CN111506889B - 一种基于相似用户组的用户验证方法及装置 - Google Patents

一种基于相似用户组的用户验证方法及装置 Download PDF

Info

Publication number
CN111506889B
CN111506889B CN202010334076.3A CN202010334076A CN111506889B CN 111506889 B CN111506889 B CN 111506889B CN 202010334076 A CN202010334076 A CN 202010334076A CN 111506889 B CN111506889 B CN 111506889B
Authority
CN
China
Prior art keywords
sample
user
similarity
characteristic information
similar
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
CN202010334076.3A
Other languages
English (en)
Other versions
CN111506889A (zh
Inventor
江南
郭明宇
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies 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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN202010334076.3A priority Critical patent/CN111506889B/zh
Publication of CN111506889A publication Critical patent/CN111506889A/zh
Application granted granted Critical
Publication of CN111506889B publication Critical patent/CN111506889B/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
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2115—Selection of the most significant subset of features by evaluating different subsets according to an optimisation criterion, e.g. class separability, forward selection or backward elimination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7796—Active pattern-learning, e.g. online learning of image or video features based on specific statistical tests
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本说明书一个或多个实施例公开了一种基于相似用户组的用户验证方法及装置，用以提高用户验证的准确率及覆盖率。所述方法包括：判断待验证用户是否属于相似用户组；其中，所述相似用户组包括至少两个相似用户，所述相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；若所述待验证用户属于相似用户组，则根据所述相似用户组中的基准特征信息对所述待验证用户进行验证。

Description

一种基于相似用户组的用户验证方法及装置
技术领域
本说明书涉及身份识别技术领域，尤其涉及一种基于相似用户组的用户验证方法及装置。
背景技术
人脸识别作为一种用户体验良好的识别技术，在多个场景得到了越来越广泛的应用。人脸识别的原理是采集目标用户的人脸影像并抽取图像特征，然后将该图像特征与目标用户在系统留存的图片或图像特征进行比对识别，通过比对结果来决策该用户的身份真实性。
然而，现有的人脸识别技术无法达到100％的准确率，例如，在针对相似脸(如同卵双胞胎、父子、母女或者“明星脸”等)这种特殊的情况时，就会产生误识别，这种误识别情况往往会给用户带来生活或者工作上的困扰，甚至导致用户的账户和资金被盗用。因此，识别相似脸是人脸识别的一个难题。
为避免上述误识别的情况，现有技术中，对于可能属于相似脸的风险用户皆采用屏蔽方式处理，即不允许风险用户使用人脸识别。然而，随着人脸识别技术的广泛应用，使用人脸识别技术的用户基数也急剧扩张，导致长相相似的用户数量也随之迅速扩大，这就使得利用屏蔽方式避免误识别的方法很难在实际应用中执行。此外，使用屏蔽方式也无法从根源上解决相似脸的误识别问题。
发明内容
本说明书一个或多个实施例的目的是提供一种基于相似用户组的用户验证方法及装置，用以提高用户验证的准确率及覆盖率。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
第一方面，本说明书一个或多个实施例提供一种用于用户验证的相似用户组构建方法，包括：
获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，所述至少两个样本用户的基准特征信息满足所述预设相似度条件；
针对任一所述样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
根据计算得到的所述相似度判断所述至少两个样本用户是否满足预设可区分条件；
当所述至少两个样本用户满足所述预设可区分条件时，将所述至少两个样本用户添加至同一相似用户组，该相似用户组用于对所述至少两个样本用户进行验证。
第二方面，本说明书一个或多个实施例提供一种基于相似用户组的用户验证方法，包括：
判断待验证用户是否属于相似用户组；以及，针对所述待验证用户进行特征信息采集；其中，所述相似用户组包括至少两个相似用户，所述相似用户为：基准特征信息满足预设相似条件及预设可区分条件的用户；
若所述待验证用户属于相似用户组，则执行以下验证操作：
计算所述采集的特征信息与所述相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算所述采集的特征信息与所述相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；
其中，所述第一相似用户为与所述待验证用户的标识信息相同的相似用户，所述第二相似用户为与所述待验证用户的标识信息不同的相似用户；
若所述第一相似度大于所述第二相似度，则确定所述待验证用户通过验证；否则确定所述待验证用户未通过验证。
第三方面，本说明书一个或多个实施例提供一种用于用户验证的相似用户组构建装置，包括：
第二获取单元，用于获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，所述至少两个样本用户的基准特征信息满足所述预设相似度条件；
计算单元，用于针对任一所述样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
第二判断单元，用于根据计算得到的所述相似度判断所述至少两个样本用户是否满足预设可区分条件；
添加单元，用于当所述至少两个样本用户满足所述预设可区分条件时，将所述至少两个样本用户添加至同一相似用户组，该相似用户组用于对所述至少两个样本用户进行验证。
第四方面，本说明书一个或多个实施例提供一种基于相似用户组的用户验证装置，包括：
第一判断模块，用于判断待验证用户是否属于相似用户组；以及，针对所述待验证用户进行特征信息采集；其中，所述相似用户组包括至少两个相似用户，所述相似用户为：基准特征信息满足预设相似条件及预设可区分条件的用户；
第一验证模块，用于计算所述采集的特征信息与所述相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算所述采集的特征信息与所述相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，所述第一相似用户为与所述待验证用户的标识信息相同的相似用户，所述第二相似用户为与所述待验证用户的标识信息不同的相似用户；
若所述第一相似度大于所述第二相似度，则确定所述待验证用户通过验证；否则确定所述待验证用户未通过验证。
采用本说明书一个或多个实施例的技术方案，首先判断待验证用户是否属于相似用户组，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证，其中，相似用户组中包括至少两个相似用户，该至少两个相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户。由此可知，该技术方案能够利用满足预设相似条件及预设可区分条件的相似用户所属的相似用户组对待验证用户进行验证，因此能够将待验证用户和与其相似的用户区分开来，避免了在多个相似用户(例如父子脸、同卵双胞胎等)之间产生误识别的情况，进而提高了用户验证的准确率。此外，相较于现有技术中屏蔽对相似用户的验证而言，该技术方案大大提升了用户验证的覆盖率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例中记载的一些实施例，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是根据本说明书一实施例的一种基于特征信息进行用户验证的方法的示意性流程图；
图2是根据本说明书一实施例的一种创建相似用户组的方法的示意性流程图；
图3是根据本说明书具体实施例一的一种创建相似用户组的示意图；
图4是根据本说明书具体实施例二的一种创建相似用户组的示意图；
图5是根据本说明书具体实施例二的另一种创建相似用户组的示意图；
图6是根据本说明书另一实施例的一种基于特征信息进行用户验证的方法的示意性流程图；
图7是根据本说明书一实施例的一种基于特征信息进行用户验证的装置的示意性框图；
图8是根据本说明书另一实施例的一种基于特征信息进行用户验证的装置的示意性框图；
图9是根据本说明书另一实施例的一种基于特征信息进行用户验证的装置的示意性框图。
具体实施方式
本说明书一个或多个实施例提供一种基于特征信息进行用户验证的方法及装置，用以提高用户验证的准确率及覆盖率。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本说明书一个或多个实施例保护的范围。
图1是根据本说明书一实施例的一种基于特征信息进行用户验证的方法的示意性流程图，如图1所示，该方法包括：
步骤S102，判断待验证用户是否属于相似用户组。
其中，相似用户组包括至少两个相似用户，相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户。相似用户组在存储相似用户时，将每个相似用户的标识信息与相似用户对应存储，这样，在具体实施时，即可根据将待验证用户的标识信息与各相似用户组中相似用户的标识信息相匹配，若存在与待验证用户的标识信息相匹配的相似用户，则待验证用户属于该相似用户所在的相似用户组；若不存在与待验证用户的标识信息相匹配的相似用户，则待验证用户不属于相似用户组。
步骤S104，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证。
本实施例中，在判断待验证用户是否属于相似用户组时，可根据待验证用户的标识信息或者特征信息来判断。
当根据待验证用户的标识信息来判断时，步骤S102可执行为以下步骤：首先，获取待验证用户的标识信息。其次，判断待验证用户的标识信息与预存的相似用户组中的相似用户的标识信息是否匹配；若是，则确定待验证用户属于相似用户组；若否，确定待验证用户不属于相似用户组。在预存的相似用户组中，每个相似用户都关联有各自对应的标识信息，因此可通过匹配标识信息即可判断出待验证用户是否属于相似用户组。其中，标识信息包括身份证号、通讯号码、姓名、预定标识信息中的至少一项。预定标识信息可以是待验证用户预先在服务器端留存的用于标识其用户身份的信息，例如指定数字串、指定文字等。
当根据待验证用户的特征信息来判断时，预存的相似用户组中，每个相似用户均关联有各自对应的基准特征信息，可利用待验证用户的特征信息与预存的相似用户组中的相似用户的基准特征信息进行匹配来判断，因此，步骤S102可执行为以下步骤：首先，获取待验证用户的特征信息。其次，判断待验证用户的特征信息与预存的相似用户组中的相似用户的基准特征信息是否匹配；若是，则确定待验证用户属于相似用户组；若否，确定待验证用户不属于相似用户组。
验证包括安全性的验证。相似用户组中的基准特征信息指该相似用户组中的各相似用户在服务器端预先留存的具有唯一性标识作用的特征信息，其中，特征信息可包括人脸特征、虹膜特征、指纹、眼纹中的至少一种信息。
本实施例中，基准特征信息包括用户在服务器端预先留存的具有唯一性标识作用的特征信息，主要用于在验证过程中与其他特征信息进行比对的作用。本实施例对基准特征信息的选择不作限定，其可以是满足既定标准的标准特征信息，也可以是非标准特征信息，还可以是从多个特征信息中根据既定条件优选出的特征信息，等等。
采用本说明书一个或多个实施例的技术方案，首先判断待验证用户是否属于相似用户组，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证，其中，相似用户组中包括至少两个相似用户，该至少两个相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户。由此可知，该技术方案能够利用满足预设相似条件及预设可区分条件的相似用户所属的相似用户组对待验证用户进行验证，因此能够将待验证用户和与其相似的用户区分开来，避免了在多个相似用户(例如父子脸、同卵双胞胎等)之间产生误识别的情况，进而提高了用户验证的准确率。此外，相较于现有技术中屏蔽对相似用户的验证而言，该技术方案大大提升了用户验证的覆盖率。
在执行上述步骤S102-S104之前，需预先创建相似用户组。图2是根据本说明书一实施例的一种创建相似用户组的方法的示意性流程图，如图2所示，创建相似用户组的方法可包括以下步骤S202-S210：
步骤S202，获取至少两个样本用户各自对应的基准特征信息以及样本特征信息。
在选择样本用户时，为提高相似用户组的创建效率，可避免选择明显不相似的用户，而应尽可能地选择相似度较高的用户作为样本用户。例如，选择长相相似的父子、姐妹或双胞胎等作为样本用户。优选地，至少两个样本用户的基准特征信息满足预设相似度条件，该预设相似度条件包括基准特征信息的相似度达到预设阈值。
样本用户对应的基准特征信息指该用户在服务器端预先留存的具有唯一性标识作用的特征信息，样本用户对应的样本特征信息可包括该样本用户历史验证通过的一个或多个特征信息。其中，特征信息可包括人脸特征、虹膜特征、指纹、眼纹中的至少一种信息。
步骤S204，针对任一样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度。
该步骤中，在进行特征信息的相似度比对时，可通过确定各特征信息的特征向量，进而计算不同特征信息之间的特征向量距离来确定该不同特征信息之间的相似度。若特征信息为人脸图像，则还可通过确定各人脸图像对应的特征脸(即用于机器视觉领域中的人脸识别问题的一组特征向量)来确定不同人脸图像之间的相似度；等等。上述列举的特征信息的相似度比对方法为现有技术，在此不再赘述。
步骤S206，根据计算得到的相似度判断至少两个样本用户是否满足预设可区分条件；若是，则执行步骤S208；若否，则执行步骤S210。
其中，预设可区分条件可包括：基于任一样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对，该相似度比对成功的数目比例大于预设比例值。基于预设可区分条件，执行步骤S206时，可通过以下实施方式判断至少两个样本用户是否满足预设可区分条件：
首先，比对样本用户对应的样本特征信息与该样本用户对应的基准特征信息之间的第三相似度以及该样本用户对应的样本特征信息与除该样本用户之外的其他样本用户对应的基准特征信息之间的第四相似度，得到比对结果。其次，根据该比对结果，判断第三相似度是否大于第四相似度；若是，则确定样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对成功；若否，则确定样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对失败。最后，统计相似度比对成功的数目比例，当数目比例大于预设比例值时，确定至少两个样本用户满足预设可区分条件。
当然，除本实施例中统计相似度比对成功的数目比例之外，还可统计相似度比对成功的数目，当相似度比对成功的数目达到一预设数目时，即可确定至少两个样本用户满足预设可区分条件。或者，还可统计相似度比对失败的数目，当相似度比对失败的数目达到另一预设数目时，即可确定至少两个样本用户不满足预设可区分条件。
需要说明的是，上述实施方式中，第三相似度和第四相似度中的“第三”、“第四”仅用于区分不同特征信息之间的相似度，不具有其他意义。
步骤S208，将至少两个样本用户添加至同一相似用户组。
步骤S210，确定该至少两个样本用户无法被添加至同一相似用户组。
以下通过两个具体实施例来说明如何按照本实施例的方法创建相似用户组。在以下两个具体实施例中，仅在相似度比对成功的数目比例为100％(即所有样本特征信息与各样本用户对应的基准特征信息的相似度比对结果均为相似度比对成功)时，才可确定至少两个样本用户满足预设可区分条件。
具体实施例一、
该实施例中，特征信息为人脸特征，那么基准特征信息为基准人脸特征，样本特征信息为样本人脸特征。
首先执行步骤S202，选择两个样本用户A、B，每个样本用户对应一个基准人脸特征以及一个样本人脸特征。假设样本用户A对应基准人脸特征A1和样本人脸特征A2，样本用户B对应基准人脸特征B1和样本人脸特征B2。
然后执行步骤S204，针对样本用户A，分别计算样本人脸特征A2和基准人脸特征A1、基准人脸特征B1的相似度；以及，针对样本用户B，分别计算样本人脸特征B2和基准人脸特征A1、基准人脸特征B1的相似度。
然后执行步骤S206，针对样本用户A，比对样本人脸特征A2和基准人脸特征A1之间的相似度是否大于样本人脸特征A2和基准人脸特征B1之间的相似度，若是，则确定样本人脸特征A2和各基准人脸特征的相似度比对成功；以及，针对样本用户B，比对样本人脸特征B2和基准人脸特征B1之间的相似度是否大于样本人脸特征B2和基准人脸特征A1之间的相似度，若是，则确定样本人脸特征B2和各基准人脸特征的相似度比对成功。
图3示出了该具体实施例一中创建相似用户组的示意图。如图3所示，样本人脸特征A2下方显示的“成功”表示样本人脸特征A2和各基准人脸特征的相似度比对成功，样本人脸特征B2下方显示的“成功”表示样本人脸特征B2和各基准人脸特征的相似度比对成功。仅在样本用户A对应的样本人脸特征A2和各基准人脸特征的相似度比对成功、且样本用户B对应的样本人脸特征B2和各基准人脸特征的相似度比对成功时，样本用户A和样本用户B才可被添加至同一相似用户组；否则，其中任意一个相似度比对失败，则样本用户A和样本用户B无法被添加至同一相似用户组。
具体实施例二、
该实施例中，特征信息为人脸特征，那么基准特征信息为基准人脸特征，样本特征信息为样本人脸特征。
首先执行步骤S202，选择两个样本用户A、B，每个样本用户对应一个基准人脸特征以及三个样本人脸特征。假设样本用户A对应基准人脸特征A1和样本人脸特征A2、样本人脸特征A3、样本人脸特征A4，样本用户B对应基准人脸特征B1和样本人脸特征B2、样本人脸特征B3、样本人脸特征B4。
然后执行步骤S204，针对样本用户A，分别计算样本人脸特征A2和基准人脸特征A1、基准人脸特征B1的相似度；以及，分别计算样本人脸特征A3和基准人脸特征A1、基准人脸特征B1的相似度；以及，分别计算样本人脸特征A4和基准人脸特征A1、基准人脸特征B1的相似度。
针对样本用户B，分别计算样本人脸特征B2和基准人脸特征A1、基准人脸特征B1的相似度；以及，分别计算样本人脸特征B3和基准人脸特征A1、基准人脸特征B1的相似度；以及，分别计算样本人脸特征B4和基准人脸特征A1、基准人脸特征B1的相似度。
然后执行步骤S206，针对样本用户A，比对样本人脸特征A2和基准人脸特征A1之间的相似度是否大于样本人脸特征A2和基准人脸特征B1之间的相似度，若是，则确定样本人脸特征A2和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征A2和各基准人脸特征的相似度比对失败；以及，比对样本人脸特征A3和基准人脸特征A1之间的相似度是否大于样本人脸特征A3和基准人脸特征B1之间的相似度，若是，则确定样本人脸特征A3和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征A3和各基准人脸特征的相似度比对失败；以及，比对样本人脸特征A4和基准人脸特征A1之间的相似度是否大于样本人脸特征A4和基准人脸特征B1之间的相似度，若是，则确定样本人脸特征A4和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征A4和各基准人脸特征的相似度比对失败；
针对样本用户B，比对样本人脸特征B2和基准人脸特征B1之间的相似度是否大于样本人脸特征B2和基准人脸特征A1之间的相似度，若是，则确定样本人脸特征B2和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征B2和各基准人脸特征的相似度比对失败；以及，比对样本人脸特征B3和基准人脸特征B1之间的相似度是否大于样本人脸特征B3和基准人脸特征A1之间的相似度，若是，则确定样本人脸特征B3和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征B3和各基准人脸特征的相似度比对失败；以及，比对样本人脸特征B4和基准人脸特征B1之间的相似度是否大于样本人脸特征B4和基准人脸特征A1之间的相似度，若是，则确定样本人脸特征B4和各基准人脸特征的相似度比对成功，否则，确定样本人脸特征B4和各基准人脸特征的相似度比对失败。
图4和图5示出了该具体实施例二中创建相似用户组的示意图。如图4和图5所示，每个样本人脸特征右侧均以“成功”或“失败”表明对应的样本人脸特征与各基准人脸特征的相似度比对结果。在图4中，样本人脸特征A2、A3、A4与各基准人脸特征的相似度比对结果均为相似度比对成功，且样本人脸特征B2、B3、B4与各基准人脸特征的相似度比对结果也均为相似度比对成功，因此可确定样本用户A和样本用户B可被添加至同一相似用户组。在图5中，由于样本人脸特征A4与各基准人脸特征的相似度比对结果为相似度比失败，因此样本用户A和样本用户B无法被添加至同一相似用户组。
按照上述方法创建好相似用户组之后，即可按照行步骤S102-S104的方法进行用户验证。以下针对上述步骤S102-S104进行详细说明。
首先在执行步骤S102之前，接收待验证用户的验证请求，该验证请求中可包括待验证用户的标识信息。其中，标识信息包括身份证号、通讯号码、姓名、预定标识信息中的至少一项。预定标识信息可以是待验证用户预先在服务器端留存的用于标识其用户身份的信息，例如指定数字串、指定文字等。
接收到验证请求之后，继续执行步骤S102，根据待验证用户的标识信息，判断待验证用户是否属于相似用户组。其中，相似用户组包括至少两个相似用户，相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户。
在一个实施例中，预设相似条件可包括：基准特征信息的相似度达到预设阈值。预设可区分条件可包括：基于相似用户的样本特征信息与该相似用户所属的相似用户组中的各基准特征信息的相似度比对，该相似度比对成功的数目比例大于预设比例值。上述实施例中已经针对相似用户组进行了详细说明，此处不再赘述。
判断待验证用户是否属于相似用户组之后，继续执行步骤S104，即，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证。具体验证可包括如下步骤：
步骤一、获取针对待验证用户所采集的特征信息。其中，本实施例对待验证用户的特征信息的采集时间不做限定。例如，可在接收到待验证用户的验证请求之后采集待验证用户的特征信息，也可在判断出待验证用户是否属于相似用户组之后采集待验证用户的特征信息，还可在判定待验证用户属于相似用户组时，根据相似用户组中的基准特征信息对待验证用户进行验证之前采集待验证用户的特征信息。
步骤二、将采集的特征信息分别与相似用户组中的各基准特征信息进行比对，得到比对结果。
在一个实施例中，步骤二可实施为如下方式：首先，计算采集的特征信息与相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算采集的特征信息与相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，第一相似用户为与待验证用户的标识信息相同的相似用户，第二相似用户为与待验证用户的标识信息不同的相似用户。其次，判断第一相似度是否大于第二相似度；若是，则确定采集的特征信息与第一相似用户对应的基准特征信息相匹配；若否，则确定采集的特征信息与第二相似用户对应的基准特征信息相匹配。
步骤三、根据该比对结果确定待验证用户是否通过验证。具体的，当比对结果为采集的特征信息与第一相似用户对应的基准特征信息相匹配，即第一相似度大于第二相似度，则确定待验证用户通过验证；当第一比对结果为采集的特征信息与第二相似用户对应的基准特征信息相匹配，即第一相似度不大于第二相似度，则确定待验证用户未通过验证。
以特征信息为人脸特征、对待验证用户进行安全验证为例。假设采集到的待验证用户的人脸特征为A，标识信息为“XXX0”，且该待验证用户属于包含相似用户M、N的相似用户组。在该相似用户组中，相似用户M对应的标识信息为“XXX0”，基准人脸特征为B1；相似用户N对应的标识信息为“XXX1”，基准人脸特征为B2。那么对待验证用户进行验证时，首先计算人脸特征A与该相似用户组中的第一相似用户(即与待验证用户的标识信息相同的相似用户M)对应的基准人脸特征B1之间的第一相似度，以及人脸特征A与该相似用户组中的第二相似用户(即与待验证用户的标识信息不同的相似用户N)对应的基准人脸特征B2之间的第二相似度。其次，判断第一相似度是否大于第二相似度。假设第一相似度为98％，第二相似度为90％，由于第一相似度大于第二相似度，则可确定待验证用户的人脸特征A与相似用户M对应的基准人脸特征B1相匹配，此时待验证用户通过安全验证。假设第一相似度为90％，第二相似度为98％，由于第二相似度大于第一相似度，则可确定待验证用户的人脸特征A与相似用户N对应的基准人脸特征B2相匹配，此时待验证用户未通过安全验证。
在一个实施例中，上述方法还可实施为图6所示的步骤S602-S612：
步骤S602，接收待验证用户的验证请求，验证请求中包括待验证用户的标识信息。
步骤S604，根据待验证用户的标识信息，判断待验证用户是否属于相似用户组；若是，则执行步骤S606；若否，则执行步骤S608。
步骤S606，根据相似用户组中的基准特征信息对待验证用户进行验证。
步骤S608，获取全局用户信息库，该全局用户信息库中包括超出预设数量的用户各自对应的基准特征信息及其标识信息。
步骤S610，根据待验证用户对应的标识信息，在全局用户信息库中确定待验证用户对应的基准特征信息。
步骤S612，根据待验证用户对应的基准特征信息对待验证用户进行验证。
本实施例中，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证；若待验证用户不属于相似用户组，则根据全局用户信息库中的基准特征信息对待验证用户进行验证。可见，该技术方案不仅能够验证一般用户，还能够准确地验证辨识度不高的相似用户，避免了在多个相似用户(例如父子脸、同卵双胞胎等)之间产生误识别的情况，进而提高了用户验证的准确率及覆盖率。
综上，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。
以上为本说明书一个或多个实施例提供的生成数据关系模型的方法，基于同样的思路，本说明书一个或多个实施例还提供一种基于特征信息进行用户验证的装置。
图7是根据本说明书一实施例的一种基于特征信息进行用户验证的装置的示意性框图。如图7所示，该装置包括：
第一判断模块710，判断待验证用户是否属于相似用户组；其中，相似用户组包括至少两个相似用户，相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
第一验证模块720，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证。
可选地，第一验证模块720包括：
第一获取单元，获取针对待验证用户所采集的特征信息；
比对单元，将采集的特征信息分别与相似用户组中的各基准特征信息进行比对，得到第一比对结果；
确定单元，根据第一比对结果确定待验证用户是否通过验证。
可选地，第一判断模块710包括：
标识信息获取单元，获取待验证用户的标识信息；
第一判断单元，判断待验证用户的标识信息与预存的相似用户组中的相似用户的标识信息是否匹配；若是，则确定待验证用户属于相似用户组；若否，确定待验证用户不属于相似用户组。
可选地，预设相似条件包括：基准特征信息的相似度达到预设阈值。
可选地，预设可区分条件包括：基于相似用户的样本特征信息与该相似用户所属的相似用户组中的各基准特征信息的相似度比对，相似度比对成功的数目比例大于预设比例值。
可选地，比对单元，计算采集的特征信息与相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算采集的特征信息与相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，第一相似用户为与待验证用户的标识信息相同的相似用户，第二相似用户为与待验证用户的标识信息不同的相似用户；
相应的，所述确定单元，若第一相似度大于第二相似度，则确定待验证用户通过验证；若第一相似度不大于第二相似度，则确定待验证用户未通过验证。
可选地，比对单元，当第一比对结果为采集的特征信息与第一相似用户对应的基准特征信息相匹配，则确定待验证用户通过验证；当第一比对结果为采集的特征信息与第二相似用户对应的基准特征信息相匹配，则确定待验证用户未通过验证。
可选地，上述装置还包括：创建模块，创建相似用户组；
创建模块包括：
第二获取单元，获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，至少两个样本用户的基准特征信息满足预设相似度条件；
计算单元，针对任一样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
第二判断单元，根据计算得到的相似度判断至少两个样本用户是否满足预设可区分条件；
添加单元，当至少两个样本用户满足预设可区分条件时，将至少两个样本用户添加至同一相似用户组。
可选地，判断单元，比对样本用户对应的样本特征信息与该样本用户对应的基准特征信息之间的第三相似度以及该样本用户对应的样本特征信息与除该样本用户之外的其他样本用户对应的基准特征信息之间的第四相似度，得到第二比对结果；根据第二比对结果，判断第三相似度是否大于第四相似度；若是，则确定样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对成功；若否，则确定样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对失败；统计相似度比对成功的数目比例，当数目比例大于预设比例值时，确定至少两个样本用户满足预设可区分条件。
可选地，如图8所示，上述装置还包括：
获取模块740，当待验证用户不属于相似用户组时，获取全局用户信息库，全局用户信息库中包括超出预设数量的用户各自对应的基准特征信息及其标识信息；
确定模块750，根据待验证用户对应的标识信息，在全局用户信息库中确定待验证用户对应的基准特征信息；
第二验证模块760，根据待验证用户对应的基准特征信息对待验证用户进行验证。
可选地，特征信息包括人脸特征、虹膜特征、指纹、眼纹中的至少一种信息，标识信息包括身份证号、通讯号码、姓名、预定标识信息中的至少一项。
在一个实施例中，本说明书一个或多个实施例还提供一种基于特征信息进行用户验证的装置，包括：
接收模块，接收待验证用户的验证请求，验证请求中包括待验证用户的标识信息；
第二判断模块，根据待验证用户的标识信息，判断待验证用户是否属于相似用户组；其中，相似用户组包括至少两个相似用户，相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
计算模块，若待验证用户属于相似用户组，则获取针对待验证用户所采集的特征信息，计算采集的特征信息与相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算采集的特征信息与相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，第一相似用户为与待验证用户的标识信息相同的相似用户，第二相似用户为与待验证用户的标识信息不同的相似用户；
确定模块，若第一相似度大于第二相似度，则确定待验证用户通过验证。
采用本说明书一个或多个实施例的装置，首先判断待验证用户是否属于相似用户组，若待验证用户属于相似用户组，则根据相似用户组中的基准特征信息对待验证用户进行验证，其中，相似用户组中包括至少两个相似用户，该至少两个相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户。由此可知，该技术方案能够利用满足预设相似条件及预设可区分条件的相似用户所属的相似用户组对待验证用户进行验证，因此能够将待验证用户和与其相似的用户区分开来，避免了在多个相似用户(例如父子脸、同卵双胞胎等)之间产生误识别的情况，进而提高了用户验证的准确率。此外，相较于现有技术中屏蔽对相似用户的验证而言，该技术方案大大提升了用户验证的覆盖率。
本领域的技术人员应可理解，图7和图8中的基于特征信息进行用户验证的装置能够用来实现前文所述的基于特征信息进行用户验证的方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。
基于同样的思路，本说明书一个或多个实施例还提供一种基于特征信息进行用户验证的装置，如图9所示。基于特征信息进行用户验证的装置可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器901和存储器902，存储器902中可以存储有一个或一个以上存储应用程序或数据。其中，存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对基于特征信息进行用户验证的装置中的一系列计算机可执行指令。更进一步地，处理器901可以设置为与存储器902通信，在基于特征信息进行用户验证的装置上执行存储器902中的一系列计算机可执行指令。基于特征信息进行用户验证的装置还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入输出接口905，一个或一个以上键盘906。
具体在本实施例中，基于特征信息进行用户验证的装置包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对基于特征信息进行用户验证的装置中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
判断待验证用户是否属于相似用户组；其中，所述相似用户组包括至少两个相似用户，所述相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
若所述待验证用户属于相似用户组，则根据所述相似用户组中的基准特征信息对所述待验证用户进行验证。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
根据所述相似用户组中的基准特征信息对所述待验证用户进行验证，包括：
获取针对所述待验证用户所采集的特征信息；
将所述采集的特征信息分别与所述相似用户组中的各基准特征信息进行比对，得到第一比对结果；
根据所述第一比对结果确定所述待验证用户是否通过验证。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
获取所述待验证用户的标识信息；
判断所述待验证用户的标识信息与预存的相似用户组中的相似用户的标识信息是否匹配；若是，则确定所述待验证用户属于相似用户组；若否，确定所述待验证用户不属于所述相似用户组。
可选地，所述预设相似条件包括：所述基准特征信息的相似度达到预设阈值。
可选地，所述预设可区分条件包括：基于所述相似用户的样本特征信息与该相似用户所属的相似用户组中的各基准特征信息的相似度比对，所述相似度比对成功的数目比例大于预设比例值。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
计算所述采集的特征信息与所述相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算所述采集的特征信息与所述相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，所述第一相似用户为与所述待验证用户的标识信息相同的相似用户，所述第二相似用户为与所述待验证用户的标识信息不同的相似用户；
相应的，若所述第一相似度大于所述第二相似度，则确定所述待验证用户通过验证；
若所述第一相似度不大于所述第二相似度，则确定所述待验证用户未通过验证。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，所述至少两个样本用户的基准特征信息满足所述预设相似度条件；
针对任一所述样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
根据计算得到的所述相似度判断所述至少两个样本用户是否满足所述预设可区分条件；
当所述至少两个样本用户满足所述预设可区分条件时，将所述至少两个样本用户添加至同一相似用户组。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
比对所述样本用户对应的样本特征信息与该样本用户对应的基准特征信息之间的第三相似度以及该样本用户对应的样本特征信息与除该样本用户之外的其他样本用户对应的基准特征信息之间的第四相似度，得到第二比对结果；
根据所述第二比对结果，判断所述第三相似度是否大于所述第四相似度；
若是，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对成功；若否，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对失败；
统计所述相似度比对成功的数目比例，当所述数目比例大于所述预设比例值时，确定所述至少两个样本用户满足所述预设可区分条件。
可选地，计算机可执行指令在被执行时，还可以使所述处理器：
当所述待验证用户不属于所述相似用户组时，获取全局用户信息库，所述全局用户信息库中包括超出预设数量的用户各自对应的基准特征信息及其标识信息；
根据所述待验证用户对应的标识信息，在所述全局用户信息库中确定所述待验证用户对应的基准特征信息；
根据所述待验证用户对应的基准特征信息对所述待验证用户进行验证。
可选地，所述特征信息包括人脸特征、虹膜特征、指纹、眼纹中的至少一种信息，所述标识信息包括身份证号、通讯号码、姓名、预定标识信息中的至少一项。
具体在本实施例中，基于特征信息进行用户验证的装置经配置还可以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
接收待验证用户的验证请求，所述验证请求中包括所述待验证用户的标识信息；
根据所述待验证用户的标识信息，判断所述待验证用户是否属于相似用户组；其中，所述相似用户组包括至少两个相似用户，所述相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
若所述待验证用户属于相似用户组，则获取针对所述待验证用户所采集的特征信息，计算所述采集的特征信息与所述相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算所述采集的特征信息与所述相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，所述第一相似用户为与所述待验证用户的标识信息相同的相似用户，所述第二相似用户为与所述待验证用户的标识信息不同的相似用户；
若所述第一相似度大于所述第二相似度，则确定所述待验证用户通过验证。
本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述基于特征信息进行用户验证的方法，并具体用于执行：
判断待验证用户是否属于相似用户组；其中，所述相似用户组包括至少两个相似用户，所述相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
若所述待验证用户属于相似用户组，则根据所述相似用户组中的基准特征信息对所述待验证用户进行验证。
本说明书一个或多个实施例还提出了另一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述基于特征信息进行用户验证的方法，并具体用于执行：
接收待验证用户的验证请求，所述验证请求中包括所述待验证用户的标识信息；
根据所述待验证用户的标识信息，判断所述待验证用户是否属于相似用户组；其中，所述相似用户组包括至少两个相似用户，所述相似用户为基准特征信息满足预设相似条件及预设可区分条件的用户；
若所述待验证用户属于相似用户组，则获取针对所述待验证用户所采集的特征信息，计算所述采集的特征信息与所述相似用户组中的第一相似用户对应的基准特征信息之间的第一相似度，以及，计算所述采集的特征信息与所述相似用户组中的第二相似用户对应的基准特征信息之间的第二相似度；其中，所述第一相似用户为与所述待验证用户的标识信息相同的相似用户，所述第二相似用户为与所述待验证用户的标识信息不同的相似用户；
若所述第一相似度大于所述第二相似度，则确定所述待验证用户通过验证。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例是参照根据本说明书一个或多个实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
以上所述仅为本说明书一个或多个实施例而已，并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。

Claims (8)

1.一种用于用户验证的相似用户组构建方法，包括：
获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，所述至少两个样本用户的基准特征信息满足预设相似度条件；
针对任一所述样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
针对所述至少两个样本中的任一所述样本用户，判断第三相似度是否大于第四相似度；若是，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对成功；若否，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对失败；其中，所述第三相似度为：所述样本用户对应的样本特征信息与该样本用户对应的基准特征信息之间的相似度；所述第四相似度为：所述样本用户对应的样本特征信息与除该样本用户之外的其他样本用户对应的基准特征信息之间的相似度；针对所述至少两个样本用户，统计所述相似度比对结果，根据比对结果确定所述至少两个样本用户是否满足预设可区分条件；
当所述至少两个样本用户满足所述预设可区分条件时，将所述至少两个样本用户添加至同一相似用户组，该相似用户组用于对所述至少两个样本用户进行验证。
2.根据权利要求1中所述的方法，所述预设相似度条件包括：所述基准特征信息的相似度达到预设阈值。
3.根据权利要求1所述的方法，所述针对所述至少两个样本用户，统计所述相似度比对结果，根据比对结果确定所述至少两个样本用户是否满足所述预设可区分条件，包括：
针对所述至少两个样本用户，统计所述相似度比对成功的数目比例，当所述数目比例大于预设比例值时，确定所述至少两个样本用户满足所述预设可区分条件。
4.根据权利要求1所述的方法，所述针对所述至少两个样本用户，统计所述相似度比对结果，根据比对结果确定所述至少两个样本用户是否满足所述预设可区分条件，包括：
针对所述至少两个样本用户，统计所述相似度比对成功的数目，当相似度比对成功的数目达到预设数目时，确定所述至少两个样本用户满足所述预设可区分条件。
5.根据权利要求1所述的方法，所述针对所述至少两个样本用户，统计所述相似度比对结果，根据比对结果确定所述至少两个样本用户是否满足所述预设可区分条件，包括：
针对所述至少两个样本用户，统计所述相似度比对失败的数目，当相似度比对失败的数目达到预设数目时，确定所述至少两个样本用户不满足所述预设可区分条件。
6.一种用于用户验证的相似用户组构建装置，包括：
第二获取单元，用于获取至少两个样本用户各自对应的基准特征信息以及样本特征信息；其中，所述至少两个样本用户的基准特征信息满足预设相似度条件；
计算单元，用于针对任一所述样本用户，分别计算该样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度；
第二判断单元，用于针对所述至少两个样本中的任一所述样本用户，判断第三相似度是否大于第四相似度；若是，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对成功；若否，则确定所述样本用户对应的样本特征信息与各样本用户对应的基准特征信息的相似度比对失败；其中，所述第三相似度为：所述样本用户对应的样本特征信息与该样本用户对应的基准特征信息之间的相似度；所述第四相似度为：所述样本用户对应的样本特征信息与除该样本用户之外的其他样本用户对应的基准特征信息之间的相似度；针对所述至少两个样本用户，统计所述相似度比对结果，根据比对结果确定所述至少两个样本用户是否满足预设可区分条件；
添加单元，用于当所述至少两个样本用户满足所述预设可区分条件时，将所述至少两个样本用户添加至同一相似用户组，该相似用户组用于对所述至少两个样本用户进行验证。
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至5任一项所述的方法。
8.一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权利要求1至5任一项所述的方法。
CN202010334076.3A 2017-07-27 2017-07-27 一种基于相似用户组的用户验证方法及装置 Active CN111506889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010334076.3A CN111506889B (zh) 2017-07-27 2017-07-27 一种基于相似用户组的用户验证方法及装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710622716.9A CN107491674B (zh) 2017-07-27 2017-07-27 基于特征信息进行用户验证的方法及装置
CN202010334076.3A CN111506889B (zh) 2017-07-27 2017-07-27 一种基于相似用户组的用户验证方法及装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201710622716.9A Division CN107491674B (zh) 2017-07-27 2017-07-27 基于特征信息进行用户验证的方法及装置

Publications (2)

Publication Number Publication Date
CN111506889A CN111506889A (zh) 2020-08-07
CN111506889B true CN111506889B (zh) 2023-05-02

Family

ID=60644845

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202010334076.3A Active CN111506889B (zh) 2017-07-27 2017-07-27 一种基于相似用户组的用户验证方法及装置
CN201710622716.9A Active CN107491674B (zh) 2017-07-27 2017-07-27 基于特征信息进行用户验证的方法及装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201710622716.9A Active CN107491674B (zh) 2017-07-27 2017-07-27 基于特征信息进行用户验证的方法及装置

Country Status (10)

Country Link
US (2) US10963551B2 (zh)
EP (1) EP3582127B1 (zh)
JP (1) JP7058665B2 (zh)
KR (1) KR102306407B1 (zh)
CN (2) CN111506889B (zh)
MY (1) MY202171A (zh)
PH (1) PH12019501975A1 (zh)
SG (1) SG11201907795XA (zh)
TW (1) TWI675580B (zh)
WO (1) WO2019020083A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506889B (zh) * 2017-07-27 2023-05-02 创新先进技术有限公司 一种基于相似用户组的用户验证方法及装置
CN110490026A (zh) * 2018-05-14 2019-11-22 阿里巴巴集团控股有限公司 验证对象的方法、装置和系统
CN109344732B (zh) * 2018-09-10 2020-01-21 阿里巴巴集团控股有限公司 一种鉴权以及确定鉴权方式的方法、装置及电子设备
CN109858464B (zh) * 2019-02-26 2021-03-23 北京旷视科技有限公司 底库数据处理方法、人脸识别方法、装置和电子设备
CN114495188B (zh) * 2020-10-26 2024-09-20 腾讯科技（深圳）有限公司 一种图像数据处理方法、装置和相关设备
CN113158958B (zh) * 2021-04-30 2023-04-28 北京市商汤科技开发有限公司 通行方法及相关装置
CN113469012B (zh) * 2021-06-28 2024-05-03 广州云从鼎望科技有限公司 用户刷脸验证的方法、系统、介质及装置
CN115700835A (zh) * 2021-07-27 2023-02-07 腾讯科技（深圳）有限公司 一种身份认证方法、装置、电子设备和存储介质
CN114399355B (zh) * 2021-12-22 2023-10-10 中国电信股份有限公司 基于用户转化率的信息推送方法、装置和电子设备
CN114358983A (zh) * 2021-12-27 2022-04-15 北京金堤科技有限公司 律师推荐方法、装置以及可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101154263A (zh) * 2006-09-27 2008-04-02 中国科学院自动化研究所 基于局部结构的双胞胎相似指纹识别系统及方法
CN106156702A (zh) * 2015-04-01 2016-11-23 北京市商汤科技开发有限公司 身份认证方法及设备

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI299471B (en) * 2001-08-24 2008-08-01 Toshiba Kk Person recognition apparatus
JP4153691B2 (ja) 2001-11-06 2008-09-24 株式会社東芝 顔画像照合装置及び顔画像照合方法
JP4952101B2 (ja) 2006-07-12 2012-06-13 富士通株式会社 個人認証装置および個人認証方法
US10169646B2 (en) * 2007-12-31 2019-01-01 Applied Recognition Inc. Face authentication to mitigate spoofing
KR101389980B1 (ko) * 2013-03-06 2014-05-07 주식회사 슈프리마 사용자 그룹핑을 통해 사용자를 관리하는 얼굴 인식장치와 시스템 및 그 방법
US20140257892A1 (en) * 2013-03-07 2014-09-11 International Business Machines Corporation Social project collaboration through self-organizing teams
KR102057947B1 (ko) * 2013-04-01 2019-12-20 삼성전자주식회사 사용자 인증을 수행하는 디스플레이 장치 및 그 사용자 인증 방법
CN104639517B (zh) * 2013-11-15 2019-09-17 阿里巴巴集团控股有限公司 利用人体生物特征进行身份验证的方法和装置
CN105227307A (zh) * 2014-06-03 2016-01-06 阿里巴巴集团控股有限公司 身份验证方法与系统以及服务器数据处理方法和服务器
CN104615658B (zh) * 2014-12-31 2018-01-16 中国科学院深圳先进技术研究院 一种确定用户身份的方法
CN104598795A (zh) * 2015-01-30 2015-05-06 科大讯飞股份有限公司 身份验证方法及系统
JP6488853B2 (ja) 2015-04-21 2019-03-27 富士通株式会社 認証処理プログラム、認証処理装置および認証処理方法
US10002242B2 (en) * 2015-08-17 2018-06-19 Qualcomm Incorporated Electronic device access control using biometric technologies
CN106897590A (zh) * 2015-12-17 2017-06-27 阿里巴巴集团控股有限公司 人像信息的校验方法及装置
CN106778484A (zh) * 2016-11-16 2017-05-31 南宁市浩发科技有限公司 交通场景下的运动车辆跟踪方法
CN106778684A (zh) * 2017-01-12 2017-05-31 易视腾科技股份有限公司 深度神经网络训练方法及人脸识别方法
CN111506889B (zh) * 2017-07-27 2023-05-02 创新先进技术有限公司 一种基于相似用户组的用户验证方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101154263A (zh) * 2006-09-27 2008-04-02 中国科学院自动化研究所 基于局部结构的双胞胎相似指纹识别系统及方法
CN106156702A (zh) * 2015-04-01 2016-11-23 北京市商汤科技开发有限公司 身份认证方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李凤云 ; 李金双 ; 薛丽芳 ; 孙欣然 ; .移动社交网络中隐私保护的用户相似度计算协议研究.计算机与数字工程.2015,(第10期),全文. *

Also Published As

Publication number Publication date
KR102306407B1 (ko) 2021-10-01
TWI675580B (zh) 2019-10-21
US20200042686A1 (en) 2020-02-06
SG11201907795XA (en) 2019-09-27
EP3582127A4 (en) 2020-04-29
MY202171A (en) 2024-04-13
JP7058665B2 (ja) 2022-04-22
WO2019020083A1 (zh) 2019-01-31
JP2020524830A (ja) 2020-08-20
CN107491674A (zh) 2017-12-19
EP3582127A1 (en) 2019-12-18
US11003754B2 (en) 2021-05-11
US20200167458A1 (en) 2020-05-28
PH12019501975A1 (en) 2020-06-15
TW201911808A (zh) 2019-03-16
KR20200014265A (ko) 2020-02-10
CN111506889A (zh) 2020-08-07
EP3582127B1 (en) 2022-04-13
CN107491674B (zh) 2020-04-07
US10963551B2 (en) 2021-03-30

Similar Documents

Publication Publication Date Title
CN111506889B (zh) 一种基于相似用户组的用户验证方法及装置
CN107679861B (zh) 资源转移方法、资金支付方法、装置及电子设备
US11055395B2 (en) Step-up authentication
CN110443198B (zh) 基于人脸识别的身份识别方法和装置
US9996723B2 (en) Methods of storing a set of biometric data templates and of matching biometrics, biometric matching apparatus and computer program
US9202035B1 (en) User authentication based on biometric handwriting aspects of a handwritten code
CN111008620A (zh) 目标用户识别方法、装置及存储介质、电子设备
CN111581625A (zh) 一种用户身份识别方法、装置及电子设备
CN107679457A (zh) 用户身份校验方法及装置
CN111611572B (zh) 一种基于人脸认证的实名认证方法及装置
CN106470192B (zh) 身份验证方法、装置及系统
CN116824339A (zh) 图像处理方法及装置
CN111931152B (zh) 基于区块链的电子签名校验、电子签名方法及装置
CN110020601B (zh) 一种三维人脸留底注册方法、装置、终端及服务器
CN116681443A (zh) 基于生物识别的支付方法及装置
CN108235228B (zh) 一种安全校验方法和装置
JP6349062B2 (ja) 認証システム、クライアント端末、認証サーバー、端末プログラム及びサーバープログラム
CN113673374B (zh) 一种面部识别方法、装置及设备
CN110321758B (zh) 生物特征识别的风险管控方法及装置
CN109165488B (zh) 身份鉴别方法及装置
US11393235B2 (en) Face image quality recognition methods and apparatuses
CN116824176A (zh) 一种基于多特征库的验证方法、装置及设备
CN118262420A (zh) 基于生物识别的数据处理方法、装置及系统
KR20210029622A (ko) 멀티팩터 인증 수행 장치 및 그 동작 방법
JP2015022594A (ja) 認証システム、クライアント端末、認証サーバー、端末プログラム及びサーバープログラム

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant