CN112686640B - 凭证保险库系统的基于技能的凭证验证 - Google Patents
凭证保险库系统的基于技能的凭证验证 Download PDFInfo
- Publication number
- CN112686640B CN112686640B CN202110018073.3A CN202110018073A CN112686640B CN 112686640 B CN112686640 B CN 112686640B CN 202110018073 A CN202110018073 A CN 202110018073A CN 112686640 B CN112686640 B CN 112686640B
- Authority
- CN
- China
- Prior art keywords
- principal
- experience
- jhe
- credential
- blockchain
- 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
Links
- 238000012795 verification Methods 0.000 title claims description 58
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000010200 validation analysis Methods 0.000 claims abstract description 31
- 238000013136 deep learning model Methods 0.000 claims abstract description 18
- 230000000306 recurrent effect Effects 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 8
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 50
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 24
- 238000013475 authorization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
-
- 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
- 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
- G06F21/45—Structures or tools for the administration of authentication
-
- 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
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06Q50/01—Social networking
-
- 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
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
本发明提供了在保存经验证的委托人记录的基于区块链的数据库内使用机器人联系与分析、社交媒体搜索和/或同行确认进行基于技能的/JHE凭证验证的方法和系统。在一个实施例中,凭证保险库系统(CVS)使用具有自然语言过程/自然语言理解(NLP/NLU)的递归神经网络(RNN)模型,基于委托人的工作经历和经验(JHE)的描述,为委托人识别基于技能的规范的JHE的集合,其中CVS中的委托人记录由CVS的基于区块链的数据库中的委托人标识唯一地标识,由CVS收集针对每个规范的JHE的一个或多个确证,使用深度学习模型基于所收集的一个或多个确证来评估每个规范的JHE以验证对应的规范的JHE,以及将每个经验证的规范的JHE附加到CVS的基于区块链的数据库中的委托人记录。
Description
技术领域
本发明总体涉及凭证验证系统,更具体地,涉及一种基于区块链的凭证保险库系统。
背景技术
凭证验证是照招聘过程的重要环节。在确定雇用或晋升政策时,存在对凭证(例如学历)的过度依赖。我们的社会中存在迫在眉睫的凭证危机。要了解危机是什么,我们必须了解什么是文凭主义和专业化。文凭主义是依靠正式资格或认证来确定某人是否被允许从事某项任务、或以专家身份发言,或在某个特定领域工作。专业化是将任何行业或职业转变为真正的“最高诚信和能力的职业”的社会过程。这个过程往往涉及建立可接受的资格,建立专业机构或协会来监督专业的成员的行为以及对不合格业余爱好者进行一定程度的划界。这造成了“专业知识权威和尊严公民之间的等级划分”。这种划界通常被称为“职业封闭”,因为这意味着该职业变得不准局外人、业余爱好者和不合格的人进入:由职业划界和等级限定的“分层职业”。
文凭通货膨胀(又称学术通货膨胀、学位通货膨胀和凭证蠕变)是界定工作所需的最低凭证的通货膨胀以及文凭和学位价值同时贬值的过程。文凭通胀的直接后果是专业化的提高。文凭主义和专业化是雇主聘请合适人选的两个门槛。简历通货膨胀是这两种通货膨胀的概括。简历通货膨胀包括简历上的虚假或误导性信息,以使自己成为更具吸引力的工作候选人。示例包括增加学位、证书、从未获得过的奖励、或者从未获得过的工作和职位。
最佳做法是公司在雇佣新员工之前先做功课。这种尽职调查并非始于面试过程;相反,找到合适的员工的最佳方法是在授予他或她初次面试之前进行研究。在凭证验证中,工作经历和经历(JHE)的验证非常耗时,容易出错并且容易产生偏差。如果不花大力气,传统的JHE条目难以验证。即使这样,结果通常也不令人满意。
需要一些改进和增强来提供一种可靠的JHE验证方法。
发明内容
本发明提供了用于在保存经验证的委托人记录的基于区块链的数据库内使用机器人联系和分析、社交媒体搜索和/或同行确认来进行基于技能的/JHE凭证验证的方法和系统。在一个实施例中,凭证保险库系统(CVS)使用具有自然语言过程/自然语言理解(NLP/NLU)的递归神经网络(RNN)模型,基于委托人的工作经历和经验(JHE)描述,为委托人识别基于技能的规范的JHE的集合,其中CVS中的委托人记录由CVS的基于区块链的数据库中的委托人标识唯一地标识;由CVS收集针对每个规范的JHE的一个或多个确证;使用深度学习模型基于收集的一个或多个确证评估每个规范的JHE以验证对应的规范的JHE;以及将每个验证的规范的JHE附加到CVS的基于区块链的数据库中的委托人记录。在另一实施例中,验证委托人涉及:获得委托人的自拍照以及官方照片ID,从社交媒体网络收集委托人的图像,以及基于所收集的图像,使用深度学习模型来执行对所接收的自拍照的面部识别。在一个实施例中,从社交媒体网络收集针对每个规范的JHE的确证。在另一实施例中,CVS还使用深度学习模型来识别针对每个规范的JHE的搜索属性,识别委托人相关的专业社交媒体资源,以及基于所识别的搜索属性在所识别的社交媒体资源上的搜索结果来收集确证。在另一实施例中,从CVS中的一个或多个成员委托人收集针对每个规范的JHE的确证。在一个实施例中,CVS还基于委托人记录来识别CVS中的成员委托人的群组,将具有委托人信息的验证请求群播到所识别的成员委托人的群组用于验证,分析来自一个或多个成员委托人的对验证请求的一个或多个响应,以及针对委托人的一个或多个对应的规范的JHE生成一个或多个确证。在另一实施例中,对每个规范的JHE的评估生成评估报告,以及其中将评估报告附加到CVS的基于区块链的数据库中。在一个实施例中,CVS在将经验证的规范的JHE附加到CVS的基于区块链的数据库之前还认证委托人。在一个实施例中,基于区块链的数据库包括凭证保险库区块链和私有星际文件系统(IPFS)。在另一实施例中,规范的JHE报告被存储在私有IPFS中,以及规范的JHE报告的资产ID被附加到凭证保险库区块链。
其它实施例和优点在以下详细描述中描述。此发明内容并不旨在限定本发明。本发明由权利要求书限定。
附图说明
附图示出本发明的实施例,其中相同的附图标记表示相同的组件。
图1示出根据本发明的实施例的用于基于区块链的凭证验证系统(CVS)的示例性示图,该系统使用与委托人、受益人和发行人的接口来执行基于技能和基于官方记录的验证。
图2示出根据本发明的实施例的凭证保险库系统的高层架构的示例性框图。
图3示出根据本发明的实施例的使用基于区块链的数据库的基于技能的凭证识别程序的示例性示图。
图4示出根据本发明的实施例的用于委托人ID验证程序的示例性流程图。
图5示出根据本发明的实施例的用于使用机器人联系、社交媒体搜索和同行确认的基于技能的凭证验证的收集和验证程序的示例性顶层图。
图6A示出根据本发明的实施例的用于与发行人/记录保存者进行机器人联系JHE验证的示例性示图。
图6B示出根据本发明的实施例的用于使用社交媒体搜索的JHE验证的示例性示图。
图6C示出根据本发明的实施例的用于使用同行确认的JHE验证的示例性示图。
图7示出根据本发明的实施例的用于使用CVS的委托人记录和/或JHE发布授权过程的示例性示图。
图8A示出根据本发明的实施例的具有IPFS的凭证保险库区块链数据库的示例性框图。
图8B示出根据本发明的实施例的CVS数据库中的资产记录和请求记录的数据结构的示例性框图。
图9示出根据本发明的实施例的用于使用凭证保险库系统的凭证验证程序的示例性流程图。
具体实施例
现在将详细参考本发明的一些实施例,其示例在附图中示出。
尽职调查是每次新的招聘都必须经历的一项艰苦而漫长的过程,对于更高职位的员工更是如此。理想情况下,获得凭证的人应负责自己的凭证。然而,大多数时候,申请人必须依靠第三方(例如大学或雇主)来保留、验证和确认其凭证。求职者必须向大学注册官请求正式成绩单,并且为每份请求的成绩单副本支付费用。雇主和大学有时仍需要致电证书的签发机构以验证成绩单。这是复杂且乏味的,并且是欺诈的主要因素之一。使证书易于验证和转让是数字系统的一个优点。对于求职者,提供其求职简历中列出的项目的真实性可以帮助加快招聘过程的尽职调查过程,因此有更好的面试机会。凭证保险库系统的优势在于,它为求职者/委托人和受益人/请求人提供了一个针对来自发行人的经验证的凭证的透明、不可变且安全的存储库。
图1示出根据本发明的实施例的用于基于区块链的凭证验证系统(CVS)的示例性示图,该系统使用与委托人、受益人和发行人的接口来执行基于技能和基于官方记录的验证。CVS 110包括一个或多个网络接口111、一个或多个用户接口112、认证模块113、处理模块114、验证模块115、以及数据库接口116。CVS数据库120包括CVS区块链121和星际文件系统(IPFS)122,CVS数据库120与CVS 110交互。针对相应的委托人130的经验证的规范的凭证的集合存储在CVS数据库120中。CVS 110与委托人150、受益人160、发行人170和网络/社交媒体网络180交互。
委托人150包括在CVS 110中创建账户和对应的委托人记录的委托人的群组。委托人150通过用户接口和/或通过网络连接与CVS 110交互。委托人150中的每个委托人具有与对应的委托人记录相关联的委托人标识(ID)。委托人将对凭证的描述提交到CVS 110。凭证描述采用不同的格式,包括简历、纯文本文件、图像和CVS格式的规范的凭证描述。CVS 110处理来自委托人所提交的凭证描述,并且生成用于验证的对应的规范的凭证。委托人150还与发行人170交互以获得针对对应的凭证的确证,例如认证和文凭。这些确证被提交到CVS110。
受益人160包括通过用户接口和/或网络连接与CVS 110交互的受益人的群组。受益人提交访问一个或多个经授权的委托人记录和/或验证一个或多个委托人的一个或多个凭证的请求。在一个实施例中,受益人向CVS 110提交职位描述。CVS 110处理职位描述并且基于职位描述生成所需的规范的凭证的集合。在一个实施例中,CVS 110使用基于深度学习的过程来基于职位描述生成规范的凭证的集合。受益人不与发行人170联系,并且可以通过CVS立即获得对候选人的凭证的验证。
在一个新颖的方面,基于区块链的凭证保险库系统验证委托人的身份、凭证和工作经历以及经验。一旦被验证,信息就被存储在区块链中作为单个真实的来源。基于区块链的CVS允许委托人向经授权的受益人发布身份、凭证和工作经历和经验(JHE,Job Historyand Experience),以获得整个凭证记录或经验证的凭证的子集。在一个实施例中,CVS 110包括一个或多个网络接口111、认证模块113、处理模块114、验证模块115、以及数据库接口116。一个或多个网络接口111将系统与社交媒体网络连接。认证模块113认证来自委托人的委托人请求,其中CVS中的委托人记录由系统的基于区块链的数据库中的委托人标识唯一地标识。处理模块114处理来自经认证委托人的提交以使用递归神经网络(RNN)模型生成规范的凭证的集合或规范的JHE的集合。验证模块115对经认证的委托人提交中的每个生成的规范的凭证执行凭证验证。支持两种不同类型的验证,包括基于官方记录的验证152和基于技能的验证151。数据库接口116将每个经验证的规范的凭证附加到CVS的基于区块链的数据库中的委托人记录。
在一个实施例中,CVS数据库120和经验证的规范的凭证130是CVS 110的组成部分。在另一实施例中,CVS数据库和经验证的规范的凭证130在不同的平台上运行。在其他实施例中,CVS模块和组件运行一个或多个处理器或运行在不同的联网设备上,并且经由预定义的网络消息彼此通信。在其它实施例中,可以以软件、固件、硬件或任何组合来实现功能。
图2示出根据本发明的实施例的凭证保险库系统的高层架构的示例性框图。凭证保险库系统具有两个主要组件,即委托人模块210和验证模块220。委托人模块210包括用于身份提交211、凭证提交212、凭证获取213、工作经历和经验提交214以及用于发布的授权215的实体。在一个实施例中,委托人模块210通过用户接口或网络连接从一个或多个委托人接收输入。委托人模块210处理委托人输入并将其传递到CVS的其它组件。在一个实施例中,委托人模块210的实体211使得委托人能够将身份提交到CVS用于验证。委托人模块210的实体212使得委托人能够提交拥有的凭证,例如凭证的影印件。委托人模块210的实体214使得委托人能够提交工作经历和经验(JHE)。在一个实施例中,实体214使用执行自然语言过程/自然语言理解(NLP/NLU)的RNN过程,以明文或简历的形式处理由委托人提交的JHE。实体214基于来自委托人的提交来生成规范的凭证的集合或规范的JHE的集合。在另一实施例中,实体214向委托人提供格式化的形式,以便以规范的凭证/JHE格式提供JHE。CVS生成用于基于官方记录的凭证的规范的凭证,以及生成用于基于技能的凭证的规范的JHE或规范的凭证。在一个实施例中,委托人模块210的实体213向委托人提供凭证参考以获取凭证,例如支付并从发行人下载数字副本。实体213使用数据挖掘来获得凭证参考,以基于委托人提供的提交进行验证。
在一个实施例中,每个委托人记录具有用于发布的授权的分级设置。授权包括整个记录发布、个人凭证发布、可搜索级别设置和黑/白列表。实体215委托人还可以授权向一个或多个受益人发布他的身份、凭证和工作经历以及经验。在一个实施例中,对于不同的受益人,授权的级别是不同的。在另一实施例中,委托人基于一个或多个预期的职位空缺授权自动匹配。
验证模块220具有三个子模块/实体:验证身份实体221、验证凭证实体222和验证工作经历和经验实体223。验证模块220为委托人记录的每个规范的凭证或规范的JHE执行验证。验证模块220与CVS数据库交互以将经验证的凭证附加到对应的委托人记录。
具有星际文件系统(IPFS)240的CVS区块链230是委托人信息的最终存储。使用三个基本AI机器学习算法250来支持特定操作。模块251是基于递归网络(RNN)深度学习模型的自动语音识别(ASR),RNN被训练并被用于将语音转换为文本。模块252是被训练并被用于执行NLP/NLU以理解文本的又一RNN深度学习模型。最后,训练基于深度神经网络(DNN)/卷积神经网络(CNN)的面部识别253,用于面部识别。使用这些工具以使验证过程自动化。
工作经历和经验(JHE)是最复杂和琐碎的过程。它也是对委托人进行后台检查时效率最低的过程。在一个新颖方面,使用社交媒体搜索、同行网络确认和机器人联系来评估诸如在JHE中描述的那些之类的基于技能的凭证。基于技能的凭证评估程序提供了一种多方面的方法,以提供有效而全面的背景调查。
图3示出根据本发明的实施例的使用基于区块链的数据库的基于技能的凭证识别程序的示例性示图。基于技能的凭证验证系统320是CVS 310的一部分,用于基于技能的凭证验证。系统320包括的主要处理模块有识别模块321、收集模块322和评估模块323。系统320还包括用户接口模块311、一个或多个网络接口模块312、以及与CVS数据库330交互的数据库接口模块313。系统320通过用户接口模块311和/或网络接口模块312从委托人接收JHE350。系统320还通过一个或多个网络接口312与网络/社交媒体网络360交互。在一个实施例中,一个或多个网络接口312将系统与社交媒体网络连接。识别模块321使用具有自然语言过程/自然语言理解(NLP/NLU)的递归神经网络(RNN)模型,基于工作经历和经验(JHE)的描述来为委托人识别基于技能的规范的JHE的集合,其中CVS中的委托人记录由CVS的基于区块链的数据库中的委托人标识唯一地标识。收集模块322收集系统针对每个规范的JHE的一个或多个确证。评估模块324使用深度学习模型基于所收集的一个或多个确证来评估每个规范的JHE以验证对应的规范的JHE。数据库接口模块313将每个经验证的规范的JHE附加到系统的基于区块链的数据库中的委托人记录。
在一个实施例中,识别模块321从委托人接收自由文本格式的JHE 350。识别模块321使用具有NLP/NLU的RNN来处理JHE,以及生成规范的JHE的集合。在另一实施例中,RNN过程基于每个JHE条目生成属性的集合。这些属性与一个或多个规范的JHE相关联。收集模块322接收生成的规范的JHE和/或每个JHE条目的属性。收集模块322使用一个或多个收集程序来收集针对每个规范的JHE和/或每个JHE条目的属性的相关确证。收集程序包括联系发行人或记录方的机器人程序、搜索委托人的专业社交媒体网络的深度学习/数据挖掘程序、以及从委托人的经验证的同行获得确认的同行网络查询程序。在一个实施例中,同行网络查询通过CVS数据库查询获得确认。在另一实施例中,广播消息被发送到CVS数据库中的委托人的同行网络用于确认。
在一个实施例中,社交媒体网络搜索还用于委托人ID验证。除了图像提取程序之外,对委托人的图像的社交媒体搜索将辅助用于委托人ID验证的面部识别。
图4示出根据本发明的实施例的用于委托人ID验证程序的示例性流程图。为了确保委托人的身份,CVS使用多方面的验证方法。在步骤410,委托人的身份(例如政府签发的身份证、个人信息以及自我介绍视频)被提交到CVS。使用在CVS中注册的设备将委托人的自拍照及其官方照片身份证(410)与委托人的帐户相关联。在一个实施例中,在过程430收集来自委托人的社交媒体的照片和视频。在步骤420中,除在社交媒体上收集委托人的面部外,还使用诸如图像分割之类的图像提取算法提取自拍照、自我介绍视频、以及政府签发的身份证上的照片中的委托人的面部。这些图像将被传递到使用面部识别深度学习模型440。面部识别模型将认证委托人和委托人进行的提交。在一个实施例中,自我介绍视频和音频被处理并作为委托人账户的一部分存储在CVS中,例如通过面部识别和/或声音识别的登录凭证。
图5示出根据本发明的实施例的用于使用机器人联系、社交媒体搜索和同行确认的基于技能的凭证验证的收集和验证程序的示例性顶层图。包括一个或多个描述项的JHE500被处理以生成规范的JHE列表530。在一个实施例中,使用具有NLP/NLU的RNN模型来基于JHE 500生成列表530。在其它实施例中,生成JHE 500的每个项的属性。每个属性被映射到一个或多个规范的JHE。530的每个规范的JHE被映射到JHE的一个或多个描述项。收集510收集列表530中的针对每个规范的JHE的一个或多个确证。所收集的确证被存储在确证收集550中。在一个实施例中,确证收集550是一个矩阵,其中每个条目是确证值。评估模块521基于在550中收集的对应的确证来评估530的每个规范的JHE。在一个实施例中,针对每个规范的JHE生成经验证/未经验证的结果。在另一实施例中,基于在550中收集的对应的确证,使用预定义的算法来生成缩放结果。在其他实施例中,评估模块521基于与每个JHE条目相关联的对应的规范的JHE来进一步生成针对每个JHE条目的验证结果。在一个实施例中,在步骤522,将经验证的规范的JHE和经验证的JHE条目两者附加到CVS数据库中的委托人记录。
在一个新颖方面,一个或多个验证程序被用于基于预定义的准则来验证JHE。JHE程序包括机器人联系验证程序、社交媒体搜索程序和同行确认过程。图6A、6B和6C详细示出上述JHE验证程序。
图6A示出根据本发明的实施例的用于与发行人/记录保存者进行机器人联系JHE验证的示例性示图。当需要联系发行人进行验证时,JHE验证可为经识别的规范的JHE提供机器人验证。在一个实施例中,过程610为聊天机器人(Chatbot)语音呼叫和/或电子邮件创建一个或多个验证脚本。在过程613识别一个或多个所识别的JHE。JHE包括附加信息,例如工作年限、任职时间和所担任的职位。过程611将JHE细节和附加信息作为到深度学习模型612的输入,深度学习模型612又产生适当的规范的JHE 613。过程614使用深度学习模型612针对每个规范的JHE生成验证脚本。JHE验证确定用于机器人JHE验证的一个或多个验证方法,包括机器人聊天机器人621和/或电子邮件622。机器人程序631基于生成的脚本启用机器人验证程序。电子邮件响应和/或聊天机器人音频响应将由过程632提取并由过程633分析。如果响应是电话消息或聊天机器人对话,则在步骤634,通过语音到文本RNN模型将音频转换为文本。然后在633,分析经转换的文本,其中RNN对文本执行NLP/NLU。来自电子邮件和/或音频两者的结果被合并。将验证的或拒绝验证的结果附加到CVS的请求记录。在步骤630生成确证验证值/结果的集合。
图6B示出根据本发明的实施例的用于使用社交媒体搜索的JHE验证的示例性示图。使用社交媒体搜索在委托人的专业社交媒体上搜索。过程651是提取工作经历属性,例如,行业和技能。过程652识别专业社交媒体网络601并在专业社交媒体站点上进行爬取。过程653收集与JHE属性相关的证据/确证。过程654对委托人的专业社交媒体存在进行深入分析。例如,他的评论的质量、关注者的数量以及他关注的人。在过程654的验证的结果包括证据、日期、证据的图片(例如会议演示、受邀谈话、视频和行业识别)等。收集每个证据/确证,并将其放在由每个规范的JHE和/或属性所分类的确证收集中。所收集的确证与由其他JHE验证程序生成的其他确证组合以生成每个标识的规范的JHE的整体视图。在一个实施例中,基于相关联的规范的JHE为每个JHE条目生成整体评估/验证。
图6C示出根据本发明的实施例的用于使用同行确认的JHE验证的示例性示图。在一个实施例中,通过同行确认来验证JHE。CVS基本上是仅成员的团体。它在社区内是透明的和可信的。同行确认是让CVS委托人确认另一委托人的JHE。过程661提取工作经历属性,例如,行业和技能。过程662识别委托人的同行的群组。在一个实施例中,具有许可的JHE或JHE的部分被群播到所识别的同行用于确认。过程663收集与JHE属性相关的证据/确证。过程664对来自一个或多个同行的一个或多个响应进行评估和分析。在过程654的验证的结果包括证据、日期、证据的图片(例如会议演示、受邀谈话、视频和行业识别)等。收集每个证据/确证,并将其放在由每个规范的JHE和/或属性所分类的确证收集中。
图7示出根据本发明的实施例的用于使用CVS的委托人记录和/或JHE发布授权过程的示例性示图。委托人可以授权向受益人发布他的凭证和JHE。CVS提供两种服务:(1)如果受益人被给予特权,则授权受益人访问委托人的简档,以及(2)向受益人发送JHE的经“公证”或认证的JHE副本。发送JHE的副本可以由受益人和委托人两者发起。如果它是由受益人发起的,那么它需要得到委托人的批准。另一方面,委托人可以直接授权向受益人发送JHE的副本。例如,委托人授权CVS将他的会议论文发送给受益人。
受益人710可以通过在过程711中发送访问请求来请求对一个或多个委托人记录的访问。受益人710还可以在过程712中请求委托人的JHE的副本。在从受益人710接收到一个或多个请求后,CVS识别所请求的一个或多个委托人,并将对应的请求交易存储在CVS区块链数据库中的每个对应的委托人的请求记录中。在确定来自受益人的请求被授权后,在过程771中,CVS向受益人发送JHE的经认证的副本。
在从受益人接收到请求时,在过程731中,CVS 730首先将请求交易附加到区块链。在过程751,CVS 730向委托人720通知该请求。在一个实施例中,通知过程751检查具有访问/隐私设置的委托人记录。在另一实施例中,CVS处理来自受益人的请求,并且检测授权信息。在又一实施例中,从委托人720接收关于受益人的请求的通知或响应。CVS 730为该请求分析一个或多个访问信息,并且如过程721中那样确定该请求是被准予还是被拒绝。如果CVS 720确定受益人的请求被拒绝,则CVS 720在步骤732将请求拒绝交易附加到区块链,并且在步骤772向受益人发送通知。如果委托人720确定受益人的请求被准予,并且如果该请求是访问CVS中委托人的凭证,则在步骤733批准请求将被附加到区块链,以及CVS 720在步骤772向受益人发送通知。如果经批准的请求是针对凭证的经认证的副本,则在步骤771,CVS 720将经认证的副本发送给受益人,并且将发送交易附加到区块链。
图8A示出根据本发明的实施例的具有IPFS的凭证保险库区块链数据库的示例性框图。CVS包括两种主要的存储技术,转介区块链800和私有星际文件系统(IPFS)810。IPFS是用于在分布式文件系统中存储和共享数据的协议和对等网络。IPFS使用内容寻址来唯一地标识每个文件。它使用密码技术提供去中心化和防篡改存储。在CVS中,分类帐801用于维护委托人的身份、他的资产以及来自委托人和受益人两者的请求。智能合同802建立在分布式分类帐801上。由于分布式分类账允许多方和共享使用,所以分布式分类账可以配备有多方业务逻辑,其更通常地被称为“智能合约”。来自受益人的访问委托人的请求822和对应的资产被维护在请求记录中。委托人的身份数据(包括对应的个人信息、身份证影印件、自拍照和介绍视频)由资产记录程序821管理。
模块821包括附加身份、附加证书和附加JHE。当委托人的身份被验证时,模块将把诸如他的官方身份证的影印件之类的身份文件存储到IPFS 810。IPFS 810返回他的官方身份证的散列地址。散列地址是存储在区块链的分类账中的委托人ID。诸如自拍照、介绍视频等其他支持性文档也存储在IPFS 810中。作为回报,它们的散列地址作为资产ID被存储在区块链800中。对于每个经验证的凭证,凭证信息(例如文凭的影印件、证书)被存储到IPFS810。对应的散列地址是资产ID。类似地,针对工作经历和经验(JHE)的信息被存储在IPFS810中。每个JHE凭证的散列地址是资产ID。模块822在CVS数据库中记录受益人请求记录。模块822执行附加请求交易、附加请求拒绝、附加请求批准和附加发送凭证。
图8B示出根据本发明的实施例的CVS数据库中的资产记录和请求记录的数据结构的示例性框图。区块链分类账是支持CVS的交易的链表。委托人的数据结构851支持不同类型的条目。可以根据需要包括受益人的身份和简档。取决于交易的类型,例如身份、资产(例如凭证和JHE)和请求,结构将包括相关数据。示例性资产记录852包括资产ID、状态和时间戳。资产ID是存储在IPFS中的资产数据的散列地址。示例性请求记录853包括请求ID、资产ID、状态和时间戳。请求人ID是受益人ID。
图9示出根据本发明的实施例的用于使用凭证保险库系统的凭证验证程序的示例性流程图。在步骤901,CVS使用具有自然语言过程/自然语言理解(NLP/NLU)的递归神经网络(RNN)模型,基于委托人的工作经历和经验(JHE)的描述,为委托人识别基于技能的规范的JHE的集合,其中CVS中的委托人记录由CVS的基于区块链的数据库中的委托人标识唯一地标识。在步骤902,CVS收集CVS针对每个规范的JHE的一个或多个确证。在步骤903,CVS使用深度学习模型基于所收集的一个或多个确证来评估每个规范的JHE以验证对应的规范的JHE。在步骤904,CVS将每个经验证的规范的JHE附加到CVS的基于区块链的数据库中的委托人记录。
尽管出于指导的目的已经结合某些特定实施例描述了本发明,但是本发明不限于此。因此,在不偏离根据权利要求书中所阐述的本发明的范围的情况下,可实践所描述的实施例的各种特征的各种修改、调适和组合。
Claims (16)
1.一种基于技能的凭证验证的方法,包括:
由凭证保险库系统使用具有自然语言过程/自然语言理解的递归神经网络模型,基于委托人的工作经历和经验的描述,为所述委托人识别基于技能的规范的工作经历和经验的集合,其中所述凭证保险库系统具有与至少一个存储器单元耦接的一个或多个处理器,以及凭证保险库系统中的委托人记录由所述凭证保险库系统的基于区块链的数据库中的委托人标识唯一地标识;
由所述凭证保险库系统从社交媒体网络收集针对每个规范的工作经历和经验的一个或多个确证;
使用深度学习模型基于所收集的一个或多个确证来评估每个规范的工作经历和经验以验证对应的规范的工作经历和经验;
将每个经验证的规范的工作经历和经验附加到所述凭证保险库系统的基于区块链的数据库中的委托人记录;
使用深度学习模型来识别针对每个规范的工作经历和经验的搜索属性;
识别委托人相关的专业社交媒体资源;以及
基于所识别的搜索属性在所识别的社交媒体资源上的搜索结果来收集确证。
2.根据权利要求1所述的方法,其中从所述凭证保险库系统中的一个或多个成员委托人收集针对每个规范的工作经历和经验的确证。
3.根据权利要求2所述的方法,还包括:
基于委托人记录识别所述凭证保险库系统中的成员委托人的群组;
将具有所述委托人的信息的验证请求群播到所识别的成员委托人的群组用于验证;
分析来自一个或多个成员委托人的对验证请求的一个或多个响应;以及
针对所述委托人的一个或多个对应的规范的工作经历和经验生成一个或多个确证。
4.根据权利要求1所述的方法,其中对每个规范的工作经历和经验的评估生成评估报告,以及其中将所述评估报告附加到所述凭证保险库系统的基于区块链的数据库中。
5.根据权利要求1所述的方法,还包括在将经验证的规范的工作经历和经验附加到所述凭证保险库系统的基于区块链的数据库之前认证所述委托人。
6.根据权利要求5所述的方法,其中认证所述委托人涉及:
获得所述委托人的自拍照以及官方照片ID;
从社交媒体网络收集委托人的图像;以及
基于所收集的图像,使用深度学习模型来执行对所接收的自拍照的面部识别。
7.根据权利要求1所述的方法,其中基于区块链的数据库包括凭证保险库区块链和私有星际文件系统。
8.根据权利要求7所述的方法,其中规范的工作经历和经验报告被存储在所述私有星际文件系统中,以及所述规范的工作经历和经验报告的资产ID被附加到所述凭证保险库区块链。
9.一种基于技能的凭证验证的系统,包括:
一个或多个网络接口,所述一个或多个网络接口将所述系统与社交媒体网络连接;
识别模块,所述识别模块使用具有自然语言过程/自然语言理解的递归神经网络模型,基于委托人的工作经历和经验的描述,为所述委托人识别基于技能的规范的工作经历和经验的集合,其中凭证保险库系统中的委托人记录由所述凭证保险库系统的基于区块链的数据库中的委托人标识唯一地标识;
收集模块,所述收集模块从社交媒体网络收集所述系统针对每个规范的工作经历和经验的一个或多个确证;
评估模块,所述评估模块使用深度学习模型基于所收集的一个或多个确证来评估每个规范的工作经历和经验,以验证对应的规范的工作经历和经验;
数据库接口模块,所述数据库接口模块将每个经验证的规范的工作经历和经验附加到所述系统的基于区块链的数据库中的委托人记录;以及
社交媒体模块,所述社交媒体模块使用深度学习模型来识别针对每个规范的工作经历和经验的搜索属性,识别委托人相关的专业社交媒体资源,以及基于所识别的搜索属性在所识别的社交媒体资源上的搜索结果来收集确证。
10.根据权利要求9所述的系统,其中从所述系统中的一个或多个成员委托人收集针对每个规范的工作经历和经验的所述确证。
11.根据权利要求10所述的系统,还包括:同行模块,所述同行模块基于委托人记录识别所述凭证保险库系统中的成员委托人的群组,将具有所述委托人的信息的验证请求群播到所识别的成员委托人的群组用于验证,分析来自一个或多个成员委托人的对所述验证请求的一个或多个响应,以及针对所述委托人的一个或多个对应的规范的工作经历和经验生成一个或多个确证。
12.根据权利要求9所述的系统,其中对每个规范的工作经历和经验的评估生成评估报告,以及其中所述评估报告附加到所述系统的基于区块链的数据库中。
13.根据权利要求9所述的系统,还包括委托人模块,所述委托人模块在将经验证的规范的工作经历和经验附加到所述系统的基于区块链的数据库之前认证所述委托人。
14.根据权利要求13所述的系统,其中认证所述委托人涉及:
获得所述委托人的自拍照以及官方照片ID;
从社交媒体网络收集委托人的图像;以及
基于所收集的图像,使用深度学习模型来执行对所接收的自拍照的面部识别。
15.根据权利要求9所述的系统,其中基于区块链的数据库包括凭证保险库区块链和私有星际文件系统。
16.根据权利要求15所述的系统,其中规范的工作经历和经验报告被存储在所述私有星际文件系统中,以及规范的凭证报告的资产ID被附加到所述凭证保险库区块链。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/130,158 | 2020-12-22 | ||
US17/130,158 US11068908B1 (en) | 2020-12-22 | 2020-12-22 | Skill-based credential verification by a credential vault system (CVS) |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686640A CN112686640A (zh) | 2021-04-20 |
CN112686640B true CN112686640B (zh) | 2022-02-08 |
Family
ID=75456225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110018073.3A Active CN112686640B (zh) | 2020-12-22 | 2021-01-07 | 凭证保险库系统的基于技能的凭证验证 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11068908B1 (zh) |
CN (1) | CN112686640B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11475141B1 (en) | 2022-03-15 | 2022-10-18 | My Job Matcher, Inc. | Apparatus and methods for verifying lost user data |
US11847660B2 (en) * | 2022-05-13 | 2023-12-19 | Stynt Inc. | Apparatus for automatic credential classification |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844748B (zh) * | 2017-10-17 | 2019-02-05 | 平安科技(深圳)有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
US11115360B2 (en) * | 2018-07-30 | 2021-09-07 | Slack Technologies, Inc. | Method, apparatus, and computer program product for categorizing multiple group-based communication messages |
US10693872B1 (en) * | 2019-05-17 | 2020-06-23 | Q5ID, Inc. | Identity verification system |
CN110298034A (zh) * | 2019-06-01 | 2019-10-01 | 韶关市启之信息技术有限公司 | 一种基于深度学习和区块链奖励机制的分词方法和系统 |
CN110889291B (zh) * | 2019-11-21 | 2023-06-27 | 山东浪潮科学研究院有限公司 | 一种基于深度学习和区块链的研报评价方法 |
CN111414122B (zh) * | 2019-12-26 | 2021-06-11 | 腾讯科技(深圳)有限公司 | 一种智能文本处理方法、装置、电子设备及存储介质 |
CN111552955B (zh) * | 2020-04-29 | 2023-03-28 | 合肥井创数字科技有限公司 | 一种基于区块链和ipfs的个人身份认证方法及装置 |
-
2020
- 2020-12-22 US US17/130,158 patent/US11068908B1/en active Active
-
2021
- 2021-01-07 CN CN202110018073.3A patent/CN112686640B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112686640A (zh) | 2021-04-20 |
US11068908B1 (en) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10705801B2 (en) | Data processing systems for identity validation of data subject access requests and related methods | |
Schlatt et al. | Designing a framework for digital KYC processes built on blockchain-based self-sovereign identity | |
US20100198863A1 (en) | Career authentication system, career authentication method using the same, and recording medium having program stored therein to execute career authentication method | |
US20050055231A1 (en) | Candidate-initiated background check and verification | |
US20060047725A1 (en) | Opt-in directory of verified individual profiles | |
US20020107792A1 (en) | System and method for facilitating billing allocation within an access controlled environment via a global network such as the internet | |
US20030200217A1 (en) | Method for user verification and authentication and multimedia processing for interactive database management and method for viewing the multimedia | |
WO2016128568A1 (en) | Authentication of web content | |
CN109636318A (zh) | 一种不动产登记系统及不动产登记的方法 | |
Sullivan et al. | Blockchain, digital identity, e-government | |
US9785949B2 (en) | Customer communication analysis tool | |
CN112686640B (zh) | 凭证保险库系统的基于技能的凭证验证 | |
Hsu et al. | Design of an e-diploma system based on consortium blockchain and facial recognition | |
JP2005190452A (ja) | 認証システム | |
Goode | Digital identity: solving the problem of trust | |
US20120278251A1 (en) | System and method for compliant integrated paperless workflow | |
Bochnia et al. | Self-Sovereign Identity for Organizations: Requirements for Enterprise Software | |
WO2006075396A1 (ja) | 認証システム | |
WO2020039173A1 (en) | Transaction system and method | |
AU2021102987A4 (en) | Computer Platform and Method for Securely Exchanging Confidential Data and Generating Legal Documents | |
CN112686641B (zh) | 基于区块链的凭证保险库系统 | |
CN113112232A (zh) | 线上贷款审核方法、审核装置、电子设备及存储介质 | |
Ogbonnia et al. | Centralized Online Transcript Verification System for Nigeria Tertiary Institutions. A propositional Model | |
AU2021105765A4 (en) | Computer platform and method for securely exchanging confidential data and generating legal documents, with pro bono module | |
Scollan et al. | Perspectives on New Forms of Remote Identity Proofing and Authentication for IRS Online Services |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220513 Address after: Basement-1-025-b of buildings 1, 2, 3, 4 and 5, yard 8, Xindong Road, Chaoyang District, Beijing Patentee after: RoCos Technology (Beijing) Co.,Ltd. Address before: Hong Kong, China Patentee before: RoCos Management Consultants Ltd. |