CN108880879B - 用户身份识别方法、装置、设备及计算机可读存储介质 - Google Patents

用户身份识别方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN108880879B
CN108880879B CN201810596521.6A CN201810596521A CN108880879B CN 108880879 B CN108880879 B CN 108880879B CN 201810596521 A CN201810596521 A CN 201810596521A CN 108880879 B CN108880879 B CN 108880879B
Authority
CN
China
Prior art keywords
user
network behavior
index
identity
under
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
CN201810596521.6A
Other languages
English (en)
Other versions
CN108880879A (zh
Inventor
舒凯
罗鹏
郝杰
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.)
Beijing 58 Information Technology Co Ltd
Original Assignee
Beijing 58 Information 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 Beijing 58 Information Technology Co Ltd filed Critical Beijing 58 Information Technology Co Ltd
Priority to CN201810596521.6A priority Critical patent/CN108880879B/zh
Publication of CN108880879A publication Critical patent/CN108880879A/zh
Application granted granted Critical
Publication of CN108880879B publication Critical patent/CN108880879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • 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
    • H04L63/30—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information
    • H04L63/302—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information gathering intelligence information for situation awareness or reconnaissance

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Technology Law (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明介绍了一种用户身份识别方法、装置、设备及计算机可读存储介质，该方法包括：确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。本发明可以判断出该用户的真实身份，防止企业用户冒充个人发帖的情况出现，从而保证个人用户发帖的真实性。

Description

用户身份识别方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及互联网技术领域，尤其涉及一种用户身份识别方法、装置、设备及计算机可读存储介质。
背景技术
随着互联网技术的不断发展，互联网中的数据信息日益庞大，但是互联网中也存在着一些虚假信息，尤其是很多企业冒充个人在网站上发布帖子。如果识别出发帖人的真实身份成为急需解决的问题。
发明内容
本发明实施例的主要目的在于提出一种用户身份识别方法、装置、设备及计算机可读存储介质，可以判断出该用户的真实身份，防止企业用户冒充个人发帖的情况出现，从而保证个人用户发帖的真实性。
为实现上述目的，本发明实施例提供了一种用户身份识别方法，所述方法包括：
确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；
根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
可选的，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
可选的，所述根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值，包括：
按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据；
从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
可选的，所述根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份，包括：
根据所述用户在各个网络行为指标下的分数值，确定出所述用户在各个网络行为指标下的最低分数值；
根据所述最低分数值，按照预设识别规则，识别出所述用户的身份。
可选的，所述根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份，包括：
根据多个用户在一个网络行为指标下的分数值，计算得到在所述一个网络行为指标下每个用户的排名；
根据所述用户在各个网络行为指标下的排名，确定出所述用户在所有网络行为指标下的最低排名；
根据所述用户的最低排名所对应的网络行为指标的分数值，按照预设识别规则，识别出所述用户的身份。
可选的，按照所述指标训练模型训练得到的用户在各个网络行为指标下的分数值均在设定数值范围内。
可选的，所述用户的身份包括：个人身份和企业身份。
此外，为实现上述目的，本发明实施例还提出一种用户身份识别装置，所述装置包括：
确定模块，用于确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
计算模块，用于根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；
识别模块，用于根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
此外，为实现上述目的，本发明实施例还提出一种用户身份识别设备，所述设备包括：处理器、存储器及通信总线；
所述通信总线用于实现所述处理器和所述存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的用户身份识别程序，以实现上述介绍的用户身份识别方法的步骤。
此外，为实现上述目的，本发明实施例还提出一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有用户身份识别程序；
当所述用户身份识别程序被至少一个处理器执行时，导致所述至少一个处理器执行上述介绍的用户身份识别方法的步骤。
本发明实施例提出的用户身份识别方法、装置、设备及计算机可读存储介质，确定出属于同一用户的多个注册账号，并根据该用户的每个注册账号的网络行为数据，判断出该用户的真实身份。从而防止企业用户冒充个人发帖的情况出现，保证个人用户发帖的真实性，进而提高了帖子质量并提高了用户体验度。
附图说明
图1是本发明第一实施例的用户身份识别方法的流程图；
图2是本发明第二实施例的用户身份识别方法的流程图；
图3是本发明第三实施例的用户身份识别方法的流程图；
图4是本发明第四实施例的用户身份识别方法的流程图；
图5是本发明第五实施例的用户身份识别装置的组成结构示意图；
图6是本发明第六实施例的用户身份识别设备的组成结构示意图。
具体实施方式
为更进一步阐述本发明实施例为达成预定目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明实施例进行详细说明如后。
本发明第一实施例，提出了一种用户身份识别方法，如图1所示，所述方法具体包括以下步骤：
步骤S101：确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据。
具体的，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
在本发明实施例中，将通过同一个IP地址登录的注册账号，和/或通过同一设备登录的注册账号认定为同一用户使用的多个注册账号。
进一步的，所述网络行为数据，包括：发帖行为数据、浏览行为数据、点击行为数据、输入行为数据。
步骤S102：根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值。
具体的，网络行为指标为预先设置的用于判断用户身份的指标，并为每个网络行为指标设置对应的指标训练模型。获取指标训练模型所需要的网络行为数据，并根据所述指标训练模型，训练出用户在对应的网络行为指标下的分数值。需要说明的是，每种指标训练模型需要的数据不同，指标训练模型根据一种类型或多种类型的网络行为数据，训练得到对应网络行为指标下的分数值。
在本发明实施例中，根据一个用户的多个注册账号的网络行为数据，按照预先设置的多个指标训练模型，分别训练出所述用户在各个网络行为指标下的分数值。
步骤S103：根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
具体的，步骤S103，包括：
步骤B1：根据所述用户在各个网络行为指标下的分数值，按照算术平均算法，计算出所述用户在各个网络行为指标下的平均分数值；
步骤B2：判断所述平均分数值是否大于预设的阈值；若是，则认为所述用户为个人身份，若否则认为所述用户为企业身份。
在本发明实施例中，综合考虑用户在各个网络行为指标下的分数值，从而识别出用户是个人身份还是企业身份。优选的，在识别出用户的真实身份之后，可以对该用户的所有注册账号进行身份标记，通过特定标识标记出该用户的所有注册账号为个人账号或企业账号，以便于其他用户的查阅，从而防止企业账号冒充个人账号发帖的现象。
本发明第二实施例，提出了一种用户身份识别方法，如图2所示，所述方法具体包括以下步骤：
步骤S201：确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据。
具体的，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
在本发明实施例中，将通过同一个IP地址登录的注册账号，和/或通过同一设备登录的注册账号认定为同一用户使用的多个注册账号。
进一步的，所述网络行为数据至少包括以下之一：发帖行为数据、浏览行为数据、点击行为数据、输入行为数据。
步骤S202：按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据。
例如，某一用户拥有注册账号A和注册账号B，若注册账号A的发帖量为4且注册账号B的发帖量为7，则按照预设合并算法将注册账号A的发帖量与注册账号B的发帖量合并，得到该用户的发帖总量为11。
步骤S203：从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
具体的，网络行为指标为预先设置的用于判断用户身份的指标，并为每个网络行为指标设置对应的指标训练模型。获取指标训练模型所需要的网络行为数据，并根据所述指标训练模型，训练出用户在对应的网络行为指标下的分数值。需要说明的是，每种指标训练模型需要的数据不同，指标训练模型根据一种类型或多种类型的网络行为数据，训练得到对应网络行为指标下的分数值。
步骤S204：根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
具体的，步骤S204，包括：
步骤A1：根据所述用户在各个网络行为指标下的分数值，按照算术平均算法，计算出所述用户在各个网络行为指标下的平均分数值；
步骤A2：判断所述平均分数值是否大于预设的阈值；若是，则认为所述用户为个人身份，若否则认为所述用户为企业身份。
本发明第三实施例，提出了一种用户身份识别方法，如图3所示，所述方法具体包括以下步骤：
步骤S301：确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据。
具体的，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
在本发明实施例中，将通过同一个IP地址登录的注册账号，和/或通过同一设备登录的注册账号认定为同一用户使用的多个注册账号。
进一步的，所述网络行为数据至少包括以下之一：发帖行为数据、浏览行为数据、点击行为数据、输入行为数据。
步骤S302：根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值。
具体的，步骤S302，包括：
步骤A1：按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据；
步骤A2：从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
具体的，按照所述指标训练模型训练得到的用户在各个网络行为指标下的分数值均在设定数值范围内。
步骤S303：根据所述用户在各个网络行为指标下的分数值，确定出所述用户在各个网络行为指标下的最低分数值。
步骤S304：根据所述最低分数值，按照预设识别规则，识别出所述用户的身份。
具体的，所述预设识别规则，包括：判断所述最低分数值是否大于预设的阈值；若是，则认为所述用户为个人身份，若否则认为所述用户为企业身份。
在本发明实施例中，若用户在某一网络行为指标下的分数较低，则表示用户在该网络行为指标的表现较差。通过用户在各个网络行为指标下的最低分数值来判断用户的身份，是根据用户的短板的网络行为指标来判断用户的身份，从而可以提高身份识别的准确性。
本发明第四实施例，提出了一种用户身份识别方法，如图4所示，所述方法具体包括以下步骤：
步骤S401：确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据。
具体的，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
在本发明实施例中，将通过同一个IP地址登录的注册账号，和/或通过同一设备登录的注册账号认定为同一用户使用的多个注册账号。
进一步的，所述网络行为数据至少包括以下之一：发帖行为数据、浏览行为数据、点击行为数据、输入行为数据。
步骤S402：根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值。
具体的，步骤S402，包括：
步骤A1：按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据；
步骤A2：从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
具体的，按照所述指标训练模型训练得到的用户在各个网络行为指标下的分数值均在设定数值范围内。
步骤S403：根据多个用户在一个网络行为指标下的分数值，计算得到在所述一个网络行为指标下每个用户的排名。
按照步骤S403的方式，得到每个用户在各个网络行为指标下的排名。例如，用户A在各个网络行为指标下的排名分别为：18、12、36、41、18；用户B在各个网络行为指标下的排名分别为：4、6、11、6、10。
步骤S404：根据所述用户在各个网络行为指标下的排名，确定出所述用户在所有网络行为指标下的最低排名。
最低排名即为最落后的排名，但在数值上是最大的排名。例如，若用户在各个网络行为指标下的排名分别为：18、12、36、41、18，则该用户的最低排名为36。
步骤S405：根据所述用户的最低排名所对应的网络行为指标的分数值，按照预设识别规则，识别出所述用户的身份。
具体的，所述预设识别规则，包括：判断所述最低分数值是否大于预设的阈值；若是，则认为所述用户为个人身份，若否则认为所述用户为企业身份。
与第三实施例不同，本发明实施例是根据多个用户在各个网络行为指标下的分数值确定出每个用户的表现最差的网络行为指标，并根据每个用户的表现最差的网络行为指标的分数来判断每个用户的身份。
本发明第五实施例，提出了一种用户身份识别装置，如图5所示，所述装置具体包括以下组成部分：
确定模块501，用于确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
计算模块502，用于根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；
识别模块503，用于根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
具体的，确定模块501，用于：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
进一步的，计算模块502，用于：
按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据；从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
进一步的，识别模块503，用于：
根据所述用户在各个网络行为指标下的分数值，确定出所述用户在各个网络行为指标下的最低分数值；根据所述最低分数值，按照预设识别规则，识别出所述用户的身份；或者，
根据多个用户在一个网络行为指标下的分数值，计算得到在所述一个网络行为指标下每个用户的排名；根据所述用户在各个网络行为指标下的排名，确定出所述用户在所有网络行为指标下的最低排名；根据所述用户的最低排名所对应的网络行为指标的分数值，按照预设识别规则，识别出所述用户的身份。
进一步的，按照所述指标训练模型训练得到的用户在各个网络行为指标下的分数值均在设定数值范围内。
更进一步的，所述用户的身份包括：个人身份和企业身份。
本发明第六实施例，提出了一种用户身份识别设备，如图6所示，所述设备包括：处理器601、存储器602及通信总线；
所述通信总线用于实现处理器601和存储器602之间的连接通信；
处理器601用于执行存储器602中存储的用户身份识别程序，以实现以下步骤：
确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；
根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
本发明第七实施例，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有用户身份识别程序；
当所述用户身份识别程序被至少一个处理器执行时，导致所述至少一个处理器执行以下步骤操作：
确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值；
根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份。
本发明实施例中介绍的用户身份识别方法、装置、设备及计算机可读存储介质，确定出属于同一用户的多个注册账号，并根据该用户的每个注册账号的网络行为数据，判断出该用户的真实身份。从而防止企业用户冒充个人发帖的情况出现，保证个人用户发帖的真实性，进而提高了帖子质量并提高了用户体验度。
通过具体实施方式的说明，应当可对本发明实施例为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图示仅是提供参考与说明之用，并非用来对本发明实施例加以限制。

Claims (9)

1.一种用户身份识别方法，其特征在于，所述方法包括：
确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
根据一个用户的多个注册账号的网络行为数据，按照预先设置的多个指标训练模型，计算所述用户在各个网络行为指标下的分数值；
根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份；
所述用户的身份包括：个人身份和企业身份。
2.根据权利要求1所述的用户身份识别方法，其特征在于，所述确定出一个用户的多个注册账号，包括：
根据注册账号的登录IP地址信息和/或登录设备信息，确定出属于一个用户的多个注册账号。
3.根据权利要求1所述的用户身份识别方法，其特征在于，所述根据每个注册账号的网络行为数据，计算所述用户在各个网络行为指标下的分数值，包括：
按照预设合并算法，将所有注册账号的同一类型的网络行为数据进行合并，得到所述用户的各种类型的网络行为数据；
从所述用户的各种类型的网络行为数据中选取出指标训练模型所需要的数据，并利用所述指标训练模型根据选取出的数据训练得到所述用户在与所述指标训练模型对应的网络行为指标下的分数值。
4.根据权利要求1所述的用户身份识别方法，其特征在于，所述根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份，包括：
根据所述用户在各个网络行为指标下的分数值，确定出所述用户在各个网络行为指标下的最低分数值；
根据所述最低分数值，按照预设识别规则，识别出所述用户的身份。
5.根据权利要求1所述的用户身份识别方法，其特征在于，所述根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份，包括：
根据多个用户在一个网络行为指标下的分数值，计算得到在所述一个网络行为指标下每个用户的排名；
根据所述用户在各个网络行为指标下的排名，确定出所述用户在所有网络行为指标下的最低排名；
根据所述用户的最低排名所对应的网络行为指标的分数值，按照预设识别规则，识别出所述用户的身份。
6.根据权利要求3所述的用户身份识别方法，其特征在于，按照所述指标训练模型训练得到的用户在各个网络行为指标下的分数值均在设定数值范围内。
7.一种用户身份识别装置，其特征在于，所述装置包括：
确定模块，用于确定出一个用户的多个注册账号，并获取每个注册账号的网络行为数据；
计算模块，用于根据一个用户的多个注册账号的网络行为数据，按照预先设置的多个指标训练模型，计算所述用户在各个网络行为指标下的分数值；
识别模块，用于根据所述用户在各个网络行为指标下的分数值，识别出所述用户的身份；
所述用户的身份包括：个人身份和企业身份。
8.一种用户身份识别设备，其特征在于，所述设备包括：处理器、存储器及通信总线；
所述通信总线用于实现所述处理器和所述存储器之间的连接通信；
所述处理器用于执行所述存储器中存储的用户身份识别程序，以实现权利要求1至6中任一项所述的用户身份识别方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有用户身份识别程序；
当所述用户身份识别程序被至少一个处理器执行时，导致所述至少一个处理器执行权利要求1至6中任一项所述的用户身份识别方法的步骤。
CN201810596521.6A 2018-06-11 2018-06-11 用户身份识别方法、装置、设备及计算机可读存储介质 Active CN108880879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810596521.6A CN108880879B (zh) 2018-06-11 2018-06-11 用户身份识别方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810596521.6A CN108880879B (zh) 2018-06-11 2018-06-11 用户身份识别方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108880879A CN108880879A (zh) 2018-11-23
CN108880879B true CN108880879B (zh) 2021-11-23

Family

ID=64337792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810596521.6A Active CN108880879B (zh) 2018-06-11 2018-06-11 用户身份识别方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108880879B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988294B (zh) * 2020-08-10 2022-04-12 中国平安人寿保险股份有限公司 基于人工智能的用户身份识别方法、装置、终端及介质
CN113822691B (zh) * 2020-10-28 2024-07-19 北京沃东天骏信息技术有限公司 用户账号的识别方法、装置、系统和介质
CN112636980B (zh) * 2020-12-25 2022-06-28 平安科技（深圳）有限公司 资源数量确定方法、装置、电子设备及相关产品
CN113362162A (zh) * 2021-06-29 2021-09-07 深圳壹账通智能科技有限公司 基于网络行为数据的风控识别方法、装置、电子设备及介质
CN114862420A (zh) * 2022-05-20 2022-08-05 拉扎斯网络科技（上海）有限公司 身份识别方法、装置、程序产品、介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103853948A (zh) * 2012-11-28 2014-06-11 阿里巴巴集团控股有限公司 用户身份的识别、信息的过滤及搜索方法和服务器
CN107404408A (zh) * 2017-08-30 2017-11-28 北京邮电大学 一种虚拟身份关联识别方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102752288B (zh) * 2012-06-06 2015-07-08 华为技术有限公司 网络访问行为识别方法和装置
CN106296406A (zh) * 2015-05-13 2017-01-04 阿里巴巴集团控股有限公司 交互数据的处理方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103853948A (zh) * 2012-11-28 2014-06-11 阿里巴巴集团控股有限公司 用户身份的识别、信息的过滤及搜索方法和服务器
CN107404408A (zh) * 2017-08-30 2017-11-28 北京邮电大学 一种虚拟身份关联识别方法及装置

Also Published As

Publication number Publication date
CN108880879A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108880879B (zh) 用户身份识别方法、装置、设备及计算机可读存储介质
CN106682906B (zh) 一种风险识别、业务处理方法和设备
CN111460312A (zh) 空壳企业识别方法、装置及计算机设备
CN109345417B (zh) 基于身份认证的业务人员的在线考核方法及终端设备
CN103136228A (zh) 一种图片搜索方法以及图片搜索装置
CN112839014B (zh) 建立识别异常访问者模型的方法、系统、设备及介质
CN113157854B (zh) Api的敏感数据泄露检测方法及系统
CN112966081A (zh) 处理问答信息的方法、装置、设备和存储介质
CN113988314A (zh) 一种选择客户端的分簇联邦学习方法及系统
CN104750760A (zh) 一种推荐应用软件的实现方法及装置
CN109194689A (zh) 异常行为识别方法、装置、服务器及存储介质
CN113240563A (zh) 课程推送方法、装置和服务器
CN115174250B (zh) 网络资产安全评估方法、装置、电子设备及存储介质
CN114095567A (zh) 数据访问请求的处理方法、装置、计算机设备及介质
CN108234454A (zh) 一种身份认证方法、服务器及客户端设备
CN113360895B (zh) 站群检测方法、装置及电子设备
CN112445873B (zh) 列表显示处理方法、相关装置、设备及介质
CN112069833B (zh) 日志分析方法、日志分析装置及电子设备
CN102651025A (zh) 一种用于在网络社区中对发布信息进行定位的方法与设备
CN104572820B (zh) 模型的生成方法及装置、重要度获取方法及装置
CN116310994A (zh) 一种视频片段提取方法、装置、电子设备及介质
CN102622379A (zh) 实名检测的方法和设备
CN115470399A (zh) 一种基于大数据的id打通方法、装置、设备和存储介质
CN109977176B (zh) 数据处理方法及装置
CN110059502B (zh) 隐私数据感知方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant