CN115022014A - 登录风险识别方法、装置、设备及存储介质 - Google Patents
登录风险识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115022014A CN115022014A CN202210604655.4A CN202210604655A CN115022014A CN 115022014 A CN115022014 A CN 115022014A CN 202210604655 A CN202210604655 A CN 202210604655A CN 115022014 A CN115022014 A CN 115022014A
- Authority
- CN
- China
- Prior art keywords
- dimension
- login
- information
- address
- weight
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1433—Vulnerability analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/107—Network architectures or network communication protocols for network security for controlling access to devices or network resources wherein the security policies are location-dependent, e.g. entities privileges depend on current location or allowing specific operations only from locally connected terminals
Abstract
本发明涉及人工智能,提供一种登录风险识别方法、装置、设备及存储介质。该方法获取用户账号的登录信息,登录信息包括多个位置维度的历史维度信息及待测维度信息,基于登录信息检测每个位置维度的维度采集率,根据维度采集率及初始采集率调整每个位置维度的初始权重,得到维度权重,根据维度权重及待测维度信息生成登录地址,根据历史维度信息筛选常用地址,将登录地址与常用地址进行比较,若登录地址与常用地址不同,将待测维度信息输入至风险检测模型中,得到用户账号的风险值,提高登录风险识别的准确性。此外,本发明还涉及区块链技术,所述风险值可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种登录风险识别方法、装置、设备及存储介质。
背景技术
随着人工智能的发展,检测用户的登录账户是否存在风险的方式也随之产生。在目前的风险识别方案中,主要采用单一位置信息判断该用户账号是否存在登录风险。然而,由于目标对象很容易通过特定的技术手段修改用户的登录位置信息,造成识别准确率低下。
因此,如何构建准确的登录风险识别方案,成了有待解决的技术问题。
发明内容
鉴于以上内容,有必要提供一种登录风险识别方法、装置、设备及存储介质,能够准确的识别出账号的登录风险。
一方面,本发明提出一种登录风险识别方法,所述登录风险识别方法包括:
当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
基于所述登录信息检测每个位置维度的维度采集率;
根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
根据本发明优选实施例,所述根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重包括:
计算所述维度采集率与所述初始采集率的差值在所述初始采集率中所占的比值,得到调整率;
基于下列公式,根据所述调整率对所述初始权重进行调整,得到所述维度权重:
B=A×(1+K);
其中,B是指所述维度权重,A是指所述初始权重,K是指所述调整率。
根据本发明优选实施例,所述根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址包括:
将相同的待测维度信息进行归类处理,得到至少一个归类信息;
根据每个归类信息所对应的位置维度及所述维度权重计算每个归类信息所对应的信息分数;
将所述信息分数最大的归类信息确定为所述登录地址。
根据本发明优选实施例,所述根据所述历史维度信息筛选所述用户账号的常用地址包括:
根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址;
合并所述多个历史地址中的相同地址,得到至少一个待选地址;
统计每个待选地址在所述多个历史地址中的地址数量;
将所述地址数量大于或者等于配置值的待选地址确定为所述常用地址。
根据本发明优选实施例,所述风险检测模型包括一致性检测网络及聚集性检测网络,所述将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值包括:
基于所述一致性检测网络检测多个所述待测维度信息是否处于同一区域,得到检测结果;
获取所述聚集性检测网络中的聚集区域及所述聚集区域的风险分值;
检测多个所述待测维度信息中是否存在任意维度信息与所述聚集区域相同,并将该聚集区域所在的风险分值确定为目标分值;
获取所述一致性检测网络的第一网络权值,并获取所述聚集性检测网络的第二网络权值;
基于所述第一网络权值及所述第二网络权值对所述检测结果及所述目标分值进行运算,得到所述风险值。
根据本发明优选实施例,所述根据所述登录风险识别请求获取用户账号的登录信息包括:
检测所述登录风险识别请求的请求生成时刻;
计算所述请求生成时刻与预设时间的时间差作为目标时刻;
以所述目标时刻为左区间,所述请求生成时刻为右区间构建时间区间;
根据所述时间区间获取所述用户账号的登录日志;
从所述登录日志中提取与所述多个位置维度对应的信息作为所述登录信息。
根据本发明优选实施例,当所述风险值大于预设值时,所述方法还包括:
根据所述请求生成时刻定位所述用户账号的登录设备;
获取所述用户账号中的账号信息,并检测所述账号信息所对应的信息标签;
获取所述信息标签的优先级别,并将所述优先级别大于配置级别的信息标签确定为目标标签;
根据所述目标标签生成验证请求;
向所述登录设备发送所述验证请求。
另一方面,本发明还提出一种登录风险识别装置,所述登录风险识别装置包括:
获取单元,用于当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
检测单元,用于基于所述登录信息检测每个位置维度的维度采集率;
调整单元,用于根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
生成单元,用于根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
筛选单元,用于根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
输入单元,用于若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述登录风险识别方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述登录风险识别方法。
由以上技术方案可以看出,本发明通过所述登录信息检测出所述用户账号在每个位置维度上的维度采集率,进而根据所述维度采集率对所述初始权重进行调整,能够准确的确定出所述用户账号在每个位置维度上的维度权重,进一步地,由于所述维度权重越高的位置维度通常越不易被篡改,因此,根据所述维度权重及所述待测维度信息能够准确的确定出所述用户账号的真实登录地址,避免了目标对象通过特定技术手段修改地理位置而造成无法准确确定出真实登录地址,进而在所述登录地址与所述常用地址不同时,利用所述风险检测模型对所述待测维度信息进行评估,以准确的确定出所述风险值,有利于账号登录风险的确定。
附图说明
图1是本发明登录风险识别方法的较佳实施例的流程图。
图2是本发明登录风险识别装置的较佳实施例的功能模块图。
图3是本发明实现登录风险识别方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明登录风险识别方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述登录风险识别方法可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述登录风险识别方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户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、个人数字助理(Personal Digital Assistant, PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所处的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息。
在本发明的至少一个实施例中,所述登录风险识别请求可以在检测到有账号登录时触发生成。所述登录风险识别请求中携带有请求生成时刻等信息。
所述用户账号是指触发所述登录风险识别请求生成的账号,所述用户账号可以是任意平台上的注册账号。
所述多个位置维度包括,但不限于:基站维度、IP地址维度、经纬度维度及时区维度等维度。
所述历史维度信息是指所述用户账号在所述请求生成时刻之前的时间点登录时所产生的与所述多个位置维度对应的信息。所述待测维度信息是指所述用户账号在所述请求生成时刻登录时所产生的与所述多个位置维度对应的信息。
在本发明的至少一个实施例中,所述电子设备根据所述登录风险识别请求获取用户账号的登录信息包括:
检测所述登录风险识别请求的请求生成时刻;
计算所述请求生成时刻与预设时间的时间差作为目标时刻;
以所述目标时刻为左区间,所述请求生成时刻为右区间构建时间区间;
根据所述时间区间获取所述用户账号的登录日志;
从所述登录日志中提取与所述多个位置维度对应的信息作为所述登录信息。
其中,所述预设时间可以根据需求设定。例如,所述预设时间可以是2 小时。
所述登录日志是指日志生成时间处于所述时间区间,且与所述用户账号对应的日志。
通过所述请求生成时刻及所述预设时间能够准确的构建出所述时间区间,进而根据所述时间区间筛选出所述登录日志,能够从所述登录日志中准确的获取到登录时间处于所述时间区间的登录信息。
S11,基于所述登录信息检测每个位置维度的维度采集率。
在本发明的至少一个实施例中,所述维度采集率是指每个位置维度所对应的信息在所述登录信息中的占比。
在本发明的至少一个实施例中,所述电子设备基于所述登录信息检测每个位置维度的维度采集率包括:
统计每个位置维度在所述登录信息中的信息量,得到每个位置维度的目标数量,并统计所述登录信息的总信息量;
计算每个目标数量在所述总信息量的比值,得到所述维度采集率。
例如,所述登录信息的总量有100个数据,基站维度的总量有40个数据,IP地址维度的总量有25个数据,经纬度维度的总量有25个,时区维度的总量有10个,经计算,所述基站维度的维度采集率为40%,所述IP地址维度的维度采集率为25%,所述经纬度维度的维度采集率为25%,所述时区维度的维度采集率为10%。
通过上述实施方式。能够准确的确定出所述维度采集率。
S12,根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系。
在本发明的至少一个实施例中,所述初始采集率可以根据信息采集的难易程度设定,所述初始权重可以根据信息篡改的难易程度设定。此外,所述初始采集率越高,所述初始权重的设定也越高。
在本发明的至少一个实施例中,所述电子设备根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重包括:
计算所述维度采集率与所述初始采集率的差值在所述初始采集率中所占的比值,得到调整率;
基于下列公式,根据所述调整率对所述初始权重进行调整,得到所述维度权重:
B=A×(1+K);
其中,B是指所述维度权重,A是指所述初始权重,K是指所述调整率。
例如,所述维度采集率为44%,所述初始采集率为40%,经计算,得到所述调整率为0.1,若所述初始权值为0.5,则所述维度权重为0.55。
通过所述维度采集率及所述初始采集率能够准确的确定出所述调整率,从而根据所述调整率能够准确的对所述初始权重进行调整,提高所述维度权重的准确性。
S13,根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址。
在本发明的至少一个实施例中,所述登录地址是指所述用户账号所处的真实地址。
在本发明的至少一个实施例中,所述电子设备根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址包括:
将相同的待测维度信息进行归类处理,得到至少一个归类信息;
根据每个归类信息所对应的位置维度及所述维度权重计算每个归类信息所对应的信息分数;
将所述信息分数最大的归类信息确定为所述登录地址。
例如,基站维度所对应的待测维度信息为:A地址,IP地址维度所对应的待测维度信息为:B地址,经纬度维度所对应的待测维度信息为:所述B地址,时区维度所对应的待测维度信息为:所述A地址,经归类处理后,得到归类信息包括:所述A地址及所述B地址,若所述基站维度所对应的维度权重为0.5,所述IP地址维度所对应的维度权重为0.15,所述经纬度维度所对应的维度权重为0.24,所述时区维度所对应的维度权重为 0.11,经计算,得到所述A地址的信息分数为0.5+0.11=0.61,所述B地址的信息分数为0.15+0.24=0.39,因此,所述登录地址为:所述A地址。
通过所述维度权重及所述待测维度信息确定出所述登录地址,能够避免目标对象同时修改多个维度上的位置信息而造成无法准确的确定出所述登录地址,提高了所述登录地址的准确性。
S14,根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较。
在本发明的至少一个实施例中,所述常用地址是指所述用户账号经常登录的地址。
在本发明的至少一个实施例中,所述电子设备根据所述历史维度信息筛选所述用户账号的常用地址包括:
根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址;
合并所述多个历史地址中的相同地址,得到至少一个待选地址;
统计每个待选地址在所述多个历史地址中的地址数量;
将所述地址数量大于或者等于配置值的待选地址确定为所述常用地址。
其中,所述配置值可以根据所述用户账号的持有者的画像信息设定,例如,若所述持有者的画像信息表征所述持有者经常出差,则所述配置值可以设置为3;若所述持有者的画像信息表征所述持有者不常外出,则所述配置值可以设置为30。所述配置值可以根据实际情况设定,本发明对此不再赘述。
通过对所述历史维度信息进行加权和分析,能够准确的生成所述多个历史地址,进而对所述多个历史地址中的待选地址进行统计,以及根据所述地址数量与所述配置值的分析,能够准确的从所述多个历史地址中选取出所述常用地址。
具体地,所述电子设备根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址与所述电子设备根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址的方式相同,本发明对此不再赘述。
S15,若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
在本发明的至少一个实施例中,所述风险检测模型用于检测所述用户账号的风险值。所述风险值越高,意味着所述用户账号在所述请求生成时刻的登录风险越大。
需要强调的是,为进一步保证上述风险值的私密和安全性,上述风险值还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述风险检测模型包括一致性检测网络及聚集性检测网络,所述电子设备将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值包括:
基于所述一致性检测网络检测多个所述待测维度信息是否处于同一区域,得到检测结果;
获取所述聚集性检测网络中的聚集区域及所述聚集区域的风险分值;
检测多个所述待测维度信息中是否存在任意维度信息与所述聚集区域相同,并将该聚集区域所在的风险分值确定为目标分值;
获取所述一致性检测网络的第一网络权值,并获取所述聚集性检测网络的第二网络权值;
基于所述第一网络权值及所述第二网络权值对所述检测结果及所述目标分值进行运算,得到所述风险值。
其中,所述检测结果可以包括多个所述待测维度信息处于同一区域,该检测结果可以用“0”表示;所述检测结果还可以包括多个所述待测维度信息处于不同区域,该检测结果可以用“1”表示。
所述聚集区域是指目标对象所聚集的区域。例如,所述聚集区域可以是网络中所公布的目标对象所在地。
所述第一网络权值是指所述一致性检测网络对风险检测的影响度,所述第二网络权值是指所述聚集性检测网络对风险检测的影响度。
通过所述风险检测模型对所述待测维度信息进行分析,能够准确的确定出所述用户账号的风险值。
在本发明的至少一个实施例中,当所述风险值大于预设值时,所述方法还包括:
根据所述请求生成时刻定位所述用户账号的登录设备;
获取所述用户账号中的账号信息,并检测所述账号信息所对应的信息标签;
获取所述信息标签的优先级别,并将所述优先级别大于配置级别的信息标签确定为目标标签;
根据所述目标标签生成验证请求;
向所述登录设备发送所述验证请求。
其中,所述预设值可以根据实际需求设定,例如,所述预设值为0.8。
所述登录设备是指所述用户账号在所述请求生成时刻所登录的设备。
所述信息标签可以包括,但不限于:手机号码、人脸信息等标签。
所述优先级别是指所述信息标签在安全方面所排列的位置。例如,人脸信息标签的优先级别为1,手机号码的优先级别为2。
所述配置级别可以根据需求设定,例如,所述配置级别可以是2。
通过上述实施方式,能够在所述风险值大于所述预设值时,通过对所述用户账号进行验证,不仅能够避免所述用户账号存在被盗号的风险,从而提高所述用户账号的登录安全性,还能够避免所述用户账号正常登录时存在无法成功登录的情况,从而提高所述用户账号的登录顺畅性。
由以上技术方案可以看出,本发明通过所述登录信息检测出所述用户账号在每个位置维度上的维度采集率,进而根据所述维度采集率对所述初始权重进行调整,能够准确的确定出所述用户账号在每个位置维度上的维度权重,进一步地,由于所述维度权重越高的位置维度通常越不易被篡改,因此,根据所述维度权重及所述待测维度信息能够准确的确定出所述用户账号的真实登录地址,避免了目标对象通过特定技术手段修改地理位置而造成无法准确确定出真实登录地址,进而在所述登录地址与所述常用地址不同时,利用所述风险检测模型对所述待测维度信息进行评估,以准确的确定出所述风险值,有利于账号登录风险的确定。
如图2所示,是本发明登录风险识别装置的较佳实施例的功能模块图。所述登录风险识别装置11包括获取单元110、检测单元111、调整单元112、生成单元113、筛选单元114、输入单元115、定位单元116、确定单元117 及发送单元118。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到登录风险识别请求时,获取单元110根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息。
在本发明的至少一个实施例中,所述登录风险识别请求可以在检测到有账号登录时触发生成。所述登录风险识别请求中携带有请求生成时刻等信息。
所述用户账号是指触发所述登录风险识别请求生成的账号,所述用户账号可以是任意平台上的注册账号。
所述多个位置维度包括,但不限于:基站维度、IP地址维度、经纬度维度及时区维度等维度。
所述历史维度信息是指所述用户账号在所述请求生成时刻之前的时间点登录时所产生的与所述多个位置维度对应的信息。所述待测维度信息是指所述用户账号在所述请求生成时刻登录时所产生的与所述多个位置维度对应的信息。
在本发明的至少一个实施例中,所述获取单元110根据所述登录风险识别请求获取用户账号的登录信息包括:
检测所述登录风险识别请求的请求生成时刻;
计算所述请求生成时刻与预设时间的时间差作为目标时刻;
以所述目标时刻为左区间,所述请求生成时刻为右区间构建时间区间;
根据所述时间区间获取所述用户账号的登录日志;
从所述登录日志中提取与所述多个位置维度对应的信息作为所述登录信息。
其中,所述预设时间可以根据需求设定。例如,所述预设时间可以是2 小时。
所述登录日志是指日志生成时间处于所述时间区间,且与所述用户账号对应的日志。
通过所述请求生成时刻及所述预设时间能够准确的构建出所述时间区间,进而根据所述时间区间筛选出所述登录日志,能够从所述登录日志中准确的获取到登录时间处于所述时间区间的登录信息。
检测单元111基于所述登录信息检测每个位置维度的维度采集率。
在本发明的至少一个实施例中,所述维度采集率是指每个位置维度所对应的信息在所述登录信息中的占比。
在本发明的至少一个实施例中,所述检测单元111基于所述登录信息检测每个位置维度的维度采集率包括:
统计每个位置维度在所述登录信息中的信息量,得到每个位置维度的目标数量,并统计所述登录信息的总信息量;
计算每个目标数量在所述总信息量的比值,得到所述维度采集率。
例如,所述登录信息的总量有100个数据,基站维度的总量有40个数据,IP地址维度的总量有25个数据,经纬度维度的总量有25个,时区维度的总量有10个,经计算,所述基站维度的维度采集率为40%,所述IP地址维度的维度采集率为25%,所述经纬度维度的维度采集率为25%,所述时区维度的维度采集率为10%。
通过上述实施方式。能够准确的确定出所述维度采集率。
调整单元112根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系。
在本发明的至少一个实施例中,所述初始采集率可以根据信息采集的难易程度设定,所述初始权重可以根据信息篡改的难易程度设定。此外,所述初始采集率越高,所述初始权重的设定也越高。
在本发明的至少一个实施例中,所述调整单元112根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重包括:
计算所述维度采集率与所述初始采集率的差值在所述初始采集率中所占的比值,得到调整率;
基于下列公式,根据所述调整率对所述初始权重进行调整,得到所述维度权重:
B=A×(1+K);
其中,B是指所述维度权重,A是指所述初始权重,K是指所述调整率。
例如,所述维度采集率为44%,所述初始采集率为40%,经计算,得到所述调整率为0.1,若所述初始权值为0.5,则所述维度权重为0.55。
通过所述维度采集率及所述初始采集率能够准确的确定出所述调整率,从而根据所述调整率能够准确的对所述初始权重进行调整,提高所述维度权重的准确性。
生成单元113根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址。
在本发明的至少一个实施例中,所述登录地址是指所述用户账号所处的真实地址。
在本发明的至少一个实施例中,所述生成单元113根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址包括:
将相同的待测维度信息进行归类处理,得到至少一个归类信息;
根据每个归类信息所对应的位置维度及所述维度权重计算每个归类信息所对应的信息分数;
将所述信息分数最大的归类信息确定为所述登录地址。
例如,基站维度所对应的待测维度信息为:A地址,IP地址维度所对应的待测维度信息为:B地址,经纬度维度所对应的待测维度信息为:所述 B地址,时区维度所对应的待测维度信息为:所述A地址,经归类处理后,得到归类信息包括:所述A地址及所述B地址,若所述基站维度所对应的维度权重为0.5,所述IP地址维度所对应的维度权重为0.15,所述经纬度维度所对应的维度权重为0.24,所述时区维度所对应的维度权重为 0.11,经计算,得到所述A地址的信息分数为0.5+0.11=0.61,所述B地址的信息分数为0.15+0.24=0.39,因此,所述登录地址为:所述A地址。
通过所述维度权重及所述待测维度信息确定出所述登录地址,能够避免目标对象同时修改多个维度上的位置信息而造成无法准确的确定出所述登录地址,提高了所述登录地址的准确性。
筛选单元114根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较。
在本发明的至少一个实施例中,所述常用地址是指所述用户账号经常登录的地址。
在本发明的至少一个实施例中,所述筛选单元114根据所述历史维度信息筛选所述用户账号的常用地址包括:
根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址;
合并所述多个历史地址中的相同地址,得到至少一个待选地址;
统计每个待选地址在所述多个历史地址中的地址数量;
将所述地址数量大于或者等于配置值的待选地址确定为所述常用地址。
其中,所述配置值可以根据所述用户账号的持有者的画像信息设定,例如,若所述持有者的画像信息表征所述持有者经常出差,则所述配置值可以设置为3;若所述持有者的画像信息表征所述持有者不常外出,则所述配置值可以设置为30。所述配置值可以根据实际情况设定,本发明对此不再赘述。
通过对所述历史维度信息进行加权和分析,能够准确的生成所述多个历史地址,进而对所述多个历史地址中的待选地址进行统计,以及根据所述地址数量与所述配置值的分析,能够准确的从所述多个历史地址中选取出所述常用地址。
具体地,所述筛选单元114根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址与所述生成单元113根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址的方式相同,本发明对此不再赘述。
若所述登录地址与所述常用地址不同,则输入单元115将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
在本发明的至少一个实施例中,所述风险检测模型用于检测所述用户账号的风险值。所述风险值越高,意味着所述用户账号在所述请求生成时刻的登录风险越大。
需要强调的是,为进一步保证上述风险值的私密和安全性,上述风险值还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述风险检测模型包括一致性检测网络及聚集性检测网络,所述输入单元115将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值包括:
基于所述一致性检测网络检测多个所述待测维度信息是否处于同一区域,得到检测结果;
获取所述聚集性检测网络中的聚集区域及所述聚集区域的风险分值;
检测多个所述待测维度信息中是否存在任意维度信息与所述聚集区域相同,并将该聚集区域所在的风险分值确定为目标分值;
获取所述一致性检测网络的第一网络权值,并获取所述聚集性检测网络的第二网络权值;
基于所述第一网络权值及所述第二网络权值对所述检测结果及所述目标分值进行运算,得到所述风险值。
其中,所述检测结果可以包括多个所述待测维度信息处于同一区域,该检测结果可以用“0”表示;所述检测结果还可以包括多个所述待测维度信息处于不同区域,该检测结果可以用“1”表示。
所述聚集区域是指目标对象所聚集的区域。例如,所述聚集区域可以是网络中所公布的目标对象所在地。
所述第一网络权值是指所述一致性检测网络对风险检测的影响度,所述第二网络权值是指所述聚集性检测网络对风险检测的影响度。
通过所述风险检测模型对所述待测维度信息进行分析,能够准确的确定出所述用户账号的风险值。
在本发明的至少一个实施例中,当所述风险值大于预设值时,定位单元 116根据所述请求生成时刻定位所述用户账号的登录设备;
所述检测单元111获取所述用户账号中的账号信息,并检测所述账号信息所对应的信息标签;
确定单元117获取所述信息标签的优先级别,并将所述优先级别大于配置级别的信息标签确定为目标标签;
所述生成单元113根据所述目标标签生成验证请求;
发送单元118向所述登录设备发送所述验证请求。
其中,所述预设值可以根据实际需求设定,例如,所述预设值为0.8。
所述登录设备是指所述用户账号在所述请求生成时刻所登录的设备。
所述信息标签可以包括,但不限于:手机号码、人脸信息等标签。
所述优先级别是指所述信息标签在安全方面所排列的位置。例如,人脸信息标签的优先级别为1,手机号码的优先级别为2。
所述配置级别可以根据需求设定,例如,所述配置级别可以是2。
通过上述实施方式,能够在所述风险值大于所述预设值时,通过对所述用户账号进行验证,不仅能够避免所述用户账号存在被盗号的风险,从而提高所述用户账号的登录安全性,还能够避免所述用户账号正常登录时存在无法成功登录的情况,从而提高所述用户账号的登录顺畅性。
由以上技术方案可以看出,本发明通过所述登录信息检测出所述用户账号在每个位置维度上的维度采集率,进而根据所述维度采集率对所述初始权重进行调整,能够准确的确定出所述用户账号在每个位置维度上的维度权重,进一步地,由于所述维度权重越高的位置维度通常越不易被篡改,因此,根据所述维度权重及所述待测维度信息能够准确的确定出所述用户账号的真实登录地址,避免了目标对象通过特定技术手段修改地理位置而造成无法准确确定出真实登录地址,进而在所述登录地址与所述常用地址不同时,利用所述风险检测模型对所述待测维度信息进行评估,以准确的确定出所述风险值,有利于账号登录风险的确定。
如图3所示,是本发明实现登录风险识别方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如登录风险识别程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成获取单元110、检测单元111、调整单元112、生成单元113、筛选单元114、输入单元115、定位单元116、确定单元117及发送单元118。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器 13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12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(比如声音播放功能、图像播放功能等) 等;存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡 (Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans- flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元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介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)。
本发明所指区块链是分布式登录风险识别、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。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种登录风险识别方法,所述处理器13可执行所述计算机可读指令从而实现:
当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
基于所述登录信息检测每个位置维度的维度采集率;
根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,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。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
基于所述登录信息检测每个位置维度的维度采集率;
根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
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,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。
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关联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步骤,单数不排除复数。所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)
1.一种登录风险识别方法,其特征在于,所述登录风险识别方法包括:
当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
基于所述登录信息检测每个位置维度的维度采集率;
根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
2.如权利要求1所述的登录风险识别方法,其特征在于,所述根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重包括:
计算所述维度采集率与所述初始采集率的差值在所述初始采集率中所占的比值,得到调整率;
基于下列公式,根据所述调整率对所述初始权重进行调整,得到所述维度权重:
B=A×(1+K);
其中,B是指所述维度权重,A是指所述初始权重,K是指所述调整率。
3.如权利要求1所述的登录风险识别方法,其特征在于,所述根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址包括:
将相同的待测维度信息进行归类处理,得到至少一个归类信息;
根据每个归类信息所对应的位置维度及所述维度权重计算每个归类信息所对应的信息分数;
将所述信息分数最大的归类信息确定为所述登录地址。
4.如权利要求1所述的登录风险识别方法,其特征在于,所述根据所述历史维度信息筛选所述用户账号的常用地址包括:
根据所述维度权重对所述历史维度信息进行加权和分析处理,得到多个历史地址;
合并所述多个历史地址中的相同地址,得到至少一个待选地址;
统计每个待选地址在所述多个历史地址中的地址数量;
将所述地址数量大于或者等于配置值的待选地址确定为所述常用地址。
5.如权利要求1所述的登录风险识别方法,其特征在于,所述风险检测模型包括一致性检测网络及聚集性检测网络,所述将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值包括:
基于所述一致性检测网络检测多个所述待测维度信息是否处于同一区域,得到检测结果;
获取所述聚集性检测网络中的聚集区域及所述聚集区域的风险分值;
检测多个所述待测维度信息中是否存在任意维度信息与所述聚集区域相同,并将该聚集区域所在的风险分值确定为目标分值;
获取所述一致性检测网络的第一网络权值,并获取所述聚集性检测网络的第二网络权值;
基于所述第一网络权值及所述第二网络权值对所述检测结果及所述目标分值进行运算,得到所述风险值。
6.如权利要求1所述的登录风险识别方法,其特征在于,所述根据所述登录风险识别请求获取用户账号的登录信息包括:
检测所述登录风险识别请求的请求生成时刻;
计算所述请求生成时刻与预设时间的时间差作为目标时刻;
以所述目标时刻为左区间,所述请求生成时刻为右区间构建时间区间;
根据所述时间区间获取所述用户账号的登录日志;
从所述登录日志中提取与所述多个位置维度对应的信息作为所述登录信息。
7.如权利要求6所述的登录风险识别方法,其特征在于,当所述风险值大于预设值时,所述方法还包括:
根据所述请求生成时刻定位所述用户账号的登录设备;
获取所述用户账号中的账号信息,并检测所述账号信息所对应的信息标签;
获取所述信息标签的优先级别,并将所述优先级别大于配置级别的信息标签确定为目标标签;
根据所述目标标签生成验证请求;
向所述登录设备发送所述验证请求。
8.一种登录风险识别装置,其特征在于,所述登录风险识别装置包括:
获取单元,用于当接收到登录风险识别请求时,根据所述登录风险识别请求获取用户账号的登录信息,所述登录信息包括多个位置维度的历史维度信息及待测维度信息;
检测单元,用于基于所述登录信息检测每个位置维度的维度采集率;
调整单元,用于根据所述维度采集率及初始采集率调整每个位置维度的初始权重,得到每个位置维度的维度权重,所述初始采集率与所述初始权重存在映射关系;
生成单元,用于根据所述维度权重及所述待测维度信息生成所述用户账号的登录地址;
筛选单元,用于根据所述历史维度信息筛选所述用户账号的常用地址,并将所述登录地址与所述常用地址进行比较;
输入单元,用于若所述登录地址与所述常用地址不同,则将所述待测维度信息输入至预先训练好的风险检测模型中,得到所述用户账号的风险值。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的登录风险识别方法。
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中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的登录风险识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210604655.4A CN115022014B (zh) | 2022-05-30 | 2022-05-30 | 登录风险识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210604655.4A CN115022014B (zh) | 2022-05-30 | 2022-05-30 | 登录风险识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115022014A true CN115022014A (zh) | 2022-09-06 |
CN115022014B CN115022014B (zh) | 2023-07-14 |
Family
ID=83070273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210604655.4A Active CN115022014B (zh) | 2022-05-30 | 2022-05-30 | 登录风险识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115022014B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104601547A (zh) * | 2014-12-22 | 2015-05-06 | 新浪网技术(中国)有限公司 | 一种非法操作的识别方法及装置 |
CN105142215A (zh) * | 2015-08-07 | 2015-12-09 | 成都亚讯星科实业有限公司 | 用于多维度用户位置定位计算的方法 |
CN106936806A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种账户异常登录的识别方法和装置 |
CN107623945A (zh) * | 2017-10-09 | 2018-01-23 | 上海连尚网络科技有限公司 | 定位移动设备所在区域的方法、系统和计算机存储介质 |
CN111651749A (zh) * | 2020-04-28 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于密码找回账号的方法、装置、计算机设备及存储介质 |
CN111858937A (zh) * | 2016-12-14 | 2020-10-30 | 创新先进技术有限公司 | 一种虚假地址信息识别的方法及装置 |
CN112561684A (zh) * | 2020-12-15 | 2021-03-26 | 平安科技(深圳)有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
CN112598090A (zh) * | 2021-03-08 | 2021-04-02 | 北京冠新医卫软件科技有限公司 | 健康画像的方法、装置、设备和系统 |
CN113497807A (zh) * | 2021-07-09 | 2021-10-12 | 深圳竹云科技有限公司 | 检测用户登录风险的方法、装置及计算机可读存储介质 |
CN113609295A (zh) * | 2021-08-11 | 2021-11-05 | 平安科技(深圳)有限公司 | 文本分类方法、装置及相关设备 |
CN113920372A (zh) * | 2021-10-28 | 2022-01-11 | 平安普惠企业管理有限公司 | 数据分类方法、装置、设备及存储介质 |
-
2022
- 2022-05-30 CN CN202210604655.4A patent/CN115022014B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104601547A (zh) * | 2014-12-22 | 2015-05-06 | 新浪网技术(中国)有限公司 | 一种非法操作的识别方法及装置 |
CN105142215A (zh) * | 2015-08-07 | 2015-12-09 | 成都亚讯星科实业有限公司 | 用于多维度用户位置定位计算的方法 |
CN106936806A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种账户异常登录的识别方法和装置 |
CN111858937A (zh) * | 2016-12-14 | 2020-10-30 | 创新先进技术有限公司 | 一种虚假地址信息识别的方法及装置 |
CN107623945A (zh) * | 2017-10-09 | 2018-01-23 | 上海连尚网络科技有限公司 | 定位移动设备所在区域的方法、系统和计算机存储介质 |
CN111651749A (zh) * | 2020-04-28 | 2020-09-11 | 中国平安财产保险股份有限公司 | 基于密码找回账号的方法、装置、计算机设备及存储介质 |
CN112561684A (zh) * | 2020-12-15 | 2021-03-26 | 平安科技(深圳)有限公司 | 金融欺诈风险识别方法、装置、计算机设备及存储介质 |
CN112598090A (zh) * | 2021-03-08 | 2021-04-02 | 北京冠新医卫软件科技有限公司 | 健康画像的方法、装置、设备和系统 |
CN113497807A (zh) * | 2021-07-09 | 2021-10-12 | 深圳竹云科技有限公司 | 检测用户登录风险的方法、装置及计算机可读存储介质 |
CN113609295A (zh) * | 2021-08-11 | 2021-11-05 | 平安科技(深圳)有限公司 | 文本分类方法、装置及相关设备 |
CN113920372A (zh) * | 2021-10-28 | 2022-01-11 | 平安普惠企业管理有限公司 | 数据分类方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115022014B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112417096A (zh) | 问答对匹配方法、装置、电子设备及存储介质 | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN114090794A (zh) | 基于人工智能的事理图谱构建方法及相关设备 | |
Upala et al. | IoT solution for smart library using facial recognition | |
CN112668453B (zh) | 视频识别方法及相关设备 | |
WO2022148391A1 (zh) | 模型训练及数据检测方法、装置、设备及介质 | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
CN115170869A (zh) | 重复车损理赔识别方法、装置、设备及存储介质 | |
CN111552865A (zh) | 用户兴趣画像方法及相关设备 | |
CN113536770B (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
CN114037545A (zh) | 客户推荐方法、装置、设备及存储介质 | |
CN113918467A (zh) | 金融系统测试方法、装置、设备及存储介质 | |
CN115037790B (zh) | 异常注册识别方法、装置、设备及存储介质 | |
CN113516205B (zh) | 基于人工智能的员工稳定性分类方法及相关设备 | |
CN115022014B (zh) | 登录风险识别方法、装置、设备及存储介质 | |
CN114218574A (zh) | 一种数据检测方法、装置、电子设备以及存储介质 | |
CN113177543B (zh) | 证件识别方法、装置、设备及存储介质 | |
CN114710325A (zh) | 网络入侵检测模型的构建方法、装置、设备及存储介质 | |
CN114925033A (zh) | 信息上链方法、装置、系统及存储介质 | |
CN114490262A (zh) | 数据库监控方法、装置、设备及存储介质 | |
CN114416417A (zh) | 系统异常监测方法、装置、设备及存储介质 | |
CN113902302A (zh) | 基于人工智能的数据分析方法、装置、设备及存储介质 | |
CN114926179A (zh) | 交易风险检测方法、装置、设备及存储介质 | |
CN112416361A (zh) | 结构化查询语言脚本审查方法及相关设备 | |
CN115001802A (zh) | 基于共享屏幕的账号异常登录检测方法及相关设备 |
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 |