据文件322中和/或发送给在线教育机构的预定成员，用于进行进一步欺诈评估。
例如，本文所描述的实施方式可以使用硬件、软件和/或固件来实现，以执行本文所描述的方法和/或操作。可以提供本文所描述的某些实施方式作为存储机器可执行指令的一个或更多个有形机器可读介质，如果由机器执行，则该指令使得机器执行本文所描述的方法和/或操作。有形机器可读介质可以包括但不限于任何类型的盘，包括软盘、光盘、只读光盘存储器(CD-ROM)、可重写光盘(CD-RW)以及磁光盘、半导体设备(诸如只读存储器(ROM))、随机存取存储器(RAM)(诸如动态和静态RAM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、闪存、磁卡或光卡、或者适于存储电子指令的任何类型的有形介质。机器可以包括任何合适的处理或计算平台、设备或系统，并且可以使用硬件和/或软件的任何合适的组合来实现。指令可以包括任何合适类型的代码，并且可以使用任何合适的编程语言来实现。在其它实施方式中，用于执行本文所描述的方法和/或操作的机器可执行的指令可以在固件中被具体实施。另外，在某些实施方式中，可以形成专用计算机或特定机器，以识别激活的输入元件并处理标识。
本文已经描述了各种特征、方面以及实施方式。如本领域技术人员将理解的，所述特征、方面以及实施方式易于相互结合、变化和修改。因此，本公开应被认为包括这样的组合、变化和修改。
本文中所使用的术语和表达是用作描述性而非限制性的术语，并且在这类术语和表达的使用中不意图排除所示和所描述的特征的任何等同特征(或其部分)，并且认为在权利要求的范围内可以进行各种修改。其它修改、变化和替换也是可能的。因此，权利要求旨在覆盖所有这样的等同物。
尽管已经结合目前认为是最实用的内容和各种实施方式描述了本发明的某些实施方式，但是应当理解，本发明不限于所公开的实施方式，相反，旨在覆盖权利要求范围内所包括的各种修改和等同布置。虽然本文使用了特定术语，但是它们仅在通用或描述性意义上使用而不是用于限制目的。
该书面描述使用示例来公开某些示例性实施方式，包括优选实施方式，并且还使得任何本领域技术人员能够实现本发明的某些实施方式，包括制备和使用任何设备或系统并且执行任何并入的方法。本发明的某些实施方式的可专利范围由权利要求限定，并且可以包括本领域技术人员所能想到的其它示例。如果这些其它示例具有与权利要求的文字语言无不同的结构要素，或者如果它们包括与权利要求的文字语言无实质性差别的等同结构要素，则这些其它示例将在权利要求的范围内。
本公开的示例性实施方式可以包括一种计算机实现的方法，该方法可以包括以下步骤：由包括一个或更多个处理器的教育服务器从用户设备接收与用户设备处的用户相关联的用户识别信息；由教育服务器从用户设备接收对在线教育内容进行访问的请求；由教育服务器并且至少部分地基于用户识别信息来基于用户的历史面部图像数据确定面部模板；由教育服务器将来自用户设备的当前面部图像数据与用户的历史面部图像数据进行比较，以确定当前面部图像数据是否与用户的面部模板相匹配；由教育服务器接收用户的生物识别传感器数据；由教育服务器并且至少部分地基于生物识别传感器数据来确定用户是否位于用户设备处；以及由教育服务器验证访问在线教育内容的用户，其中，验证步骤包括：由教育服务器并且至少部分地基于当前面部图像数据与用户的面部模板相匹配并且生物识别传感器数据指示用户位于用户设备处的确定，促使通过用户设备对在线教育内容进行访问。
其它示例性实施方式可以包括计算机实现的方法，该方法可以包括以下步骤：由教育服务器并且至少部分地基于用户识别信息来确定与用户相关联的第一设备的存储的设备ID；以及由教育服务器将用户设备的当前设备ID与存储的设备ID进行比较，以确定当前设备ID是否与存储的设备ID相匹配；其中，促使对在线教育内容的访问还至少部分地基于当前设备ID与存储的设备ID相匹配的确定。
此外，本公开的示例性实施方式可以包括计算机实现的方法，该方法可以包括以下步骤：由教育服务器并且至少部分地基于用户识别信息来确定与用户相关联的生物识别数据设备；由教育服务器确定在生物识别数据设备外部的已知图案；以及由教育服务器评估当前面部图像数据，以确定当前面部图像数据是否包括在生物识别数据设备外部的已知图案；其中，促使对在线教育内容的访问还至少部分地基于当前面部图像数据包括在生物识别数据设备外部的已知图案的确定。此外，生物识别数据设备可以包括耳塞，其中，耳塞包括用于接收用户的心率数据的心率监测器，并且其中，生物识别传感器数据包括用户的心率数据。
其它示例性实施方式可以包括生物识别传感器数据，该生物识别传感器数据包括用户的心率数据，其中，计算机实现的方法还可以包括以下步骤：由教育服务器确定自访问在线教育内容的用户被验证时起已经经过了预定的时间量；由教育服务器接收用户的当前心率数据；由教育服务器访问用户的历史心率数据；由教育服务器将用户的当前心率数据与其历史心率数据进行比较，以确定历史心率数据与当前心率数据是否来自同一用户；以及由教育服务器并且至少部分地基于历史心率数据与当前心率数据来自同一用户的确定，促使通过用户设备对在线教育内容进行访问。此外，示例性实施方式可以包括计算机实现的方法，所述方法可以包括以下步骤：由教育服务器识别由用户参加的在线教育课程；由教育服务器确定提供给用户的在线教育课程的测试；由教育服务器识别在线教育课程中用户的多个历史教育数据；由教育服务器并且至少部分地基于多个历史教育数据来生成测试中用户的成功的预测模型，其中，预测模型包括测试分数范围，该测试分数范围包括最大测试分数阈值；由教育服务器接收测试中用户的测试结果；由教育服务器将用户的测试结果与最大测试分数阈值进行比较；以及由教育服务器并且基于测试结果大于最大测试分数阈值的确定，生成测试结果违反在线教育课程中用户的最大测试分数阈值的通知。
其它示例性实施方式可以包括计算机实现的方法，所述方法可以包括以下步骤：由教育服务器识别由用户参加的在线教育课程；由教育服务器识别在线教育课程中用户的多个历史教育数据；由教育服务器并且至少部分地基于多个历史教育数据，生成在线课程作业中用户的概率分数，其中，概率分数包括最小分数阈值；由教育服务器接收在线课程作业中用户的分数；由教育服务器将在线课程作业中用户的分数与最小分数阈值进行比较；由教育服务器并且基于分数小于最小分数阈值的确定，识别用户是否佩戴着生物识别数据设备；以及由教育服务器并且至少部分地基于用户并未佩戴生物识别数据设备并且分数小于最小分数阈值的识别，生成至用户的戴上生物识别数据设备的通知。此外，示例性实施方式可以包括：由教育服务器至少部分地基于当前面部图像数据与用户的面部模板不匹配或生物识别传感器数据并未指示用户位于用户设备处的确定，防止用户访问在线教育内容。
本公开的其它示例性实施方式可以包括：一种非暂时性计算机可读介质，其包括计算机可执行指令，当由一个或更多个处理器执行时，该计算机可执行指令配置一个或更多个处理器执行包括如下各项的操作：从用户设备接收与用户设备处的用户相关联的用户识别信息；从用户设备接收对在线教育内容进行访问的请求；至少部分地基于用户识别信息来确定基于用户历史面部图像数据的面部模板；将来自用户设备的当前面部图像数据与用户的历史面部图像数据进行比较，以确定当前面部图像数据是否与用户的面部模板相匹配；接收用户的生物识别传感器数据；至少部分地基于生物识别传感器数据来确定用户是否位于用户设备处；以及验证对在线教育内容进行访问的用户，其中，验证步骤包括：至少部分地基于当前面部图像数据与用户的面部模板相匹配并且生物识别传感器数据指示用户位于用户设备处的确定，促使通过用户设备对在线教育内容进行访问。
又一示例性实施方式可以包括非暂时性计算机可读介质，其中，操作还可以包括以下步骤：至少部分地基于用户识别信息来确定与用户相关联的第一设备的存储的设备ID；以及将用户设备的当前设备ID与所存储的设备ID进行比较，以确定当前设备ID是否与所存储的设备ID相匹配；其中，促使对在线教育内容进行访问还至少部分地基于当前设备ID与所存储的设备ID相匹配的确定。其它示例性实施方式可以包括非暂时性计算机可读介质，其中，操作还包括以下步骤：至少部分地基于用户识别信息来确定与用户相关联的生物识别数据设备；确定在生物识别数据设备外部的已知图案；以及评估当前面部图像数据，以确定当前面部图像数据是否包括在生物识别数据设备外部的已知图案；其中，促使对在线教育内容进行访问还至少部分地基于当前面部图像数据包括在生物识别数据设备外部的已知图案的确定。另外，示例性实施方式可以包括非暂时性计算机可读介质，其中，生物识别数据设备包括耳塞，其中，耳塞包括用于接收用户的心率数据的心率监测器，并且其中，生物识别传感器数据包括用户的心率数据。
此外，示例性实施方式可以包括：包括用户的心率数据的生物识别传感器数据，其中，非暂时性计算机可读介质的操作还可以包括以下步骤：确定自访问在线教育内容的用户被验证时起已经经过了预定的时间量；接收用户的当前心率数据；访问用户的历史心率数据；将用户的当前心率数据与用户的历史心率数据进行比较，以确定历史心率数据与当前心率数据是否来自同一用户；以及至少部分地基于历史心率数据与当前心率数据来自同一用户的确定，促使通过用户设备对在线教育内容进行访问。此外，示例性实施方式可以包括非暂时性计算机可读介质，其中，操作还可以包括以下步骤：识别由用户参加的在线教育课程；确定提供给用户的在线教育课程的测试；识别在线教育课程中用户的多个历史教育数据；至少部分地基于多个历史教育数据，生成测试中用户成功的预测模型，其中，预测模型包括测试分数范围，该测试分数范围包括最大测试分数阈值；接收测试中用户的测试结果；将用户的测试结果与最大测试分数阈值进行比较；以及基于测试结果大于最大测试分数阈值的确定，生成测试结果违反在线教育课程中用户的最大测试分数阈值的通知。
另外，示例性实施方式可以包括非暂时性计算机可读介质，其中，操作还可以包括以下步骤：识别由用户参加的在线教育课程；识别在线教育课程中用户的多个历史教育数据；以及至少部分地基于多个历史教育数据，生成在线课程作业中用户的概率分数，其中，概率分数包括最小分数阈值；接收在线课程作业中用户的分数；将在线课程作业中用户的分数与最小分数阈值进行比较；基于该分数小于最小分数阈值的确定，识别用户是否佩戴着生物识别数据设备；以及至少部分地基于用户并未佩戴生物识别数据设备并且分数小于最小分数阈值的识别，生成至用户的戴上生物识别数据设备的通知。另外，示例性实施方式可以包括非暂时性计算机可读介质，其中，操作还可以包括以下步骤：至少部分地基于当前面部图像数据与用户的面部模板不匹配或者生物识别传感器数据并未指示用户位于用户设备处的确定，防止用户访问在线教育内容。
本公开的其它示例性实施方式可以包括一种系统，该系统包括：至少一个存储器，所述至少一个存储器存储计算机可执行指令；以及至少一个处理器，所述至少一个处理器被配置为访问至少一个存储器，其中，至少一个处理器被配置为执行计算机可执行指令，以：从用户设备接收与用户设备处的用户相关联的用户识别信息；从用户设备接收对在线教育内容进行访问的请求；至少部分地基于用户识别信息来基于用户的历史面部图像数据确定面部模板；将来自用户设备的当前面部图像数据与用户的历史面部图像数据进行比较，以确定当前面部图像数据是否与用户的面部模板相匹配；接收用户的生物识别传感器数据；至少部分地基于生物识别传感器数据来确定用户是否位于用户设备处；以及验证访问在线教育内容的用户，其中，所述验证步骤包括至少部分地基于当前面部图像数据与用户的面部模板相匹配并且生物识别传感器数据指示用户位于用户设备处的确定，促使通过用户设备对在线教育内容进行访问。
系统的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以至少部分地基于用户识别信息来确定与用户相关联的第一设备的存储的设备ID，并且将用户设备的当前设备ID与所存储的设备ID进行比较，以确定当前设备ID是否与所存储的设备ID相匹配；其中，促使对在线教育内容进行访问还至少部分地基于当前设备ID与所存储的设备ID相匹配的确定。该系统的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以至少部分地基于用户识别信息来确定与用户相关联的生物识别数据设备；确定在生物识别数据设备外部的已知图案；以及评估当前面部图像数据，以确定当前面部图像数据是否包括在生物识别数据设备外部的已知图案；其中，促使对在线教育内容进行访问还至少部分地基于当前面部图像数据包括在生物识别数据设备外部的已知图案的确定。在系统的其它示例性实施方式中，生物识别数据设备包括耳塞，其中，耳塞包括用于接收用户的心率数据的心率监测器，并且其中，生物识别传感器数据包括用户的心率数据。
系统的示例性实施方式还可以包括：包括用户的心率数据的生物识别传感器数据，其中，至少一个处理器还被配置为执行计算机可执行指令，以：确定自访问在线教育内容的用户被验证时起已经经过了预定的时间量；接收用户的当前心率数据；访问用户的历史心率数据；将用户的当前心率数据与用户的历史心率数据进行比较，以确定历史心率数据与当前心率数据是否来自同一用户；以及至少部分地基于历史心率数据与当前心率数据来自同一用户的确定，促使通过用户设备对在线教育内容进行访问。系统的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以识别由用户参加的在线教育课程；确定提供给用户的在线教育课程的测试；识别在线教育课程中用户的多个历史教育数据；至少部分地基于多个历史教育数据，生成测试中用户成功的预测模型，其中，预测模型包括测试分数范围，该测试分数范围包括最大测试分数阈值；接收测试中用户的测试结果；将用户的测试结果与最大测试分数阈值进行比较；以及基于测试结果大于最大测试分数阈值的确定，生成测试结果违反在线教育课程中用户的最大测试分数阈值的通知。
系统的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以识别由用户参加的在线教育课程；识别在线教育课程中用户的多个历史教育数据；至少部分地基于多个历史教育数据，生成在线课程作业中用户的概率分数，其中，概率分数包括最小分数阈值；接收在线课程作业中用户的分数；将在线课程作业中用户的分数与最小分数阈值进行比较；基于分数小于最小分数阈值的确定，识别用户是否佩戴着生物识别数据设备；以及至少部分地基于用户并未佩戴生物识别数据设备并且分数小于最小分数阈值的识别，生成至用户的戴上生物识别数据设备的通知。系统的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以至少部分地基于当前面部图像数据与用户的面部模板不匹配或生物识别传感器数据并未指示用户位于用户设备处的确定，防止用户访问在线教育内容。
本公开的其它示例性实施方式可以包括一种设备，该设备包括：至少一个存储器，所述至少一个存储器存储计算机可执行指令；以及至少一个处理器，其中，所述至少一个处理器被配置为访问至少一个存储器并且执行计算机可执行指令，以：从用户设备接收与用户设备处的用户相关联的用户识别信息；从用户设备接收对在线教育内容进行访问的请求；至少部分地基于用户识别信息来基于用户的历史面部图像数据确定面部模板；将来自用户设备的当前面部图像数据与用户的历史面部图像数据进行比较，以确定当前面部图像数据是否与用户的面部模板相匹配；接收用户的生物识别传感器数据；至少部分地基于生物识别传感器数据，确定用户是否位于用户设备处；以及验证访问在线教育内容的用户，其中，验证步骤包括至少部分地基于当前面部图像数据与用户的面部模板相匹配并且生物识别传感器数据指示用户位于用户设备处的确定，促使通过用户设备对在线教育内容进行访问。
设备的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以：至少部分地基于用户识别信息确定与用户相关联的第一设备的存储的设备ID；以及将用户设备的当前设备ID与所存储的设备ID进行比较，以确定当前设备ID是否与所存储的设备ID相匹配；其中，促使对在线教育内容进行访问还至少部分地基于当前设备ID与所存储的设备ID相匹配的确定。此外，设备的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以：至少部分地基于用户识别信息来确定与用户相关联的生物识别数据设备；确定在生物识别数据设备外部的已知图案；以及评估当前面部图像数据，以确定当前面部图像数据是否包括在生物识别数据设备外部的已知图案；其中，促使对在线教育内容进行访问还至少部分地基于当前面部图像数据包括在生物识别数据设备外部的已知图案的确定。此外，设备的示例性实施方式可以包括：包括耳塞的生物识别数据设备，其中，耳塞包括用于接收用户的心率数据的心率监测器，并且其中，生物识别传感器数据包括用户的心率数据。
此外，设备的示例性实施方式可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以：确定自访问在线教育内容的用户被验证时起已经经过了预定的时间量；接收用户的当前心率数据；访问用户的历史心率数据；将用户的当前心率数据与用户的历史心率数据进行比较，以确定历史心率数据与当前心率数据是否来自同一用户；以及至少部分地基于历史心率数据与当前心率数据来自同一用户的确定，促使通过用户设备对在线教育内容进行访问。设备的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以：识别由用户参加的在线教育课程；确定提供给用户的在线教育课程的测试；识别在线教育课程中用户的多个历史教育数据；至少部分地基于多个历史教育数据，生成测试中用户成功的预测模型，其中，预测模型包括测试分数范围，该测试分数范围包括最大测试分数阈值；接收测试中用户的测试结果；将用户的测试结果与最大测试分数阈值进行比较；以及基于测试结果大于最大测试分数阈值的确定，生成测试结果违反在线教育课程中用户的最大测试分数阈值的通知。
此外，设备的示例性实施方式还可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以：识别由用户参加的在线教育课程；识别在线教育课程中用户的多个历史教育数据；至少部分地基于多个历史教育数据，生成在线课程作业中用户的概率分数，其中，概率分数包括最小分数阈值；接收在线课程作业中用户的分数；将在线课程作业中用户的分数与最小分数阈值进行比较；基于分数小于最小分数阈值的确定，识别用户是否佩戴着生物识别数据设备；以及至少部分地基于用户并未佩戴生物识别数据设备并且分数小于最小分数阈值的识别，生成至用户的戴上生物识别数据设备的通知。此外，设备的示例性实施方式可以包括：至少一个处理器，所述至少一个处理器还被配置为执行计算机可执行指令，以至少部分地基于当前面部图像数据与用户的面部模板不匹配或生物识别传感器数据并未指示用户位于用户设备处的确定，防止用户访问在线教育内容。
本公开的附加示例性实施方式可以包括：一种系统，该系统包括：用于从用户设备接收与用户设备处的用户相关联的用户识别信息的装置；用于从用户设备接收访问在线教育内容的请求的装置；用于至少部分地基于用户识别信息来基于用户的历史面部图像数据确定面部模板的装置；用于将来自用户设备的当前面部图像数据与用户的历史面部图像数据进行比较，以确定当前面部图像数据是否与用户的面部模板相匹配的装置；用于接收用户的生物识别传感器数据的装置；用于至少部分地基于生物识别传感器数据来确定用户是否位于用户设备处的装置；以及用于验证访问在线教育内容的用户的装置，其中，验证步骤包括用于至少部分地基于当前面部图像数据与用户的面部模板相匹配并且生物识别传感器数据指示用户位于用户设备处的确定，促使通过用户设备对在线教育内容进行访问的装置。
此外，系统的示例性实施方式可以包括：用于至少部分地基于用户识别信息来确定与用户相关联的第一设备的存储的设备ID的装置；以及用于将用户设备的当前设备ID与所存储的设备ID进行比较，以确定当前设备ID是否与所存储的设备ID相匹配的装置；其中，促使对在线教育内容进行访问还至少部分地基于当前设备ID与所存储的设备ID相匹配的确定。此外，系统的示例性实施方式还可以包括：用于至少部分地基于用户识别信息来确定与用户相关联的生物识别数据设备的装置；用于确定在生物识别数据设备外部的已知图案的装置；以及用于评估当前面部图像数据，以确定当前面部图像数据是否包括在生物识别数据设备外部的已知图案的装置；其中，促使对在线教育内容进行访问还至少部分地基于当前面部图像数据包括在生物识别数据设备外部的已知图案的确定。此外，系统的示例性实施方式可以包括：包括耳塞的生物识别数据设备，其中，耳塞包括用于接收用户的心率数据的心率监测器，并且其中，生物识别传感器数据包括用户的心率数据。
系统的示例性实施方式还可以包括：包括用户的心率数据的生物识别传感器数据，其中，系统还包括：用于确定自访问在线教育内容的用户被验证时起已经经过了预定的时间量的装置；用于接收用户的当前心率数据的装置；用于访问用户的历史心率数据的装置；用于将用户的当前心率数据与用户的历史心率数据进行比较，以确定历史心率数据与当前心率数据是否来自同一用户的装置；以及用于至少部分地基于历史心率数据与当前心率数据来自同一用户的确定，促使通过用户设备对在线教育内容进行访问的装置。另外，系统的示例性实施方式可以包括：用于识别由用户参加的在线教育课程的装置；用于确定提供给用户的在线教育课程的测试的装置；用于识别在线教育课程中用户的多个历史教育数据的装置；用于至少部分地基于多个历史教育数据来生成测试中用户成功的预测模型的装置，其中，预测模型包括测试分数范围，该测试分数范围包括最大测试分数阈值；用于接收测试中用户的测试结果的装置；用于将用户的测试结果与最大测试分数阈值进行比较的装置；以及基于测试结果大于最大测试分数阈值的确定生成测试结果违反在线教育课程中用户的最大测试分数阈值的通知的装置。
此外，系统的示例性实施方式还可以包括：用于识别由用户参加的在线教育课程的装置；用于识别在线教育课程中用户的多个历史教育数据的装置；用于至少部分地基于多个历史教育数据来生成在线课程作业中用户的概率分数的装置，其中，概率分数包括最小分数阈值；用于接收在线课程作业中用户的分数的装置；用于将在线课程作业中用户的分数与最小分数阈值进行比较的装置；用于基于分数小于最小分数阈值的确定来识别用户是否佩戴着生物识别数据设备的装置；以及用于至少部分地基于用户并未佩戴生物识别数据设备并且分数小于最小分数阈值的识别，生成至用户的戴上生物识别数据设备的通知的装置。此外，系统的示例性实施方式可以包括：用于至少部分地基于当前面部图像数据与用户的面部模板不匹配或生物识别传感器数据并未指示所述用户位于用户设备处的确定，防止用户访问在线教育内容的装置。

Claims (25)

1.一种系统，所述系统包括：
用于接收访问在线教育内容的请求的装置；
用于基于用户的历史面部图像数据来确定面部模板的装置；
用于接收所述用户的当前面部图像数据的装置；
用于将所述当前面部图像数据与所述用户的所述历史面部图像数据进行比较以确定所述当前面部图像数据是否与所述用户的所述面部模板相匹配的装置；
用于接收所述用户的生物识别传感器数据的装置；
用于基于所述生物识别传感器数据来确定所述用户是否位于所述用户设备处的装置；以及
用于验证访问所述在线教育内容的所述用户的装置，其中，用于验证的所述装置包括用于至少部分地基于所述当前面部图像数据与所述用户的所述面部模板相匹配并且所述生物识别传感器数据指示所述用户位于所述用户设备处的所述确定来促使通过所述用户设备对所述在线教育内容进行访问的装置。
2.根据权利要求1所述的系统，其中，所述系统还包括：
用于接收与所述用户设备处的所述用户相关联的用户识别信息的装置；
用于至少部分地基于所述用户识别信息来确定与所述用户相关联的第一设备的存储的设备ID的装置；以及
用于将所述用户设备的当前设备ID与所存储的设备ID进行比较以确定所述当前设备ID是否与所存储的设备ID相匹配的装置；
其中，用于促使对所述在线教育内容进行访问的所述装置还至少部分地基于所述当前设备ID与所存储的设备ID相匹配的所述确定。
3.根据权利要求1或2中任一项所述的系统，其中，所述系统还包括：
用于接收与所述用户设备处的所述用户相关联的用户识别信息的装置；
用于至少部分地基于所述用户识别信息来确定与所述用户相关联的生物识别数据设备的装置；
用于确定所述生物识别数据设备外部的已知图案的装置；以及
用于评估所述当前面部图像数据以确定所述当前面部图像数据是否包括所述生物识别数据设备外部的所述已知图案的装置；
其中，促使对所述在线教育内容进行访问还至少部分地基于所述当前面部图像数据包括所述生物识别数据设备外部的所述已知图案的所述确定。
4.根据权利要求3所述的系统，其中，所述生物识别数据设备包括耳塞，其中，所述耳塞包括用于接收所述用户的心率数据的心率监测器，并且其中，所述生物识别传感器数据包括所述用户的所述心率数据。
5.根据权利要求1、2、3或4中任一项所述的系统，其中，所述生物识别传感器数据包括所述用户的心率数据，并且其中，所述方法还包括：
用于确定自访问所述在线教育内容的所述用户被验证时起已经经过了预定的时间量的装置；
用于接收所述用户的当前心率数据的装置；
用于访问所述用户的历史心率数据的装置；
用于将所述用户的所述当前心率数据与所述用户的所述历史心率数据进行比较以确定所述历史心率数据和所述当前心率数据是否来自同一用户的装置；以及
用于至少部分地基于所述历史心率数据和所述当前心率数据来自同一用户的所述确定来促使通过所述用户设备对所述在线教育内容进行访问的装置。
6.根据权利要求1、2、3、4或5中任一项所述的系统，其中，所述系统还包括：
用于识别由所述用户参加的在线教育课程的装置；
用于确定提供给所述用户的针对所述在线教育课程的测试的装置；
用于识别所述在线教育课程中所述用户的多个历史教育数据的装置；
用于至少部分地基于所述多个历史教育数据来生成所述测试中所述用户的成功的预测模型的装置，其中，所述预测模型包括测试分数范围，所述测试分数范围包括最大测试分数阈值；
用于接收所述测试中所述用户的测试结果的装置；
用于将所述用户的所述测试结果与所述最大测试分数阈值进行比较的装置；以及
用于基于所述测试结果大于所述最大测试分数阈值的所述确定来生成所述测试结果违反所述在线教育课程中所述用户的所述最大测试分数阈值的通知的装置。
7.根据权利要求1、2、3、4、5或6中任一项所述的系统，其中，所述系统还包括：
用于识别由所述用户参加的在线教育课程的装置；
用于识别所述在线教育课程中所述用户的多个历史教育数据的装置；
用于至少部分地基于所述多个历史教育数据来生成在线课程作业中所述用户的概率分数的装置，其中，所述概率分数包括最小分数阈值；
用于接收所述在线课程作业中所述用户的分数的装置；
用于将所述在线课程作业中所述用户的所述分数与所述最小分数阈值进行比较的装置；
用于基于所述分数小于所述最小分数阈值的所述确定来识别所述用户是否佩戴着生物识别数据设备的装置；以及
用于至少部分地基于所述用户并未佩戴所述生物识别数据设备并且所述分数小于所述最小分数阈值的所述识别来生成至所述用户的戴上所述生物识别数据设备的通知的装置。
8.根据权利要求1、2、3、4、5、6或7中任一项所述的系统，其中，所述系统还包括用于至少部分地基于所述当前面部图像数据与所述用户的所述面部模板不匹配或者所述生物识别传感器数据并未指示所述用户位于所述用户设备处的所述确定来防止用户访问所述在线教育内容的装置。
9.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括计算机可执行指令，当由一个或更多个处理器执行所述计算机可执行指令时，所述计算机可执行指令配置所述一个或更多个处理器以执行包括以下各项的操作：
从用户设备接收访问在线教育内容的请求；
基于用户的历史面部图像数据来确定面部模板；
从所述用户设备接收所述用户的当前面部图像数据；
将所述当前面部图像数据与所述用户的所述历史面部图像数据进行比较，以确定所述当前面部图像数据是否与所述用户的所述面部模板相匹配；
接收所述用户的生物识别传感器数据；
基于所述生物识别传感器数据来确定所述用户是否位于所述用户设备处；以及
验证访问所述在线教育内容的所述用户，其中，验证步骤包括以下步骤：至少部分地基于所述当前面部图像数据与所述用户的所述面部模板相匹配并且所述生物识别传感器数据指示所述用户位于所述用户设备处的所述确定，促使通过所述用户设备对所述在线教育内容进行访问。
10.根据权利要求9所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
从所述用户设备接收与所述用户设备处的所述用户相关联的用户识别信息；
至少部分地基于所述用户识别信息来确定与所述用户相关联的第一设备的存储的设备ID；以及
将所述用户设备的当前设备ID与所存储的设备ID进行比较，以确定所述当前设备ID是否与所存储的设备ID相匹配；
其中，促使对所述在线教育内容进行访问的步骤还至少部分地基于所述当前设备ID与所存储的设备ID相匹配的所述确定。
11.根据权利要求9或10中任一项所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
从所述用户设备接收与所述用户设备处的所述用户相关联的用户识别信息；
至少部分地基于所述用户识别信息来确定与所述用户相关联的生物识别数据设备；
确定所述生物识别数据设备外部的已知图案；以及
评估所述当前面部图像数据，以确定所述当前面部图像数据是否包括所述生物识别数据设备外部的所述已知图案；
其中，促使对所述在线教育内容进行访问的步骤还至少部分地基于所述当前面部图像数据包括所述生物识别数据设备外部的所述已知图案的所述确定。
12.根据权利要求11所述的非暂时性计算机可读介质，其中，所述生物识别数据设备包括耳塞，其中，所述耳塞包括用于接收所述用户的心率数据的心率监测器，并且其中，所述生物识别传感器数据包括所述用户的所述心率数据。
13.根据权利要求9、10、11或12中任一项所述的非暂时性计算机可读介质，其中，所述生物识别传感器数据包括所述用户的心率数据。
14.根据权利要求13所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
确定自访问所述在线教育内容的所述用户被验证时起已经经过了预定的时间量；
接收所述用户的当前心率数据；
访问所述用户的历史心率数据；
将所述用户的所述当前心率数据与所述用户的所述历史心率数据进行比较，以确定所述历史心率数据和所述当前心率数据是否来自同一用户；以及
至少部分地基于所述历史心率数据和所述当前心率数据来自同一用户的所述确定，促使通过所述用户设备对所述在线教育内容进行访问。
15.根据权利要求9、10、11、12、13或14中任一项所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
识别由所述用户参加的在线教育课程；
确定提供给所述用户的针对所述在线教育课程的测试；
识别所述在线教育课程中所述用户的多个历史教育数据；
至少部分地基于所述多个历史教育数据，生成所述测试中所述用户的成功的预测模型，其中，所述预测模型包括测试分数范围，所述测试分数范围包括最大测试分数阈值；
接收所述测试中所述用户的测试结果；
将所述用户的所述测试结果与所述最大测试分数阈值进行比较；以及
基于所述测试结果大于所述最大测试分数阈值的所述确定，生成所述测试结果违反所述在线教育课程中所述用户的所述最大测试分数阈值的通知。
16.根据权利要求9、10、11、12、13、14或15中任一项所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
接收所述在线课程作业中所述用户的分数；
将所述在线课程作业中所述用户的所述分数与最小分数阈值进行比较；
基于所述分数小于所述最小分数阈值的所述确定，识别所述用户是否佩戴着生物识别数据设备；以及
至少部分地基于所述用户并未佩戴所述生物识别数据设备并且所述分数小于所述最小分数阈值的所述识别，生成至所述用户的戴上所述生物识别数据设备的通知。
17.根据权利要求16所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
识别由所述用户参加的在线教育课程；
识别所述在线教育课程中所述用户的多个历史教育数据；以及
至少部分地基于所述多个历史教育数据，生成在线课程作业中所述用户的概率分数，其中，所述概率分数包括所述最小分数阈值。
18.根据权利要求9、10、11、12、13、14、15、16或17中任一项所述的非暂时性计算机可读介质，其中，所述操作还包括以下步骤：
至少部分地基于所述当前面部图像数据与所述用户的所述面部模板不匹配或者所述生物识别传感器数据并未指示所述用户位于所述用户设备处的所述确定，防止用户访问所述在线教育内容。
19.一种系统，所述系统包括：
至少一个存储器，所述至少一个存储器存储计算机可执行指令；
至少一个处理器，所述至少一个处理器被配置为访问所述至少一个存储器，其中，所述至少一个处理器被配置为执行所述计算机可执行指令，以：
从用户设备接收访问在线教育内容的请求；
基于用户的历史面部图像数据来确定面部模板；
由所述教育服务器从所述用户设备接收所述用户的当前面部图像数据；
将所述当前面部图像数据与所述用户的所述历史面部图像数据进行比较，以确定所述当前面部图像数据是否与所述用户的所述面部模板相匹配；
接收所述用户的生物识别传感器数据；
基于所述生物识别传感器数据来确定所述用户是否位于所述用户设备处；以及
验证访问所述在线教育内容的所述用户，其中，验证步骤包括以下步骤：至少部分地基于所述当前面部图像数据与所述用户的所述面部模板相匹配并且所述生物识别传感器数据指示所述用户位于所述用户设备处的所述确定，促使通过所述用户设备对所述在线教育内容进行访问。
20.根据权利要求19所述的系统，其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以：
从所述用户设备接收与所述用户设备处的所述用户相关联的用户识别信息；
至少部分地基于所述用户识别信息来确定与所述用户相关联的第一设备的存储的设备ID；以及
将所述用户设备的当前设备ID与所存储的设备ID进行比较，以确定所述当前设备ID是否与所存储的设备ID相匹配；
其中，促使对所述在线教育内容进行访问的步骤还至少部分地基于所述当前设备ID与所存储的设备ID相匹配的所述确定。
21.根据权利要求19或20中任一项所述的系统，其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以：
从所述用户设备接收与所述用户设备处的所述用户相关联的用户识别信息；
至少部分地基于所述用户识别信息来确定与所述用户相关联的生物识别数据设备；
确定所述生物识别数据设备外部的已知图案；以及
评估所述当前面部图像数据，以确定所述当前面部图像数据是否包括所述生物识别数据设备外部的所述已知图案；
其中，促使对所述在线教育内容进行访问的步骤还至少部分地基于所述当前面部图像数据包括所述生物识别数据设备外部的所述已知图案的所述确定。
22.根据权利要求19、20、21或22中任一项所述的系统，其中，所述生物识别传感器数据包括所述用户的心率数据，并且其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以：
确定自访问所述在线教育内容的所述用户被验证时起已经经过了预定的时间量；
接收所述用户的当前心率数据；
访问所述用户的历史心率数据；
将所述用户的所述当前心率数据与所述用户的所述历史心率数据进行比较，以确定所述历史心率数据和所述当前心率数据是否来自同一用户；以及
至少部分地基于所述历史心率数据和所述当前心率数据来自同一用户的所述确定，促使通过所述用户设备对所述在线教育内容进行访问。
23.根据权利要求19、20、21或22中任一项所述的系统，其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以：
识别由所述用户参加的在线教育课程；
确定提供给所述用户的针对所述在线教育课程的测试；
识别所述在线教育课程中所述用户的多个历史教育数据；
至少部分地基于所述多个历史教育数据，生成所述测试中所述用户的成功的预测模型，其中，所述预测模型包括测试分数范围，所述测试分数范围包括最大测试分数阈值；
接收所述测试中所述用户的测试结果；
将所述用户的所述测试结果与所述最大测试分数阈值进行比较；以及
基于所述测试结果大于所述最大测试分数阈值的所述确定，生成所述测试结果违反所述在线教育课程中所述用户的所述最大测试分数阈值的通知。
24.根据权利要求19、20、21、22或23中任一项所述的系统，其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以：
识别由所述用户参加的在线教育课程；
识别所述在线教育课程中所述用户的多个历史教育数据；
至少部分地基于所述多个历史教育数据，生成在线课程作业中所述用户的概率分数，其中，所述概率分数包括最小分数阈值；
接收所述在线课程作业中所述用户的分数；
将所述在线课程作业中所述用户的所述分数与所述最小分数阈值进行比较；
基于所述分数小于所述最小分数阈值的所述确定，识别所述用户是否佩戴着生物识别数据设备；以及
至少部分地基于所述用户并未佩戴所述生物识别数据设备并且所述分数小于所述最小分数阈值的所述识别，生成至所述用户的戴上所述生物识别数据设备的通知。
25.根据权利要求19、20、21、22、23或24中任一项所述的系统，其中，所述至少一个处理器还被配置为执行所述计算机可执行指令，以至少部分地基于所述当前面部图像数据与所述用户的所述面部模板不匹配或者所述生物识别传感器数据并未指示所述用户位于所述用户设备处的所述确定，防止用户访问所述在线教育内容。
CN201580076097.7A 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法 Active CN107251033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010419801.7A CN111611908B (zh) 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/579,411 2014-12-22
US14/579,411 US9715621B2 (en) 2014-12-22 2014-12-22 Systems and methods for real-time user verification in online education
PCT/US2015/062602 WO2016105827A1 (en) 2014-12-22 2015-11-25 Systems and methods for real-time user verification in online education

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202010419801.7A Division CN111611908B (zh) 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法

Publications (2)

Publication Number Publication Date
CN107251033A true CN107251033A (zh) 2017-10-13
CN107251033B CN107251033B (zh) 2020-06-12

Family

ID=56129790

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580076097.7A Active CN107251033B (zh) 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法
CN202010419801.7A Active CN111611908B (zh) 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202010419801.7A Active CN111611908B (zh) 2014-12-22 2015-11-25 用于在在线教育中进行实时用户验证的系统和方法

Country Status (5)

Country Link
US (3) US9715621B2 (zh)
EP (1) EP3238167A4 (zh)
JP (1) JP2018511890A (zh)
CN (2) CN107251033B (zh)
WO (1) WO2016105827A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197460A (zh) * 2017-12-28 2018-06-22 浙江德景电子科技有限公司 一种安全系统实时用户鉴权方法
CN109712460A (zh) * 2019-02-27 2019-05-03 浙江机电职业技术学院 电子实训云平台系统
CN113628704A (zh) * 2021-07-22 2021-11-09 海信集团控股股份有限公司 一种健康数据存储的方法及设备

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160051184A1 (en) * 2013-10-24 2016-02-25 JayBird LLC System and method for providing sleep recommendations using earbuds with biometric sensors
US10032042B1 (en) * 2014-12-10 2018-07-24 Morphotrust Usa, Llc Digital identification enrollment
US9715621B2 (en) * 2014-12-22 2017-07-25 Mcafee, Inc. Systems and methods for real-time user verification in online education
US10397220B2 (en) 2015-04-30 2019-08-27 Google Llc Facial profile password to modify user account data for hands-free transactions
US10733587B2 (en) 2015-04-30 2020-08-04 Google Llc Identifying consumers via facial recognition to provide services
US9619803B2 (en) 2015-04-30 2017-04-11 Google Inc. Identifying consumers in a transaction via facial recognition
US20170004507A1 (en) * 2015-07-02 2017-01-05 Google Inc. Identifying consumers in a transaction via facial recognition
US10432622B2 (en) * 2016-05-05 2019-10-01 International Business Machines Corporation Securing biometric data through template distribution
CN107644189B (zh) * 2016-07-20 2021-02-02 腾讯科技（深圳）有限公司 一种生物特征识别的方法及装置
US10395652B2 (en) * 2016-09-20 2019-08-27 Allstate Insurance Company Personal information assistant computing system
US11062304B2 (en) 2016-10-20 2021-07-13 Google Llc Offline user identification
SE542684C2 (en) * 2017-04-21 2020-06-23 Sundeby Bjoern Interactive environment for the learning process
WO2018222232A1 (en) 2017-05-31 2018-12-06 Google Llc Providing hands-free data for interactions
US20190044942A1 (en) * 2017-08-01 2019-02-07 Twosense, Inc. Deep Learning for Behavior-Based, Invisible Multi-Factor Authentication
WO2019032706A1 (en) * 2017-08-10 2019-02-14 Riaan Conradie USER VERIFICATION BY COMPARISON OF PHYSIOLOGICAL SENSOR DATA WITH PHYSIOLOGICAL DATA DERIVED FROM FACIAL VIDEO
US20190268331A1 (en) * 2018-02-27 2019-08-29 Bank Of America Corporation Preventing Unauthorized Access to Secure Information Systems Using Multi-Factor, Hardware Based and/or Advanced Biometric Authentication
US10958639B2 (en) 2018-02-27 2021-03-23 Bank Of America Corporation Preventing unauthorized access to secure information systems using multi-factor, hardware based and/or advanced biometric authentication
WO2019237175A1 (en) * 2018-06-14 2019-12-19 Integrity Advocate Inc. Method and system for assessing participants
US10873577B2 (en) * 2018-08-17 2020-12-22 Evgeny Chereshnev Identifying and authorizing user data over a network based on biometric and statistical data
KR102015075B1 (ko) * 2018-10-16 2019-08-27 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
US11915179B2 (en) * 2019-02-14 2024-02-27 Talisai Inc. Artificial intelligence accountability platform and extensions
CN111161588B (zh) * 2020-01-14 2022-03-25 成都信息工程大学 一种网络化沉浸式驾驶系统运营平台
US11455903B2 (en) * 2020-06-11 2022-09-27 Pearson Education, Inc. Performing a remediation based on a Bayesian multilevel model prediction
JP6928191B1 (ja) * 2021-03-11 2021-09-01 功憲 末次 認証システム、プログラム
US11681787B1 (en) * 2021-10-15 2023-06-20 T Stamp Inc. Ownership validation for cryptographic asset contracts using irreversibly transformed identity tokens

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005258364A (ja) * 2004-02-13 2005-09-22 Toshiba Corp 遠隔試験・講習システム
CN1685380A (zh) * 2002-09-27 2005-10-19 银河网路股份有限公司 远程教育系统、听讲确认方法及听讲确认程序
KR20070050029A (ko) * 2007-04-24 2007-05-14 경희대학교 산학협력단 원격교육 출석 인증방법
US20080272905A1 (en) * 2004-04-13 2008-11-06 Matsushita Electric Industrial Co., Ltd. Attendance Management System
US20110082791A1 (en) * 2009-10-06 2011-04-07 Validity Sensors, Inc. Monitoring Secure Financial Transactions
CN102013176A (zh) * 2010-12-01 2011-04-13 曹乃承 在线学习系统
CN102054372A (zh) * 2009-10-30 2011-05-11 三星电子株式会社 基于无线通信网络的个人学习设备和方法
CN103247197A (zh) * 2013-03-29 2013-08-14 上海众实科技发展有限公司 一种基于声纹识别的用户在线学习监测方法
US20130279744A1 (en) * 2012-04-23 2013-10-24 Apple Inc. Systems and methods for controlling output of content based on human recognition data detection

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5447747A (en) * 1994-08-22 1995-09-05 Minnesota Mining And Manufacturing Company Method and apparatus for smoothing gravure coatings in the manufacture of magnetic recording tape
AU4237497A (en) * 1996-08-27 1998-03-19 Ronald E. Hill Audit and verification system
US5915973A (en) * 1997-03-11 1999-06-29 Sylvan Learning Systems, Inc. System for administration of remotely-proctored, secure examinations and methods therefor
US6341267B1 (en) * 1997-07-02 2002-01-22 Enhancement Of Human Potential, Inc. Methods, systems and apparatuses for matching individuals with behavioral requirements and for managing providers of services to evaluate or increase individuals' behavioral capabilities
US8266266B2 (en) * 1998-12-08 2012-09-11 Nomadix, Inc. Systems and methods for providing dynamic network authorization, authentication and accounting
US6715679B1 (en) * 1999-09-08 2004-04-06 At&T Corp. Universal magnetic stripe card
US8036431B1 (en) * 1999-10-29 2011-10-11 Identix Incorporated Portable apparatus for identification verification
KR20020009251A (ko) 2000-07-25 2002-02-01 배종렬 선물거래소의 고객과 브로커간의 거래를 중계하기 위한선물거래 중계 방법 및 장치
KR20020092515A (ko) 2001-06-04 2002-12-12 주식회사 리즈텍 온라인 강의의 수강 인증 방법
US20030074320A1 (en) * 2001-10-12 2003-04-17 Lee Riggs Methods and systems for providing continuing legal education through an electronic data network to remote hand held devices
US7311524B2 (en) * 2002-01-17 2007-12-25 Harcourt Assessment, Inc. System and method assessing student achievement
US20060136744A1 (en) * 2002-07-29 2006-06-22 Lange Daniel H Method and apparatus for electro-biometric identity recognition
US20040161728A1 (en) * 2003-02-14 2004-08-19 Benevento Francis A. Distance learning system
CN1757057A (zh) * 2003-03-03 2006-04-05 美国在线服务公司 使用图形表达进行通信
US20060135876A1 (en) * 2003-06-27 2006-06-22 Andresen Alan V Combined ECG and sound chart report and methodology
JP2006236260A (ja) * 2005-02-28 2006-09-07 Toshiba Corp 顔認証装置、顔認証方法および入退場管理装置
US20070032731A1 (en) * 2005-08-05 2007-02-08 Lovejoy Jeffrey L Non-invasive pulse rate detection via headphone mounted electrodes / monitoring system
US20100121737A1 (en) * 2007-01-12 2010-05-13 Kenji Yoshida Personal identification number code input method using dot pattern, personal identification number code input method, and internet shopping settlement system
JP2008299640A (ja) * 2007-05-31 2008-12-11 Tokyo Institute Of Technology パターン認識装置、パターン認識方法、及びプログラム
US9214090B2 (en) * 2007-06-11 2015-12-15 Distance EDU Learning, Inc. Computer systems for capturing student performance
US8326211B1 (en) * 2007-06-11 2012-12-04 Distance EDU Learning, Inc. Computer systems for capturing student performance
US8677139B1 (en) * 2008-01-16 2014-03-18 Peter Kalocsai Method to provide authentication using a universal identifier
JP5258320B2 (ja) * 2008-02-17 2013-08-07 学校法人桜美林学園 ｅラーニング試験システム
JP5162279B2 (ja) * 2008-03-04 2013-03-13 株式会社ワオ・コーポレーション 電子ペン認証装置、電子ペン認証方法、及びプログラム
US7912900B1 (en) * 2008-07-24 2011-03-22 Apex Learning, Inc. System and method for providing education-related alerts in an online learning environment
WO2010084209A1 (es) * 2009-01-23 2010-07-29 Vanios Consulting, S.L. Sistema de control de acceso seguro
JP5458597B2 (ja) * 2009-02-20 2014-04-02 富士通株式会社 照合装置及び認証装置
GB2470579A (en) * 2009-05-27 2010-12-01 Univ Abertay Dundee A behavioural biometric security system using keystroke metrics
JP5694027B2 (ja) * 2011-03-25 2015-04-01 株式会社富士通ビー・エス・シー 認証装置、方法およびプログラム
US8855757B2 (en) * 2011-12-14 2014-10-07 Rijuven Corporation Mobile wellness device
US9141959B2 (en) * 2011-11-29 2015-09-22 Autography Llc Method and system for replaying a voice message and displaying a signed digital photograph contemporaneously
US20130204786A1 (en) * 2012-02-03 2013-08-08 Daniel Mattes Verification of Online Transactions
US20140051945A1 (en) * 2012-03-12 2014-02-20 Terra Cotta Star Llc Expanded frequency electroencephalography/electrocardiography light apparatus and method of use
US9619852B2 (en) * 2012-04-17 2017-04-11 Zighra Inc. Context-dependent authentication system, method and device
US9041530B2 (en) * 2012-04-18 2015-05-26 Qualcomm Incorporated Biometric attribute anomaly detection system with adjusting notifications
US8985443B1 (en) * 2012-04-18 2015-03-24 Joingo, Llc Method and system utilizing magnetic card key with a QRC
US9183365B2 (en) * 2013-01-04 2015-11-10 Synaptics Incorporated Methods and systems for fingerprint template enrollment and distribution process
US20160065558A1 (en) * 2013-01-08 2016-03-03 Coursera, Inc. Identity verification for online education
US9787950B2 (en) * 2013-03-15 2017-10-10 Zonar Systems, Inc. Method and apparatus for an automated fuel authorization program for fuel terminals using a camera as part of the authorization process
JPWO2014147713A1 (ja) * 2013-03-18 2017-02-16 株式会社東芝 電子機器および認証制御方法
KR101328117B1 (ko) 2013-04-18 2013-11-13 주식회사 바이옵틱 지문인식 기술을 적용하여 교육생 관리 기능을 향상시킨 교육 지원 시스템
EP3005639B1 (en) * 2013-06-04 2017-08-09 Smiley Owl Tech S.L. Method and system for verifying the identity of a user of an online service
US9788203B2 (en) * 2014-08-19 2017-10-10 Zighra Inc. System and method for implicit authentication
US9715621B2 (en) 2014-12-22 2017-07-25 Mcafee, Inc. Systems and methods for real-time user verification in online education

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1685380A (zh) * 2002-09-27 2005-10-19 银河网路股份有限公司 远程教育系统、听讲确认方法及听讲确认程序
JP2005258364A (ja) * 2004-02-13 2005-09-22 Toshiba Corp 遠隔試験・講習システム
US20080272905A1 (en) * 2004-04-13 2008-11-06 Matsushita Electric Industrial Co., Ltd. Attendance Management System
KR20070050029A (ko) * 2007-04-24 2007-05-14 경희대학교 산학협력단 원격교육 출석 인증방법
US20110082791A1 (en) * 2009-10-06 2011-04-07 Validity Sensors, Inc. Monitoring Secure Financial Transactions
CN102054372A (zh) * 2009-10-30 2011-05-11 三星电子株式会社 基于无线通信网络的个人学习设备和方法
CN102013176A (zh) * 2010-12-01 2011-04-13 曹乃承 在线学习系统
US20130279744A1 (en) * 2012-04-23 2013-10-24 Apple Inc. Systems and methods for controlling output of content based on human recognition data detection
CN103247197A (zh) * 2013-03-29 2013-08-14 上海众实科技发展有限公司 一种基于声纹识别的用户在线学习监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ASSAD MOINI,AZAD M. MADNI: "Leveraging Biometrics for User Authentication in Online Learning: A Systems Perspective", 《IEEE SYSTEMS JOURNAL》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197460A (zh) * 2017-12-28 2018-06-22 浙江德景电子科技有限公司 一种安全系统实时用户鉴权方法
CN109712460A (zh) * 2019-02-27 2019-05-03 浙江机电职业技术学院 电子实训云平台系统
CN113628704A (zh) * 2021-07-22 2021-11-09 海信集团控股股份有限公司 一种健康数据存储的方法及设备

Also Published As

Publication number Publication date
US9715621B2 (en) 2017-07-25
CN107251033B (zh) 2020-06-12
US20210158026A1 (en) 2021-05-27
CN111611908A (zh) 2020-09-01
EP3238167A1 (en) 2017-11-01
JP2018511890A (ja) 2018-04-26
US10909354B2 (en) 2021-02-02
US20170323152A1 (en) 2017-11-09
WO2016105827A1 (en) 2016-06-30
EP3238167A4 (en) 2019-01-16
US12046074B2 (en) 2024-07-23
CN111611908B (zh) 2023-08-29
US20160180150A1 (en) 2016-06-23

Similar Documents

Publication Publication Date Title
CN107251033A (zh) 用于在在线教育中进行实时用户验证的系统和方法
US12032671B2 (en) System and method for user enrollment in a secure biometric verification system
US20180308107A1 (en) Living-body detection based anti-cheating online research method, device and system
CN111008592B (zh) 分析面部识别数据和社交网络数据以供用户鉴别
JP2022532677A (ja) 身元検証及び管理システム
CN101809582B (zh) 智能身份系统
CN111125512A (zh) 业务推荐处理方法、装置及系统
CN109684806A (zh) 基于生理特征信息的身份验证方法、装置、系统和介质
CN108351932A (zh) 基于图像的captcha挑战
CN106104555A (zh) 用于保护外围设备的行为分析
TW202024998A (zh) 考勤管理系統、方法及電子設備
CN107193974A (zh) 基于人工智能的地域性信息确定方法和装置
US20130203037A1 (en) Examination mangement
Oh et al. Usability evaluation model for biometric system considering privacy concern based on MCDM model
CN111815169A (zh) 业务审批参数配置方法及装置
CN106228133A (zh) 用户验证方法及装置
TWM554612U (zh) 智能線上客戶服務系統
Schuckers et al. Fido biometrics requirements
CN111095254B (zh) 信息处理设备、信息处理方法和程序
CN110162957A (zh) 智能设备的鉴权方法和装置、存储介质、电子装置
US20140178848A1 (en) Method and apparatus for administering learning contents
CN115906028A (zh) 用户身份验证方法、装置和自助服务终端
MK et al. ABCD Analysis of Voice Biometric System in Banking
KR101802377B1 (ko) 유형별 퀴즈 기반의 지식 수집용 클라우드 소싱 서비스 시스템
AGBABIAKA A MOBILE VOTING APPLICATION USING BVN AUTHENTICATION

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: American California

Applicant after: McAfee limited liability company

Address before: American California

Applicant before: Mcafee Inc

GR01 Patent grant
GR01 Patent grant