CN114359982A - 一种基于大数据处理的反欺诈系统及方法 - Google Patents

Abstract

本发明公开了一种基于大数据处理的反欺诈系统及方法，所述反欺诈系统包括指纹采集模块、第一相似度比较模块、第二相似度比较模块、时间间隔获取比较模块、指纹分析模块和驾驶行为分析模块，所述指纹采集模块用于采集当前学员的第一指纹图像和第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，所述第一相似度比较模块将当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度进行比较，当两者的相似度大于第一相似度阈值时，令所述第二相似度比较模块当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度进行比较。

Description

一种基于大数据处理的反欺诈系统及方法

技术领域

本发明涉及大数据技术领域，具体为一种基于大数据处理的反欺诈系统及方法。

背景技术

随着我国经济的快速发展，人们的生活出行品质要求也越来越高，越来越多的家庭配备了私家车。在驾驶车辆之前，需要到驾校学习驾驶技术然后考取驾驶证，从而保证行车过程中的安全性。

在驾驶证考试之前，学员需要满足一定的开车训练时长后才能去参加考试。现有技术中，一般是通过指纹来验证正在开车训练的学员身份，但是为了加快学员去考试的进度，目前存在一些通过指纹作假的欺诈行为来刷取开车训练时长。

发明内容

本发明的目的在于提供一种基于大数据处理的反欺诈系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据处理的反欺诈系统，所述反欺诈系统包括指纹采集模块、第一相似度比较模块、第二相似度比较模块、时间间隔获取比较模块、指纹分析模块和驾驶行为分析模块，所述指纹采集模块用于采集当前学员的第一指纹图像和第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，所述第一相似度比较模块将当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度进行比较，当两者的相似度大于第一相似度阈值时，令所述第二相似度比较模块当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度进行比较，如果两者的相似度大于第二相似度阈值时，所述时间间隔获取比较模块获取第一指纹图像和第二指纹图像之间的时间间隔，如果时间间隔小于预设间隔阈值，令指纹分析模块分析第一指纹图像和第二指纹图像，并据此判断是否令驾驶行为分析模块获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

进一步的，所述指纹分析模块包括接触面积采集比较模块、特征点提取模块、距离获取比较模块、夹角采集模块、预验证参数计算模块和预验证参数比较模块，所述接触面积采集比较模块用于采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，并在接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内时，令特征点提取模块提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，所述距离获取比较模块用于获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，并在距离l位于距离阈值的波动范围内时，令夹角采集模块获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，所述预验证参数计算模块根据夹角采集模块的获取的数据计算当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角，所述预验证参数比较模块将当前学员的预验证参数与预验证阈值进行比较，如果当前学员的预验证参数小于预验证阈值，令驾驶分析模块工作。

进一步的，所述驾驶行为分析模块包括练车犯错统计模块、练车时长统计模块、预估参数计算比较模块和方向盘操作信息采集模块，所述练车犯错统计模块用于获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，在比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，令练车时长统计模块获取当前学员从开始练车的预设时间段每次练车的平均时长hd，所述预估参数计算比较模块用于计算预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长，在预估参数小于预估参数阈值时，令所述方向盘操作信息采集模块对学员方向盘操作信息进行采集验证当前学员的身份。

进一步的，所述方向盘操作信息采集模块包括停顿位置采集模块、距离差之和计算模块和距离差之和比较模块，所述停顿位置采集模块用于采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，所述距离差之和计算模块用于统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，所述距离差之和比较模块用于将距离差之和与距离差之和阈值进行比较，在距离差之和小于等于距离差之和阈值时，当前学员身份验证通过。

一种基于大数据处理的反欺诈方法，所述反欺诈方法包括以下步骤：

采集当前学员的第一指纹图像，如果当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度大于第一相似度阈值，采集当前学员的第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，

如果当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度大于第二相似度阈值，那么获取第一指纹图像和第二指纹图像之间的时间间隔，

如果时间间隔大于等于预设间隔阈值，那么当前学员身份验证不通过；

如果时间间隔小于预设间隔阈值，分析第一指纹图像和第二指纹图像，判断是否要获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

进一步的，所述判断是否要获取当前学员的驾驶行为信息包括以下步骤：

分别采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，如果接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内，

那么提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，如果距离l位于距离阈值的波动范围内，

获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，那么当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角；

如果当前学员的预验证参数大于预验证阈值，那么当前学员身份验证通过；

如果当前学员的预验证参数小于预验证阈值，判断要获取当前学员的驾驶行为信息。

进一步的，所述进一步验证当前学员的身份包括：

获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，

如果比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，

那么获取当前学员从开始练车的预设时间段每次练车的平均时长hd，那么预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长；

如果预估参数大于等于预估参数阈值，那么当前学员身份验证通过；

如果预估参数小于预估参数阈值，对学员方向盘操作信息进行采集。

进一步的，所述对学员方向盘操作信息进行采集包括：

采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，

如果距离差之和小于等于距离差之和阈值，那么当前学员身份验证通过；

否则，当前学员身份验证不通过。

进一步的，所述当前学员身份验证不通过之后还包括：

将当前学员的练车时长恢复到开始练车前记录的练车时长。

与现有技术相比，本发明所达到的有益效果是：本发明通过采集手指不同角度的指纹，并对采集到的不同角度的指纹进行初步判断当前学员的指纹是否为真，在通过指纹无法判断学员的指纹是否为真时，采集当前学员的开车驾驶行为，并将其与上一个学员的开车驾驶行为进行比较，防止上一个学员假冒当前学员驾车混取开车训练时长，导致开车训练时长欺诈。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于大数据处理的反欺诈系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于大数据处理的反欺诈系统，所述反欺诈系统包括指纹采集模块、第一相似度比较模块、第二相似度比较模块、时间间隔获取比较模块、指纹分析模块和驾驶行为分析模块，所述指纹采集模块用于采集当前学员的第一指纹图像和第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，所述第一相似度比较模块将当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度进行比较，当两者的相似度大于第一相似度阈值时，令所述第二相似度比较模块当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度进行比较，如果两者的相似度大于第二相似度阈值时，所述时间间隔获取比较模块获取第一指纹图像和第二指纹图像之间的时间间隔，如果时间间隔小于预设间隔阈值，令指纹分析模块分析第一指纹图像和第二指纹图像，并据此判断是否令驾驶行为分析模块获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

所述指纹分析模块包括接触面积采集比较模块、特征点提取模块、距离获取比较模块、夹角采集模块、预验证参数计算模块和预验证参数比较模块，所述接触面积采集比较模块用于采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，并在接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内时，令特征点提取模块提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，所述距离获取比较模块用于获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，并在距离l位于距离阈值的波动范围内时，令夹角采集模块获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，所述预验证参数计算模块根据夹角采集模块的获取的数据计算当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角，所述预验证参数比较模块将当前学员的预验证参数与预验证阈值进行比较，如果当前学员的预验证参数小于预验证阈值，令驾驶分析模块工作。

所述驾驶行为分析模块包括练车犯错统计模块、练车时长统计模块、预估参数计算比较模块和方向盘操作信息采集模块，所述练车犯错统计模块用于获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，在比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，令练车时长统计模块获取当前学员从开始练车的预设时间段每次练车的平均时长hd，所述预估参数计算比较模块用于计算预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长，在预估参数小于预估参数阈值时，令所述方向盘操作信息采集模块对学员方向盘操作信息进行采集验证当前学员的身份。

所述方向盘操作信息采集模块包括停顿位置采集模块、距离差之和计算模块和距离差之和比较模块，所述停顿位置采集模块用于采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，所述距离差之和计算模块用于统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，所述距离差之和比较模块用于将距离差之和与距离差之和阈值进行比较，在距离差之和小于等于距离差之和阈值时，当前学员身份验证通过。

一种基于大数据处理的反欺诈方法，所述反欺诈方法包括以下步骤：

采集当前学员的第一指纹图像，如果当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度大于第一相似度阈值，采集当前学员的第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指以不同角度放在指纹采集器上的指纹图像，本实施例中，第一指纹图像为手指平放在指纹采集器上时采集到的指纹图像，第二指纹图像为手指侧放在指纹采集器上时采集到的指纹图像；

如果当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度大于第二相似度阈值，那么获取第一指纹图像和第二指纹图像之间的时间间隔，如果所采集到的两个指纹图像确实是当前学员的指纹图像，因为采集两个指纹之间只需要将手指稍微转动一下摆放，所以采集到这两个指纹图像之间的时间间隔应该相对较短；第一相似度和第二相似度根据实际情况进行设置；

如果时间间隔大于等于预设间隔阈值，那么当前学员身份验证不通过；

如果时间间隔小于预设间隔阈值，分析第一指纹图像和第二指纹图像，判断是否要获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

所述判断是否要获取当前学员的驾驶行为信息包括以下步骤：

分别采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，如果接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内，一个人的习惯通常是不怎么变化的，因此一个人在按压触摸指纹采集器时对指纹采集器的压力时不怎么变化的，从而导致手指与指纹采集的接触面积不怎么变化；当接触面积s1位于第一接触面积阈值的波动范围之外且接触面积s2位于第二接触面积阈值的波动范围之外，可以判断当前学员身份验证不通过，当仅仅其中一个接触面积位于接触面积阈值的波动范围之外时，可以传输信息重新采集指纹图像；

那么提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，如果距离l位于距离阈值的波动范围内，本申请中通过第一特征点和第二特征点之间的距离除了是基于个人的按压习惯不同之外，还因为在使用假指纹进行指纹验证采集时，所谓的假指纹一般是假指纹膜或者假指纹套，因此在使用假指纹进行指纹采集时，假指纹与人手指的贴合度相对于人体自身的指纹与人手指的贴合度较低，而在采集指纹图像时需要一定程度的压力按压指纹采集器，当贴合度较低时，手指又施加按压力，从而造成按压位置的偏移，从而导致采集的指纹图像的中心点的偏移；

获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，那么当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角，上文讲到，一个人的习惯往往变化时非常小的，第一指纹图像是手指平放在指纹采集器，夹角a1应当是为0， 第二指纹图像是手指侧放在指纹采集器上，手指的背面与水平面会呈一个锐角，这个锐角不同的人的习惯应当会有所区别；

如果当前学员的预验证参数大于预验证阈值，那么当前学员身份验证通过；

如果当前学员的预验证参数小于预验证阈值，判断要获取当前学员的驾驶行为信息。

所述进一步验证当前学员的身份包括：

获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，不同学员的练车水平、进度和熟练度是不一样的，因此在进行指纹验证分析后进一步通过学员的学车时的驾驶情况来进一步分析学员的身份；本申请中一次练车过程中犯错的次数是指执行一次操作，比如，练倒车入库，在一次倒车入库中犯错了，那么该次倒车入库称为一次练车过程中犯错了；

如果比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，

那么获取当前学员从开始练车的预设时间段每次练车的平均时长hd，那么预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长；除了可以与上一个学员进行比较，还可以将其与除当前学员以外的学员进行比较，从而使得判断当前学员是否通过假指纹刷训练时长的结构更加准确；

如果预估参数大于等于预估参数阈值，那么当前学员身份验证通过；

如果预估参数小于预估参数阈值，对学员方向盘操作信息进行采集。

所述对学员方向盘操作信息进行采集包括：

采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，学员在练车时都是通过一定的点位来判断是否要进行下一步操作，不同的学员虽然用于判断的点位位置的相差不大，但是每个人判断车辆是否到达了相应的点位位置，再加上不同人的反应能力不一样，所以在操作方向盘过程中的停顿时车辆位置会存在差别；

如果距离差之和小于等于距离差之和阈值，那么当前学员身份验证通过；

否则，当前学员身份验证不通过。

所述当前学员身份验证不通过之后还包括：

将当前学员的练车时长恢复到开始练车前记录的练车时长。

需要说明的是，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。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据处理的反欺诈系统，其特征在于，所述反欺诈系统包括指纹采集模块、第一相似度比较模块、第二相似度比较模块、时间间隔获取比较模块、指纹分析模块和驾驶行为分析模块，所述指纹采集模块用于采集当前学员的第一指纹图像和第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，所述第一相似度比较模块将当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度进行比较，当两者的相似度大于第一相似度阈值时，令所述第二相似度比较模块当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度进行比较，如果两者的相似度大于第二相似度阈值时，所述时间间隔获取比较模块获取第一指纹图像和第二指纹图像之间的时间间隔，如果时间间隔小于预设间隔阈值，令指纹分析模块分析第一指纹图像和第二指纹图像，并据此判断是否令驾驶行为分析模块获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

2.根据权利要求1所述的一种基于大数据处理的反欺诈系统，其特征在于：所述指纹分析模块包括接触面积采集比较模块、特征点提取模块、距离获取比较模块、夹角采集模块、预验证参数计算模块和预验证参数比较模块，所述接触面积采集比较模块用于采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，并在接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内时，令特征点提取模块提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，所述距离获取比较模块用于获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，并在距离l位于距离阈值的波动范围内时，令夹角采集模块获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，所述预验证参数计算模块根据夹角采集模块的获取的数据计算当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角，所述预验证参数比较模块将当前学员的预验证参数与预验证阈值进行比较，如果当前学员的预验证参数小于预验证阈值，令驾驶分析模块工作。

3.根据权利要求2所述的一种基于大数据处理的反欺诈系统，其特征在于：所述驾驶行为分析模块包括练车犯错统计模块、练车时长统计模块、预估参数计算比较模块和方向盘操作信息采集模块，所述练车犯错统计模块用于获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，在比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，令练车时长统计模块获取当前学员从开始练车的预设时间段每次练车的平均时长hd，所述预估参数计算比较模块用于计算预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长，在预估参数小于预估参数阈值时，令所述方向盘操作信息采集模块对学员方向盘操作信息进行采集验证当前学员的身份。

4.根据权利要求3所述的一种基于大数据处理的反欺诈系统，其特征在于：所述方向盘操作信息采集模块包括停顿位置采集模块、距离差之和计算模块和距离差之和比较模块，所述停顿位置采集模块用于采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，所述距离差之和计算模块用于统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，所述距离差之和比较模块用于将距离差之和与距离差之和阈值进行比较，在距离差之和小于等于距离差之和阈值时，当前学员身份验证通过。

5.一种基于大数据处理的反欺诈方法，其特征在于：所述反欺诈方法包括以下步骤：

采集当前学员的第一指纹图像，如果当前学员的第一指纹图像与该学员预设的第一指纹图像的相似度大于第一相似度阈值，采集当前学员的第二指纹图像，其中，第一指纹图像和第二指纹图像为同一学员的同一手指的以不同角度放在指纹采集器上的指纹图像，

如果当前学员的第二指纹图像与该学员预设的第二指纹图像的相似度大于第二相似度阈值，那么获取第一指纹图像和第二指纹图像之间的时间间隔，

如果时间间隔大于等于预设间隔阈值，那么当前学员身份验证不通过；

如果时间间隔小于预设间隔阈值，分析第一指纹图像和第二指纹图像，判断是否要获取当前学员的驾驶行为信息，进一步验证当前学员的身份。

6.根据权利要求5所述的一种基于大数据处理的反欺诈方法，其特征在于：所述判断是否要获取当前学员的驾驶行为信息包括以下步骤：

分别采集第一指纹图像和第二指纹图像与指纹采集器的接触面积s1、s2，如果接触面积s1位于第一接触面积阈值的波动范围内且接触面积s2位于第二接触面积阈值的波动范围内，

那么提取第一指纹图像的中心点为第一特征点、第二指纹图像的中心点为第二特征点，获取第一特征点、第二特征点在对应手指完整的指纹图像中所对应的位置之间的距离l，如果距离l位于距离阈值的波动范围内，

获取当前学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角a1、a2，那么当前学员的预验证参数P=|a1-k1|+|a2-k2|，其中，k1、k2为上一个学员采集第一指纹图像、第二指纹图像时对应手指的背面所在的平面与水平面的夹角；

如果当前学员的预验证参数大于预验证阈值，那么当前学员身份验证通过；

如果当前学员的预验证参数小于预验证阈值，判断要获取当前学员的驾驶行为信息。

7.根据权利要求6所述的一种基于大数据处理的反欺诈方法，其特征在于：所述进一步验证当前学员的身份包括：

获取当前学员从开始练车的预设时间段内一次练车过程中犯错的次数与练车的次数比值Md，

如果比值Md位于比值Mz的波动范围内，其中，比值Mz为上一个学员练车时一次练车过程中犯错的次数与练车的次数比值，

那么获取当前学员从开始练车的预设时间段每次练车的平均时长hd，那么预估参数U=|hd-hz|，其中，hz为上一个学员练车时每次练车的平均时长；

如果预估参数大于等于预估参数阈值，那么当前学员身份验证通过；

如果预估参数小于预估参数阈值，对学员方向盘操作信息进行采集。

8.根据权利要求7所述的一种基于大数据处理的反欺诈方法，其特征在于：所述对学员方向盘操作信息进行采集包括：

采集从开始练车的预设时间段内当前学员操作方向盘过程中每一次停顿时车辆所在位置，统计每一次停顿时车辆所在位置的平均位置点与该学员最近一次练车时每一次停顿时车辆所在位置的距离差之和，

如果距离差之和小于等于距离差之和阈值，那么当前学员身份验证通过；

否则，当前学员身份验证不通过。

9.根据权利要求8所述的一种基于大数据处理的反欺诈方法，其特征在于：所述当前学员身份验证不通过之后还包括：

将当前学员的练车时长恢复到开始练车前记录的练车时长。

Images