CN111062022B - 基于扰动视觉反馈的滑块验证方法、装置、电子设备 - Google Patents

基于扰动视觉反馈的滑块验证方法、装置、电子设备 Download PDF

Info

Publication number
CN111062022B
CN111062022B CN201911121928.4A CN201911121928A CN111062022B CN 111062022 B CN111062022 B CN 111062022B CN 201911121928 A CN201911121928 A CN 201911121928A CN 111062022 B CN111062022 B CN 111062022B
Authority
CN
China
Prior art keywords
real
slider
disturbance
time
moving
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
CN201911121928.4A
Other languages
English (en)
Other versions
CN111062022A (zh
Inventor
王峰
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 Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201911121928.4A priority Critical patent/CN111062022B/zh
Publication of CN111062022A publication Critical patent/CN111062022A/zh
Application granted granted Critical
Publication of CN111062022B publication Critical patent/CN111062022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F21/36—User authentication by graphic or iconic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2133—Verifying human interaction, e.g., Captcha

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了一种滑块验证方法，属于计算机技术领域，有助于改善滑块验证过程中人机识别准确率低的问题。所述方法包括：响应于执行滑块验证操作，确定目标扰动模式；获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证。本申请公开了一种滑块验证方法，通过基于视觉反馈增加扰动模式，可以提升滑块验证过程中人机识别准确率，同时可以提升滑块验证的可靠性。

Description

基于扰动视觉反馈的滑块验证方法、装置、电子设备
技术领域
本申请实施例涉及计算机技术领域，特别是涉及一种基于扰动视觉反馈的滑块验证方法、装置、电子设备及计算机可读存储介质。
背景技术
滑块验证是一种快捷和有效的人机验证手段，要求用户在需要验证的过程中，移动页面的滑块到指定位置完成验证。然而，滑块验证方法面临着机器攻击的巨大挑战，被攻破的案例时有发生。现有技术中，常用的滑块验证操作的人机识别方法包括：基于请求I P频次、设备特征，来识别机器攻击；以及，通过分析滑块轨迹和运动特征来进行人机识别。基于请求I P频次、设备特征，来识别机器攻击的方法，很容易被通过更换I P和更换设备的方式破解，精确性较弱。而随着滑块验证的普遍应用以及人工智能技术的发展，通过学习真人移动滑块时的运动轨迹的方式由机器模拟真人操作已经很容易，这导致了基于滑块轨迹特征和运动特征进行人机识别的方法的识别准确率大大降低。
可见，现有技术中的滑块验证操作的人机识别方法的识别准确率还有待提高。
发明内容
本申请实施例提供一种滑块验证方法，有助于提升滑块验证时的准确率。
为了解决上述问题，第一方面，本申请实施例提供了一种滑块验证方法，包括：
响应于执行滑块验证操作，确定目标扰动模式；
获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；
根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证。
第二方面，本申请实施例提供了一种滑块验证装置，包括：
目标扰动模式确定模块，用于响应于执行滑块验证操作，确定目标扰动模式；
扰动模式下操作轨迹获取模块，用于获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；
验证模块，用于根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证。
第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的滑块验证方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的滑块验证方法的步骤。
本申请实施例公开的滑块验证方法，通过响应于执行滑块验证操作，确定目标扰动模式；获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证，改善了滑块验证过程中人机识别准确率低的问题，同时可以提升滑块验证的可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一的滑块验证方法流程图；
图2是本申请实施例一所示的扰动模式示意图；
图3是本申请实施例一中扰动效果示意图之一；
图4是本申请实施例一中扰动效果示意图之二；
图5是本申请实施例二的滑块验证装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
实施例一
本申请实施例公开的一种滑块验证方法，如图1所示，所述方法包括：步骤110至步骤130。
步骤110，响应于执行滑块验证操作，确定目标扰动模式。
本申请具体实施时，首先要设置若干扰动模式，便于在执行滑块验证操作时，选择一个扰动模式对滑块的实时显示位置进行扰动。
本申请实施例中所述的目标扰动模式，用于根据所述目标扰动模式对所述滑块的实时显示位置进行扰动，例如，根据所述目标扰动模式对所述滑块的实时显示位置添加扰动量。本申请的一些实施例中，根据所述目标扰动模式对所述滑块的实时显示位置进行扰动包括：按照所述目标扰动模式，根据所述移动操作的实时操作位置计算所述实时操作位置对应的滑块实时显示位置的扰动量，使得基于所述扰动量计算得到的所述滑块实时显示位置与所述移动操作的实时操作位置不同步。
本申请的一些实施例中，所述若干扰动模式包括：局部随机扰动模式和至少一个全局扰动模式。
其中，所述局部随机扰动模式用于：随机选择对所述滑块执行移动操作过程中的若干操作位置，并随机确定每个所述操作位置对应的局部扰动模式，以生成扰动量计算函数；以及，根据所述移动操作的实时操作位置，通过所述扰动量计算函数计算所述实时操作位置对应的滑块实时显示位置的扰动量。即局部随机扰动模式用于随机对滑块验证过程中移动操作的若干操作位置添加随机生成的局部扰动模式。
例如，当用户通过触摸电子设备屏幕上显示的滑块，执行滑块验证操作的过程中，用户移动滑块的移动操作的操作位置(即手指触摸电子设备屏幕的位置)需要由位置(Xstart,Ystart)移动到位置(Xend,Yend)时，局部随机扰动模式将随机选择(Xstart,Ystart)和(Xend,Yend)之间预设数量的操作位置添加扰动。本申请的一些实施例中，可以通过随机选择的所述预设数量的操作位置添加扰动，并根据随机选择的添加扰动的操作位置构造扰动量计算函数。随着用户手指在电子设备屏幕移动，电子设备获取所述移动操作的实时操作位置(即用户手指的移动位置)，然后，通过所述扰动量计算函数计算获取的实时操作位置对应的扰动量。所述扰动量为滑块实时显示位置的扰动量，通过该扰动量和所述实时操作位置计算滑块实时显示位置，可以使得计算得到的滑块实时显示位置与所述实时操作位置不同步，进而对所述用户的移动操作产生扰动。
本申请的一些实施例中，在生成扰动量计算函数时，对于每个实时操作位置，还可以通过随机选择扰动系数的方式随机生成局部扰动模式。例如，以仅对滑块实时显示位置的横坐标进行扰动为例，可以将局部随机扰动模式表示为d＝f(x),其中，x为实时操作位置的横坐标，f(x)为扰动量计算函数，d为计算得到的扰动量。进一步的，
Figure BDA0002275684250000041
其中，m为随机选择的操作为位置的数量；fi(x)为第i个操作位置对应的局部扰动模式，可以表示为：fi(x)＝aix3+bix2+cix+di为,其中，ai、bi、ci和di为扰动系数。那么，对于每一个操作位置，相应的ai、bi、ci和di可以在预设范围内取一个随机值，即每个局部扰动模式的扰动系数可以随机选择，以进一步提升添加扰动的随机性，进而提升滑块验证被攻破的难度。本申请的一些实施例中，ai、bi、ci和di可以分别取[10,10]之间的任意实数。具体实施时，所述扰动系数的取值范围根据测试结果确定。
这样，对于对滑块执行移动操作过程中的每个实时操作位置x，都可以通过局部随机扰动模式d＝f(x)计算得到一个扰动量d，进一步的，根据所述实时操作位置x和相应的扰动量d可以计算得到滑块实时显示位置。因为滑块实时显示位置中包含扰动量，所以滑块实时显示位置与所述移动操作的实时操作位置不同步。
本申请的一些实施例中，为了平滑的添加扰动，进一步提升用户体验，可以将扰动量计算函数f(x)乘以高斯窗函数，以平滑扰动。例如，扰动量计算函数可以表示为
Figure BDA0002275684250000051
其中，G(xj,e)为高斯窗函数，
Figure BDA0002275684250000052
其中，xj为随机选择的添加扰动的第j个操作位置，x为实时操作位置。通过将扰动量计算函数f(x)乘以高斯窗函数，以随机选择的操作位置为中心，确定一个区域，并对该区域内的实时操作位置对应的滑块实时显示位置添加扰动，可以平滑扰动带来的视觉效果。
所述全局扰动模式用于：通过与所述全局扰动模式匹配的扰动量计算函数，对所述滑块执行的移动操作的实时操作位置进行计算，得到所述实时操作位置对应的滑块实时显示位置的扰动量。即全局扰动模式用于对滑块验证过程中移动操作的每个操作位置添加选定的全局扰动模式。
仍以仅对滑块实时显示位置的横坐标进行扰动为例，可以将选定的全局扰动模式表示为d＝f(x),其中，x为实时操作位置的横坐标，f(x)为扰动量计算函数，d为计算得到的扰动量。其中，f(x)可以表示为：f(x)＝ax3+bx2+cx+d为,其中，a、b、c和d为扰动系数。对于一个选定的全局扰动模式，其扰动系数是确定的。
这样，对于对滑块执行移动操作过程中的每个实时操作位置x，都可以通过全局扰动模式d＝f(x)计算得到一个扰动量d，进一步的，根据所述实时操作位置x和相应的扰动量d可以计算得到滑块实时显示位置。因为滑块实时显示位置中包含扰动量，所以滑块实时显示位置与所述移动操作的实时操作位置不同步。
本申请的一些实施例中，所述响应于执行滑块验证操作，确定目标扰动模式，包括：响应于执行滑块验证操作，在若干扰动模式中随机选择一个扰动模式，作为所述目标扰动模式。在预先设置了若干扰动模式之后，每次进行滑块验证时，随机从中选择一个扰动模式，对滑块验证过程中滑块实时显示位置进行扰动，以进一步加大滑块验证过程被攻破的难度，提升滑块验证的安全性。
步骤120，获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹。
其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步。本申请的一些实施例中，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步包括：所述滑块的实时显示位置沿预设滑块移动方向超前或滞后于所述移动操作的实时操作位置。本申请的另一些实施例中，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步包括：所述滑块的实时显示位置沿不同于预设滑块移动方向偏离所述移动操作的实时操作位置。本申请的再一些实施例中，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步包括：所述滑块的实时显示位置沿预设滑块移动方向超前或滞后于所述移动操作的实时操作位置，且所述滑块的实时显示位置沿不同于预设滑块移动方向偏离所述移动操作的实时操作位置。
本申请的一些实施例中，获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹，包括：实时操作位置获取子步骤，用于获取对滑块执行移动操作的实时操作位置；滑块实时显示位置确定子步骤，用于根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置；滑块显示子步骤，用于在所述滑块实时显示位置处显示所述滑块；位置更新子步骤，用于获取对所述滑块执行所述移动操作的实时操作位置并跳转至所述滑块实时显示位置确定子步骤，直至结束所述移动操作；操作轨迹确定子步骤，用于根据顺序获取的所述移动操作的实时操作位置，确定所述移动操作的操作轨迹。
本申请实施例中所述的扰动模式包括对滑块实时显示位置添加扰动量，使滑块实时显示位置与移动滑块的实时操作位置不同步，从而基于视觉反馈影响用户对滑块执行的移动操作。扰动模式对滑块实时显示位置的扰动效果，根据选择的扰动模式确定。
首先，在启动滑块验证操作之后，通过检测到鼠标对滑块的移动操作，获取对滑块执行移动操作的实时操作位置，即获取鼠标的实时位置。
然后，基于获取的实时操作位置，对与该实时操作位置对应的滑块实时显示位置添加扰动。以用户沿水平方向通过鼠标移动滑块执行滑块验证(即预设滑块移动方向为水平方向)操作举例，将水平方向定义为X轴，滑块移动平面内与X轴垂直的方向定义为Y轴，以滑块的起始移动位置作为坐标原点，建立平面直角坐标系，则获取的实时操作位置可以通过mouse_cur(xmouse,ymouse)表示,滑块实时显示位置可以通过slider_cur(xslider,yslider)表示。具体实施时，在对与该实时操作位置对应的滑块实时显示位置添加扰动时，可以仅对滑块实时显示位置的横坐标(即预设滑块移动方向为水平方向的坐标)添加扰动，也可以仅对滑块实时显示位置的纵坐标(即不同于预设滑块移动方向的坐标)添加扰动，还可以对滑块实时显示位置的横坐标和纵坐标均添加扰动。本实施例中，为了便于读者理解本技术方案，以仅对滑块实时显示位置的横坐标添加扰动为例，说明在所述目标扰动模式下执行所述滑块验证操作的过程，以及获取移动操作的操作轨迹的技术方案。
在计算滑块实时显示位置时引入根据目标扰动模式确定的扰动量的过程，就是对滑块实时显示位置添加扰动的过程。本申请的一些实施例中，所述根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置，包括：基于所述移动操作的实时操作位置对应的坐标，经过所述目标扰动模式的预定计算，得到所述实时操作位置对应的扰动量；根据所述坐标和所述扰动量，确定所述滑块的滑块实时显示位置对应的所述坐标。本申请的一些实施例中，所述坐标为与所述滑块验证操作设定的滑块移动方向匹配的坐标轴上的坐标。本实施例中，以用户沿水平方向通过鼠标移动滑块执行滑块验证操作，所述坐标为横坐标，即X坐标；所述滑块实时显示位置的纵坐标可以根据展示需要，设置为固定值。例如，将所述滑块实时显示位置的纵坐标设置为固定值0，则所述滑块将保持在设定的水平线(即X轴)上移动。
以目标扰动模式表示为d＝f(x)举例，将获取的鼠标的实时操作位置mouse_cur(xmouse,ymouse)的横坐标xmouse作为所述目标扰动模式f(x)的输入，计算所述实时操作位置对应的扰动量d。然后，可以将计算得到的扰动量附加到所述实时操作位置mouse_cur(xmouse,ymouse)的横坐标xmouse上。例如，将所述实时操作位置mouse_cur(xmouse,ymouse)xmouse与扰动量d的和作为与所述实时操作位置对应的滑块实时显示位置slider_cur(xslider,yslider)的横坐标xslider。由于，滑块实时显示位置的为固定，至此，即可确定滑块实时显示位置slider_cur。
在确定了滑块实时显示位置之后，在确定的滑块实时显示位置处显示所述滑块。由于目标扰动模式对滑块实时显示位置添加了扰动，因此，在用户看来，滑块的显示位置与鼠标的移动操作位置是不同步的。以图2所示的扰动模式举例，在鼠标移动滑块沿X轴相X轴正方向移动的过程中，当鼠标的实时操作位置的横坐标为X1时，图2所示的目标扰动模式将对滑块的滑块实时显示位置添加扰动量d1,使滑块的显示位置在鼠标的操作位置的前方，显示效果如图3所示。用户基于对图3显示的滑块位置的视觉反馈，会调整鼠标的运动轨迹，如减缓鼠标移动滑块的速度或向后、向下移动滑块等，从而使鼠标的操作轨迹发生随机变化。当鼠标的实时操作位置的横坐标为X2时，图2所示的目标扰动模式将对滑块的滑块实时显示位置添加扰动量d2,使滑块的显示位置在鼠标的操作位置的后方，显示效果如图4所示。用户基于对图4显示的滑块位置的视觉反馈，仍然会调整鼠标的运动轨迹，从而使鼠标的操作轨迹发生随机变化。
基于视觉反馈原理，用户会调整鼠标移动滑块的操作位置。在用户反复调整鼠标移动滑块的实时操作位置的过程中，通过不断采集鼠标的实时操作位置，就可以采集到用户动态变化的操作轨迹。
对滑块验证过程添加扰动的过程，是获取鼠标的实时操作位置，然后，根据实时操作位置对与实时操作位置对应的滑块实时显示位置添加扰动，之后，基于用户对所述滑块的滑块实时显示位置与所述鼠标的实时操作位置不同步做出视觉反馈之后调整鼠标的实时操作位置的循环往复过程，直至用户结束通过鼠标移动滑块的操作，即直至结束滑块验证。
在结束对滑块执行的所述移动操作之后，将顺序获取的所述移动操作的实时操作位置(如前述顺序获取的鼠标的实时操作位置)构成的坐标序列，作为所述移动操作的操作轨迹。
本申请的另一些实施例中，所述坐标为与所述滑块验证操作设定的滑块移动方向垂直的坐标轴上的坐标。以用户沿水平方向通过鼠标移动滑块执行滑块验证操作，所述坐标为纵坐标，即Y坐标；所述滑块实时显示位置的横坐标可以与移动滑块的实时操作位置的横坐标相同。
步骤130，根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证。
其中，所述目标人机识别模型为：基于在所述目标扰动模式下执行滑块验证操作时对滑块执行移动操作的操作轨迹，训练得到的人机识别模型。
在获取到用户执行一次滑块验证操作的操作轨迹之后，可以将获取的操作轨迹输入至预先训练的人机识别模型中，通过所述目标人机识别模型对所述操作轨迹进行人机识别。
由于在执行滑块验证的过程中添加扰动，如前所述，在添加了扰动的情况下获取的操作轨迹中会携带扰动模式的相关特征，因此，在通过预先训练的人机识别模型对操作轨迹进行识别时，需要同时输入获取操作轨迹和获取该操作轨迹时添加的扰动模式。而选择的人机识别模型，也应该是与添加的扰动模式匹配的人机识别模型。例如，对于在添加了局部随机扰动模式下进行滑块验证过程中获取的操作轨迹，需要输入至基于添加了局部随机扰动模式时进行滑块验证操作的条件下获取的训练样本所训练的人机识别模型。而对于添加了全局扰动模式1进行滑块验证过程中获取的操作轨迹，需要输入至基于添加了全局扰动模式1时进行滑块验证操作的条件下获取的训练样本所训练的人机识别模型。
本申请的一些实施例中，所述根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证，包括：通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证。进一步的，通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证，包括：确定所述操作轨迹中每个所述实时操作位置的预设轨迹特征；根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征；将所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列输入至预先训练的目标人机识别模型，对所述滑块验证操作进行人机验证。
本申请实施例中所述的预设轨迹特征可以为运动速度大小、运动方向、加速度等现有技术中进行人机识别的通用特征。例如，对于操作轨迹上的某一操作位置i,其预设轨迹特征可以表示为f(i)＝(xi,yi,detaxi,detayi)，其中，xi,yi为对滑块执行移动操作的每个所述实时操作位置，detaxi＝xi-xi-1，detayi＝yi-yi-1表示所述实时操作位置i的运动方向和运动速度大小。之后，将采集所述操作轨迹时，所述实时操作位置i对应的滑块实时显示位置的扰动量di与所述实时操作位置i的预设轨迹特征f(i)进行融合，得到所述实时操作位置i的待识别特征。例如，通过公式f′(i)＝f(i)*di+f(i)*0.1对实时操作位置i的预设轨迹特征和扰动量进行融合，得到实时操作位置i的待识别特征f′(i)。按照此方法，可以得到执行滑块验证操作时，对滑块执行移动操作的操作轨迹上每个操作位置的待识别特征。最后，将操作轨迹上获取的所有操作位置的待识别特征构成的特征序列作为所述操作轨迹的特征。
将确定的所述操作轨迹的特征输入至选定的目标人机识别模型，则可以输出所述操作轨迹的人机识别结果。本申请实施例公开的滑块验证方法由于在操作轨迹中引入了扰动模式特征，使得特征更丰富，并且扰动模式特征具有随机性，可以提升人机识别准确率。
本申请的一些实施例中，所述人机识别模型可以为二分类器，所述人机识别模型将根据输入的操作轨迹的特征输出该操作轨迹对应不同类别(即真人的操作轨迹或机器模拟的操作轨迹)的概率。本申请具体实施时，每一种扰动模式对应一个人机识别模型，下面举例阐述人机识别模型的训练方法。
1、训练全局扰动模式对应的人机识别模型。
本申请的一些实施例中，所述响应于执行滑块验证操作，确定目标扰动模式之前，还包括：确定若干候选全局扰动模式；针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的正样本和负样本，训练与所述候选全局扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹；针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的真人执行滑块验证操作时对滑块执行移动操作的操作轨迹和机器攻击行为产生的操作轨迹，确定与所述候选全局扰动模式对应的人机识别模型的人机识别准确率；选择所述人机识别准确率满足预设条件的所述候选全局扰动模式，作为全局扰动模式。
为了获得准确的人机识别结果，本申请一些实施例中，会初步确定若干候选全局扰动模式，并针对每一种候选全局扰动模式，分别采集训练样本，训练相应的人机识别模型。最终，根据训练得到的每个人机识别模型的识别准确率，选择识别准确率最高的几个人机识别模型作为上线使用的人机识别模型，同时，确定每个人机识别模型对应的候选全局扰动模式作为线上可选的全局扰动模式。
以基于3次多项式函数组成：y＝ax3+bx2+cx+d构建全局扰动模式为例，可以预先确定该多项式的L组系数，根据每组系数生成一个候选全局扰动模式。然后，基于每种候选全局扰动模式分别执行人机识别模型训练和验证。通过执行人机识别模型验证，将得到每个人机识别模型的识别准确率，最后，可以选择识别准确率最高的K(L>K)个人机识别模型应用于线上人机识别。其中，K可以具体验证需求确定。
在针对某个候选全局扰动模式执行人机识别模型训练和验证时，首先，对滑块验证过程添加该候选全局扰动模式，并采集若干条操作轨迹。然后，根据真人的操作轨迹生成正样本，根据机器攻击滑块验证过程采集的操作给及生成负样本，并选择一部分正样本和负样本作为训练样本，另一部分正样本和负样本作为测试样本。之后，基于训练样本训练该候选全局扰动模式对应的二分类器，得到该候选全局扰动模式对应的人机识别模型。最后，基于测试样本测试该候选全局扰动模式对应的人机识别模型的识别准确率。识别准确率的高低反映了该全局扰动模式和对应的人机识别模型的性能。
2、训练局部随机扰动模式对应的人机识别模型。
本申请的另一些实施例中，所述响应于执行滑块验证操作，确定目标扰动模式之前，还包括：基于局部随机扰动模式下获取的正样本和负样本，训练与所述局部随机扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹。
在每一次真人执行滑块验证的过程中，随机生成一种局部随机扰动模式(即随机选择若干添加扰动的操作位置，并随机确定各操作位置对应的扰动系数，根据选择的添加扰动的操作位置和相应的扰动系数，生成扰动量计算函数)，然后，将生成的局部随机扰动模式添加于该真人执行滑块验证的过程中，并采集该真人执行滑块验证时对滑块执行移动操作的操作轨迹；最后，根据采集的操作轨迹生成一条正样本。类似的，在每一次机器执行滑块验证的过程中，随机生成一种局部随机扰动模式(即随机选择若干添加扰动的操作位置，并随机确定各操作位置对应的扰动系数，根据选择的添加扰动的操作位置和相应的扰动系数，生成扰动量计算函数)，然后，将生成的局部随机扰动模式添加于该机器执行滑块验证的过程中，并采集该机器执行滑块验证时对滑块执行移动操作的操作轨迹；最后，根据采集的操作轨迹生成一条负样本。之后，基于训练样本训练局部随机扰动模式对应的二分类器，得到局部随机扰动模式对应的人机识别模型。
获取训练样本和测试样本时，采集操作轨迹的具体实施方式参见获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹，此处不再赘述。
本申请的另一些实施例中，所述根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证，包括：根据所述操作轨迹和所述目标扰动模式与预设滑块移动轨迹的匹配结果，对所述移动操作进行验证。进一步的，根据所述操作轨迹和所述目标扰动模式与预设滑块移动轨迹的匹配结果，对所述移动操作进行验证，包括：确定所述操作轨迹中每个所述实时操作位置的预设轨迹特征；根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征；将所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列与预设滑块移动轨迹的特征进行特征匹配，根据特征匹配结果，对所述移动操作进行验证。例如，当所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列与预设滑块移动轨迹的特征匹配成功时，确定对所述滑块执行的移动操作成功；否则，确定对所述滑块执行的移动操作失败。
其中，确定所述操作轨迹中每个所述实时操作位置的预设轨迹特征的步骤、根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征的步骤，以及根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征的步骤的具体实施方式参见前述描述，此处不再赘述。将所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列与预设滑块移动轨迹的特征进行特征匹配时，可以采用计算两类特征的欧氏距离的方式。
本申请的又一些实施例中，还可以在根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行人机验证通过后，进一步根据所述操作轨迹和所述目标扰动模式与预设滑块移动轨迹的匹配结果，对所述移动操作进行验证。
本领域技术人员应当理解，本申请实施例中所例举的用于构建全局扰动模式和局部随机扰动模式的3次多项式，仅仅为一个可以实施本申请的例子，不应作为对本申请保护范围的限定。在本申请的其他实施例中，还可以采用其他函数构建全局扰动模式，或局部随机扰动模式，或者，在构建全局扰动模式时，不同的全局扰动模式还可以采用不同的函数，本申请实施例中不再一一例举。
本领域技术人员还应当理解，本申请实施例中所例举的对滑块实时显示位置的扰动是基于某种扰动模式的，不同的扰动模式，对滑块实时显示位置的扰动有所不同。例如，当对滑块实时显示位置的纵坐标进行扰动时，滑块实时显示位置的显示效果将展示为在鼠标位置的上下跳动显示。
在本申请的另一些实施例中，扰动效果用于构建全局扰动模式和局部随机扰动模式的3次多项式，仅仅为一个可以实施本申请的例子，不应作为对本申请保护范围的限定。在本申请的其他实施例中，还可以采用其他函数构建全局扰动模式，或局部随机扰动模式，或者，在构建全局扰动模式时，不同的全局扰动模式还可以采用不同的函数，本申请实施例中不再一一例举。
本申请实施例公开的滑块验证方法，通过响应于执行滑块验证操作，确定目标扰动模式；获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证，改善了滑块验证过程中人机识别准确率低的问题，同时可以提升滑块验证的可靠性。
视觉反馈到人为操作，是人类的本能反应，对于特定模式的扰动，人为操作从统计意义上会得到对应的操作反应。本申请实施例公开的滑块验证方法由于采用了扰动的视觉反馈机制，通过引入对滑块显示位置的扰动，激发人视觉反馈，从而使得真人进行滑块验证使得操作轨迹具有视觉反馈的特征，进而提升了人机识别的准确率。而机器脚本由于没有视觉反馈到人为操作的反馈链路，即使针对某种特定的扰动模式模拟人为操作，验证过程中采集的操作轨迹也和真正的人为操作区别较大，使得人机判断变得容易，从而大大提升了攻击难度。
进一步的，由于扰动位置和扰动模式上的随机性和多样性，使得机器脚本无法锁定特定模式进行人为操作的模拟，从而进一步加强了机器攻击滑块验证过程的难度，提升人机识别的准确率。
实施例二
本申请实施例公开的一种滑块验证装置，如图5所示，所述装置包括：
目标扰动模式确定模块510，用于响应于执行滑块验证操作，确定目标扰动模式；
扰动模式下操作轨迹获取模块520，用于获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；
验证模块530，用于根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证。
本申请的一些实施例中，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步，包括：
所述滑块的实时显示位置沿预设滑块移动方向超前或滞后于所述移动操作的实时操作位置；或者，
所述滑块的实时显示位置沿不同于预设滑块移动方向偏离所述移动操作的实时操作位置。
本申请的一些实施例中，所述扰动模式下操作轨迹获取模块520，进一步包括：
实时操作位置获取子模块，用于获取对滑块执行移动操作的实时操作位置；
滑块实时显示位置确定子模块，用于根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置；
滑块显示子模块，用于在所述滑块实时显示位置处显示所述滑块；
位置更新子模块，用于获取对所述滑块执行所述移动操作的实时操作位置并跳转至所述滑块实时显示位置确定子模块，直至结束所述移动操作；
操作轨迹确定子模块，用于根据顺序获取的所述移动操作的实时操作位置，确定所述移动操作的操作轨迹。
本申请的一些实施例中，所述根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置的步骤，包括：
基于所述移动操作的实时操作位置对应的坐标，经过所述目标扰动模式的预定计算，得到所述实时操作位置对应的扰动量；
根据所述坐标和所述扰动量，确定所述滑块的滑块实时显示位置对应的所述坐标。本申请的一些实施例中，所述坐标为与所述滑块验证操作设定的滑块移动方向匹配的坐标轴上的坐标；本申请的另一些实施例中，所述坐标为与所述滑块验证操作设定的滑块移动方向垂直的坐标轴上的坐标。
本申请的一些实施例中，所述验证模块530，进一步用于：通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证；
本申请的一些实施例中，所述通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证，包括：
确定所述操作轨迹中每个所述实时操作位置的预设轨迹特征；
根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征；
将所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列输入至预先训练的目标人机识别模型，对所述滑块验证操作进行人机验证。
本申请的一些实施例中，所述目标扰动模式确定模块510，进一步用于：
响应于执行滑块验证操作，在若干扰动模式中随机选择一个扰动模式，作为所述目标扰动模式。
本申请的一些实施例中，所述若干扰动模式包括：局部随机扰动模式和至少一个全局扰动模式，其中，
所述局部随机扰动模式用于：随机选择对所述滑块执行移动操作过程中的若干操作位置，并随机确定每个所述操作位置对应的局部扰动模式，以生成扰动量计算函数；以及，根据所述移动操作的实时操作位置，通过所述扰动量计算函数计算所述实时操作位置对应的滑块实时显示位置的扰动量；
所述全局扰动模式用于：通过与所述全局扰动模式匹配的扰动量计算函数，对所述滑块执行的移动操作的实时操作位置进行计算，得到所述实时操作位置对应的滑块实时显示位置的扰动量。
本申请的一些实施例中，所述装置还包括：全局扰动模式确定模块(图中未示出)，所述全局扰动模式确定模块进一步用于：
确定若干候选全局扰动模式；
针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的正样本和负样本，训练与所述候选全局扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹；
针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的真人执行滑块验证操作时对滑块执行移动操作的操作轨迹和机器攻击行为产生的操作轨迹，确定与所述候选全局扰动模式对应的人机识别模型的人机识别准确率；
选择所述人机识别准确率满足预设条件的所述候选全局扰动模式，作为全局扰动模式。
本申请的一些实施例中，所述装置还包括：人机识别模型训练模块(图中未示出)，所述人机识别模型训练模块进一步用于：
基于局部随机扰动模式下获取的正样本和负样本，训练与所述局部随机扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹。
本申请实施例公开的滑块验证装置，用于实现本申请实施例一中所述的滑块验证方法，装置的各模块的具体实施方式不再赘述，可参见方法实施例相应步骤的具体实施方式。
本申请实施例公开的滑块验证装置，通过响应于执行滑块验证操作，确定目标扰动模式；获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证，改善了滑块验证过程中人机识别准确率低的问题，同时可以提升滑块验证的可靠性。
视觉反馈到人为操作，是人类的本能反应，对于特定模式的扰动，人为操作从统计意义上会得到对应的操作反应。本申请实施例公开的滑块验证装置由于采用了扰动的视觉反馈机制，通过引入对滑块显示位置的扰动，激发人视觉反馈，从而使得真人进行滑块验证使得操作轨迹具有视觉反馈的特征，进而提升了人机识别的准确率。而机器脚本由于没有视觉反馈到人为操作的反馈链路，即使针对某种特定的扰动模式模拟人为操作，验证过程中采集的操作轨迹也和真正的人为操作区别较大，使得人机判断变得容易，从而大大提升了攻击难度。
进一步的，由于扰动位置和扰动模式上的随机性和多样性，使得机器脚本无法锁定特定模式进行人为操作的模拟，从而进一步加强了机器攻击滑块验证过程的难度，提升人机识别的准确率。
相应的，本申请还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例一所述的滑块验证方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。
本申请还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例一所述的滑块验证方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请提供的一种滑块验证方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

Claims (13)

1.一种滑块验证方法，其特征在于，包括：
响应于执行滑块验证操作，确定目标扰动模式；
获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；
根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证；
其中，获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹，包括：顺序获取用户对所述不同步做出视觉反馈之后调整的实时操作位置，直至所述用户结束移动滑块的操作；将顺序获取的所述移动操作的实时操作位置构成的坐标序列，作为所述移动操作的操作轨迹。
2.根据权利要求1所述的方法，其特征在于，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步，包括：
所述滑块的实时显示位置沿预设滑块移动方向超前或滞后于所述移动操作的实时操作位置；或者，
所述滑块的实时显示位置沿不同于预设滑块移动方向偏离所述移动操作的实时操作位置。
3.根据权利要求2所述的方法，其特征在于，所述获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹的步骤，包括：
实时操作位置获取子步骤，用于获取对滑块执行移动操作的实时操作位置；
滑块实时显示位置确定子步骤，用于根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置；
滑块显示子步骤，用于在所述滑块实时显示位置处显示所述滑块；
位置更新子步骤，用于获取对所述滑块执行所述移动操作的实时操作位置并跳转至所述滑块实时显示位置确定子步骤，直至结束所述移动操作；
操作轨迹确定子步骤，用于根据顺序获取的所述移动操作的实时操作位置，确定所述移动操作的操作轨迹。
4.根据权利要求3所述的方法，其特征在于，所述根据所述移动操作的实时操作位置和所述目标扰动模式，确定被扰动后所述滑块的滑块实时显示位置的步骤，包括：
基于所述移动操作的实时操作位置对应的坐标，经过所述目标扰动模式的预定计算，得到所述实时操作位置对应的扰动量；
根据所述坐标和所述扰动量，确定所述滑块的滑块实时显示位置对应的所述坐标。
5.根据权利要求4所述的方法，其特征在于，所述根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证的步骤，包括：
通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证；所述通过预先训练的目标人机识别模型识别所述操作轨迹，对所述滑块验证操作进行人机验证，包括：
确定所述操作轨迹中每个所述实时操作位置的预设轨迹特征；
根据所述操作轨迹中每个所述实时操作位置对应的所述扰动量，对相应实时操作位置的预设轨迹特征进行融合处理，得到每个所述实时操作位置的待识别特征；
将所述操作轨迹中每个所述实时操作位置的待识别特征构成的特征序列输入至预先训练的目标人机识别模型，对所述滑块验证操作进行人机验证。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述响应于执行滑块验证操作，确定目标扰动模式的步骤，包括：
响应于执行滑块验证操作，在若干扰动模式中随机选择一个扰动模式，作为所述目标扰动模式。
7.根据权利要求6所述的方法，其特征在于，所述若干扰动模式包括：局部随机扰动模式和至少一个全局扰动模式，其中，
所述局部随机扰动模式用于：随机选择对所述滑块执行移动操作过程中的若干操作位置，并随机确定每个所述操作位置对应的局部扰动模式，以生成扰动量计算函数；以及，根据所述移动操作的实时操作位置，通过所述扰动量计算函数计算所述实时操作位置对应的滑块实时显示位置的扰动量；
所述全局扰动模式用于：通过与所述全局扰动模式匹配的扰动量计算函数，对所述滑块执行的移动操作的实时操作位置进行计算，得到所述实时操作位置对应的滑块实时显示位置的扰动量。
8.根据权利要求7所述的方法，其特征在于，所述响应于执行滑块验证操作，确定目标扰动模式的步骤之前，还包括：
确定若干候选全局扰动模式；
针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的正样本和负样本，训练与所述候选全局扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹；
针对每一种所述候选全局扰动模式，基于在所述候选全局扰动模式下获取的真人执行滑块验证操作时对滑块执行移动操作的操作轨迹和机器攻击行为产生的操作轨迹，确定与所述候选全局扰动模式对应的人机识别模型的人机识别准确率；
选择所述人机识别准确率满足预设条件的所述候选全局扰动模式，作为全局扰动模式。
9.根据权利要求7所述的方法，其特征在于，所述响应于执行滑块验证操作，确定目标扰动模式的步骤之前，还包括：
基于局部随机扰动模式下获取的正样本和负样本，训练与所述局部随机扰动模式对应的人机识别模型；其中，所述正样本为真人执行滑块验证操作时对滑块执行移动操作的操作轨迹，所述负样本为机器攻击行为产生的操作轨迹。
10.一种滑块验证装置，其特征在于，包括：
目标扰动模式确定模块，用于响应于执行滑块验证操作，确定目标扰动模式；
扰动模式下操作轨迹获取模块，用于获取在所述目标扰动模式下对滑块执行移动操作以进行验证的操作轨迹；其中，在所述目标扰动模式下，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步；
验证模块，用于根据所述操作轨迹和所述目标扰动模式，对所述移动操作进行验证；
其中，所述扰动模式下操作轨迹获取模块具体用于：顺序获取用户对所述不同步做出视觉反馈之后调整的实时操作位置，直至所述用户结束移动滑块的操作；将顺序获取的所述移动操作的实时操作位置构成的坐标序列，作为所述移动操作的操作轨迹。
11.根据权利要求10所述的装置，其特征在于，所述滑块的实时显示位置与所述移动操作的实时操作位置不同步，包括：
所述滑块的实时显示位置沿预设滑块移动方向超前或滞后于所述移动操作的实时操作位置；或者，
所述滑块的实时显示位置沿不同于预设滑块移动方向偏离所述移动操作的实时操作位置。
12.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9任意一项所述的滑块验证方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至9任意一项所述的滑块验证方法的步骤。
CN201911121928.4A 2019-11-15 2019-11-15 基于扰动视觉反馈的滑块验证方法、装置、电子设备 Active CN111062022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911121928.4A CN111062022B (zh) 2019-11-15 2019-11-15 基于扰动视觉反馈的滑块验证方法、装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911121928.4A CN111062022B (zh) 2019-11-15 2019-11-15 基于扰动视觉反馈的滑块验证方法、装置、电子设备

Publications (2)

Publication Number Publication Date
CN111062022A CN111062022A (zh) 2020-04-24
CN111062022B true CN111062022B (zh) 2022-05-06

Family

ID=70298529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911121928.4A Active CN111062022B (zh) 2019-11-15 2019-11-15 基于扰动视觉反馈的滑块验证方法、装置、电子设备

Country Status (1)

Country Link
CN (1) CN111062022B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113254912B (zh) * 2021-05-26 2023-06-02 多益网络有限公司 滑动验证方法、装置、存储介质及计算机设备
CN113688378A (zh) * 2021-08-25 2021-11-23 四川新网银行股份有限公司 一种提升滑块验证码安全性的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468277A (zh) * 2014-09-25 2016-04-06 基思利仪器公司 用于实时地控制源参数并使测量结果相关的用户接口
CN108280338A (zh) * 2018-01-12 2018-07-13 上海大学 一种滑动验证码的破解方法
CN109241709A (zh) * 2018-08-03 2019-01-18 平安科技（深圳）有限公司 基于滑块验证码验证的用户行为识别方法及装置
CN109858211A (zh) * 2017-08-23 2019-06-07 北京三快在线科技有限公司 一种基于滑动轨迹的人机识别方法及装置，电子设备
CN110135487A (zh) * 2019-05-09 2019-08-16 国网山东省电力公司滨州供电公司 一种电脑用户鼠标行为模拟方法
CN110427746A (zh) * 2019-08-08 2019-11-08 腾讯科技（深圳）有限公司 滑块验证码验证方法、装置、存储介质和计算机设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012102111A1 (ja) * 2011-01-27 2012-08-02 株式会社エヌ・ティ・ティ・ドコモ 移動情報端末、把持特徴学習方法、及び把持特徴認証方法
CN104217153A (zh) * 2014-09-02 2014-12-17 联想(北京)有限公司 一种信息处理方法和电子设备
EP3208733B1 (en) * 2016-02-19 2020-07-01 Sony Corporation Terminal device, method, and program
CN109902471A (zh) * 2019-01-08 2019-06-18 平安科技（深圳）有限公司 滑块验证的检测方法、装置、计算机设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468277A (zh) * 2014-09-25 2016-04-06 基思利仪器公司 用于实时地控制源参数并使测量结果相关的用户接口
CN109858211A (zh) * 2017-08-23 2019-06-07 北京三快在线科技有限公司 一种基于滑动轨迹的人机识别方法及装置，电子设备
CN108280338A (zh) * 2018-01-12 2018-07-13 上海大学 一种滑动验证码的破解方法
CN109241709A (zh) * 2018-08-03 2019-01-18 平安科技（深圳）有限公司 基于滑块验证码验证的用户行为识别方法及装置
CN110135487A (zh) * 2019-05-09 2019-08-16 国网山东省电力公司滨州供电公司 一种电脑用户鼠标行为模拟方法
CN110427746A (zh) * 2019-08-08 2019-11-08 腾讯科技（深圳）有限公司 滑块验证码验证方法、装置、存储介质和计算机设备

Also Published As

Publication number Publication date
CN111062022A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
Zhang et al. Human motion recognition based on SVM in VR art media interaction environment
WO2020252932A1 (zh) 操作行为的人机识别方法、装置及计算机设备
Kristensson et al. Continuous recognition and visualization of pen strokes and touch-screen gestures
CN109034397A (zh) 模型训练方法、装置、计算机设备及存储介质
CN111062022B (zh) 基于扰动视觉反馈的滑块验证方法、装置、电子设备
CN111665941B (zh) 一种面向虚拟实验的多模态语义融合人机交互系统和方法
EP3230920B1 (en) Method for recognizing if a user of an electronic terminal is a human or a robot
EP2940551A1 (en) Method and device for implementing voice input
CN110087143A (zh) 视频处理方法和装置、电子设备及计算机可读存储介质
Yin et al. Gesture spotting and recognition using salience detection and concatenated hidden markov models
Caramiaux et al. Beyond recognition: using gesture variation for continuous interaction
CN110737339A (zh) 基于深度学习的视觉—触觉交互模型构建方法
CN112151194A (zh) 康体训练监测系统及方法、存储介质及电子设备
CN111382403A (zh) 用户行为识别模型的训练方法、装置、设备及存储介质
CN111090849A (zh) 存储器、验证码实现方法、装置和设备
Rozaliev et al. Methods and applications for controlling the correctness of physical exercises performance
CN109992106B (zh) 手势轨迹识别方法、电子设备及存储介质
CN110795706B (zh) 基于哈希的验证方法、设备、存储介质及装置
KR20190027287A (ko) 손가락 동작과 입 모양에 의한 키보드와 마우스 기능 모사 방법
Putze et al. Design and evaluation of a self-correcting gesture interface based on error potentials from EEG
Hamdi et al. Deep learned BLSTM for online handwriting modeling simulating the Beta-Elliptic approach
CN109814716A (zh) 一种基于动态表面肌电信号的运动意图解码方法
CN113343898B (zh) 基于知识蒸馏网络的口罩遮挡人脸识别方法、装置及设备
Ferrer et al. Synthesis of 3D on-air signatures with the Sigma–Lognormal model
Jiu et al. Fingertip interactive tracking registration method for AR assembly system

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