CN112258197A - 基于人工智能的账户管理方法、装置、终端及存储介质 - Google Patents
基于人工智能的账户管理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN112258197A CN112258197A CN202011131490.0A CN202011131490A CN112258197A CN 112258197 A CN112258197 A CN 112258197A CN 202011131490 A CN202011131490 A CN 202011131490A CN 112258197 A CN112258197 A CN 112258197A
- Authority
- CN
- China
- Prior art keywords
- account
- historical
- information
- current
- state
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及人工智能技术领域，提供一种基于人工智能的账户管理方法、装置、终端及存储介质，包括：构建第一历史账户集及第二历史账户集；标注第一历史账户集的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型；使用账户状态识别模型识别第二历史账户集的预测账户状态；计算多个历史账户的平均活跃周期并根据平均活跃周期及预测账户状态识别第二历史账户的目标账户标记；当侦测到当前账户触发了状态节点时，使用目标账户标记对当前账户进行校验得到校验结果，根据校验结果对多个历史账户的账户信息进行管理。本发明将人工智能技术应用于账户管理中，能够提高账户管理的效率并识别出无效账户。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的账户管理方法、装置、终端及存储介质。
背景技术
随着互联网的快速发展及智能手机的不断普及，越来越多的公司以手机号作为账号的主要标识。随着时间的积累，互联网公司已经积累了数以亿计的账户，而由于人员迁徙与手机号变更的越来越频繁，导致历史数据中存在大量无效手机号，同时手机号的二次销售导致账户体系存在诸多问题：(1)无法注册，手机号二次销售后新机主拿到手机号进行账户注册时由于账户已经被注册导致无法注册；(2)信息泄露，随着手机动态码登录的不断普及，历史账户信息的存在导致新用户使用手机动态码登录后可以看到前任机主的账户信息，导致信息泄露事件频发。
发明内容
鉴于以上内容，有必要提出一种基于人工智能的账户管理方法、装置、终端及存储介质，将人工智能技术应用于账户管理中，能够提高账户管理的效率并识别出无效账户。
本发明的第一方面提供一种基于人工智能的账户管理方法，所述方法包括：
获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集；
标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型；
使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态；
计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记；
当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
可选的，所述基于标注账户状态后的第一历史账户集训练账户状态识别模型包括：
获取每个第一历史账户的第一历史登录时间集，并计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值；
根据每个第一历史账户的所有第一时间差值构建第一特征序列；
获取每个所述第一特征序列的维度；
根据最大的维度更新每个所述第一特征序列为第二特征序列；
根据每个第一历史账户的第二特征序列及对应的账户状态生成第三特征序列；
基于多个第三特征序列训练CNN神经网络得到账户状态识别模型。
可选的，所述使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的账户状态包括：
获取每个第二历史账户的第二历史登录时间集，并计算第二历史登录时间集中每两个相邻的第二历史登录时间之间的第二时间差值；
根据所述第二时间差值及所述最大的维度生成第四特征序列；
通过所述账户状态识别模型识别所述第四特征序列得到对应的第二历史账户的账户状态。
可选的，所述计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记包括：
根据每个历史账户的历史登录时间集计算所述多个历史账户的平均活跃周期；
根据所述平均活跃周期及当前时间确定登录周期；
判断每个第二历史账户是否在所述登录周期内登录过及判断对应的预测账户状态是否为活跃状态；
当确定第二历史账户在所述登录周期内登录过且对应的预测账户状态为活跃状态，则确定所述第二历史账户的目标账户标记为已确定标记；
当确定第二历史账户在所述登录周期内未登录过且对应的预测账户状态为非活跃状态，则确定所述第二历史账户的目标账户标记为待确定标记。
可选的，当侦测到当前账户触发了第一状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则允许所述当前账户通过所述第一状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销。
可选的，当侦测到当前账户触发了第二状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则禁止所述当前账户通过所述第二状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记。
可选的，在所述允许所述当前账户通过所述状态节点时，所述方法还包括：
获取所述当前账户的设备信息；
对所述当前账户的账户信息及设备信息进行加密得到加密账户信息；
发送所述加密账户信息至多个其他账户进行认证；
响应于接收到的所述多个其他账户的认证通过指令时，对所述当前账户进行升级。
本发明的第二方面提供一种基于人工智能的账户管理装置，所述装置包括：
获取模块，用于获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集；
训练模块，用于标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型；
预测模块，用于使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态；
识别模块，用于计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记；
管理模块，用于当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
本发明的第三方面提供一种终端，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述基于人工智能的账户管理方法。
本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的账户管理方法。
综上所述，本发明所述的基于人工智能的账户管理方法、装置、终端及存储介质，通过对少量的历史账户进行账户状态和目标账户标记的标注，并学习与训练出账户状态识别模型，来对大量的历史账户进行账户状态的识别，快速的确定了整个历史账户的账户状态；接着通过活跃周期并结合账户状态识别出了大量历史账户的目标账户标记；最后在侦测到当前账户触发了状态节点时，能够使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。通过将人智能技术应用于账户管理中，不断的将历史账户的目标账户标记切换为已确认标记和待确认标记，能够有效的识别出历史账户中的无效账户，提高了历史账户的管理效率；由于智能的识别出了历史账户中的无效账户，因此能够解决当无效账户二次销售后新机主进行账户注册时无法注册的问题及信息泄露的问题。
附图说明
图1是本发明实施例一提供的基于人工智能的账户管理方法的流程图。
图2是本发明实施例二提供的基于人工智能的账户管理装置的结构图。
图3是本发明实施例三提供的终端的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明实施例提供的基于人工智能的账户管理方法由终端执行，相应地，基于人工智能的账户管理装置运行于终端中。
图1是本发明实施例一提供的基于人工智能的账户管理方法的流程图。所述基于人工智能的账户管理方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
S11，获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集。
其中，所述历史账户是指记录在互联网公司的数据库中的账户，所述账户信息可以包括，但不限于：手机号，账户名，账户密码，身份证等。
可以事先配置比例参数，并按照所述比例参数将所述多个历史账户的账户信息切分为两部分，其中一部分的账户信息作为第一历史账户集，另一部分的账户信息作为第二历史账户集。例如，比例参数为3:7，则从所述多个历史账户的账户信息中随机获取30％的历史账户的账户信息作为第一历史账户集，剩余的70％的账户信息作为第二历史账户集。
S12，标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型。
其中，所述账户状态可以包括：活跃状态，非活跃状态。
可以采用标注工具并集合第一历史账户集中每个第一历史账户的账户信息标注每个第一历史账户的账户状态及目标账户标记。将标注账户状态后的第一历史账户集作为数据集训练神经网络得到账户状态识别模型。
上述实施例中，通过对少量的第一历史账户集中的每个第一历史账户的账户状态进行标注，基于标注后的第一历史账户集进行有监督的学习与训练得到账户状态识别模型，以识别大量的第二历史账户集中的每个第二历史账户的账户状态，从而能够快速有效的标注整个历史账户的账户状态，提高了账户状态的标注效率。
在一个可选的实施例中，所述基于标注账户状态后的第一历史账户集训练账户状态识别模型包括：
获取每个第一历史账户的第一历史登录时间集，并计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值；
根据每个第一历史账户的所有第一时间差值构建第一特征序列；
获取每个所述第一特征序列的维度；
根据最大的维度更新每个所述第一特征序列为第二特征序列；
根据每个第一历史账户的第二特征序列及对应的账户状态生成第三特征序列；
基于多个第三特征序列训练卷积神经网络(Convolutional Neural Networks，CNN)得到账户状态识别模型。
示例性的，假设某个第一历史账户有20个登录时间，则将这20个登录时间按照时间顺序进行排列得到第一历史登录时间集，然后计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值，从而基于第一时间差值构建出第一特征序列。
由于不同的账户登录次数不同，因此，构建出的第一特征序列的维度并不总是相同的，对于登录次数较多的历史账户，构建出的第一特征序列的维度较长，对于登录次数较少的历史账户，构建出的第一特征序列的维度较短，因此，为了训练账户状态识别模型，需要将第一特征序列的维度进行统一。对于维度较短的第一特征序列，则可以用0进行填充，更新为第二特征序列。
在生成多个第三特征序列之后，获取第一数量的账户状态为活跃状态对应的第三特征序列及第二数量的账户状态为非活跃状态对应的第三特征序列，作为训练数据集，剩余的第三特征序列作为测试数据集，基于训练数据集训练账户状态识别模型并基于测试数据集测试账户状态识别模型的风险损失值；当风险损失值大于预设损失阈值时，停止账户状态识别模型的训练过程，当风险损失值小于或者等于预设损失阈值时，获取第三数量的账户状态为活跃状态对应的第三特征序列及第四数量的账户状态为非活跃状态对应的第三特征序列，作为新的训练数据集，剩余的第三特征序列作为新的测试数据集，基于新的训练数据集训练账户状态识别模型并基于新的测试数据集测试账户状态识别模型的风险损失值，直至风险损失值大于预设损失阈值。
S13，使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态。
将每个第二历史账户的账户信息输入所述账户状态识别模型中进行识别，得到每个第二历史账户的账户状态，作为预测账户状态。
在一个可选的实施例中，所述使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的账户状态包括：
获取每个第二历史账户的第二历史登录时间集，并计算第二历史登录时间集中每两个相邻的第二历史登录时间之间的第二时间差值；
根据所述第二时间差值及所述最大的维度生成第四特征序列；
通过所述账户状态识别模型识别所述第四特征序列得到对应的第二历史账户的账户状态。
为了满足账户状态识别模型入参需求，需要根据每个第二历史账户对应的第二时间差值及所述最大的维度生成第四特征序列。
S14，计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记。
平均活跃周期能够在一定程度上反映互联网公司中历史账户的平均登录间隔时期。
其中，目标账户标记可以包括：待确定标记，已确定标记。所述待确定标记为需要确定的是否有效的账户，所述已确定标记为互联网公司中有效的账户。
在一个可选的实施例中，所述计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记包括：
根据每个历史账户的历史登录时间集计算所述多个历史账户的平均活跃周期；
根据所述平均活跃周期及当前时间确定登录周期；
判断每个第二历史账户是否在所述登录周期内登录过及判断对应的预测账户状态是否为活跃状态；
当确定第二历史账户在所述登录周期内登录过且对应的预测账户状态为活跃状态，则确定所述第二历史账户的目标账户标记为已确定标记；
当确定第二历史账户在所述登录周期内未登录过且对应的预测账户状态为非活跃状态，则确定所述第二历史账户的目标账户标记为待确定标记。
用户的活跃度可大致通过用户登录用户账户的频率或者次数来判断，活跃度高的用户连续两次登录用户账户的时间间隔通常较短，反之连续两次登录用户账户时间间隔较长的用户活跃度可能不高，甚至有一些用户在注册用户账户后仅仅登录了一次就不再登录。通过从用户账户信息中读取上一次的登录时间，计算上一次登录时间与当前时间之间的时间差，将计算出的时间差作为用户活跃度，能够较为准确地判断出用户的活跃度情况。
通过计算并分析历史账户的活跃周期，能够确定同一用户使用账户二次活跃的平均周期。从当前时间向前减去平均活跃周期得到登录周期，在登录周期内登录过且预测账户状态为活跃状态的第二历史账户，增加标志位判断，将此第二历史账户的目标账户标记确定为已确定标记；在登录周期内未登录过且预测账户状态为非活跃状态的第二历史账户，增加标志位判断，将此第二历史账户的目标账户标记确定为待确定标记。
S15，当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
其中，所述状态节点可以包括第一状态节点和第二状态节点，所述第一状态节点可以为注册节点，所述第二状态节点可以为登录节点。
在一个可选的实施例中，当侦测到当前账户触发了第一状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则允许所述当前账户通过所述第一状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销。
所述第一状态节点为注册节点时，将所述当前账户的账户信息与目标账户标记为已确定标记的历史账户的第一历史账户信息进行匹配校验，如果第一历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验失败，表明当户账户是一个新账户(例如，新的手机号)，则允许当前账户通过注册。如果第一历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验成功，表明当户账户是一个旧账户，则禁止当前账户通过注册。当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败时，将所述当前账户的账户信息与目标账户标记为待确定标记的历史账户的第二历史账户信息进行匹配校验，如果第二历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验失败。如果第二历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则由于当前账户是一个新账户，那么与所述当前账户的账户信息匹配校验成功的第二历史账户应该换了新机主，因而将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销，使得当前账户能够成功的进行注册。
在一个可选的实施例中，当侦测到当前账户触发了第二状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则禁止所述当前账户通过所述第二状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记。
所述第二状态节点为登录节点时，将所述当前账户的账户信息与目标账户标记为已确定标记的历史账户的第一历史账户信息进行匹配校验，如果第一历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验失败，表明当户账户是一个新账户(例如，新的手机号)，则禁止当前账户通过登录。如果第一历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验成功，表明当户账户是一个旧账户，则允许当前账户通过登录。当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败时，将所述当前账户的账户信息与目标账户标记为待确定标记的历史账户的第二历史账户信息进行匹配校验，如果第二历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验失败。如果第二历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则表明当前账户是一个旧账户，那么与所述当前账户的账户信息匹配校验成功的第二历史账户并没有更换机主，因而将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记，如此，便可逐渐完成对待确定标记的历史账户的管理。
在一个可选的实施例中，在允许所述当前账户通过所述状态节点时，所述方法还包括：
获取所述当前账户的设备信息；
对所述当前账户的账户信息及设备信息进行加密得到加密账户信息；
发送所述加密账户信息至多个其他账户进行认证；
响应于接收到的所述多个其他账户的认证通过指令时，对所述当前账户进行升级。
其中，所述多个其他账户为互联网账户的子账户，多个其他账户与互联网账户形成同一个账户体系。
在允许所述当前账户通过所述状态节点之后，对所述当前账户的账户信息及设备信息进行加密，能够保护当前账户的账户信息的私密性和安全性；而将当前账户的账户信息及设备信息发送给多个其他账户进行双向认证，并在双向认证通过后将所述当前账户标注为一级账户并在账户体系中实现账户的共享，从而实现当前账户的升级，能够实现账户体系内的互通，为后续账户体系的迁徙提供了便捷。
综上，本发明通过对少量的历史账户进行账户状态和目标账户标记的标注，并学习与训练出账户状态识别模型，来对大量的历史账户进行账户状态的识别，快速的确定了整个历史账户的账户状态；接着通过活跃周期并结合账户状态识别出了大量历史账户的目标账户标记；最后在侦测到当前账户触发了状态节点时，能够使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。通过将人智能技术应用于账户管理中，不断的将历史账户的目标账户标记切换为已确认标记和待确认标记，能够有效的识别出历史账户中的无效账户，提高了历史账户的管理效率；由于智能的识别出了历史账户中的无效账户，因此能够解决当无效账户二次销售后新机主进行账户注册时无法注册的问题及信息泄露的问题。
需要强调的是，为进一步保证上述历史账户的目标账户标记的私密性和安全性，上述历史账户的目标账户标记可存储于区块链的节点中。
图2是本发明实施例二提供的基于人工智能的账户管理装置的结构图。
在一些实施例中，所述基于人工智能的账户管理装置20可以包括多个由计算机程序段所组成的功能模块。所述基于人工智能的账户管理装置20中的各个程序段的计算机程序可以存储于终端的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于人工智能的账户管理的功能。
本实施例中，所述基于人工智能的账户管理装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、训练模块202、预测模块203、识别模块204、管理模块205及升级模块206。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
所述获取模块201，用于获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集。
其中，所述历史账户是指记录在互联网公司的数据库中的账户，所述账户信息可以包括，但不限于：手机号，账户名，账户密码，身份证等。
可以事先配置比例参数，并按照所述比例参数将所述多个历史账户的账户信息切分为两部分，其中一部分的账户信息作为第一历史账户集，另一部分的账户信息作为第二历史账户集。例如，比例参数为3:7，则从所述多个历史账户的账户信息中随机获取30％的历史账户的账户信息作为第一历史账户集，剩余的70％的账户信息作为第二历史账户集。
所述训练模块202，用于标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型。
其中，所述账户状态可以包括：活跃状态，非活跃状态。
可以采用标注工具并集合第一历史账户集中每个第一历史账户的账户信息标注每个第一历史账户的账户状态及目标账户标记。将标注账户状态后的第一历史账户集作为数据集训练神经网络得到账户状态识别模型。
上述实施例中，通过对少量的第一历史账户集中的每个第一历史账户的账户状态进行标注，基于标注后的第一历史账户集进行有监督的学习与训练得到账户状态识别模型，以识别大量的第二历史账户集中的每个第二历史账户的账户状态，从而能够快速有效的标注整个历史账户的账户状态，提高了账户状态的标注效率。
在一个可选的实施例中，所述训练模块202基于标注账户状态后的第一历史账户集训练账户状态识别模型包括：
获取每个第一历史账户的第一历史登录时间集，并计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值；
根据每个第一历史账户的所有第一时间差值构建第一特征序列；
获取每个所述第一特征序列的维度；
根据最大的维度更新每个所述第一特征序列为第二特征序列；
根据每个第一历史账户的第二特征序列及对应的账户状态生成第三特征序列；
基于多个第三特征序列训练卷积神经网络(Convolutional Neural Networks，CNN)得到账户状态识别模型。
示例性的，假设某个第一历史账户有20个登录时间，则将这20个登录时间按照时间顺序进行排列得到第一历史登录时间集，然后计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值，从而基于第一时间差值构建出第一特征序列。
由于不同的账户登录次数不同，因此，构建出的第一特征序列的维度并不总是相同的，对于登录次数较多的历史账户，构建出的第一特征序列的维度较长，对于登录次数较少的历史账户，构建出的第一特征序列的维度较短，因此，为了训练账户状态识别模型，需要将第一特征序列的维度进行统一。对于维度较短的第一特征序列，则可以用0进行填充，更新为第二特征序列。
在生成多个第三特征序列之后，获取第一数量的账户状态为活跃状态对应的第三特征序列及第二数量的账户状态为非活跃状态对应的第三特征序列，作为训练数据集，剩余的第三特征序列作为测试数据集，基于训练数据集训练账户状态识别模型并基于测试数据集测试账户状态识别模型的风险损失值；当风险损失值大于预设损失阈值时，停止账户状态识别模型的训练过程，当风险损失值小于或者等于预设损失阈值时，获取第三数量的账户状态为活跃状态对应的第三特征序列及第四数量的账户状态为非活跃状态对应的第三特征序列，作为新的训练数据集，剩余的第三特征序列作为新的测试数据集，基于新的训练数据集训练账户状态识别模型并基于新的测试数据集测试账户状态识别模型的风险损失值，直至风险损失值大于预设损失阈值。
所述预测模块203，用于使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态。
将每个第二历史账户的账户信息输入所述账户状态识别模型中进行识别，得到每个第二历史账户的账户状态，作为预测账户状态。
在一个可选的实施例中，所述预测模块203使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的账户状态包括：
获取每个第二历史账户的第二历史登录时间集，并计算第二历史登录时间集中每两个相邻的第二历史登录时间之间的第二时间差值；
根据所述第二时间差值及所述最大的维度生成第四特征序列；
通过所述账户状态识别模型识别所述第四特征序列得到对应的第二历史账户的账户状态。
为了满足账户状态识别模型入参需求，需要根据每个第二历史账户对应的第二时间差值及所述最大的维度生成第四特征序列。
所述识别模块204，用于计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记。
平均活跃周期能够在一定程度上反映互联网公司中历史账户的平均登录间隔时期。
其中，目标账户标记可以包括：待确定标记，已确定标记。所述待确定标记为需要确定的是否有效的账户，所述已确定标记为互联网公司中有效的账户。
在一个可选的实施例中，所述识别模块204计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记包括：
根据每个历史账户的历史登录时间集计算所述多个历史账户的平均活跃周期；
根据所述平均活跃周期及当前时间确定登录周期；
判断每个第二历史账户是否在所述登录周期内登录过及判断对应的预测账户状态是否为活跃状态；
当确定第二历史账户在所述登录周期内登录过且对应的预测账户状态为活跃状态，则确定所述第二历史账户的目标账户标记为已确定标记；
当确定第二历史账户在所述登录周期内未登录过且对应的预测账户状态为非活跃状态，则确定所述第二历史账户的目标账户标记为待确定标记。
用户的活跃度可大致通过用户登录用户账户的频率或者次数来判断，活跃度高的用户连续两次登录用户账户的时间间隔通常较短，反之连续两次登录用户账户时间间隔较长的用户活跃度可能不高，甚至有一些用户在注册用户账户后仅仅登录了一次就不再登录。通过从用户账户信息中读取上一次的登录时间，计算上一次登录时间与当前时间之间的时间差，将计算出的时间差作为用户活跃度，能够较为准确地判断出用户的活跃度情况。
通过计算并分析历史账户的活跃周期，能够确定同一用户使用账户二次活跃的平均周期。从当前时间向前减去平均活跃周期得到登录周期，在登录周期内登录过且预测账户状态为活跃状态的第二历史账户，增加标志位判断，将此第二历史账户的目标账户标记确定为已确定标记；在登录周期内未登录过且预测账户状态为非活跃状态的第二历史账户，增加标志位判断，将此第二历史账户的目标账户标记确定为待确定标记。
所述管理模块205，用于当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
其中，所述状态节点可以包括第一状态节点和第二状态节点，所述第一状态节点可以为注册节点，所述第二状态节点可以为登录节点。
在一个可选的实施例中，当侦测到当前账户触发了第一状态节点时，所述管理模块205使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则允许所述当前账户通过所述第一状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销。
所述第一状态节点为注册节点时，将所述当前账户的账户信息与目标账户标记为已确定标记的历史账户的第一历史账户信息进行匹配校验，如果第一历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验失败，表明当户账户是一个新账户(例如，新的手机号)，则允许当前账户通过注册。如果第一历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验成功，表明当户账户是一个旧账户，则禁止当前账户通过注册。当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败时，将所述当前账户的账户信息与目标账户标记为待确定标记的历史账户的第二历史账户信息进行匹配校验，如果第二历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验失败。如果第二历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则由于当前账户是一个新账户，那么与所述当前账户的账户信息匹配校验成功的第二历史账户应该换了新机主，因而将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销，使得当前账户能够成功的进行注册。
在一个可选的实施例中，当侦测到当前账户触发了第二状态节点时，所述管理模块205使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则禁止所述当前账户通过所述第二状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记。
所述第二状态节点为登录节点时，将所述当前账户的账户信息与目标账户标记为已确定标记的历史账户的第一历史账户信息进行匹配校验，如果第一历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验失败，表明当户账户是一个新账户(例如，新的手机号)，则禁止当前账户通过登录。如果第一历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第一历史账户信息匹配校验成功，表明当户账户是一个旧账户，则允许当前账户通过登录。当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败时，将所述当前账户的账户信息与目标账户标记为待确定标记的历史账户的第二历史账户信息进行匹配校验，如果第二历史账户信息中不存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验失败。如果第二历史账户信息中存在与当前账户的账户信息相同的账户信息，则所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则表明当前账户是一个旧账户，那么与所述当前账户的账户信息匹配校验成功的第二历史账户并没有更换机主，因而将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记，如此，便可逐渐完成对待确定标记的历史账户的管理。
在一个可选的实施例中，在允许所述当前账户通过所述状态节点时，所述升级模块206用于：获取所述当前账户的设备信息；对所述当前账户的账户信息及设备信息进行加密得到加密账户信息；发送所述加密账户信息至多个其他账户进行认证；响应于接收到的所述多个其他账户的认证通过指令时，对所述当前账户进行升级。
其中，所述多个其他账户为互联网账户的子账户，多个其他账户与互联网账户形成同一个账户体系。
在允许所述当前账户通过所述状态节点之后，对所述当前账户的账户信息及设备信息进行加密，能够保护当前账户的账户信息的私密性和安全性；而将当前账户的账户信息及设备信息发送给多个其他账户进行双向认证，并在双向认证通过后将所述当前账户标注为一级账户并在账户体系中实现账户的共享，从而实现当前账户的升级，能够实现账户体系内的互通，为后续账户体系的迁徙提供了便捷。
综上，本发明通过对少量的历史账户进行账户状态和目标账户标记的标注，并学习与训练出账户状态识别模型，来对大量的历史账户进行账户状态的识别，快速的确定了整个历史账户的账户状态；接着通过活跃周期并结合账户状态识别出了大量历史账户的目标账户标记；最后在侦测到当前账户触发了状态节点时，能够使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。通过将人智能技术应用于账户管理中，不断的将历史账户的目标账户标记切换为已确认标记和待确认标记，能够有效的识别出历史账户中的无效账户，提高了历史账户的管理效率；由于智能的识别出了历史账户中的无效账户，因此能够解决当无效账户二次销售后新机主进行账户注册时无法注册的问题及信息泄露的问题。
需要强调的是，为进一步保证上述历史账户的目标账户标记的私密性和安全性，上述历史账户的目标账户标记可存储于区块链的节点中。
参阅图3所示，为本发明实施例三提供的终端的结构示意图。在本发明较佳实施例中，所述终端3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的终端的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述终端3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述终端3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述终端3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述终端3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的基于人工智能的账户管理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中，所述至少一个处理器32是所述终端3的控制核心(ControlUnit)，利用各种接口和线路连接整个终端3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行终端3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本发明实施例中所述的基于人工智能的账户管理方法的全部或者部分步骤；或者实现基于人工智能的账户管理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述终端3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，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，终端，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的账户管理方法，其特征在于，所述方法包括：
获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集；
标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型；
使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态；
计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记；
当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
2.如权利要求1所述的基于人工智能的账户管理方法，其特征在于，所述基于标注账户状态后的第一历史账户集训练账户状态识别模型包括：
获取每个第一历史账户的第一历史登录时间集，并计算第一历史登录时间集中每两个相邻的第一历史登录时间之间的第一时间差值；
根据每个第一历史账户的所有第一时间差值构建第一特征序列；
获取每个所述第一特征序列的维度；
根据最大的维度更新每个所述第一特征序列为第二特征序列；
根据每个第一历史账户的第二特征序列及对应的账户状态生成第三特征序列；
基于多个第三特征序列训练CNN神经网络得到账户状态识别模型。
3.如权利要求2所述的基于人工智能的账户管理方法，其特征在于，所述使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的账户状态包括：
获取每个第二历史账户的第二历史登录时间集，并计算第二历史登录时间集中每两个相邻的第二历史登录时间之间的第二时间差值；
根据所述第二时间差值及所述最大的维度生成第四特征序列；
通过所述账户状态识别模型识别所述第四特征序列得到对应的第二历史账户的账户状态。
4.如权利要求1至3中任意一项所述的基于人工智能的账户管理方法，其特征在于，所述计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记包括：
根据每个历史账户的历史登录时间集计算所述多个历史账户的平均活跃周期；
根据所述平均活跃周期及当前时间确定登录周期；
判断每个第二历史账户是否在所述登录周期内登录过及判断对应的预测账户状态是否为活跃状态；
当确定第二历史账户在所述登录周期内登录过且对应的预测账户状态为活跃状态，则确定所述第二历史账户的目标账户标记为已确定标记；
当确定第二历史账户在所述登录周期内未登录过且对应的预测账户状态为非活跃状态，则确定所述第二历史账户的目标账户标记为待确定标记。
5.如权利要求4所述的基于人工智能的账户管理方法，其特征在于，当侦测到当前账户触发了第一状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则允许所述当前账户通过所述第一状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户信息进行注销。
6.如权利要求4所述的基于人工智能的账户管理方法，其特征在于，当侦测到当前账户触发了第二状态节点时，所述使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理包括：
获取所述目标账户标记为已确定标记的历史账户的第一历史账户信息及获取所述目标账户标记为待确定标记的历史账户的第二历史账户信息；
将所述当前账户的账户信息与所述第一历史账户信息进行匹配校验及将所述当前账户的账户信息与所述第二历史账户信息进行匹配校验；
当所述当前账户的账户信息与所述第一历史账户信息匹配校验失败且所述当前账户的账户信息与所述第二历史账户信息匹配校验成功，则禁止所述当前账户通过所述第二状态节点，并将与所述当前账户的账户信息匹配校验成功的第二历史账户的目标账户标记更新为已确定标记。
7.如权利要求4所述的基于人工智能的账户管理方法，其特征在于，在所述允许所述当前账户通过所述状态节点时，所述方法还包括：
获取所述当前账户的设备信息；
对所述当前账户的账户信息及设备信息进行加密得到加密账户信息；
发送所述加密账户信息至多个其他账户进行认证；
响应于接收到的所述多个其他账户的认证通过指令时，对所述当前账户进行升级。
8.一种基于人工智能的账户管理装置，其特征在于，所述装置包括：
获取模块，用于获取多个历史账户的账户信息并根据所述多个历史账户的账户信息构建第一历史账户集及第二历史账户集；
训练模块，用于标注所述第一历史账户集中每个第一历史账户的账户状态及目标账户标记，并基于标注账户状态后的第一历史账户集训练账户状态识别模型；
预测模块，用于使用所述账户状态识别模型识别所述第二历史账户集中每个第二历史账户的预测账户状态；
识别模块，用于计算所述多个历史账户的平均活跃周期并根据所述平均活跃周期及每个第二历史账户的预测账户状态识别每个第二历史账户的目标账户标记；
管理模块，用于当侦测到当前账户触发了状态节点时，使用所述目标账户标记对所述当前账户进行校验得到校验结果，并根据所述校验结果对所述多个历史账户的账户信息进行管理。
9.一种终端，其特征在于，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的基于人工智能的账户管理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质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实现如权利要求1至7中任意一项所述的基于人工智能的账户管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011131490.0A CN112258197B (zh) | 2020-10-21 | 2020-10-21 | 基于人工智能的账户管理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011131490.0A CN112258197B (zh) | 2020-10-21 | 2020-10-21 | 基于人工智能的账户管理方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258197A true CN112258197A (zh) | 2021-01-22 |
| CN112258197B CN112258197B (zh) | 2023-06-09 |
Family
ID=74264313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011131490.0A Active CN112258197B (zh) | 2020-10-21 | 2020-10-21 | 基于人工智能的账户管理方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258197B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870022A (zh) * | 2021-12-06 | 2021-12-31 | 南京铋悠数据技术有限公司 | 一种非活跃账户的数据识别处理方法及系统 |
| CN114245385A (zh) * | 2021-12-07 | 2022-03-25 | 中信银行股份有限公司 | 一种基于时间序列分析的短信防炸登录方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9203829B1 (en) * | 2012-07-18 | 2015-12-01 | Google Inc. | Unified user login |
| CN109784031A (zh) * | 2018-12-14 | 2019-05-21 | 北京奇安信科技有限公司 | 一种账户身份验证处理方法及装置 |
| US20200034842A1 (en) * | 2018-07-24 | 2020-01-30 | Accenture Global Solutions Limited | Digital content and transaction management using an artificial intelligence (ai) based communication system |
-
2020
- 2020-10-21 CN CN202011131490.0A patent/CN112258197B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9203829B1 (en) * | 2012-07-18 | 2015-12-01 | Google Inc. | Unified user login |
| US20200034842A1 (en) * | 2018-07-24 | 2020-01-30 | Accenture Global Solutions Limited | Digital content and transaction management using an artificial intelligence (ai) based communication system |
| CN109784031A (zh) * | 2018-12-14 | 2019-05-21 | 北京奇安信科技有限公司 | 一种账户身份验证处理方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870022A (zh) * | 2021-12-06 | 2021-12-31 | 南京铋悠数据技术有限公司 | 一种非活跃账户的数据识别处理方法及系统 |
| CN114245385A (zh) * | 2021-12-07 | 2022-03-25 | 中信银行股份有限公司 | 一种基于时间序列分析的短信防炸登录方法及系统 |
| CN114245385B (zh) * | 2021-12-07 | 2024-01-30 | 中信银行股份有限公司 | 一种基于时间序列分析的短信防炸登录方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258197B (zh) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112101311A (zh) | 基于人工智能的双录质检方法、装置、计算机设备及介质 | |
| JP2012038003A (ja) | 入退管理システムおよび方法 | |
| CN112163213B (zh) | 一种电梯的认证方法、装置、计算机设备和存储介质 | |
| CN112258197B (zh) | 基于人工智能的账户管理方法、装置、终端及存储介质 | |
| CN105447927A (zh) | 门禁电锁开启的控制方法、门禁控制器及门禁控制系统 | |
| CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
| CN111986794A (zh) | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 | |
| CN112015663A (zh) | 测试数据录制方法、装置、设备及介质 | |
| CN109359037A (zh) | 一种公用设备的管理方法、存储介质和服务器 | |
| CN112163009A (zh) | 用户端数据采集方法、装置、电子设备及存储介质 | |
| CN112396547A (zh) | 基于无监督学习的课程推荐方法、装置、设备及介质 | |
| CN112818028B (zh) | 数据指标筛选方法、装置、计算机设备及存储介质 | |
| CN111814181B (zh) | 系统权限授权方法、装置、电子设备及存储介质 | |
| CN112560062A (zh) | 处方签名的防伪方法、装置、电子设备及存储介质 | |
| CN111767500A (zh) | 数据存储共享方法、装置、计算机设备及存储介质 | |
| CN113488128B (zh) | 基于区块链的电子病历调阅方法、装置及相关设备 | |
| CN111651452A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
| CN114331661A (zh) | 数据核验方法、装置、电子设备及存储介质 | |
| CN116823026A (zh) | 一种基于区块链的工程数据处理系统及方法 | |
| CN114119203B (zh) | 基于人工智能的资源管控方法、装置、电子设备及介质 | |
| CN114240677A (zh) | 医疗数据风险识别方法、装置、电子设备及存储介质 | |
| CN110348984B (zh) | 不同交易渠道下的信用卡数据自动化输入方法及相关设备 | |
| CN110765446B (zh) | 一种电子设备授权许可分发方法 | |
| CN114422109A (zh) | 信息加密方法、装置、服务器及介质 | |
| CN102419873A (zh) | 设施管理系统及方法 |
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 |