CN109583161A - 一种信息处理方法及装置、存储介质 - Google Patents
一种信息处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN109583161A CN109583161A CN201811429280.2A CN201811429280A CN109583161A CN 109583161 A CN109583161 A CN 109583161A CN 201811429280 A CN201811429280 A CN 201811429280A CN 109583161 A CN109583161 A CN 109583161A
- Authority
- CN
- China
- Prior art keywords
- model
- various dimensions
- touch control
- operating parameter
- control operation
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 42
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000005477 standard model Effects 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 27
- 238000003825 pressing Methods 0.000 claims description 24
- 238000012512 characterization method Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000007477 logistic regression Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Classifications
-
- 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
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- 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
- G06F21/44—Program or device authentication
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例公开了一种信息处理方法及装置、存储介质,该方法包括:获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;根据所述历史操作参数,建立多维度操作标准模型;当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。
Description
技术领域
本发明涉及终端信息认证技术,尤其涉及一种信息处理方法及装置、存储介质。
背景技术
目前,手机用户通过输入正确的登录信息,就能够进入相应的手机界面,这种方式存在非用户本人的其他用户采用不正当手段获得用户的登录信息后,导致用户信息被泄露的问题,为了保证用户信息的安全性,现有技术在检测到输入登录信息时,还会获取登录信息对应的操作设备和操作地点的切换情况,用于判断是否是其他用户执行输入操作,即用户异常登录,但是该方法的判断依据太单一且只能够检测出部分的用户异常登录,进而导致判断用户异常登录的准确度低。
发明内容
本发明的主要目的在于提出一种信息处理方法及装置、存储介质,能够提高判断终端上异常操作的准确性。
本发明的技术方案是这样实现的:
本发明实施例提供了一种信息处理方法,所述方法包括:
获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;
统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;
根据所述历史操作参数,建立多维度操作标准模型;
当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。
上述方案中,所述操作参数包括以下至少一项:
所述当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值和结束时刻值、所述每次点击操作与屏幕保持接触的持续时长、所述当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长、所述每次点击操作的按压力度的初始时刻值和结束时刻值、以及所述每次点击操作发生时屏幕的重力加速度的初始时刻值、结束时刻值、最大值、最小值和平均值;其中,i为大于1的正整数。
上述方案中,所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型,包括:
根据所述操作参数,生成操作向量;
通过所述操作向量,得到所述多维度操作模型。
上述方案中,所述统计历史操作参数,包括:
根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断所述历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;
统计所述n个不是机器操作的历史触控操作的历史操作参数。
上述方案中,所述根据所述历史操作参数,建立多维度操作标准模型,包括:
对所述历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;
对所述n行m列的操作参数矩阵进行向量变换,得到所述多维度操作标准模型。
上述方案中,在所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型之后,所述方法还包括:
根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算所述多维度操作模型的概率值;
当所述概率值小于或等于预设第一阈值时,确定所述当前次触控操作属于人为操作;
当所述概率值大于或等于预设第二阈值时,确定所述认证功能发生异常。
上述方案中,所述预设分类模型包括:逻辑回归的分类模型。
上述方案中,在所述根据所述历史操作参数,建立多维度操作标准模型之后,所述确定所述认证功能发生异常之前,所述方法还包括:
计算所述多维度操作标准模型中同一类操作参数的方差;
将所述多维度操作模型和所述多维度操作标准模型对应的每一组操作参数的差值的平方值,除以所述每一组操作参数对应的方差后再相加,得到所述多维度操作模型和所述多维度操作标准模型的差值平方;
对所述差值平方开根号,得到所述多维度操作模型和所述多维度操作标准模型的差异度。
本发明实施例提供了一种信息处理装置,所述装置包括:获取单元、模型单元、统计单元和判断单元;其中,
所述获取单元,用于获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
所述模型单元,用于根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;
所述统计单元,用于统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;
所述模型单元,还用于根据所述历史操作参数,建立多维度操作标准模型;
所述判断单元,用于当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。
上述方案中,所述操作参数包括以下至少一项:
所述当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值和结束时刻值、所述每次点击操作与屏幕保持接触的持续时长、所述当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长、所述每次点击操作的按压力度的初始时刻值和结束时刻值、以及所述每次点击操作发生时屏幕的重力加速度的初始时刻值、结束时刻值、最大值、最小值和平均值;其中,i为大于1的正整数。
上述方案中,所述模型单元,具体用于根据所述操作参数,生成操作向量;及通过所述操作向量,得到所述多维度操作模型。
上述方案中,所述统计单元,具体用于根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断所述历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;及统计所述n个不是机器操作的历史触控操作的历史操作参数。
上述方案中,所述模型单元,具体用于对所述历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;及对所述n行m列的操作参数矩阵进行向量变换,得到所述多维度操作标准模型。
上述方案中,所述判断单元,还用于在所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型之后,根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算所述多维度操作模型的概率值;及当所述概率值小于或等于预设第一阈值时,确定所述当前次触控操作属于人为操作;以及当所述概率值大于或等于预设第二阈值时,确定所述认证功能发生异常。
上述方案中,所述预设分类模型包括:逻辑回归的分类模型。
上述方案中,所述判断单元,还用于在所述根据所述历史操作参数,建立多维度操作标准模型之后,所述确定所述认证功能发生异常之前,计算所述多维度操作标准模型中同一类操作参数的方差;及将所述多维度操作模型和所述多维度操作标准模型对应的每一组操作参数的差值的平方值,除以所述每一组操作参数对应的方差后再相加,得到所述多维度操作模型和所述多维度操作标准模型的差值平方;以及对所述差值平方开根号,得到所述多维度操作模型和所述多维度操作标准模型的差异度。
本发明实施例还提供了一种信息处理装置,所述装置包括:处理器、存储器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的一个或者多个程序,当所述一个或者多个程序被执行时,通过所述处理器执行如上述任一项信息处理方法的步骤。
本发明实施例提供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计算机程序,当所述计算机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如上述任一项信息处理方法的步骤。
本发明实施例提供一种信息处理方法及装置、存储介质,获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;根据所述历史操作参数,建立多维度操作标准模型;当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。采用上述技术实现方案,由于是根据多维度操作模型与多维度操作标准模型的差异度,判断是否认证功能发生异常,其中的多维度操作标准模型是基于属于人为操作的历史操作参数建立的,那么,与该多维度操作标识模型的差异度就表示了当前次触控操作也属于人为操作的可能程度,且该多维度操作标识模型是由与属于同一认证信息下的历史触控操作获得的,那么,与该多维度操作标识模型的差异度就表示了当前次触控操作与历史触控操作的差别程度,如此,利用该多维度操作标识模型作为判断标准,能够提高判断终端上异常操作的准确性。
附图说明
图1为本发明实施例提供的一种移动终端的结构示意图;
图2为本发明实施例提供的一种信息处理方法的流程图一;
图3为本发明实施例提供的一种信息处理方法的流程图一;
图4为本发明实施例提供的一种信息处理装置的结构示意图一;
图5为本发明实施例提供的一种信息处理装置的结构示意图二。
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。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
信息处理装置对触发认证功能的触控操作进行处理,以确定是否响应该认证功能,该信息处理装置可以是终端,其中的终端可以以各种形式来实施。例如,本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(PersonalDigital Assistant,PDA)等移动终端,以及诸如数字TV、台式计算机等固定终端。
后续描述中将以移动终端为例进行说明,本领域技术人员将理解的是,除了特别用于移动目的的元件之外,根据本发明的实施方式的构造也能够应用于固定类型的终端。
如图1所示,其为实现本发明各个实施例的一种移动终端的结构示意图,该移动终端1可以包括:处理器10、内部存储器11、显示器12、输入模块13和非易失性存储介质14;其中,处理器(例如中央处理器、图形处理器等)10可以根据存储在内部存储器11或非易失性存储介质14中的程序,而执行各种适当的动作和处理;在内部存储器11和非易失性存储介质14中,还存储有移动终端1操作所需的各种程序和数据,其中的非易失性存储介质14包括操作系统141和数据库142等模块;显示器12和输入模块13可以通过同一个触摸屏或触摸板实现。
本领域技术人员可以理解,图1中示出的移动终端结构并不构成对移动终端的限定,移动终端可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
实施例一
本发明实施例提供一种信息处理方法,如图2所示,该方法包括:
S201:获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数。
信息处理装置上设置有认证条件的应用程序或显示界面,用户为了开启该应用程序或进入显示界面,在该装置的输入装置上执行触发认证功能的触控操作,移动终端在检测到当前次触控操作时,获取当前次触控操作产生的认证信息和操作参数,以用于判断当前次触控操作是否符合认证条件;其中,该装置可以是移动终端1。
需要说明的是,对当前次触控操作符合认证条件时,才对认证功能进行响应,为了保证用户信息的安全性,认证条件可以包括以下至少一个:认证信息与预设认证信息一致,操作参数与认证信息对应的标准操作参数相似;其中,预设认证信息可以是用户在注册认证信息时设置的;认证信息对应的标准操作参数可以是移动终端为该认证信息预设的,也可以从该认证信息对应的历史触控操作中获得的。
示例性地,触发的认证功能可以包括:解锁界面上的解锁功能、应用程序中的账号登录功能、应用程序中的支付验证功能,分别对应的触控操作为:输入解锁密码的触控操作、输入用户名和密码的触控操作、输入支付密码的触控操作。
需要说明的是,将输入一次认证信息所执行的触控操作归属为一次触控操作,在每一次的触控操作中,都能够获得对应的认证信息和操作参数,并且,每一次的触控操作都包括至少一次的点击操作,那么,每一次的触控操作的操作参数,就是每一次的触控操作中的点击操作的操作参数。
以当前次触控操作为例,在当前次触控操作中的一次点击操作与屏幕持续接触的过程中,可以通过触摸传感器持续检测该点击操作与屏幕接触的按压面积,通过压力传感器持续检测该点击操作对屏幕的按压力度,通过角速度传感器持续检测移动终端的重力加速度,以及通过计时器检测该点击操作与屏幕保持接触的持续时长;对于在该点击操作的持续时长中检测到的按压面积、按压力度或重力加速度,可以保留初始时刻值、结束时刻值、最大值和最小值中任几项。
示例性地,当前次触控操作的操作参数可以包括以下至少一项:当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值ai和结束时刻值a’i、每次点击操作与屏幕保持接触的持续时长ti、当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长t’i、每次点击操作的按压力度的初始时刻值pi和结束时刻值p’i、以及每次点击操作发生时屏幕的重力加速度的初始时刻值si、结束时刻值s’i、最大值smaxi、最小值smini和平均值sai。
需要说明的是,上述的触控操作都可以被看作是以触控方式实施的输入操作,输入操作除了以触控方式被实施,还可以以其他方式被实施,对于以其他方式实施的输入操作,同样地可以获得表征用户操作特征的其他操作参数;例如,以按键方式实施的输入操作,获得的其他操作参数可以包括按键压力和两次按键之间的间隔时长等。
S202:根据操作参数,建立与当前次触控操作对应的多维度操作模型。
信息处理装置对获取到的当前次触控操作的操作参数,建立多维度操作模型,该多维度操作模型能够表征当前次触控操作的行为特征。
在本发明的一些实施例中,信息处理装置可以根据当前次触控操作的操作参数,生成操作向量,再通过操作向量,得到多维度操作模型;例如,对当前次触控操作中的所有点击操作的操作参数,生成包含所有点击操作的操作参数的操作向量,将操作向量作为当前次触控操作对应的多维度操作模型。
示例性地,假设当前次触控操作的操作参数如上述,且当前次触控操作包括两次点击操作,则,当前次触控操作中的第1次点击操作的操作参数包括:按压面积的初始时刻值a1和结束时刻值a’1、持续时长t1、按压力度的初始时刻值p1和结束时刻值p’1、以及重力加速度的初始时刻值s1、结束时刻值s’1、最大值smax1、最小值smin1和平均值sa1;
在本发明的一些实施例中,当前次触控操作中的第2次点击操作的操作参数包括:按压面积的初始时刻值a2和结束时刻值a’2、持续时长t2、第2次点击操作与第1次点击操作的间隔时长t’2、按压力度的初始时刻值p2和结束时刻值p’2、以及重力加速度的初始时刻值s2、结束时刻值s’2、最大值smax2、最小值smin2和平均值sa2;
进而,对当前次触控操作中的两次点击操作的操作参数,可以按点击时间的先后顺序,对每次点击操作的操作参数进行排列,得到包含两次点击操作的操作参数的操作向量,即当前次触控操作对应的多维度操作模型,表示为:(a1,a’1,t1,p1,p’1,s1,s’1,smax1,smin1,sa1,a2,a’2,t2,t’2,p2,p’2,s2,s’2,smax2,smin2,sa2)。
进一步地,当每次点击操作包括的操作参数同上述时,当前次触控操作如果包括4次点击操作,对应的多维度操作模型为43维向量,当前次触控操作如果包括5次点击操作,对应的多维度操作模型为54维向量,即,当前次操作参数包括X次点击操作,对应的多维度操作模型为Y维向量,Y表示为:Y=11*X-1。
进一步地,信息处理装置建立与当前次触控操作对应的多维度操作模型之后,还可以根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算多维度操作模型的概率值;当概率值小于或等于预设第一阈值时,确定当前次触控操作属于人为操作;当概率值大于或等于预设第二阈值时,确定认证功能发生异常;其中预设第一阈值小于预设第二阈值。
需要说明的是,信息处理装置可以利用机器学习的分类算法,生成预设分类模型,再利用预设分类模型计算出多维度操作模型的概率值,将多维度操作模型的概率值与预设第一阈值和预设第二阈值进行比较,根据比较结果对该多维度操作模型进行分类,以判断是否响应当前次触控操作触发的认证功能;其中,预设分类模型包括:逻辑回归的分类模型。
示例性地,信息处理装置采用逻辑回归的分类算法,将当前次触控操作是人为操作还是机器操作进行分类,具体包括以下步骤:
首先,建立训练数据,训练数据包括多次人为执行触控操作对应的多维度操作模型、多次机器执行触控操作对应的多维度操作模型;
然后,用这两种已知类别的多维度操作模型,对预设的、表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型进行训练,得到训练后的预设分类模型;其中,将两种多维度操作模型作为分类模型的输入,输出属于机器操作的概率值,概率值的范围为0至1,概率值等于1表示输入的多维度操作模型对应的触控操作是机器操作,概率值等于0表示输入的多维度操作模型对应的触控操作是人为操作;
其次,可以预设第一阈值λ、第二阈值β,0<λ<β<1;当概率值小于或等于λ,表示输入的多维度操作模型对应的触控操作是人为操作;当概率值大于λ小于β,表示输入的多维度操作模型对应的触控操作是疑似机器操作,需要对疑似机器操作的触控操作再判断;当概率值大于或等于β,表示输入的多维度操作模型对应的触控操作是机器操作,确定认证功能发生异常,拒绝对认证功能进行响应。
S203:统计历史操作参数;历史操作参数为由认证信息对应的、且满足人为操作条件的历史触控操作产生的。
信息处理装置需要利用认证信息对应的、且满足人为操作条件的历史触控操作,对当前次触控操作进行判断,那么,在检测到当前次触控操作之前,监听与当前次触控操作产生的认证信息相同的历史触控操作,从中确定出满足人为操作条件的历史触控操作,并统计对应的历史操作参数,用于判断当前次触控操作是否符合认证条件。
在本发明的一些实施例中,信息处理装置监听与当前次触控操作产生的认证信息相同的历史触控操作,从中确定出满足人为操作条件的历史触控操作,并统计对应的历史操作参数,可以包括:根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断与当前次触控操作产生的认证信息相同的历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;再统计n个不是机器操作的历史触控操作的历史操作参数。
示例性地,信息处理装置对每个历史触控操作的历史操作参数,建立对应的历史多维度操作模型;利用预设分类模型,计算历史多维度操作模型属于机器操作的概率值;根据历史多维度操作模型属于机器操作的概率值,判断历史触控操作是否属于人为操作,对属于人为操作的历史触控操作进行保留,直到确定出n个属于人为操作的历史触控操作。
在本发明的一些实施例中,信息处理装置监听与当前次触控操作产生的认证信息相同的历史触控操作,从中确定出满足人为操作条件的历史触控操作,并统计对应的历史操作参数,还可以包括:将用户在注册当前次触控操作产生的认证信息时执行的历史触控操作,确定为不是机器操作的历史触控操作,并统计注册时执行的历史触控操作对应的历史操作参数。
S204:根据历史操作参数,建立多维度操作标准模型。
信息处理装置利用属于人为操作的历史触控操作的历史操作参数,建立多维度操作标准模型,那么,多维度操作标准模型就能够作为判断当前次触控操作是否属于人为操作的标准。
示例性地,信息处理装置对这n个历史触控操作的历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;对n行m列的操作参数矩阵进行向量变换,得到多维度操作标准模型;其中,操作参数矩阵中每行中m个操作参数的排列方式与当前次触控操作的操作向量排列方式相同,该排列方式可以预先设定的,或者由用户设置的。
在本发明的一些实施例中,对n行m列的操作参数矩阵进行向量变换,得到多维度操作标准模型,包括:对n个历史触控操作的第i次点击操作中的同一个操作参数进行求平均的运算,得到的平均后的操作参数,作为第i次点击操作的新操作参数;对所有点击操作的新操作参数进行向量表示,得到多维度操作标准模型。
示例性地,对这n个历史触控操作的历史操作参数,建立多维度操作标准模型进行描述,以i=2为例,这n个历史触控操作中第j个历史触控操作对应的向量模型,可以表示为:(a1j,a’1j,t1j,p1j,p’1j,s1j,s’1j,smax1j,smin1j,sa1j,a2j,a’2j,t2j,t’2j,p2j,p’2j,s2j,s’2j,smax2j,smin2j,sa2j);以按压面积的初始时刻值为例,对n个历史触控操作的所有第1次点击操作中的按压面积的初始时刻值进行求平均的运算,得到平均后的按压面积的初始时刻值表示为:其中,a1j表示第j个历史触控操作的第1次点击操作中的按压面积的初始时刻值,a11表示第1个历史触控操作的第1次点击操作中的按压面积的初始时刻值,a1n表示第n个历史触控操作的第1次点击操作中的按压面积的初始时刻值,同理,可以得到所有点击操作的新操作参数;对所有点击操作的新操作参数进行向量表示,得到的多维度操作标准模型表示为:
进一步地,信息处理装置在建立多维度操作标准模型之后,确定认证功能发生异常之前,计算多维度操作标准模型中同一类操作参数的方差;将多维度操作模型和多维度操作标准模型对应的每一组操作参数的差值的平方值,除以每一组操作参数对应的方差后再相加,得到多维度操作模型和多维度操作标准模型的差值平方;对差值平方开根号,得到多维度操作模型和多维度操作标准模型的差异度。
需要说明的是,信息处理装置通过确定当前次触控操作的多维度操作模型与多维度操作标准模型的差异度,从而判断当前次触控操作是否与用户历史触控操作的行为特征相同,当前次触控操作与用户历史触控操作的行为特征不同时,确定当前次触控操作触发的认证功能异常,其中,可以根据多维度操作模型和多维度操作标准模型的所有操作参数差值的和,确定差异度。
在本发明的一些实施例中,在根据多维度操作模型和多维度操作标准模型的所有操作参数差值的和,确定差异度时,考虑到所有操作参数的计量单位不同,还将计算多维度操作标准模型中同一类操作参数的方差;将多维度操作模型和多维度操作标准模型对应的每一组操作参数的差值的平方值,除以每一组操作参数对应的方差后再相加,得到多维度操作模型和多维度操作标准模型的差值平方;对差值平方开根号,得到多维度操作模型和多维度操作标准模型的差异度。
示例性地,根据多维度操作模型和多维度操作标准模型的所有操作参数差值的和,计算差异度的公式表示为:
其中,m表示在每个历史触控操作的所有点击操作的操作参数的总个数;xk表示多维度操作模型中第k个操作参数,yk表示多维度操作标准模型中第k个操作参数,表示多维度操作标准模型中第k个操作参数所属的一类操作参数的方差;
例如,以示例中n=2、m=21的多维度操作模型和多维度操作标准模型为例,描述xk、yk和x1、x2、…、x21分别对应a1,a’1,t1,p1,p’1,s1,s’1,smax1,smin1,sa1,a2,a’2,t2,t’2,p2,p’2,s2,s’2,smax2,smin2,sa2;
y1、y2、…、y21分别对应
进而,将多维度操作模型和多维度操作标准模型的差异度,与预设差异度阈值进行比较,以判断当前次触控操作是否与用户历史触控操作的特征相同。
S205:当多维度操作模型与多维度操作标准模型的差异度大于预设差异度阈值时,确定认证功能发生异常。
信息处理装置确定差异度大于预设差异度阈值时,表示当前次触控操作和历史触控操作的行为特征不同,即当前次触控操作和历史触控操作不是同一用户执行的,则确定认证功能发生异常,不对认证功能进行响应;确定差异度小于或等于预设差异度阈值时,表示当前次触控操作和历史触控操作是同一用户执行的,则对认证功能进行响应。
示例性,当确定认证功能发送异常时,还可以通过短信验证等方式,对当前次触控操作进一步验证。
可以理解的是,由于是根据多维度操作模型与多维度操作标准模型的差异度,判断是否认证功能发生异常,其中的多维度操作标准模型是基于属于人为操作的历史操作参数建立的,那么,与该多维度操作标识模型的差异度就表示了当前次触控操作也属于人为操作的可能程度,且该多维度操作标识模型是由与属于同一认证信息下的历史触控操作获得的,那么,与该多维度操作标识模型的差异度就表示了当前次触控操作与历史触控操作的差别程度,如此,利用该多维度操作标识模型作为判断标准,能够提高判断终端上异常操作的准确性。
实施例二
为了能够更加体现本发明的目的,在上述实施例一的基础上,进行进一步的举例说明。
本发明实施例提供了一种信息处理方法,如图3所示,该方法可以包括:
S301:获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
步骤S301可以根据前述步骤S201的说明而实施。
S302:根据操作参数,建立与当前次触控操作对应的多维度操作模型;
S303:根据表征多维度操作模型与属于机器操作的概率值的对应关系的预设分类模型,计算多维度操作模型的概率值;
S304:判断多维度操作模型的概率值是否小于或等于预设第一阈值;
S305:当多维度操作模型的概率值小于或等于预设第一阈值时,确定当前次触控操作属于人为操作;
S306:当多维度操作模型的概率值大于预设第一阈值时,判断多维度操作模型的概率值大于或等于预设第二阈值;
S307:当多维度操作模型的概率值大于或等于预设第二阈值时,确定认证功能发生异常;
S308:当多维度操作模型的概率值小于预设第二阈值时,确定认证功能疑似发生异常;
步骤S302至S308可以根据前述步骤S202的说明而实施。
S309:确定当前次触控操作属于人为操作时,统计历史操作参数;历史操作参数为由认证信息对应的、且满足人为操作条件的历史触控操作产生的;
步骤S309可以根据前述步骤S203的说明而实施。
S310:根据历史操作参数,建立多维度操作标准模型;
步骤S310可以根据前述步骤S204的说明而实施。
S311:判断多维度操作模型与多维度操作标准模型的差异度是否大于预设差异度阈值;
S312:当多维度操作模型与多维度操作标准模型的差异度大于预设差异度阈值时,确定认证功能发生异常;
S313:当多维度操作模型与多维度操作标准模型的差异度不大于预设差异度阈值时,确定认证功能正常,并响应认证功能。
步骤S311至S313可以根据前述步骤S205的说明而实施。
可以理解的是,由于是首先根据预设分类模型,确定当前次触控操作是否属于人为操作,当属于人为操作时,再根据多维度操作模型与多维度操作标准模型的差异度,判断是否认证功能发生异常,其中的多维度操作标准模型是基于同一认证信息下的、属于人为操作的历史操作参数建立的,那么,与该多维度操作标识模型的差异度,就表示了当前次触控操作与历史触控操作是否为同一用户执行的,如此,利用预设分类模型和多维度操作标识模型作为判断标准,能够提高判断终端上非人为操作和非同一用户操作的准确性。
实施例三
为了能够更加体现本发明的目的,在前述方法实施例的基础上,进行进一步的举例说明。
本发明实施例提供一种信息处理装置4,如图4所示,该装置4包括:获取单元40、模型单元41、统计单元42和判断单元43;其中,
获取单元40,用于获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
模型单元41,用于根据操作参数,建立与当前次触控操作对应的多维度操作模型;
统计单元42,用于统计历史操作参数;历史操作参数为由认证信息对应的、且满足人为操作条件的历史触控操作产生的;
模型单元41,还用于根据历史操作参数,建立多维度操作标准模型;
判断单元43,用于当多维度操作模型与多维度操作标准模型的差异度大于预设差异度阈值时,确定认证功能发生异常。
在本发明的一些实施例中,操作参数包括以下至少一项:
所述当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值和结束时刻值、所述每次点击操作与屏幕保持接触的持续时长、所述当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长、所述每次点击操作的按压力度的初始时刻值和结束时刻值、以及所述每次点击操作发生时屏幕的重力加速度的初始时刻值、结束时刻值、最大值、最小值和平均值;其中,i为大于1的正整数。
在本发明的一些实施例中,模型单元41,具体用于根据所述操作参数,生成操作向量;及通过所述操作向量,得到所述多维度操作模型。
在本发明的一些实施例中,统计单元42,具体用于根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断所述历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;及统计所述n个不是机器操作的历史触控操作的历史操作参数。
在本发明的一些实施例中,模型单元41,具体用于对所述历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;及对所述n行m列的操作参数矩阵进行向量变换,得到所述多维度操作标准模型。
在本发明的一些实施例中,判断单元43,还用于在所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型之后,根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算所述多维度操作模型的概率值;及当所述概率值小于或等于预设第一阈值时,确定所述当前次触控操作属于人为操作;以及当所述概率值大于或等于预设第二阈值时,确定所述认证功能发生异常。
在本发明的一些实施例中,预设分类模型包括:逻辑回归的分类模型。
在本发明的一些实施例中,判断单元43,还用于在所述根据所述历史操作参数,建立多维度操作标准模型之后,所述确定所述认证功能发生异常之前,计算所述多维度操作标准模型中同一类操作参数的方差;及将所述多维度操作模型和所述多维度操作标准模型对应的每一组操作参数的差值的平方值,除以所述每一组操作参数对应的方差后再相加,得到所述多维度操作模型和所述多维度操作标准模型的差值平方;以及对所述差值平方开根号,得到所述多维度操作模型和所述多维度操作标准模型的差异度。
需要说明的是,在实际应用中,上述获取单元40、模型单元41、统计单元42和判断单元43,可由位于信息处理装置4上的处理器44实现,具体为CPU(Central ProcessingUnit,中央处理器)、MPU(Microprocessor Unit,微处理器)、DSP(Digital SignalProcessing,数字信号处理器)或现场可编程门阵列(FPGA,Field Programmable GateArray)等实现。
本发明实施例还提供了一种信息处理装置4,如图5所示,该装置4包括:处理器44、存储器45和通信总线46,存储器45通过通信总线46与处理器44进行通信,存储器45存储处理器44可执行的一个或者多个程序,当一个或者多个程序被执行时,通过处理器44执行如前述实施例所述的任意一种信息处理方法。
本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,所述程序被处理器44执行时实现如前述实施例所述的任意一种信息处理方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (18)
1.一种信息处理方法,其特征在于,所述方法包括:
获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;
统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;
根据所述历史操作参数,建立多维度操作标准模型;
当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。
2.根据权利要求1所述的方法,其特征在于,所述操作参数包括以下至少一项:
所述当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值和结束时刻值、所述每次点击操作与屏幕保持接触的持续时长、所述当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长、所述每次点击操作的按压力度的初始时刻值和结束时刻值、以及所述每次点击操作发生时屏幕的重力加速度的初始时刻值、结束时刻值、最大值、最小值和平均值;其中,i为大于1的正整数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型,包括:
根据所述操作参数,生成操作向量;
通过所述操作向量,得到所述多维度操作模型。
4.根据权利要求1所述的方法,其特征在于,所述统计历史操作参数,包括:
根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断所述历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;
统计所述n个不是机器操作的历史触控操作的历史操作参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述历史操作参数,建立多维度操作标准模型,包括:
对所述历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;
对所述n行m列的操作参数矩阵进行向量变换,得到所述多维度操作标准模型。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型之后,所述方法还包括:
根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算所述多维度操作模型的概率值;
当所述概率值小于或等于预设第一阈值时,确定所述当前次触控操作属于人为操作;
当所述概率值大于或等于预设第二阈值时,确定所述认证功能发生异常。
7.根据权利要求6所述的方法,其特征在于,所述预设分类模型包括:逻辑回归的分类模型。
8.根据权利要求1所述的方法,其特征在于,在所述根据所述历史操作参数,建立多维度操作标准模型之后,所述确定所述认证功能发生异常之前,所述方法还包括:
计算所述多维度操作标准模型中同一类操作参数的方差;
将所述多维度操作模型和所述多维度操作标准模型对应的每一组操作参数的差值的平方值,除以所述每一组操作参数对应的方差后再相加,得到所述多维度操作模型和所述多维度操作标准模型的差值平方;
对所述差值平方开根号,得到所述多维度操作模型和所述多维度操作标准模型的差异度。
9.一种信息处理装置,其特征在于,所述装置包括:获取单元、模型单元、统计单元和判断单元;其中,
所述获取单元,用于获取通过当前次触控操作触发认证功能时产生的认证信息和操作参数;
所述模型单元,用于根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型;
所述统计单元,用于统计历史操作参数;所述历史操作参数为由所述认证信息对应的、且满足人为操作条件的历史触控操作产生的;
所述模型单元,还用于根据所述历史操作参数,建立多维度操作标准模型;
所述判断单元,用于当所述多维度操作模型与所述多维度操作标准模型的差异度大于预设差异度阈值时,确定所述认证功能发生异常。
10.根据权利要求9所述的装置,其特征在于,所述操作参数包括以下至少一项:
所述当前次触控操作中的每次点击操作与屏幕接触的按压面积的初始时刻值和结束时刻值、所述每次点击操作与屏幕保持接触的持续时长、所述当前次触控操作中的第i次点击操作与第i-1次点击操作的间隔时长、所述每次点击操作的按压力度的初始时刻值和结束时刻值、以及所述每次点击操作发生时屏幕的重力加速度的初始时刻值、结束时刻值、最大值、最小值和平均值;其中,i为大于1的正整数。
11.根据权利要求9所述的装置,其特征在于,
所述模型单元,具体用于根据所述操作参数,生成操作向量;及通过所述操作向量,得到所述多维度操作模型。
12.根据权利要求9所述的装置,其特征在于,
所述统计单元,具体用于根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,判断所述历史触控操作是否为机器操作;直到确定出n个不是机器操作的历史触控操作;其中,n为大于或等于2的整数;及统计所述n个不是机器操作的历史触控操作的历史操作参数。
13.根据权利要求12所述的装置,其特征在于,
所述模型单元,具体用于对所述历史操作参数,建立n行m列的操作参数矩阵,m表示每个历史触控操作包括的所有点击操作的操作参数的总个数;及对所述n行m列的操作参数矩阵进行向量变换,得到所述多维度操作标准模型。
14.根据权利要求9所述的装置,其特征在于,
所述判断单元,还用于在所述根据所述操作参数,建立与所述当前次触控操作对应的多维度操作模型之后,根据表征多维度操作模型与属于机器操作的概率值对应关系的预设分类模型,计算所述多维度操作模型的概率值;及当所述概率值小于或等于预设第一阈值时,确定所述当前次触控操作属于人为操作;以及当所述概率值大于或等于预设第二阈值时,确定所述认证功能发生异常。
15.根据权利要求14所述的装置,其特征在于,所述预设分类模型包括:逻辑回归的分类模型。
16.根据权利要求9所述的装置,其特征在于,
所述判断单元,还用于在所述根据所述历史操作参数,建立多维度操作标准模型之后,所述确定所述认证功能发生异常之前,计算所述多维度操作标准模型中同一类操作参数的方差;及将所述多维度操作模型和所述多维度操作标准模型对应的每一组操作参数的差值的平方值,除以所述每一组操作参数对应的方差后再相加,得到所述多维度操作模型和所述多维度操作标准模型的差值平方;以及对所述差值平方开根号,得到所述多维度操作模型和所述多维度操作标准模型的差异度。
17.一种信息处理装置,其特征在于,所述装置包括:处理器、存储器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的一个或者多个程序,当所述一个或者多个程序被执行时,通过所述处理器执行如权利要求1至8任一项所述方法的步骤。
18.一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计算机程序,当所述计算机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8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811429280.2A CN109583161B (zh) | 2018-11-27 | 2018-11-27 | 一种信息处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811429280.2A CN109583161B (zh) | 2018-11-27 | 2018-11-27 | 一种信息处理方法及装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583161A true CN109583161A (zh) | 2019-04-05 |
CN109583161B CN109583161B (zh) | 2021-08-06 |
Family
ID=65924559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811429280.2A Active CN109583161B (zh) | 2018-11-27 | 2018-11-27 | 一种信息处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583161B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298178A (zh) * | 2019-07-05 | 2019-10-01 | 北京可信华泰信息技术有限公司 | 可信策略学习方法及装置、可信安全管理平台 |
CN111158977A (zh) * | 2019-12-12 | 2020-05-15 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
CN114756163A (zh) * | 2021-01-08 | 2022-07-15 | 北京字节跳动网络技术有限公司 | 触控操作的处理方法、装置、设备及介质 |
CN117421199A (zh) * | 2023-12-19 | 2024-01-19 | 湖南三湘银行股份有限公司 | 一种行为确定方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110320816A1 (en) * | 2009-03-13 | 2011-12-29 | Rutgers, The State University Of New Jersey | Systems and method for malware detection |
CN103530540A (zh) * | 2013-09-27 | 2014-01-22 | 西安交通大学 | 基于人机交互行为特征的用户身份属性检测方法 |
CN105933267A (zh) * | 2015-08-21 | 2016-09-07 | 中国银联股份有限公司 | 身份认证方法及装置 |
CN106919816A (zh) * | 2015-12-24 | 2017-07-04 | 北京搜狗科技发展有限公司 | 一种用户认证方法和装置、一种用于用户认证的装置 |
CN107026731A (zh) * | 2016-01-29 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 一种用户身份验证的方法及装置 |
US10147049B2 (en) * | 2015-08-31 | 2018-12-04 | International Business Machines Corporation | Automatic generation of training data for anomaly detection using other user's data samples |
-
2018
- 2018-11-27 CN CN201811429280.2A patent/CN109583161B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110320816A1 (en) * | 2009-03-13 | 2011-12-29 | Rutgers, The State University Of New Jersey | Systems and method for malware detection |
CN103530540A (zh) * | 2013-09-27 | 2014-01-22 | 西安交通大学 | 基于人机交互行为特征的用户身份属性检测方法 |
CN105933267A (zh) * | 2015-08-21 | 2016-09-07 | 中国银联股份有限公司 | 身份认证方法及装置 |
US10147049B2 (en) * | 2015-08-31 | 2018-12-04 | International Business Machines Corporation | Automatic generation of training data for anomaly detection using other user's data samples |
CN106919816A (zh) * | 2015-12-24 | 2017-07-04 | 北京搜狗科技发展有限公司 | 一种用户认证方法和装置、一种用于用户认证的装置 |
CN107026731A (zh) * | 2016-01-29 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 一种用户身份验证的方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110298178A (zh) * | 2019-07-05 | 2019-10-01 | 北京可信华泰信息技术有限公司 | 可信策略学习方法及装置、可信安全管理平台 |
CN111158977A (zh) * | 2019-12-12 | 2020-05-15 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
CN111158977B (zh) * | 2019-12-12 | 2023-07-11 | 深圳前海微众银行股份有限公司 | 一种异常事件根因定位方法及装置 |
CN114756163A (zh) * | 2021-01-08 | 2022-07-15 | 北京字节跳动网络技术有限公司 | 触控操作的处理方法、装置、设备及介质 |
CN117421199A (zh) * | 2023-12-19 | 2024-01-19 | 湖南三湘银行股份有限公司 | 一种行为确定方法及系统 |
CN117421199B (zh) * | 2023-12-19 | 2024-04-02 | 湖南三湘银行股份有限公司 | 一种行为确定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109583161B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583161A (zh) | 一种信息处理方法及装置、存储介质 | |
Wang et al. | Resampling-based ensemble methods for online class imbalance learning | |
CN104573473B (zh) | 一种解锁管理权限的方法和认证设备 | |
CN109784015A (zh) | 一种身份鉴别方法及装置 | |
CN107908300A (zh) | 一种用户鼠标行为的合成与模拟方法及系统 | |
WO2008041915A2 (en) | Security system and method for detecting intrusion in a computerized system | |
CN110210966A (zh) | 用户可信度社交网络数据的处理方法 | |
CN106572097A (zh) | 一种基于移动设备的混合式身份认证方法 | |
KR102087959B1 (ko) | 통신망의 인공지능 운용 시스템 및 이의 동작 방법 | |
CN104778387A (zh) | 基于人机交互行为的跨平台身份认证系统及方法 | |
CN111898577B (zh) | 一种图像检测方法、装置、设备及计算机可读存储介质 | |
CN107403086A (zh) | 权限认证方法、装置及系统 | |
CN110020868A (zh) | 基于线上交易特征的反欺诈模块决策融合方法 | |
CN110245488A (zh) | 密码强度检测方法、装置、终端和计算机可读存储介质 | |
CN107832789A (zh) | 基于平均影响值数据变换的特征加权k近邻故障诊断方法 | |
CN105204438A (zh) | 一种面向缸盖零件的加工质量控制方法 | |
CN111783038A (zh) | 基于智能学习的风险评估方法、装置、设备、系统和介质 | |
CN108768750A (zh) | 通信网络故障定位方法及装置 | |
CN112002075B (zh) | 一种提升储物柜安全性的信息处理方法和装置 | |
CN105825325B (zh) | 一种工程质量监督人员监管能力评价方法和装置 | |
CN114066438A (zh) | 基于模型的监控数据展示方法、装置、设备和存储介质 | |
CN111026087B (zh) | 基于数据的含权重非线性工业系统故障检测方法及装置 | |
CN106127040A (zh) | 一种软件隐私泄露行为的定量分析方法及装置 | |
CN113192602A (zh) | 一种用于学生心理健康检测的测试系统 | |
CN106161458B (zh) | 基于双加权在线极限学习机的网络入侵检测方法 |
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 |