CN112669187A - 身份识别方法、装置、电子设备及相关产品 - Google Patents
身份识别方法、装置、电子设备及相关产品 Download PDFInfo
- Publication number
- CN112669187A CN112669187A CN202011645088.4A CN202011645088A CN112669187A CN 112669187 A CN112669187 A CN 112669187A CN 202011645088 A CN202011645088 A CN 202011645088A CN 112669187 A CN112669187 A CN 112669187A
- Authority
- CN
- China
- Prior art keywords
- community
- person
- identity
- time period
- preset time
- 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 47
- 230000000694 effects Effects 0.000 claims abstract description 89
- 230000015654 memory Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 13
- 230000001788 irregular Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000001815 facial effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供一种身份识别方法、装置、电子设备及相关产品。该方法包括：获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识；根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识；根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员。本申请实施例有利于提高反诈骗宣传的效果。
Description
技术领域
本申请涉及信息识别技术领域，具体涉及一种身份识别方法、装置、电子设备及相关产品。
背景技术
随着政府部门对社会治安案件的打击力度不断加大，社会治安接触类案件快速侦破，发案率也不断降低；但社会治安非接触类案件(比如，电信诈骗)发案率却逆势呈上升趋势。对于非接触类案件的打击和侦破也成为了政府部门非常棘手的事情。目前，政府部门对非接触类案件的打击方式主要有两种：通过各种线索和手段针对已经发案的非接触类案件进行侦破；加强对社区内易受骗人群进行多方面的宣传。
然而，当前针对社区的易受骗人群的反诈骗宣传多为撒网式宣传，并无针对性，导致宣传成本高，且效果低下。
发明内容
本申请实施例提供了一种身份识别方法、装置、电子设备及相关产品，从社区中筛选出目标社区人员，提高反诈骗针对性和宣传效果。
第一方面，本申请实施例提供一种身份识别方法，包括：
获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；
根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；
根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员。
第二方面，本申请实施例提供一种身份识别装置，包括：
收发单元，用于获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
处理单元，用于将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；根据所述每个社区人员的第一身份标识以及第二身份标识，确定所述社区中的目标社区人员。
第三方面，本申请实施例提供一种电子设备，包括：处理器，所述处理器与存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如第一方面所述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例，具有如下有益效果：
可以看出，在本申请实施例中，身份识别装置通过完成训练的受骗人员识别模型预测每个社区人员的第一身份标识；并通过特征分析，得到每个社区成员的第二身份标识；并根据每个社区人员的第一身份标识和第二身份标识，确定出社区内的目标社区人员。由于从多个维度分析用户的身份标识，使确定出的目标社区人员比较全面，且精度较高。另外，将目标社区人员作为反诈骗的宣传对象，这样就可以针对这些目标社区人员进行针对性的反欺诈宣传，无需进行撒网式宣传，降低了宣传成本，提高了宣传效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种身份识别系统的架构示意图；
图2为本申请实施例提供的一种身份识别方法的示意图；
图3为本申请实施例提供的一种身份识别方法的流程示意图；
图4为本申请实施例提供的另一种身份识别方法的流程示意图；
图5为本申请实施例提供的一种身份识别装置的功能单元组成框图；
图6为本申请实施例提供的一种身份识别装置的结构示意图。
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。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了理解本申请，首先对本申请涉及到专业术语进行解释和说明。
类受骗人员：通过完成训练的受骗人员识别模型对每个社区人员进行识别，得到每个社区人员属于受骗人员的概率，将概率大于阈值的社区人员作为类受骗人员。由于受骗人员识别模型是通过历史受骗人员的信息训练的得到的，因此，类受骗人员是从将社区人员信息与历史受骗人员的信息进行比对的维度，筛选出分类概率大于阈值的社区人员。
潜在易受骗人员：根据身份信息、家庭成员信息以及在预设时间段内的活动轨迹识别出的满足条件的社区人员，也就是从每个社区人员自身所有的身份特征信息的维度出发，筛选出的符合条件的社区人员。
参阅图1，图1为本申请实施例提供的一种身份识别系统的架构示意图。身份识别系统包括身份识别装置10和图像采集设备20，身份识别装置10和图像采集设备之间保持通信连接，图像采集设备20设置于社区内，用于获取社区内的社区成员的行程轨迹。
基于图1所示的身份识别系统，图像采集设备20采集社区内每个社区人员的面部图像，并将每个社区人员的面部图像上传给身份识别装置10，其中，该面部图像携带有地理位置信息；身份识别装置10根据每个人员的面部图像，确定每个社区人员每天的行程轨迹，根据每个社区人员每天的行程轨迹为每个社区人员创建档案库(即实现一人一档)，其中，每个社区人员的档案库包括每个社区人员的身份信息、家庭成员信息以及每个社区人员每天的活动轨迹。这样，身份识别装置10后面进行身份识别的过程中就可以从每个社区人员的档案库中获取每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹，并将每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测每个社区人员的第一身份标识，即预测每个社区人员是否为类受骗人员；然后，根据每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹，确定每个社区人员的第二身份标识，即确定每个社区人员是否为潜在易受骗人员；最后，根据每个社区人员的第一身份标识以及第二身份标识进行碰撞，确定该社区中的目标社区人员。其中，该目标社区人员为反诈骗的宣传对象。
可以看出，在本申请实施例中，身份识别装置10和图像采集设备20之间协同作用，可以从社区中筛选出目标社区人员(反诈骗的宣传对象)；然后，可以针对这些目标社区人员进行针对性的反欺诈宣传，无需进行撒网式宣传，降低了宣传成本，提高了宣传效果。
参阅图2，图2为本申请实施例提供的一种身份识别方法的示意图。该方法应用于身份识别装置。
如图2所示，身份识别装置通过社区内历史受骗人群以及半监督学习先训练出一个受骗人员识别模型，然后使用完成训练的受骗人员识别模型对社区内所有社区人员进行身份识别，得到每个社区人员的第一身份标识，即确定每个社区人员是否为类受骗人员；此外，身份识别装置通过对社区内的潜在受骗人群进行归纳和分析，得到每种潜在受骗人群的身份特征；根据每种潜在受骗人群的特征建立与每种潜在受骗人群对应的识别模型，本申请以建立家庭主妇识别模型、失业人员识别模型、退休老人识别模型以及适龄单身青年识别模型四个识别模型为例进行说明；然后，通过这四个识别模型，对社区内的所有社区人员进行身份类型识别，得到每个社区人员的第二身份标识，即确定每个社区人员是否为潜在易受骗人员，以及确定是哪种类型的潜在易受骗人员。最后，身份识别装置根据识别出的类受骗人员和潜在易受骗人员进行碰撞，确定出社区内的目标社区人员，并将目标社区人员作为反诈骗的宣传对象。
可以看出，在本申请实施例中，身份识别装置通过模型的建立，可以从社区中筛选出目标社区人员，并将目标社区人员作为反诈骗的宣传对象；这样就可以针对这些目标社区人员进行针对性的反欺诈宣传，无需进行撒网式宣传，降低了宣传成本，提高了宣传效果。
参阅图3，图3为本申请实施例提供的一种身份识别方法的流程示意图。该方法应用于身份识别装置。该方法包括以下步骤：
301：身份识别装置获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
应理解，本申请中是以对一个社区内的社区人员进行身份识别为例说明，其他社区中的社区人员的身份识别过程与该社区的识别方式类似，不再叙述。
示例性的，身份识别装置可以为社区内的每个社区人员建档，得到每个社区人员的档案库，实现一人一档，其中，社区内的每个社区人员的档案库包括每个社区人员的身份信息、家庭成员信息以及每天的活动信息。具体的，身份识别装置可以获取每个社区人员的身份信息以及家庭成员信息，其中，该身份信息和家庭成员信息可以由身份识别装置从其他的设备中读取，可以从社区管理系统读取每个社区人员的身份信息，其中，每个社区人员的身份信息包括每个社区人员的姓名、性别、年龄以及身份证号，等等，家庭成员信息包括每个社区人员的婚姻信息和子女信息；另外，身份识别装置可以从社区前端的图像采集设备中获取位于每个活动位置的社区人员的面部图像，根据每个活动位置的社区人员的面部图像，确定每个社区成员每天的活动轨迹；最后，将每个社区人员的身份信息、家庭成员信息以及每个社区人员每天的活动轨迹关联存储，实现为社区内的每个社区人员建立档案库。
因此，身份识别装置可以根据每个社区人员的一个或多个标识信息，从每个社区人员的档案库中读取每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。比如，可以根据每个社区人员的身份证号，确定每个社区人员对应的档案库，并从该档案库中读取每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
302：身份识别装置将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员。
其中，该预设时间段可以一天、两天、一星期、一个月或者其他值。
其中，该受骗人员识别模型是预先完成训练的受骗人员识别模型。
示例性的，可获取历史受骗人员的标识信息，其中，该标识信息用于标识历史受骗人员的身份，比如，该标识信息可以为历史受骗人员的姓名、身份证号、手机号，等等；根据该历史受骗人员的标识信息确定为该历史受骗人员所建立的档案库，并从该历史受骗人员的档案库中获取历史受骗人员的身份信息(比如，年龄和性别)以及历史活动轨迹，并将历史受骗人员的身份信息以及历史活动轨迹作为负样本；然后，获取历史未受骗人员的标识信息，根据历史未受骗人员的标识信息确定为历史未受骗人员所建立的档案库，并从该历史未受骗人员的档案库中读取该历史未受骗人员的身份信息、案件信息以及历史活动轨迹，并将该历史未受骗人员的身份信息、案件信息以及历史活动轨迹作为正样本。最后，使用该负样本和正样本对受骗人员识别模型进行训练，即对该受骗人员识别模型的模型参数进行调整，得到该完成训练的受骗人员识别模型。
其中，上述历史受骗人员和历史未受骗人员的身份信息均包括但不限于性别、年龄、学历以及工作；其中，历史受骗人员的案件信息包括但不限于：历史受骗人员的被骗经过、被骗时间以及被骗地点)。
应理解，上述历史受骗人员和历史未受骗人员均可以为该社区内的社区人员，也可以不是本社区的社区人员，比如，可以是其他社区中的历史受骗人员和历史未受骗人员，本申请对此不做限定。
示例性的，可以将每个社区人员在预设时间段中每天的活动轨迹数字化，得到与每天的活动轨迹对应的特征向量，比如，可预先设置多个活动位置，若当天到达了某个活动位置，则将该活动位置对应的维度设置为1，若当天未到达该活动位置，则将该活动位置对应的维度设置为0，得到与每天的活动轨迹对应的特征向量；然后，将预设时间段内每天的活动轨迹对应的特征向量进行拼接(纵向拼接)，得到第一矩阵。比如，第一个特征向量为[0,01,0]，第二个特征向量为[0,1,0,0]，则纵向拼接之后，得到的第一矩阵为
同样，将每个社区成员的身份信息(即性别和年龄)进行向量化(即映射处理)，得到与身份信息对应的特征向量，比如，性别女可以通过取值全为1的特征向量表示，性别男可以通过取值全为0的特征向量表示，年龄可以用对应的二进制数进行表示；最后，将身份信息对应的特征向量与上述第一矩阵进行拼接(纵向拼接)，得到输入数据；最后，将每个社区人员的输入数据输入到该完成训练的受骗人员识别模型，得到每个社区人员属于受骗人员的概率，在该概率大于或等于阈值的情况下，确定该社区人员为类受骗人员，在该概率小于该阈值的情况下，确定该社区人员不是类受骗人员。
303：身份识别装置根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员。
示例性的，根据每个社区人员在预设时间段内的出行轨迹，确定每个社区人员在预设时间段内的出行状况；将每个社区人员的身份信息、家庭成员信息以及在预设时间段内的出行状况输入到身份识别模型(即分别输入到图2中示出的家庭主妇识别模型、失业人员识别模型、退休老人识别模型以及适婚单身青年识别模型)，确定每个社区人员的第二身份标识，即确定每个社区人员是不是潜在易受骗人员。其中，潜在易受骗人员的类型包括但不限于以下几种：家庭主妇、失业人员、退休老人以及适婚单身青年。
具体的，将每个社区人员的身份信息、家庭成员信息以及在预设时间段内的出行状况输入到家庭主妇识别模型，若识别出社区人员A在预设时间内的出行是无规律的，且携带有儿童，且该社区人员A的性别为女性，则确定该社区人员A的第二身份标识为家庭主妇，其中，该社区人员A为该社区内的任意一个社区人员；
将每个社区人员的身份信息、家庭成员信息以及在预设时间段内的出行状况输入到失业人员识别模型，若识别出社区人员A在第一子预设时间段内的出行是有规律的，且在第二子预设时间段的出行是无规律的，且社区人员A的年龄属于第一年龄段，确定社区成员A的第二身份标识为失业人员，其中，该第一子预设时间段和第二子预设时间段为该预设时间段中的两个子时间段，且该第一子预设时间段位于该第二预设时间段之前。比如，预设时间段为一个月，则第一子预设时间段可以为前半个月，第二子预设时间段为后半个月。其中，该第一年龄段为工作年龄段，比如，18岁-60岁；
将所每个社区人员的身份信息、家庭成员信息以及在预设时间段内的出行状况输入到退休老人识别模型，若识别出社区人员A在预设时间段内的出行中无配偶和子女的陪伴，且社区人员A的年龄属于第二预设年龄段，确定社区人员A的第二身份标识为退休老人，其中，第二年龄段可以为60岁-80岁；
将每个社区人员的身份信息、家庭成员信息以及在预设时间段内的出行状况输入到适婚单身青年识别模型，若识别出社区人员A在预设时间段内的出行中无异性陪伴，且社区人员A的婚姻状况为未婚，且社区人员A的年龄段属于第三年龄段，确定社区人员A的第二身份标识为适婚单身青年，其中，第三年龄段可以为23-35。
304：身份识别装置根据所述每个社区人员的第一身份标识以及第二身份标识进行碰撞，确定所述社区中的目标社区人员。
示例性的，在社区人员A的第一身份标识为类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的一级目标社区人员；在社区人员A的第一身份标识为类受骗人员，且第二身份标识不是易潜在受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；在社区人员A的第二身份标识不是类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员。
其中，对一级目标社区人员的反诈骗宣传力度大于二级目标人员，比如，可以对以一级目标人员的反诈骗的进行线下宣传，一对一宣传，对二级目标人员只是在线宣传，鼓励二级目标人员在线学习反诈骗知识。
可以看出，在本申请实施例中，身份识别装置通过完成训练的受骗人员识别模型预测每个社区人员的第一身份标识；并通过特征分析，得到每个社区成员的第二身份标识；并根据每个社区人员的第一身份标识和第二身份标识进行碰撞，确定出社区内的目标社区人员。由于从多个维度分析用户的身份标识，使确定出的目标社区人员比较全面，且精度较高。另外，将目标社区人员作为反诈骗的宣传对象，这样就可以针对这些目标社区人员进行针对性的反诈骗宣传，无需进行撒网式宣传，降低了宣传成本，提高了宣传效果。
参阅图4，图4为本申请实施例提供的另一种身份识别方法的流程示意图。该方法应用于身份识别装置。该实施例中与图3所示的实施例相同的内容，此处不再重复描述。本实施例的方法包括以下步骤：
401：身份识别装置获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
402：身份识别装置将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员。
403：身份识别装置根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员。
404：身份识别装置根据所述每个社区人员的第一身份标识以及第二身份标识进行碰撞，确定所述社区中的目标社区人员。
405：身份识别装置获取所述社区中的历史受骗人员的数量。
406：身份识别装置根据所述社区中的历史受骗人员的数量以及所述社区中第二身份标识为潜在易受骗人员的社区人员的数量，确定所述社区的易受骗指数，其中，所述社区的易受骗指数用于指示所述社区内的社区人员存在易受骗的风险。
示例性的，可根据社区中的历史受骗人员的数量、潜在易受骗人员的数量以及预设的权重系数，得到该社区的受骗指数。示例性的，社区的受骗指数可以通过公式(1)表示：
Index＝L1*A+L2 公式(1)；
其中，Index为社区的易受骗指数，L1为社区中的历史受骗人员数量，L2为社区中的潜在易受骗人员的数量，A为预设的权重系数，取值大于1。
可以看出，在本申请实施例中，身份识别装置通过完成训练的受骗人员识别模型预测每个社区人员的第一身份标识；并通过特征分析，得到每个社区成员的第二身份标识；并根据每个社区人员的第一身份标识和第二身份标识，确定出社区内的目标社区人员。由于从多个维度分析用户的身份标识，使确定出的目标社区人员比较全面，且精度较高。另外，将目标社区人员作为反诈骗的宣传对象，这样就可以针对这些目标社区人员进行针对性的反欺诈宣传，无需进行撒网式宣传，降低了宣传成本，提高了宣传效果。并且计算社区的易受骗指数，从而可以实现对每个社区进行针对性宣传，重点关注易受骗指数较高的社区。
在一些可能的实施方式中，在确定出每个社区人员的第二身份标识之后，可统计每种类型的潜在易受骗人员的数量，即统计家庭主妇的数量、失业人员的数量、退休老人的数量以及适婚单身青年的数量，然后，根据每种类型的潜在易受骗人员的数量，对这四种类型的潜在易受骗人员进行排序，并将排序结果进行可视化展示，以对每种类型的潜在易受骗人员针对性的制定宣传方案，进一步提高反诈骗宣传的针对性。另外，还可以统计社区内潜在易受骗人员的总数量。
参阅图5，图5本申请实施例提供的一种身份识别装置的功能单元组成框图。身份识别装置500包括：收发单元501和处理单元502，其中：
收发单元501，用于获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
处理单元502，用于将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；根据所述每个社区人员的第一身份标识以及第二身份标识，确定所述社区中的目标社区人员。
在一些可能的实施方式中，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，处理单元502，还用于为所述社区中每个社区人员建立档案库，其中，所述每个社区人员的档案库包括所述每个社区人员的身份信息、家庭成员信息以及所述每个社区人员每天的活动轨迹；
在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹方面，处理单元502，具体用于：
从所述每个社区人员的档案库中获取所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
在一些可能的实施方式中，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，收发单元501，还用于获取历史受骗人员的标识信息，根据所述历史受骗人员的标识信息确定所述历史受骗人员的档案库，从所述历史受骗人员的档案库中获取所述历史受骗人员的身份信息、案件信息以及历史活动轨迹，将所述历史受骗人员的身份信息、案件信息以及历史活动轨迹作为负样本；获取历史未受骗人员的标识信息，根据所述历史未受骗人员的标识信息确定所述历史未受骗人员的档案库，从所述历史未受骗人员的档案库中获取所述历史未受骗人员的身份信息以及历史活动轨迹，将所述历史未受骗人员的身份信息以及历史活动轨迹作为正样本；
处理单元，还用于使用所述负样本和所述正样本进行模型训练，得到所述完成训练的受骗人员识别模型。
在一些可能的实施方式中，在根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类别识别，确定所述每个社区人员的第二身份标识方面，处理单元502，具体用于：
根据所述每个社区人员在预设时间段内的出行轨迹，确定所述每个社区人员在所述预设时间段内的出行状况；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识。
在一些可能的实施方式中，所述潜在易受骗人员包括家庭主妇、失业人员、退休老人以及适婚单身青年，所述每个社区人员的身份信息包括性别和年龄，所述每个社区人员的家庭成员信息包括婚姻状况和子女状况；
在将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识方面，处理单元502，具体用于：
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到家庭主妇识别模型，若识别出社区人员A在预设时间内的出行是无规律的，且携带有儿童，且所述社区人员A的性别为女性，确定所述社区人员A的第二身份标识为家庭主妇；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到失业人员识别模型，若识别出社区人员A在第一子预设时间段内的出行是有规律的，且在第二子预设时间段内的出行是无规律的，且所述社区人员A的年龄属于第一年龄段，确定所述社区成员A的第二身份标识为失业人员，其中，所述第一子预设时间段和所述第二子预设时间段为所述预设时间段的两个子时间段，且所述第一子预设时间段位于所述第二子预设时间段之前；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到退休老人识别模型，若识别出社区人员A在预设时间段内的出行中无配偶和子女的陪伴，且所述社区人员A的年龄属于第二年龄段，确定所述社区人员A的第二身份标识为退休老人；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到适婚单身青年识别模型，若识别出社区人员A在预设时间段内的出行中无异性陪伴，且所述社区人员A的婚姻状况为未婚，且所述社区人员A的年龄属于第三年龄段，确定所述社区人员A的第二身份标识为适婚单身青年；
其中，所述社区人员A为所述社区中的任意一个社区人员。
在一些可能的实施方式中，在根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员方面，处理单元502，具体用于：
在社区人员A的第一身份标识为类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的一级目标社区人员；
在社区人员A的第一身份标识为类受骗人员，且第二身份标识不是潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
在社区人员A的第二身份标识不是类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
其中，所述社区人员A为所述社区中的任意一个社区人员，对所述社区中的一级目标社区人员的反诈骗宣传力度大于二级目标社区人员。
在一些可能的实施方式中，收发单元501，还用于获取所述社区中的历史受骗人员的数量；处理单元502，还用于根据所述社区中的历史受骗人员的数量以及所述社区中第二身份标识为潜在易受骗人员的社区人员的数量，确定所述社区的易受骗指数，其中，所述社区的易受骗指数用于指示所述社区内的社区人员存在易受骗的风险。
参阅图6，图6为本申请实施例提供的一种电子设备的结构示意图。如图6所示，电子设备600包括收发器601、处理器602和存储器603。它们之间通过总线604连接。存储器603用于存储计算机程序和数据，并可以将存储器603存储的数据传输给处理器602。
处理器602用于读取存储器603中的计算机程序执行以下操作：
控制收发器601获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；
根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；
根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员。
在一些可能的实施方式中，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，处理器602还用于读取存储器603中的计算机程序执行以下操作：为所述社区中每个社区人员建立档案库，其中，所述每个社区人员的档案库包括所述每个社区人员的身份信息、家庭成员信息以及所述每个社区人员每天的活动轨迹；
在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹方面，处理器602具体用于执行以下操作：从所述每个社区人员的档案库中获取所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
在一些可能的实施方式中，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，处理器602还用于读取存储器603中的计算机程序执行以下操作：
控制收发器601获取历史受骗人员的标识信息，根据所述历史受骗人员的标识信息确定所述历史受骗人员的档案库，从所述历史受骗人员的档案库中获取所述历史受骗人员的身份信息、案件信息以及历史活动轨迹，将所述历史受骗人员的身份信息、案件信息以及历史活动轨迹作为负样本；
获取历史未受骗人员的标识信息，根据所述历史未受骗人员的标识信息确定所述历史未受骗人员的档案库，从所述历史未受骗人员的档案库中获取所述历史未受骗人员的身份信息以及历史活动轨迹，将所述历史未受骗人员的身份信息以及历史活动轨迹作为正样本；
使用所述负样本和所述正样本进行模型训练，得到所述完成训练的受骗人员识别模型。
在一些可能的实施方式中，在根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识方面，处理器602具体用于执行以下操作：
根据所述每个社区人员在预设时间段内的出行轨迹，确定所述每个社区人员在所述预设时间段内的出行状况；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识。
在一些可能的实施方式中，所述潜在易受骗人员包括家庭主妇、失业人员、退休老人以及适婚单身青年，所述每个社区人员的身份信息包括性别和年龄，所述每个社区人员的家庭成员信息包括婚姻状况和子女状况；
在将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识方面，处理器602具体用于执行以下操作：
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到家庭主妇识别模型，若识别出社区人员A在预设时间内的出行是无规律的，且携带有儿童，且所述社区人员A的性别为女性，确定所述社区人员A的第二身份标识为家庭主妇；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到失业人员识别模型，若识别出社区人员A在第一子预设时间段内的出行是有规律的，且在第二子预设时间段内的出行是无规律的，且所述社区人员A的年龄属于第一年龄段，确定所述社区成员A的第二身份标识为失业人员，其中，所述第一子预设时间段和所述第二子预设时间段为所述预设时间段的两个子时间段，且所述第一子预设时间段位于所述第二子预设时间段之前；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到退休老人识别模型，若识别出社区人员A在预设时间段内的出行中无配偶和子女的陪伴，且所述社区人员A的年龄属于第二年龄段，确定所述社区人员A的第二身份标识为退休老人；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到适婚单身青年识别模型，若识别出社区人员A在预设时间段内的出行中无异性陪伴，且所述社区人员A的婚姻状况为未婚，且所述社区人员A的年龄属于第三年龄段，确定所述社区人员A的第二身份标识为适婚单身青年；
其中，所述社区人员A为所述社区中的任意一个社区人员。
在一些可能的实施方式中，在根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员方面，处理器602具体用于执行以下操作：
在社区人员A的第一身份标识为类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的一级目标社区人员；
在社区人员A的第一身份标识为类受骗人员，且第二身份标识不是潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
在社区人员A的第二身份标识不是类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
其中，所述社区人员A为所述社区中的任意一个社区人员，对所述社区中的一级目标社区人员的反诈骗宣传力度大于二级目标社区人员。
在一些可能的实施方式中，处理器602还用于读取存储器603中的计算机程序执行以下操作：
控制收发器601获取所述社区中的历史受骗人员的数量；
根据所述社区中的历史受骗人员的数量以及所述社区中第二身份标识为潜在易受骗人员的社区人员的数量，确定所述社区的易受骗指数，其中，所述社区的易受骗指数用于指示所述社区内的社区人员存在易受骗的风险。
具体地，上述收发器601可为图5所述的实施例的身份识别装置500的收发单元501，上述处理器602可以为图5所述的实施例的身份识别装置500的处理单元502。
应理解，本申请中的电子设备可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(MobileInternet Devices，简称：MID)或穿戴式设备等。上述电子设备仅是举例，而非穷举，包含但不限于上述电子设备。在实际应用中，上述电子设备还可以包括：智能车载终端、计算机设备等等。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种身份识别方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种身份识别方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，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接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述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。
另外，在本申请各个实施例中的各功能单元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，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，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。
Claims (10)
1.一种身份识别方法，其特征在于，包括：
获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；
根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；
根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员。
2.根据权利要求1所述的方法，其特征在于，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，所述方法还包括：
为所述社区中每个社区人员建立档案库，其中，所述每个社区人员的档案库包括所述每个社区人员的身份信息、家庭成员信息以及所述每个社区人员每天的活动轨迹；
所述获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹，包括：
从所述每个社区人员的档案库中获取所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹。
3.根据权利要求2所述的方法，其特征在于，在获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹之前，所述方法还包括：
获取历史受骗人员的标识信息，根据所述历史受骗人员的标识信息确定所述历史受骗人员的档案库，从所述历史受骗人员的档案库中获取所述历史受骗人员的身份信息、案件信息以及历史活动轨迹，将所述历史受骗人员的身份信息、案件信息以及历史活动轨迹作为负样本；
获取历史未受骗人员的标识信息，根据所述历史未受骗人员的标识信息确定所述历史未受骗人员的档案库，从所述历史未受骗人员的档案库中获取所述历史未受骗人员的身份信息以及历史活动轨迹，将所述历史未受骗人员的身份信息以及历史活动轨迹作为正样本；
使用所述负样本和所述正样本进行模型训练，得到所述完成训练的受骗人员识别模型。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，包括：
根据所述每个社区人员在预设时间段内的出行轨迹，确定所述每个社区人员在所述预设时间段内的出行状况；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识。
5.根据权利要求4所述的方法，其特征在于，所述潜在易受骗人员包括家庭主妇、失业人员、退休老人以及适婚单身青年，所述每个社区人员的身份信息包括性别和年龄，所述每个社区人员的家庭成员信息包括婚姻状况和子女状况；
所述将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到身份识别模型，确定所述每个社区人员的第二身份标识，包括：
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到家庭主妇识别模型，若识别出社区人员A在预设时间内的出行是无规律的，且携带有儿童，且所述社区人员A的性别为女性，确定所述社区人员A的第二身份标识为家庭主妇；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到失业人员识别模型，若识别出社区人员A在第一子预设时间段内的出行是有规律的，且在第二子预设时间段内的出行是无规律的，且所述社区人员A的年龄属于第一年龄段，确定所述社区成员A的第二身份标识为失业人员，其中，所述第一子预设时间段和所述第二子预设时间段为所述预设时间段的两个子时间段，且所述第一子预设时间段位于所述第二子预设时间段之前；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到退休老人识别模型，若识别出社区人员A在预设时间段内的出行中无配偶和子女的陪伴，且所述社区人员A的年龄属于第二年龄段，确定所述社区人员A的第二身份标识为退休老人；
将所述每个社区人员的身份信息、家庭成员信息以及在所述预设时间段内的出行状况输入到适婚单身青年识别模型，若识别出社区人员A在预设时间段内的出行中无异性陪伴，且所述社区人员A的婚姻状况为未婚，且所述社区人员A的年龄属于第三年龄段，确定所述社区人员A的第二身份标识为适婚单身青年；
其中，所述社区人员A为所述社区中的任意一个社区人员。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述每个社区人员的第一身份标识与第二身份标识进行碰撞，确定所述社区中的目标社区人员，包括：
在社区人员A的第一身份标识为类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的一级目标社区人员；
在社区人员A的第一身份标识为类受骗人员，且第二身份标识不是潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
在社区人员A的第二身份标识不是类受骗人员，且第二身份标识为潜在易受骗人员的情况下，确定所述社区人员A为所述社区中的二级目标社区人员；
其中，所述社区人员A为所述社区中的任意一个社区人员，对所述社区中的一级目标社区人员的反诈骗宣传力度大于二级目标社区人员。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
获取所述社区中的历史受骗人员的数量；
根据所述社区中的历史受骗人员的数量以及所述社区中第二身份标识为潜在易受骗人员的社区人员的数量，确定所述社区的易受骗指数，其中，所述社区的易受骗指数用于指示所述社区内的社区人员存在易受骗的风险。
8.一种身份识别装置，其特征在于，包括：
收发单元，用于获取社区中每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹；
处理单元，用于将所述每个社区人员的身份信息以及在预设时间段内的活动轨迹输入到完成训练的受骗人员识别模型，预测所述每个社区人员的第一身份标识，所述每个社区人员的第一身份标识包括所述每个社区人员是否为类受骗人员；根据所述每个社区人员的身份信息、家庭成员信息以及在预设时间段内的活动轨迹进行身份类型识别，确定所述每个社区人员的第二身份标识，所述每个社区人员的第二身份标识包括所述每个社区人员是否为潜在易受骗人员；根据所述每个社区人员的第一身份标识以及第二身份标识，确定所述社区中的目标社区人员。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011645088.4A CN112669187B (zh) | 2020-12-31 | 2020-12-31 | 身份识别方法、装置、电子设备及相关产品 |
| PCT/CN2021/133117 WO2022142903A1 (zh) | 2020-12-31 | 2021-11-25 | 身份识别方法、装置、电子设备及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011645088.4A CN112669187B (zh) | 2020-12-31 | 2020-12-31 | 身份识别方法、装置、电子设备及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112669187A true CN112669187A (zh) | 2021-04-16 |
| CN112669187B CN112669187B (zh) | 2024-04-02 |
Family
ID=75412472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011645088.4A Active CN112669187B (zh) | 2020-12-31 | 2020-12-31 | 身份识别方法、装置、电子设备及相关产品 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112669187B (zh) |
| WO (1) | WO2022142903A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022142903A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳云天励飞技术股份有限公司 | 身份识别方法、装置、电子设备及相关产品 |
| WO2023077835A1 (zh) * | 2021-11-08 | 2023-05-11 | 广东美的制冷设备有限公司 | 家电设备的控制方法、控制装置、电子设备及存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115689298A (zh) * | 2022-12-30 | 2023-02-03 | 北京码牛科技股份有限公司 | 一种电信诈骗风险预测方法、系统、设备及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017104861A1 (ko) * | 2015-12-16 | 2017-06-22 | 모다정보통신 주식회사 | 사물인터넷 기반의 보이스 피싱 예방 방법 및 그를 위한 장치 |
| CN110222992A (zh) * | 2019-06-11 | 2019-09-10 | 深圳市安络科技有限公司 | 一种基于受骗群体画像的网络诈骗预警方法及装置 |
| CN110232524A (zh) * | 2019-06-14 | 2019-09-13 | 哈尔滨哈银消费金融有限责任公司 | 社交网络欺诈模型的构建方法、防欺诈方法和装置 |
| CN110830664A (zh) * | 2018-08-14 | 2020-02-21 | 中国移动通信集团设计院有限公司 | 识别电信诈骗潜在受害用户的方法和装置 |
| CN111915468A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院自动化研究所 | 新型的网络反诈骗主动巡检与预警系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112669187B (zh) * | 2020-12-31 | 2024-04-02 | 深圳云天励飞技术股份有限公司 | 身份识别方法、装置、电子设备及相关产品 |
-
2020
- 2020-12-31 CN CN202011645088.4A patent/CN112669187B/zh active Active
-
2021
- 2021-11-25 WO PCT/CN2021/133117 patent/WO2022142903A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017104861A1 (ko) * | 2015-12-16 | 2017-06-22 | 모다정보통신 주식회사 | 사물인터넷 기반의 보이스 피싱 예방 방법 및 그를 위한 장치 |
| CN110830664A (zh) * | 2018-08-14 | 2020-02-21 | 中国移动通信集团设计院有限公司 | 识别电信诈骗潜在受害用户的方法和装置 |
| CN110222992A (zh) * | 2019-06-11 | 2019-09-10 | 深圳市安络科技有限公司 | 一种基于受骗群体画像的网络诈骗预警方法及装置 |
| CN110232524A (zh) * | 2019-06-14 | 2019-09-13 | 哈尔滨哈银消费金融有限责任公司 | 社交网络欺诈模型的构建方法、防欺诈方法和装置 |
| CN111915468A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院自动化研究所 | 新型的网络反诈骗主动巡检与预警系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022142903A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳云天励飞技术股份有限公司 | 身份识别方法、装置、电子设备及相关产品 |
| WO2023077835A1 (zh) * | 2021-11-08 | 2023-05-11 | 广东美的制冷设备有限公司 | 家电设备的控制方法、控制装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112669187B (zh) | 2024-04-02 |
| WO2022142903A1 (zh) | 2022-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107292287B (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
| CN112669187A (zh) | 身份识别方法、装置、电子设备及相关产品 | |
| CN107872436B (zh) | 一种账号识别方法、装置及系统 | |
| CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
| Zhang et al. | Textual and visual content-based anti-phishing: a Bayesian approach | |
| CN110782333B (zh) | 一种设备风险控制方法、装置、设备及介质 | |
| CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
| CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
| CN110598982B (zh) | 基于智能交互的主动风控方法和系统 | |
| CN113014566B (zh) | 恶意注册的检测方法、装置、计算机可读介质及电子设备 | |
| CN104852916A (zh) | 一种基于社会工程学的网页验证码识别方法及系统 | |
| US10997609B1 (en) | Biometric based user identity verification | |
| CN110675252A (zh) | 风险评估方法、装置、电子设备及存储介质 | |
| CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
| CN106060038B (zh) | 基于客户端程序行为分析的钓鱼网站检测方法 | |
| CN110457601B (zh) | 社交账号的识别方法和装置、存储介质及电子装置 | |
| Khanday et al. | Detecting textual propaganda using machine learning techniques | |
| CN113518075B (zh) | 网络诈骗预警方法、装置、电子设备、及存储介质 | |
| CN116151965B (zh) | 一种风险特征提取方法、装置、电子设备及存储介质 | |
| CN115049397A (zh) | 识别社交网络中的风险账户的方法及装置 | |
| CN112597379B (zh) | 数据识别方法、装置和存储介质及电子装置 | |
| Gomathy et al. | FAKE JOB FORECAST USING DATA MINING TECHNIQUES. | |
| CN113627542A (zh) | 一种事件信息处理方法、服务器及存储介质 | |
| CN113157993A (zh) | 一种基于时序图极化分析的网络水军行为预警模型 | |
| Balboni et al. | Big Data*: Legal Compliance and Quality Management |
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 |