CN111723083A - 用户身份识别方法、装置、电子设备及存储介质 - Google Patents
用户身份识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111723083A CN111723083A CN202010582104.3A CN202010582104A CN111723083A CN 111723083 A CN111723083 A CN 111723083A CN 202010582104 A CN202010582104 A CN 202010582104A CN 111723083 A CN111723083 A CN 111723083A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- internet
- identity
- sample data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003062 neural network model Methods 0.000 claims abstract description 26
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 235000014510 cooky Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种用户身份识别方法、装置、电子设备及存储介质。该用户身份识别方法,包括以下步骤:采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。本申请可以实现对各个终端的用户的身份信息进行自动识别,可以提高效率以及准确率。
Description
技术领域
本申请涉及计算机网络技术领域,具体而言,涉及一种用户身份识别方法、装置、电子设备及存储介质。
背景技术
常用的用户身份识别机制分为以下几种:
(1)、承载用户身份信息的HTTP首部;
(2)、客户端ip地址跟踪,通过用户的IP地址对其进行识别;
(3)、用户登陆,用认证方式来识别用户;
(4)、URL,一种在Url中嵌入识别信息的技术;
(5)、Cookie,一种功能强大且高效的持久身份识别技术。
随着移动互联网的飞快发展,用户已不局限于单一浏览器/设备终端接入,通常会使用多种设备终端访问同一网站或者互联网产品。不同的终端拥有不同的ID,以前会认为不同的终端设备后面是不同的人,但在多屏时代,不同设备背后可能是一个人。在未登录的情况下无法定位用户的真实身份,丧失了针对性营销的机会。因此,如何识别游客(匿名用户)的跨终端用户属性成为用户身份识别的难点。
发明内容
本申请实施例的目的在于提供一种用户身份识别方法、装置、电子设备及存储介质,可以实现对终端用户的身份识别。
第一方面,本申请实施例提供了一种用户身份识别方法,包括以下步骤:
采集用户在当前终端设备的访问互联网的记录信息;
对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;
对所述目标记录信息进行特征提取以得到特征信息;
将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。
本申请实施例通过采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;
将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
可选地,在本申请实施例所述的用户身份识别方法中,还包括:
获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;
将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
可选地,在本申请实施例所述的用户身份识别方法中,所述采集用户在当前终端设备的访问互联网的记录信息的步骤包括:
获取用户在当前终端设备的访问互联网的记录信息,所述记录信息包括:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
可选地,在本申请实施例所述的用户身份识别方法中,所述将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息,包括:
对所述特征信息进行增强处理,并将经过增强处理后的特征信息输入预设神经网络模型,以输出所述用户的身份信息。
可选地,在本申请实施例所述的用户身份识别方法中,所述采集用户在当前终端设备的访问互联网的记录信息,包括:
采集用户在当前终端设备本次开机之后的预设时间段内,在当前终端设备的访问互联网的记录信息。
第二方面,本申请实施例还提供了一种用户身份识别装置,包括:
采集模块,用于采集用户在当前终端设备的访问互联网的记录信息;
清洗模块,用于对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;
提取模块,用于对所述目标记录信息进行特征提取以得到特征信息;
识别模块,用于将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。
可选地,在本申请实施例所述的用户身份识别装置中,还包括:
获取模块,用于获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;
训练模块,用于将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
可选地,在本申请实施例所述的用户身份识别装置中,所述采集模块用于:
获取用户在当前终端设备的访问互联网的记录信息,所述记录信息包括:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
第三方面,本申请实施例还提供了一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行上述任一所述方法中的步骤。
第四方面,本申请实施例还提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行上述任一所述方法中的步骤。
由上可知,本申请实施例通过采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的用户身份识别方法的一种流程图。
图2为本申请实施例提供的用户身份识别装置的一种结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种用户身份识别方法的流程图,该方法包括以下步骤:
S101、采集用户在当前终端设备的访问互联网的记录信息;
S102、对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;
S103、对所述目标记录信息进行特征提取以得到特征信息;
S104、将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。
其中,在该步骤S101中,当前终端设备可以是手机、电脑以及IPAD等。访问互联网的记录信息包括但是不限于:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
其中,在一些实施例中,为了提高准确性,避免干扰,该步骤S101可以包括:采集用户在当前终端设备本次开机之后的预设时间段内,在当前终端设备的访问互联网的记录信息。
其中,在该步骤S102中,一个时间周期内用户在访问过程中所记录的雷同数据会被清洗掉,比如,一个月内用户访问Ip地址为同一个,则只保留一个。另外一些不相关信息则可以直接删除,例如,客户端自动推送的新闻或者广告,以及一些不需要进行账号登录的门户网站。
其中,在该步骤S103中,采用预设的特征提取模型,来对该目标记录信息进行特征提取,从而得到特征信息。
其中,在该步骤S104中,预设神经网络模型是基于大数据训练得到。此处会采用确定性方法和概率性方法进行建模。确定性方法是指一个时间周期内用户在访问过程中输入了用户账号信息,则可将用户账号信息与所对应的终端设备信息配对。概率性方法是指一个时间周期内用户均是以游客(匿名)身份访问(未输入用户账号信息),则会将所有终端信息匹配,通过机器学习或者复杂规则配对。
在一些实施例中,该方法还包训练模型的步骤,该训练模型的步骤包括;获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
当然,可以理解地,该样本数据集的获取是基于大数据获取,基于已经确定身份的用户的终端设备的上网记录信息得到。
其中,在该步骤S104中,对所述特征信息进行增强处理,并将经过增强处理后的特征信息输入预设神经网络模型,以输出所述用户的身份信息。当然,可以理解地,该增强处理包括但是不限于:降噪、滤波等操作。
由上可知,本申请实施例通过采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
请参照图2,图2是本申请一些实施例中的一种用户身份识别装置的结构示意图,该用户身份识别装置包括:采集模块201、清洗模块202、提取模块203以及识别模块204。
其中,该采集模块201用于采集用户在当前终端设备的访问互联网的记录信息;当前终端设备可以是手机、电脑以及IPAD等。访问互联网的记录信息包括但是不限于:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
其中,在一些实施例中,为了提高准确性,避免干扰,该采集模块201用于:采集用户在当前终端设备本次开机之后的预设时间段内,在当前终端设备的访问互联网的记录信息。
其中,该清洗模块202用于对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;一个时间周期内用户在访问过程中所记录的雷同数据会被清洗掉,比如,一个月内用户访问Ip地址为同一个,则只保留一个。另外一些不相关信息则可以直接删除,例如,客户端自动推送的新闻或者广告,以及一些不需要进行账号登录的门户网站。
其中,该提取模块203用于对所述目标记录信息进行特征提取以得到特征信息;采用预设的特征提取模型,来对该目标记录信息进行特征提取,从而得到特征信息。
其中,该识别模块204用于将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。预设神经网络模型是基于大数据训练得到。此处会采用确定性方法和概率性方法进行建模。确定性方法是指一个时间周期内用户在访问过程中输入了用户账号信息,则可将用户账号信息与所对应的终端设备信息配对。概率性方法是指一个时间周期内用户均是以游客(匿名)身份访问(未输入用户账号信息),则会将所有终端信息匹配,通过机器学习或者复杂规则配对。
可选地,在本申请实施例所述的用户身份识别装置中,还包括:获取模块,用于获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;训练模块,用于将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
可选地,在本申请实施例所述的用户身份识别装置中,所述采集模块用于:获取用户在当前终端设备的访问互联网的记录信息,所述记录信息包括:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
由上可知,本申请实施例通过采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
请参照图3,图3为本申请实施例提供的一种电子设备的结构示意图,本申请提供一种电子设备3,包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器302存储有处理器301可执行的计算机程序,当计算设备运行时,处理器301执行该计算机程序,以执行时执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
本申请实施例提供一种存储介质,所述计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:由上可知,本申请实施例通过采集用户在当前终端设备的访问互联网的记录信息;对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;对所述目标记录信息进行特征提取以得到特征信息;将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息;从而实现身份识别,具有提高身份识别准确性的有益效果。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static RandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种用户身份识别方法,其特征在于,包括以下步骤:
采集用户在当前终端设备的访问互联网的记录信息;
对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;
对所述目标记录信息进行特征提取以得到特征信息;
将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。
2.根据权利要求1所述的用户身份识别方法,其特征在于,还包括:
获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;
将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
3.根据权利要求1所述的用户身份识别方法,其特征在于,所述采集用户在当前终端设备的访问互联网的记录信息的步骤包括:
获取用户在当前终端设备的访问互联网的记录信息,所述记录信息包括:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
4.根据权利要求1所述的用户身份识别方法,其特征在于,所述将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息,包括:
对所述特征信息进行增强处理,并将经过增强处理后的特征信息输入预设神经网络模型,以输出所述用户的身份信息。
5.根据权利要求1所述的用户身份识别方法,其特征在于,所述采集用户在当前终端设备的访问互联网的记录信息,包括:
采集用户在当前终端设备本次开机之后的预设时间段内,在当前终端设备的访问互联网的记录信息。
6.一种用户身份识别装置,其特征在于,包括:
采集模块,用于采集用户在当前终端设备的访问互联网的记录信息;
清洗模块,用于对所述记录信息进行清洗以去除重复信息以及不相关信息,以得到目标记录信息;
提取模块,用于对所述目标记录信息进行特征提取以得到特征信息;
识别模块,用于将所述特征信息输入预设神经网络模型,以输出所述用户的身份信息。
7.根据权利要求6所述的用户身份识别装置,其特征在于,还包括:
获取模块,用于获取样本数据集,所述样本数据集包括多个样本数据,每一所述样本数据包括用户的身份信息以及其在预设终端设备访问互联网的记录信息;
训练模块,用于将所述多个样本数据输入目标神经网络结构进行训练,以得到预设神经网络模型。
8.根据权利要求6所述的用户身份识别装置,其特征在于,所述采集模块用于:
获取用户在当前终端设备的访问互联网的记录信息,所述记录信息包括:PC站点信息、APP站点信息、物联网站点信息、账号登录信息以及用户信息。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-5任一所述方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-5任一所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582104.3A CN111723083B (zh) | 2020-06-23 | 2020-06-23 | 用户身份识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582104.3A CN111723083B (zh) | 2020-06-23 | 2020-06-23 | 用户身份识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111723083A true CN111723083A (zh) | 2020-09-29 |
CN111723083B CN111723083B (zh) | 2024-04-05 |
Family
ID=72568515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582104.3A Active CN111723083B (zh) | 2020-06-23 | 2020-06-23 | 用户身份识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111723083B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188287A (zh) * | 2020-10-14 | 2021-01-05 | 广州欢网科技有限责任公司 | 观影主体识别方法、系统及设备 |
CN114390026A (zh) * | 2021-12-09 | 2022-04-22 | 奇安信科技集团股份有限公司 | 身份信息溯源方法、装置、设备、存储介质和程序 |
WO2023165051A1 (zh) * | 2022-03-04 | 2023-09-07 | 青岛海尔科技有限公司 | 身份确定方法、存储介质及电子装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103684797A (zh) * | 2013-12-30 | 2014-03-26 | 北京天威诚信电子商务服务有限公司 | 用户和用户终端设备的关联认证方法及系统 |
EP2922009A1 (de) * | 2014-03-18 | 2015-09-23 | HURRA Communications GmbH | Verfahren zum Endgeräte-übergreifenden Tracking eines Nutzers eines Internet-Angebots, Trackingserver zur Ausführung eines solchen Verfahrens und Computernetzwerk mit einem solchen Trackingserver |
CN105306495A (zh) * | 2015-11-30 | 2016-02-03 | 百度在线网络技术(北京)有限公司 | 用户识别方法和装置 |
CN107194215A (zh) * | 2017-05-05 | 2017-09-22 | 北京神州新桥科技有限公司 | 用户行为分析方法、装置、系统及机器可读存储介质 |
CN108629413A (zh) * | 2017-03-15 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 神经网络模型训练、交易行为风险识别方法及装置 |
US20190073457A1 (en) * | 2015-10-28 | 2019-03-07 | Tongji University | Touch-screen user key-press behavior pattern construction and analysis system and identity recognition method thereof |
CN110598157A (zh) * | 2019-09-20 | 2019-12-20 | 北京字节跳动网络技术有限公司 | 目标信息识别方法、装置、设备及存储介质 |
CN110807068A (zh) * | 2019-10-08 | 2020-02-18 | 北京百度网讯科技有限公司 | 换设备用户的识别方法、装置、计算机设备和存储介质 |
CN111104628A (zh) * | 2018-10-29 | 2020-05-05 | 北京奇虎科技有限公司 | 一种用户识别方法、装置、电子设备和存储介质 |
CN111193729A (zh) * | 2019-12-20 | 2020-05-22 | 深圳前海金融资产交易所有限公司 | 跨终端用户身份识别方法、装置及计算机可读存储介质 |
WO2021031528A1 (zh) * | 2019-08-21 | 2021-02-25 | 创新先进技术有限公司 | 一种操作用户识别方法、装置及设备 |
-
2020
- 2020-06-23 CN CN202010582104.3A patent/CN111723083B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103684797A (zh) * | 2013-12-30 | 2014-03-26 | 北京天威诚信电子商务服务有限公司 | 用户和用户终端设备的关联认证方法及系统 |
EP2922009A1 (de) * | 2014-03-18 | 2015-09-23 | HURRA Communications GmbH | Verfahren zum Endgeräte-übergreifenden Tracking eines Nutzers eines Internet-Angebots, Trackingserver zur Ausführung eines solchen Verfahrens und Computernetzwerk mit einem solchen Trackingserver |
US20190073457A1 (en) * | 2015-10-28 | 2019-03-07 | Tongji University | Touch-screen user key-press behavior pattern construction and analysis system and identity recognition method thereof |
CN105306495A (zh) * | 2015-11-30 | 2016-02-03 | 百度在线网络技术(北京)有限公司 | 用户识别方法和装置 |
CN108629413A (zh) * | 2017-03-15 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 神经网络模型训练、交易行为风险识别方法及装置 |
CN107194215A (zh) * | 2017-05-05 | 2017-09-22 | 北京神州新桥科技有限公司 | 用户行为分析方法、装置、系统及机器可读存储介质 |
CN111104628A (zh) * | 2018-10-29 | 2020-05-05 | 北京奇虎科技有限公司 | 一种用户识别方法、装置、电子设备和存储介质 |
WO2021031528A1 (zh) * | 2019-08-21 | 2021-02-25 | 创新先进技术有限公司 | 一种操作用户识别方法、装置及设备 |
CN110598157A (zh) * | 2019-09-20 | 2019-12-20 | 北京字节跳动网络技术有限公司 | 目标信息识别方法、装置、设备及存储介质 |
CN110807068A (zh) * | 2019-10-08 | 2020-02-18 | 北京百度网讯科技有限公司 | 换设备用户的识别方法、装置、计算机设备和存储介质 |
CN111193729A (zh) * | 2019-12-20 | 2020-05-22 | 深圳前海金融资产交易所有限公司 | 跨终端用户身份识别方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
徐国愚;苗许娜;张俊峰;姜涛;马小飞;: "面向移动终端的隐式身份认证机制综述", no. 06, pages 24 - 30 * |
邱锡鹏等: "《神经网络与深度学习》", 机械工业出版社, pages: 109 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112188287A (zh) * | 2020-10-14 | 2021-01-05 | 广州欢网科技有限责任公司 | 观影主体识别方法、系统及设备 |
CN114390026A (zh) * | 2021-12-09 | 2022-04-22 | 奇安信科技集团股份有限公司 | 身份信息溯源方法、装置、设备、存储介质和程序 |
CN114390026B (zh) * | 2021-12-09 | 2024-04-26 | 奇安信科技集团股份有限公司 | 身份信息溯源方法、装置、设备、存储介质和程序 |
WO2023165051A1 (zh) * | 2022-03-04 | 2023-09-07 | 青岛海尔科技有限公司 | 身份确定方法、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111723083B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723083B (zh) | 用户身份识别方法、装置、电子设备及存储介质 | |
CN104933049B (zh) | 生成数字人的方法及系统 | |
US9300755B2 (en) | System and method for determining information reliability | |
US10182046B1 (en) | Detecting a network crawler | |
CN103218431B (zh) | 一种能识别网页信息自动采集的系统 | |
US9256692B2 (en) | Clickstreams and website classification | |
US20130151527A1 (en) | Assigning social networking system users to households | |
CN107357903B (zh) | 用户行为数据整合方法、装置及电子设备 | |
WO2012174565A2 (en) | Building a social graph with sharing activity between users of the open web | |
CN114417197A (zh) | 一种访问记录处理方法、装置及存储介质 | |
CN109242553A (zh) | 一种用户行为数据推荐方法、服务器及计算机可读介质 | |
CN103297469A (zh) | 一种网站数据的采集方法及装置 | |
CN107515915A (zh) | 基于用户行为数据的用户标识关联方法 | |
CN113412607B (zh) | 内容推送方法、装置、移动终端及存储介质 | |
CN113572752B (zh) | 异常流量的检测方法和装置、电子设备、存储介质 | |
CN103631957A (zh) | 访客行为数据统计方法及装置 | |
CN108292408A (zh) | 检测web跟踪服务的方法 | |
CN107977678A (zh) | 用于输出信息的方法和装置 | |
CN103544150A (zh) | 为移动终端浏览器提供推荐信息的方法及系统 | |
US20130151526A1 (en) | Sns trap collection system and url collection method by the same | |
CN104717079A (zh) | 网络流量的数据处理方法及装置 | |
CN112347457A (zh) | 异常账户检测方法、装置、计算机设备和存储介质 | |
CN103595747A (zh) | 用户信息推荐方法和系统 | |
CN104731937A (zh) | 用户行为数据的处理方法及装置 | |
CN116049808B (zh) | 一种基于大数据的设备指纹采集系统及方法 |
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 |