CN107911338B - 一种数据验证方法、相关设备和系统 - Google Patents

一种数据验证方法、相关设备和系统 Download PDF

Info

Publication number
CN107911338B
CN107911338B CN201710952660.3A CN201710952660A CN107911338B CN 107911338 B CN107911338 B CN 107911338B CN 201710952660 A CN201710952660 A CN 201710952660A CN 107911338 B CN107911338 B CN 107911338B
Authority
CN
China
Prior art keywords
data
true man
track
mouse
server
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
Application number
CN201710952660.3A
Other languages
English (en)
Other versions
CN107911338A (zh
Inventor
谢红宝
庄家栋
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.)
Shenzhen Xunlei Network Technology Co Ltd
Original Assignee
Shenzhen Xunlei Network Technology Co Ltd
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 Shenzhen Xunlei Network Technology Co Ltd filed Critical Shenzhen Xunlei Network Technology Co Ltd
Priority to CN201710952660.3A priority Critical patent/CN107911338B/zh
Publication of CN107911338A publication Critical patent/CN107911338A/zh
Application granted granted Critical
Publication of CN107911338B publication Critical patent/CN107911338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0354—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of 2D relative movements between the device, or an operating part thereof, and a plane or surface, e.g. 2D mice, trackballs, pens or pucks
    • G06F3/03543—Mice or pucks

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种数据验证方法、相关设备和系统，该方法包括：客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。本发明实施例可以提高验证的安全性。

Description

一种数据验证方法、相关设备和系统
技术领域
本发明涉及网络技术领域，尤其涉及一种数据验证方法、相关设备和系统。
背景技术
在网络技术领域中，客户端经常需要向服务端提交请求，例如：登录、提交评论、提交表单或者各种数据操作请求等等。目前为了提高提交请求的安全性，客户端需要向服务端提交验证信息，例如：图形验证码验证、数字验证或者滑条验证等等，服务端对客户端提交的验证信息进行验证，验证通过后，响应客户端的请求。然而，目前的验证方式都存在被机器人自动刷接口的风险，即机器人可以自动输入验证信息，从而导致验证的安全性比较低。
发明内容
本发明实施例提供了一种数据验证方法、相关设备和系统，可以提高验证的安全性。
第一方面，本发明实施例提供一种数据验证方法，包括：
客户端采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
第二方面，本发明实施例提供一种数据验证方法，包括：
客户端采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
第三方面，本发明实施例提供一种数据验证方法，包括：
服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
第四方面，本发明实施例提供一种数据验证系统，包括：
客户端，用于采集鼠标的移动轨迹数据；
所述客户端还用于向服务端上报所述移动轨迹数据；
所述服务端，判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
所述服务端还用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
所述服务端还用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
第五方面，本发明实施例提供一种客户端，包括：
采集模块，用于采集鼠标的移动轨迹数据；
上报模块，用于向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
第六方面，本发明实施例提供一种服务端，包括：
接收模块，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
判断模块，用于判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
第一确定模块，用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
第二确定模块，用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
上述技术方案中，客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。这样可以实现对鼠标的移动轨迹数据进行验证，从而可以识别是否为真人控制鼠标的轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例可以应用于网络系统的结构图；
图2是本发明实施例的一种数据验证方法的示意图；
图3是本发明实施例的另一种数据验证方法的示意图；
图4是本发明实施例的一种数据验证方法的举例示意图；
图5是本发明实施例提供的另一种数据验证方法的流程图；
图6是本发明实施例提供的另一种数据验证方法的流程图；
图7是本发明实施例提供的一种数据验证系统的结构图；
图8是本发明实施例提供的一种客户端的结构图；
图9是本发明实施例提供的一种服务端的结构图；
图10是本发明实施例提供的另一种服务端的结构图；
图11是本发明实施例提供的另一种客户端的结构图；
图12是本发明实施例提供的另一种服务端的结构图。
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1是本发明实施例可以应用于网络系统的结构图，如图1所示，包括：客户端101和服务端102，其中，客户端101可以是安装在用户终端上的应用程序(例如：浏览器)，或者客户端可以理解为用户终端，例如：计算机、手机、平板电脑等等。客户端101可以向服务端102提交请求，而服务端102可以对客户端101进行验证，当验证通过时，则可以响应客户端101的请求，若验证不通过，则服务端102可以是不接收或者不响应客户端101提交的请求。另外，服务端102可以是服务器或者云端。
请参考图2，图2是本发明实施例的一种数据验证方法的示意图，如图2所示，包括以下步骤：
201、客户端采集鼠标的移动轨迹数据。
其中，上述采集鼠标的移动轨迹数据可以是在输入框或者请求提交按钮附近采集鼠标的移动轨迹数据，例如：可以是预先设置或者指定一块轨迹收集区域，用户在进行输入，以及提交请求时，鼠标经过该区域，会形成一条轨迹，从而客户端可以采集到上述移动轨迹数据。
202、所述客户端向服务端上报所述移动轨迹数据。
该步骤可以是步骤201采集到后，立即进行上报，也可以是采用到上述移动轨迹数据后，定时上报给服务端，从而服务可以通过数据分析，得出是否为真人控制鼠标的轨迹数据。
203、所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据。
该步骤203可以是对上述移动轨迹数据的轨迹形态、移动速度或者时间等轨迹数据进行分析，以判断上述移动轨迹数据是否为真人控制鼠标的轨迹数据(可以简称真人轨迹数据)。优选的，可以是将上述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配，根据匹配结果确定上述移动轨迹数据是否为真人控制鼠标的轨迹数据。
需要说明的是，真人控制鼠标的轨迹数据可以理解为，真人鼠标移动时的轨迹，即步骤203可以是判断上述移动轨迹数据是否为真人控制鼠标移动时产生的移动轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
204、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过。
其中，确定客户端验证通过后，就可以响应客户端提交的请求，例如：控制客户端登录成功、接收客户端提交评论、接收客户端提交表单或者响应客户端提交各种数据操作等等，对此本发明实施例不作限定。
205、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
若客户端验证不通过，则可以提示客户端再次进行验证，或者拒绝或者不响应客户端提交的请求，向客户端传递传统验证码进行验证等等，对此本发明实施例不作限定。
另外，上述方法中客户端还可以向服务端发送请求，例如：登录、提交评论、提交表单或者各种数据操作请求等等，且这些请求可以携带客户端的设备标识(ID)、IP地址和以及客户端标识(例如：客户端的指纹信息)。当然，上述移动轨迹数据也可以携带这些信息。这样服务端接收到客户端提交的请求时，可以根据客户端的ID、IP地址和以及客户端标识上述移动轨迹数据的分析结果，然后根据结果返回相应的结果，例如：拒绝请求、提示需要再次校验或者通过等等。
通过上述步骤可以实现客户端在提交请求时，记录其鼠标轨迹，并提交服务端进行数据分析与识别，最终返回识别结果，从而达到人机识别的目的。且可以实现在检测攻击请求时，可以根据更多用户行为，更加精准地得到人为信息，以达到防刷，以及提高用户体验的目的。例如：当用户进行登录时，在输入登录用户，这是鼠标会移动到登录框，并点击，将焦点设定到登录框，然后进行输入操作。这个过程中，真实人有很多数据，包括鼠标轨迹，鼠标速率等，从而通过上述方法，对这些数据进行验证，虽然，不同的用户行为可能不一样，但是，真人操作和机械操作之间，有一些区别，通过上述方法可以验证是否为真人操作，这样攻击者想要完全模拟出可以绕过检测的轨迹与行为，需要跟防守者拥有同样的数据源，这是很难实现，从而本发明实施例可以提高验证的安全性。
上述技术方案中，客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。这样可以实现对鼠标的移动轨迹数据进行验证，从而可以识别是否为真人控制鼠标的轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
请参考图3，图3是本发明实施例的另一种数据验证方法的示意图，如图3所示，包括以下步骤：
301、客户端采集鼠标的移动轨迹数据，其中，所述移动轨迹数据包括移动速度数据和轨迹数据。
其中，上述移动速度数据表示鼠标的移动速度，而上述轨迹数据表示鼠标的移动轨迹。
302、所述客户端向服务端上报所述移动轨迹数据。
该步骤可以是步骤301采集到后，立即进行上报，也可以是采用到上述移动轨迹数据后，定时上报给服务端，从而服务可以通过数据分析，得出是否为真人控制鼠标的轨迹数据。
303、所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条。
该步骤可以是将移动轨迹数据作为一个轨迹矢量，将该轨迹矢量图转换成图片，其中，速度转换成深度，轨迹转换成线条。
304、所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据。
上述神经网络可以是预先训练好的神经网络，而上述大量真人控制鼠标的轨迹数据可以是服务端预先收集大量真人控制鼠标的轨迹数据，且这些真人控制鼠标的轨迹数据可以是图像数据。
步骤304可以是通过上述神经网络将上述图像数据与大量真人控制鼠标的轨迹数据进行匹配，其中，上述图像数据命中越多真人控制鼠标的轨迹数据，则表示图像数据的真人概率越高，且这里的命名可以理解为上述图像数据与真人控制鼠标的轨迹数据的匹配度超过预设阈值。
通过步骤304可以准确地计算出上述移动轨迹数据的真人概率，从而提高验证的安全性。
另外，服务端可以建立轨迹库以存储上述大量真人控制鼠标的轨迹数据，且可以通过不断地收集轨迹数据，轨迹库会不断丰富，从而不断提高精准度。
可选的，为了进一步提高移动轨迹数据的真人概率，客户端上报的移动轨迹数据还可以包括时间数据，且步骤304可以包括：
所述服务端通过卷积神经网络(Convolutional Neural Network，CNN)和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过循环神经网络(Recurrent Neural Networks，RNN)、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
其中，上述初步分类可以是确定上述图像数据的类型，例如：通过上述CNN将上述图像数据与大量真人控制鼠标的轨迹数据匹配，以得到该图像数据的初步分类结果。
而上述通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，可以是给上述图像数据时间数据，通过上述RNN与真人控制鼠标的轨迹数据进行匹配，以得到图像数据的时序分类结果。其中，上述时间数据可以是上述移动轨迹数据的时间或者时长等时间信息。且通过上述RNN时可以是与上述初步分类结果对应的真人控制鼠标的轨迹数据进行分析，以得到时序分类结果，当然，这里上述初步分类结果对应的真人控制鼠标的轨迹数据也可以包括时间数据。而上述使用所述时序分类结果计算所述图像数据的真人概率可以是识别该时序分类结果命中真人控制鼠标的轨迹数据的数量，通过该命中数量确定上述图像数据的真人概率，其中，命中数量越多真人概率越高，反之越低。
例如：如图4所示，将移动轨迹数据的速度数据转换成图像深度，将轨迹数据转换图像线条(例如：图像点阵)，之后通过CNN进行初步分类，再将初步分类结果和时间数据通过RNN进行时序分类，最后得到真人概率。
可选的，本实施例中，所述客户端采集鼠标的移动轨迹数据，包括：
所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，包括：
所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
该实施方式中，可以实现客户端采集每单位时间(例如：每N秒时间)内的轨迹数据，并上报给服务端，从而实现在用户输入以及编辑等操作时，可以多次上报，以提高验证的准确性。
可选的，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
该实施方式中，可以实现针对用户个体，建立轨迹规则库。如果用户进行其他验证通过，可以在这里进行轨迹的添加，以提高验证的准确度。
305、若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据。
306、若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
307、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过。
其中，确定客户端验证通过后，就可以响应客户端提交的请求，例如：控制客户端登录成功、接收客户端提交评论、接收客户端提交表单或者响应客户端提交各种数据操作等等，对此本发明实施例不作限定。
308、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
若客户端验证不通过，则可以提示客户端再次进行验证，或者拒绝或者不响应客户端提交的请求等等，对此本发明实施例不作限定。
本实施例中，在图2所示的实施例的基础上增加了多种可选的实施方式，且可以进一步提高验证的安全性。
请参考图5，图5是本发明实施例的另一种数据验证方法的示意图，如图5所示，包括以下步骤：
501、客户端采集鼠标的移动轨迹数据；
502、所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
可选的，所述客户端采集鼠标的移动轨迹数据，包括：
所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，包括：
所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
需要说明的是，本实施例中作为图2和图3所示的实施例中客户端对应的实施例，其中，本实施例中，客户端的实施方式均可以参见图2和图3所示的实施例中客户端的实施方式，此处不作赘述，且可以达到相同的有益效果。
请参考图6，图6是本发明实施例的另一种数据验证方法的示意图，如图5所示，包括以下步骤：
601、服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
602、所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
603、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
604、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：
所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
可选的，所述移动轨迹数据还包括时间数据；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
可选的，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
需要说明的是，本实施例中作为图2和图3所示的实施例中客户端对应的实施例，其中，本实施例中，客户端的实施方式均可以参见图2和图3所示的实施例中客户端的实施方式，此处不作赘述，且可以达到相同的有益效果。
请参考图7，图7是本发明实施例提供的一种数据验证系统的结构示意图，如图7所示，包括：
客户端701，用于采集鼠标的移动轨迹数据；
所述客户端701还用于向服务端702上报所述移动轨迹数据；
所述服务端702，判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
所述服务端702还用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端701验证通过；
所述服务端702还用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端701验证不通过。
可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
所述服务端702用于将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端702用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
可选的，所述移动轨迹数据还包括时间数据；
所述服务端702用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端702用于通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
可选的，所述客户端701用于每单位时间内采集鼠标的移动轨迹数据；
所述客户端701用于向服务端702上报所述客户端701每次采集的移动轨迹数据。
可选的，所述服务端702用于通过神经网络和预先为所述客户端701建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端701的大量真人控制鼠标的轨迹数据。
需要说明的是，本实施例中作为图2和图3所示的实施例对应的系统实施例，系统实施例的实施方式可以参见图2和图3所示的实施例的实施方式，此处不作赘述，且可以达到相同的有益效果。
请参考图8，图8是本发明实施例提供的一种客户端的结构示意图，如图8所示，包括：
采集模块801，用于采集鼠标的移动轨迹数据；
上报模块802，用于向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
可选的，采集模块801用于每单位时间内采集鼠标的移动轨迹数据；
上报模块802用于向服务端上报所述客户端每次采集的移动轨迹数据。
本实施例中，客户端作为本发明实施例提供的数据验证方法中的客户端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
请参考图9，图9是本发明实施例提供的一种服务端的结构示意图，如图9所示，包括：
接收模块901，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
判断模块902，用于判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
第一确定模块903，用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
第二确定模块904，用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
如图10所示，判断模块902包括：
转换单元9021，用于将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
计算单元9022，用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
第一确定单元9023，用于若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
第二确定单元9024，用于若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
可选的，所述移动轨迹数据还包括时间数据；
计算单元9022用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；以及通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
可选的，计算单元9022用于通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
本实施例中，服务端作为本发明实施例提供的数据验证方法中的服务端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
请参阅图11，图11是本发明实施例提供的另一种客户端的示意图，如图11所示，包括：存储器111，以及与存储器111连接的处理器112，其中，存储器111用于存储程序代码，处理器112用于调用存储器111存储的程序，执行如下操作：
采集鼠标的移动轨迹数据；
向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
可选的，处理器112执行的采集鼠标的移动轨迹数据，包括：
每单位时间内采集鼠标的移动轨迹数据；
处理器112执行的向服务端上报所述移动轨迹数据，包括：
所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
本实施例中，客户端作为本发明实施例提供的数据验证方法中的客户端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
请参阅图12，图12是本发明实施例提供的另一种服务端的示意图，如图12所示，包括：存储器121，以及与存储器121连接的处理器122，其中，存储器121用于存储程序代码，处理器122用于调用存储器121存储的程序，执行如下操作：
接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
处理器122执行的判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：
将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
可选的，所述移动轨迹数据还包括时间数据；
处理器122执行的通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
可选的，处理器122执行的通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
本实施例中，服务端作为本发明实施例提供的数据验证方法中的服务端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供客户端侧的数据验证方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供服务端侧的数据验证方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (15)

1.一种数据验证方法，其特征在于，包括：
客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：
所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
2.如权利要求1所述的方法，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过卷积神经网络CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过循环神经网络RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
3.如权利要求2所述的方法，其特征在于，所述客户端采集鼠标的移动轨迹数据，包括：
所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，包括：所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
4.如权利要求3所述的方法，其特征在于，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
5.一种数据验证方法，其特征在于，包括：
客户端采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
6.如权利要求5所述的方法，其特征在于，所述客户端采集鼠标的移动轨迹数据，包括：
所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，包括：
所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
7.一种数据验证方法，其特征在于，包括：服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
8.如权利要求7所述的方法，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
9.如权利要求8所述的方法，其特征在于，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
10.一种数据验证系统，其特征在于，包括：
客户端，用于采集鼠标的移动轨迹数据；所述客户端还用于向服务端上报所述移动轨迹数据；
所述服务端，将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配；
所述服务端还用于若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
所述服务端还用于若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端用于将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
11.如权利要求10所述的系统，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端用于通过RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
12.如权利要求11所述的系统，其特征在于，所述客户端用于每单位时间内采集鼠标的移动轨迹数据；
所述客户端用于向服务端上报所述客户端每次采集的移动轨迹数据。
13.如权利要求10所述的系统，其特征在于，所述服务端用于通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
14.一种客户端，其特征在于，包括：采集模块，用于采集鼠标的移动轨迹数据；所述移动轨迹数据包括移动速度数据和轨迹数据；
上报模块，用于向服务端上报所述移动轨迹数据，以使所述服务端将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配，若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
第一转换模块，用于所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
第一计算模块，用于所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
第三确定模块，用于若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
第四确定模块，用于若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
15.一种服务端，其特征在于，包括：
接收模块，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；所述移动轨迹数据包括移动速度数据和轨迹数据；
判断模块，用于将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配；
第一确定模块，用于若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
第二确定模块，用于若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
第二转换模块，用于所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
第二计算模块，用于所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
第五确定模块，用于若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
第六确定模块，用于若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
CN201710952660.3A 2017-10-13 2017-10-13 一种数据验证方法、相关设备和系统 Active CN107911338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710952660.3A CN107911338B (zh) 2017-10-13 2017-10-13 一种数据验证方法、相关设备和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710952660.3A CN107911338B (zh) 2017-10-13 2017-10-13 一种数据验证方法、相关设备和系统

Publications (2)

Publication Number Publication Date
CN107911338A CN107911338A (zh) 2018-04-13
CN107911338B true CN107911338B (zh) 2019-06-28

Family

ID=61840568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710952660.3A Active CN107911338B (zh) 2017-10-13 2017-10-13 一种数据验证方法、相关设备和系统

Country Status (1)

Country Link
CN (1) CN107911338B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109407947A (zh) * 2018-09-30 2019-03-01 北京金山云网络技术有限公司 界面交互及其验证方法、登录请求生成及验证方法和装置
CN110188519A (zh) * 2019-05-20 2019-08-30 北京奇艺世纪科技有限公司 一种异常滑动轨迹的检测方法、装置及电子设备
CN110795716A (zh) * 2019-10-22 2020-02-14 武汉极意网络科技有限公司 基于cnn的身份验证方法、用户设备、存储介质及装置
CN113220190A (zh) * 2020-02-06 2021-08-06 阿里巴巴集团控股有限公司 信息生成方法、验证方法、设备及存储介质
CN113806824B (zh) * 2020-12-28 2024-05-17 京东科技控股股份有限公司 基于鼠标轨迹的安全校验方法、装置及计算机设备
CN115357130B (zh) * 2022-08-18 2023-09-05 杭州分叉智能科技有限公司 一种基于rpa的模拟人为鼠标操作方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101010204A (zh) * 2004-06-30 2007-08-01 洛桑聚合联合学院 用于验证安全文件和贵重产品的带状莫尔图像的基于模型的合成
CN106384587A (zh) * 2015-07-24 2017-02-08 科大讯飞股份有限公司 一种语音识别方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7895653B2 (en) * 2007-05-31 2011-02-22 International Business Machines Corporation Internet robot detection for network distributable markup
CN103942489A (zh) * 2014-03-31 2014-07-23 中国科学院信息工程研究所 一种基于光标隐藏场景的攻击检测方法及系统
CN106155298B (zh) * 2015-04-21 2019-11-08 阿里巴巴集团控股有限公司 人机识别方法及装置、行为特征数据的采集方法及装置
KR102313028B1 (ko) * 2015-10-29 2021-10-13 삼성에스디에스 주식회사 음성 인식 시스템 및 방법
CN106599198B (zh) * 2016-12-14 2021-04-06 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种多级联结循环神经网络的图像描述方法
CN106897670B (zh) * 2017-01-19 2020-09-22 南京邮电大学 一种基于计算机视觉的快递暴力分拣识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101010204A (zh) * 2004-06-30 2007-08-01 洛桑聚合联合学院 用于验证安全文件和贵重产品的带状莫尔图像的基于模型的合成
CN106384587A (zh) * 2015-07-24 2017-02-08 科大讯飞股份有限公司 一种语音识别方法及系统

Also Published As

Publication number Publication date
CN107911338A (zh) 2018-04-13

Similar Documents

Publication Publication Date Title
CN107911338B (zh) 一种数据验证方法、相关设备和系统
US11314849B2 (en) Method, device, and system of detecting a lie of a user who inputs data
US10187490B2 (en) Discovering signature of electronic social networks
CN106210836B (zh) 一种视频播放过程中的互动学习方法及装置、终端设备
US11302215B2 (en) Adaptive team training evaluation system and method
JP6438135B2 (ja) ソーシャルプラットフォームに基づくデータマイニング方法及び装置
CN105955881B (zh) 一种自动化测试步骤录制及回放方法和装置
US20160342851A1 (en) Computerized system and method for determining authenticity of users via facial recognition
CN104318138A (zh) 一种验证用户身份的方法和装置
CN105989196B (zh) 基于采集运动信息进行社交的方法及系统
WO2016112687A1 (zh) 一种在终端上身份认证的方法和装置及终端
CN103366782B (zh) 在虚拟形象上自动播放表情的方法和装置
CN111479129B (zh) 直播封面的确定方法、装置、服务器、介质及系统
US20140101739A1 (en) Semantic challenge for audio human interactive proof
CN106601257A (zh) 一种声音识别方法、设备和第一电子设备
CN104317804A (zh) 发布投票信息的方法和装置
CN112090088A (zh) 游戏数据处理方法及相关设备
CN111177725A (zh) 一种检测恶意刷点击操作的方法、装置、设备及存储介质
CN114245185B (zh) 视频推荐方法、模型训练方法、装置、电子设备及介质
CN104133908B (zh) 在页面显示或生成讨论框的方法、服务器、客户端和系统
CN110141861A (zh) 控制方法、装置及终端
CN108182276A (zh) 一种基于拍摄图片进行搜题的方法及电子设备
CN106843461B (zh) 一种用于机器人的交互输出方法以及机器人
CN111077997B (zh) 一种点读模式下的点读控制方法及电子设备
Mohamed et al. On the security and usability of dynamic cognitive game CAPTCHAs

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