CN115604008A - 职业身份验证方法和系统 - Google Patents
职业身份验证方法和系统 Download PDFInfo
- Publication number
- CN115604008A CN115604008A CN202211266718.6A CN202211266718A CN115604008A CN 115604008 A CN115604008 A CN 115604008A CN 202211266718 A CN202211266718 A CN 202211266718A CN 115604008 A CN115604008 A CN 115604008A
- Authority
- CN
- China
- Prior art keywords
- professional
- verification
- authentication
- candidate
- identity
- 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.)
- Pending
Links
- 238000012795 verification Methods 0.000 title claims abstract description 446
- 238000000034 method Methods 0.000 title claims description 180
- 230000008569 process Effects 0.000 claims description 107
- 230000000007 visual effect Effects 0.000 claims description 26
- 238000010200 validation analysis Methods 0.000 claims description 13
- 238000002790 cross-validation Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 230000002829 reductive effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 16
- 230000006399 behavior Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000001755 vocal effect Effects 0.000 description 8
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
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
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- 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
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- 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
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提供的职业身份验证方法和系统,在接收职业身份验证请求后,该职业身份验证请求包括需要验证的目标用户的候选职业身份和该目标用户对应的验证场景,基于验证场景,在候选验证流程中选取出至少一个验证流程,以得到候选职业身份对应的目标验证方式,以及采用目标验证方式对所述目标用户的候选职业身份进行验证,并输出验证结果;该方案可以提升职业身份的验证效率。
Description
技术领域
本说明书涉及数据处理领域,尤其涉及一种职业身份验证方法和系统。
背景技术
近年来,随着互联网技术的飞速发展,营销方式也变得越来越多样,比如,商家针对特定职业提供该职业对应的权益进行营销。在这类营销方式中,往往就需要对用户的职业身份进行验证。现有的职业身份验证方法往往可以采用人工验证的方式进行验证,比如,针对学生身份,就可以采用学信网等官方平台进行验证,等等。
在对现有技术的研究和实践过程中,本申请的发明人发现现有的身份验证方式往往比较单一,在不同验证场景下,比较容易出现验证失败的风险,而且,人工验证效率太低,另外,并非每个职业都有官方认证平台,使得可以验证的职业类别比较有限,因此,导致职业身份验证的验证效率较低。
因此,需要提供一种验证效率更高的职业身份验证方法和系统。
发明内容
本说明书提供一种验证效率更高的职业身份验证方法和系统。
第一方面,本说明书提供一种职业身份验证方法,包括:接收职业身份验证请求,所述职业身份验证请求包括需要验证的目标用户的候选职业身份和所述目标用户对应的验证场景;基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到所述候选职业身份对应的目标验证方式;以及采用所述目标验证方式对所述目标用户的候选职业身份进行验证,并输出验证结果。
在一些实施例中,所述基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到所述候选职业身份对应的目标验证方式,包括:基于所述验证场景,确定所述目标用户的候选职业身份对应的目标验证精度;基于所述目标验证精度,在所述候选验证流程中选取出至少一个验证流程;以及将所述至少一个验证流程进行组合,以得到所述候选职业身份对应的目标验证方式。
在一些实施例中,所述基于所述目标验证精度,在所述候选验证流程中选取出至少一个验证流程,包括:获取所述候选验证流程中每一验证流程对应的验证精度范围;将所述目标验证精度与所述验证精度范围进行匹配;以及基于匹配结果,在所述候选验证流程中选取出至少一个验证流程。
在一些实施例中,所述候选验证流程包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证中的至少一种。
在一些实施例中,所述官方验证、所述大数据交叉验证、所述视觉模型验证和所述用户承诺自证分别对应的验证精度依次降低。
在一些实施例中,针对所述目标用户的候选职业身份验证,执行所述官方验证,包括:获取所述目标用户的身份信息,并将所述身份信息发送至职业证书认证服务器;接收所述职业证书认证服务器返回的所述目标用户的职业证书信息;以及将所述职业证书信息输入至职业图谱,以得到所述目标用户的候选职业身份的验证结果。
在一些实施例中,针对所述目标用户的候选职业身份验证,执行所述大数据交叉验证,包括:获取所述目标用户的用户属性信息,并在所述用户属性信息中提取出多个维度的目标用户数据;分别将所述多个维度的目标用户数据输入至职业图谱,以得到每一维度的所述目标用户数据对应的验证信息;以及基于所述验证信息,对所述目标用户的候选职业身份进行交叉验证,得到所述目标用户的候选职业身份的验证结果。
在一些实施例中,所述目标用户数据包括所述目标用户的位置信息、用户画像、社保信息、社交信息、交易信息和税务信息中的至少一种。
在一些实施例中针对所述目标用户的候选职业身份验证,执行所述视觉模型验证,包括:获取所述目标用户的职业认证图像,并对所述职业认证图像进行图像校验;在所述职业认证图像校验通过时,对所述职业认证图像进行图像识别;以及将所述职业认证图像的识别结果输入至职业图谱,以得到所述目标用户的候选职业身份的验证结果。
在一些实施例中,所述对所述职业认证图像进行图像识别,包括:对所述职业认证图像进行文本检测;在所述职业认证图像包括文本时,在所述职业认证图像中识别出文本内容;以及基于所述文本内容,确定所述职业认证图像的图像认证类型,并将所述图像认证类型作为所述职业认证图像的识别结果。
在一些实施例中,还包括:在所述职业认证图像中不包括所述文本时,对所述职业认证图像进行图像特征提取;以及基于提取出的图像特征,确定所述职业认证图像的图像内容,并将所述图像内容作为所述职业认证图像的识别结果。
在一些实施例中,针对所述目标用户的候选职业身份验证,执行所述用户承诺自证,包括:获取所述目标用户针对所述候选职业身份的用户承诺信息,所述用户承诺信息与所述目标用户的信用信息联动;以及基于所述用户承诺信息,确定所述目标用户的候选职业身份验证通过,并将所述验证通过作为所述验证结果。
在一些实施例中,所述获取所述目标用户针对所述候选职业身份的用户承诺信息,包括:获取所述目标用户的信用信息;以及在所述信用信息满足预设信用条件时,获取所述目标用户针对所述候选职业身份的用户承诺信息。
在一些实施例中,所述基于所述用户承诺信息,确定所述目标用户的候选职业身份的验证结果之后,还包括:在检测到所述目标用户的候选职业身份验证不通过或者所述目标用户存在所述候选职业身份对应的风险行为时,对所述目标用户的信用信息进行调整。
在一些实施例中,所述对所述目标用户的信用信息进行调整,包括:基于所述用户承诺信息,确定所述信用信息的调整方式;以及基于所述调整方式,对所述目标用户的信用信息进行调整,以对所述目标用户进行信用惩戒。
在一些实施例中,所述目标验证方式中的至少一个验证流程的执行顺序包括根据所述验证流程的验证精度从大至小依次执行,且当前执行的验证流程未输出验证结果时,执行下一个验证流程。
在一些实施例中,所述采用所述目标验证方式对所述目标用户的候选职业身份进行验证,包括:基于所述执行顺序,执行所述目标验证方式中的至少一个验证流程,对所述目标用户的候选职业身份进行验证。
在一些实施例中,所述验证结果与所述目标用户的候选职业身份对应的职业权益相关联,所述职业权益包括所述候选职业身份对应的至少一个权限。
第二方面,本说明书还提供一种职业身份验证系统,包括:至少一个存储介质,存储有至少一个指令集,用于进行职业身份验证;以及至少一个处理器,同所述至少一个存储介质通信连接,其中,当所述职业身份验证系统运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行本说明书第一方面所述的职业身份验证方法。
由以上技术方案可知,本说明书提供的职业身份验证方法和系统,在接收职业身份验证请求后,该职业身份验证请求包括需要验证的目标用户的候选职业身份和该目标用户对应的验证场景,基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到候选职业身份对应的目标验证方式,以及采用目标验证方式对所述目标用户的候选职业身份进行验证,并输出验证结果;由于该方案无需人工审核,可以基于验证场景,动态构建该候选职业身份对应的目标验证方式,从而实现在不同验证场景下,可以采用不同的验证方式,从而提升身份验证的成功率和准确率,而且,并未限制可以验证的职业身份,因此,可以提升职业身份的验证效率。
本说明书提供的身份验证方法和系统的其他功能将在以下说明中部分列出。根据描述,以下数字和示例介绍的内容将对那些本领域的普通技术人员显而易见。本说明书提供的职业身份验证方法和系统的创造性方面可以通过实践或使用下面详细示例中所述的方法、装置和组合得到充分解释。
附图说明
为了更清楚地说明本说明书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,下面描述中的附图仅仅是本说明书的一些实施例,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示出了根据本说明书的实施例提供的一种职业身份验证系统的应用场景示意图;
图2示出了根据本说明书的实施例提供的一种计算设备的硬件结构图;
图3示出了根据本说明书的实施例提供的一种职业身份验证方法流程图;
图4示出了根据本说明书的实施例提供的一种数据智能身份验证框架的结构示意图;
图5示出了根据本说明书的实施例提供的一种职业身份验证的产品流程示意图;以及
图6示出了根据本说明书的实施例提供的一种职业身份验证产品的框架示意图。
具体实施方式
以下描述提供了本说明书的特定应用场景和要求,目的是使本领域技术人员能够制造和使用本说明书中的内容。对于本领域技术人员来说,对所公开的实施例的各种局部修改是显而易见的,并且在不脱离本说明书的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用。因此,本说明书不限于所示的实施例,而是与权利要求一致的最宽范围。
这里使用的术语仅用于描述特定示例实施例的目的,而不是限制性的。比如,除非上下文另有明确说明,这里所使用的,单数形式“一”,“一个”和“该”也可以包括复数形式。当在本说明书中使用时,术语“包括”、“包含”和/或“含有”意思是指所关联的整数,步骤、操作、元素和/或组件存在,但不排除一个或多个其他特征、整数、步骤、操作、元素、组件和/或组的存在或在该系统/方法中可以添加其他特征、整数、步骤、操作、元素、组件和/或组。
考虑到以下描述,本说明书的这些特征和其他特征、以及结构的相关元件的操作和功能、以及部件的组合和制造的经济性可以得到明显提高。参考附图,所有这些形成本说明书的一部分。然而,应该清楚地理解,附图仅用于说明和描述的目的,并不旨在限制本说明书的范围。还应理解,附图未按比例绘制。
本说明书中使用的流程图示出了根据本说明书中的一些实施例的系统实现的操作。应该清楚地理解,流程图的操作可以不按顺序实现。相反,操作可以以反转顺序或同时实现。此外,可以向流程图添加一个或多个其他操作。可以从流程图中移除一个或多个操作。
为了方便描述,本说明书将对以下描述将会出现的术语进行如下解释:
数据智能:一种技术手段,主要是通过大数据分析、职业知识图谱(以下简称职业图谱)以及官方数据源多种数据渠道,组合成数据智能模型,作为职业身份识别的技术保障。所述职业图谱可以包括与职业身份(职业信息)相关的知识图谱,通过该职业图谱,可以确定用户的职业身份。
职业身份:可以理解为通常意义上的与职业相关的身份,比如,可以包括医生、教师、工程师、律师、电工、焊工或清洁工,等等。
职业身份验证:验证用户的具体职业身份,在保证职业身份真实可信下,可以使用户获取相应的职业福利或特权,等等。
在对本说明书具体实施例说明之前,先对本说明书的应用场景进行如下介绍:
本说明书提供的职业身份验证方法可以应用在任意的职业身份验证场景中,比如,可以在职业准入校验场景中,通过本说明书的职业身份验证方法对需要验证的用户进行职业身份进行验证,或者,可以在职业营销场景中,通过本说明书的职业身份验证方法对商户发送的需要验证的用户的候选职业身份进行验证,并将验证结果发送至商户,以便在用户的职业身份验证通过时,赋予该用户该职业身份对应的特定权益,或者,还可以应用在任意职业身份验证场景中,在此就不再一一赘述。
本领域技术人员应当明白,本说明书所述的职业身份验证方法和系统应用于其他使用场景也在本说明书的保护范围内。
图1示出了根据本说明书的实施例提供的一种职业身份验证系统001的应用场景示意图。职业身份验证系统001(以下简称系统001)可以应用于任意场景的职业身份验证,比如,职业准入验证场景下的职业身份验证、职业营销场景下的职业身份验证,等等,如图1所示,系统001可以包括目标用户100、客户端200、服务器300以及网络400。
目标用户100可以为触发对目标用户的候选职业身份进行验证用户,目标用户100可以在客户端200进行职业身份验证的操作。
客户端200可以为响应于目标用户100的职业身份验证的操作对目标用户的候选职业身份进行验证的设备。在一些实施例中,所述职业身份验证方法可以在客户端200上执行。此时,客户端200可以存储有执行本说明书描述的职业身份验证方法的数据或指令,并可以执行或用于执行所述数据或指令。在一些实施例中,客户端200可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需必要的程序。如图1所示,客户端200可以与服务器300进行通信连接。在一些实施例中,服务器300可以与多个客户端200进行通信连接。在一些实施例中,客户端200可以通过网络400与服务器300交互,以接收或发送消息等。在一些实施例中,客户端200可以包括移动设备、平板电脑、笔记本电脑、机动车辆的内置设备或类似内容,或其任意组合。在一些实施例中,所述移动设备可包括智能家居设备、智能移动设备、虚拟现实设备、增强现实设备或类似设备,或其任意组合。在一些实施例中,所述智能家居装置可包括智能电视、台式电脑等,或任意组合。在一些实施例中,所述智能移动设备可包括智能手机、个人数字辅助、游戏设备、导航设备等,或其任意组合。在一些实施例中,所述虚拟现实设备或增强现实设备可能包括虚拟现实头盔、虚拟现实眼镜、虚拟现实补丁、增强现实头盔、增强现实眼镜、增强现实补丁或类似内容,或其中的任何组合。例如,所述虚拟现实设备或所述增强现实设备可能包括谷歌眼镜、头戴式显示器、VR等。在一些实施例中,所述机动车中的内置装置可包括车载计算机、车载电视等。在一些实施例中,客户端200可以包括图像采集设备,用于采集目标用户的用户数据。在一些实施例中,所述图像采集设备可以是二维图像采集设备(比如RGB摄像头),也可以是二维图像采集设备(比如RGB摄像头)和深度图像采集设备(比如3D结构光摄像头、激光探测器,等等)。在一些实施例中,客户端200可以是具有定位技术的设备,用于定位客户端200的位置。
在一些实施例中,客户端200可以安装有一个或多个应用程序(APP)。所述APP能够为目标用户110提供通过网络400同外界交互的能力以及界面。所述APP包括但不限于:网页浏览器类APP程序、搜索类APP程序、聊天类APP程序、购物类APP程序、视频类APP程序、理财类APP程序、即时通信工具、邮箱客户端、社交平台软件等等。在一些实施例中,客户端200上可以安装有目标APP。所述目标APP能够为客户端200采集目标用户的用户数据。在一些实施例中,所述目标对象100还可以通过所述目标APP触发职业身份验证请求。所述目标APP可以响应于所述职业身份验证请求,执行本说明书描述的职业身份验证方法。所述职业身份验证方法将在后面的内容中详细介绍。
服务器300可以是提供各种服务的服务器,例如对客户端200上采集的目标用户的用户提供职业身份验证支持的后台服务器。在一些实施例中,所述职业身份验证方法可以在服务器300上执行。此时,服务器300可以存储有执行本说明书描述的职业身份验证方法的数据或指令,并可以执行或用于执行所述数据或指令。在一些实施例中,服务器300可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需必要的程序。服务器300可以与多个客户端200通信连接,并接收客户端200发送的数据。
网络400用以在客户端200和服务器300之间提供通信连接的介质。网络400可以促进信息或数据的交换。如图1所示,客户端200和服务器300可以同网络400连接,并且通过网络400互相传输信息或数据。在一些实施例中,网络400可以是任何类型的有线或无线网络,也可以是其组合。比如,网络400可以包括电缆网络,有线网络、光纤网络、电信通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、大都市市区网(MAN)、广域网(WAN)、公用电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络或类似网络。在一些实施例中,网络400可以包括一个或多个网络接入点。例如,网络400可以包括有线或无线网络接入点,如基站或互联网交换点,通过该接入点,客户端200和服务器300的一个或多个组件可以连接到网络400以交换数据或信息。
应该理解,图1中的客户端200、服务器300和网络400的数目仅仅是示意性的。根据实现需要,可以具有任意数目的客户端200、服务器300和网络400。
需要说明的是,所述职业身份验证方法可以完全在客户端200上执行,也可以完全在服务器300上执行,还可以部分在客户端200上执行,部分在服务器300上执行。
图2示出了根据本说明书的实施例提供的一种计算设备600的硬件结构图。计算设备600可以执行本说明书描述的职业身份验证方法。所述职业身份验证方法在本说明书中的其他部分介绍。当所述职业身份验证方法在客户端200上执行时,计算设备600可以是客户端200。当所述职业身份验证方法在服务器300上执行时,计算设备600可以是服务器300。当所述职业身份验证方法可以部分在客户端200上执行,部分在服务器300上执行时,计算设备600可以是客户端200和服务器300。
如图2所示,计算设备600可以包括至少一个存储介质630和至少一个处理器620。在一些实施例中,计算设备600还可以包括通信端口650和内部通信总线610。同时,计算设备600还可以包括I/O组件660。
内部通信总线610可以连接不同的系统组件,包括存储介质630、处理器620和通信端口650。
I/O组件660支持计算设备600和其他组件之间的输入/输出。
通信端口650用于计算设备600同外界的数据通信,比如,通信端口650可以用于计算设备600同网络400之间的数据通信。通信端口650可以是有线通信端口也可以是无线通信端口。
存储介质630可以包括数据存储装置。所述数据存储装置可以是非暂时性存储介质,也可以是暂时性存储介质。比如,所述数据存储装置可以包括磁盘632、只读存储介质(ROM)634或随机存取存储介质(RAM)636中的一种或多种。存储介质630还包括存储在所述数据存储装置中的至少一个指令集。所述指令是计算机程序代码,所述计算机程序代码可以包括执行本说明书提供的职业身份验证方法的程序、例程、对象、组件、数据结构、过程、模块等等。
至少一个处理器620可以同至少一个存储介质630以及通信端口650通过内部通信总线610通信连接。至少一个处理器620用以执行上述至少一个指令集。当计算设备600运行时,至少一个处理器620读取所述至少一个指令集,并且根据所述至少一个指令集的指示,执行本说明书提供的职业身份验证方法。处理器620可以执行职业身份验证方法包含的所有步骤。处理器620可以是一个或多个处理器的形式,在一些实施例中,处理器620可以包括一个或多个硬件处理器,例如微控制器,微处理器,精简指令集计算机(RISC),专用集成电路(ASIC),特定于应用的指令集处理器(ASIP),中心处理单元(CPU),图形处理单元(GPU),物理处理单元(PPU),微控制器单元,数字信号处理器(DSP),现场可编程门阵列(FPGA),高级RISC机器(ARM),可编程逻辑器件(PLD),能够执行一个或多个功能的任何电路或处理器等,或其任何组合。仅仅为了说明问题,在本说明书中计算设备600中仅描述了一个处理器620。然而,应当注意,本说明书中计算设备600还可以包括多个处理器,因此,本说明书中披露的操作和/或方法步骤可以如本说明书所述的由一个处理器执行,也可以由多个处理器联合执行。例如,如果在本说明书中计算设备600的处理器620执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同处理器620联合或分开执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同执行步骤A和B)。
图3示出了根据本说明书的实施例提供的一种职业身份验证方法P100的流程图。如前,计算设备600可以执行本说明书的职业身份验证方法P100。具体地,处理器620可以读取存储在其本地存储介质中的指令集,然后根据指令集的规定,执行本说明书的职业身份验证方法P100。如图3所示,方法P100可以包括:
S110:接收职业身份验证请求。
其中,职业身份验证请求为服务方(商户)或需要验证的目标用户触发的对目标用户的候选职业身份进行验证的请求。该职业身份验证请求包括需要验证的目标用户的候选职业身份和目标用户对应的验证场景。所述目标用户可以为在与服务方(商户)进行交互的用户。候选职业身份就可以为需要验证的职业身份,需要说明的是候选职业身份中可以包括一个或多个职业身份。验证场景可以就为需要进行职业身份验证的场景。比如,以商户为机票服务商,该机票服务商推出针对医生的营销活动(譬如,医生购买机票享受特定折扣,等),目标用户就可以为参与该营销活动的消费者,此时,候选职业身份就可以为医生,验证场景就可以为机票服务商需要验证该消费者的职业身份是否为医生的场景。
其中,接收职业身份验证请求的方式可以有多种,具体可以如下:
例如,处理器620可以接收服务方通过终端或服务器发送的职业身份验证请求,或者,可以接收目标用户在参加服务方的职业营销活动后在目标用户对应的终端触发生成的职业身份验证请求,等等。
S120:基于验证场景,在候选验证流程中选取出至少一个验证流程,以得到候选职业身份对应的目标验证方式。
其中,验证流程可以为对职业身份进行验证的流程,需要说明的是,每个验证流程均可以独立实现对职业身份的验证,也就可以为每个验证流程均可以为一个独立的职业身份验证方法,但是每个验证流程的验证精度不同。候选验证流程可以包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证中的至少一种。所述官方验证就可以为通过官方数据查询平台或官方验证平台获取数据进行验证,比如,针对学生身份的验证就可以通过查询学信网的信息进行验证,等等。所述大数据交叉验证就可以为通过目标用户的多种数据进行交叉验证。所述视觉模型验证可以为通过文本识别或者图像识别等视觉识别方法对目标用户的候选职业身份进行验证,比如,可以通过OCR(光学字符识别)的方式识别出目标用户提供的职业证书(譬如,教师证、律师证、电工证、毕业证,等等),基于识别结果,对目标用户的候选职业身份进行验证。所述用户承诺自证可以为用户对需要验证的职业身份进行承诺,承诺目标用户自己的职业身份为候选职业身份,这里的承诺可以为信用承诺,从而间接完成对目标用户的候选职业身份进行验证。所述信用承诺可以为用户的承诺与该用户的信用信息联动,若出现欺诈或风险行为,将与用户的信息等级联动(降低信用等级等信用惩戒方式)。另外,需要说明的是,四种验证流程中官方验证、大数据交叉验证、视觉模型验证和用户承诺自证分别对应的验证精度依次降低,也就说说官方验证的验证精度最高,用户承诺自证的验证精度最低,四种验证流程的当前验证精度的精度范围可以包括80%-100%的区间内,也可以为其他精度范围区间内。四种验证流程的具体执行过程可以详见下文所述。
其中,目标验证方式就可以为验证场景对应的验证方式。所述验证方式可以理解为一个或多个验证流程组合出的对目标用户的候选职业身份进行验证的方式,因此,目标验证方式中可以包括一个或多个验证流程。
其中,基于验证场景,在候选验证流程中选取出至少一个验证流程,以得到候选职业身份对应的目标验证方式的方法有多种,具体可以如下:
例如,处理器620可以基于验证场景,确定目标用户的候选职业身份对应的目标验证精度,基于目标验证精度,在候选验证流程中选取出至少一个验证流程,以及将至少一个验证流程进行组合,以得到候选职业身份对应的目标验证方式。
其中,目标验证精度可以为当前的验证场景下,商户或服务方需要的验证精度。不同验证场景的验证精度可以不同,比如,以验证场景为研究生入学验证为例,此时就需要验证该用户是否为学生(本科生),此时,验证精度就需要特别准确(验证精度要求近乎100%),以验证场景为充电宝租赁,商户推出一个外卖骑手的租赁充电宝的折扣活动为例,此时就需要验证用户是否为外卖骑手,但是此时的验证精度就不需要与研究生入学验证场景要求的精度。基于验证场景,确定目标用户的候选职业身份对应的目标验证精度的方式可以有多种,比如,处理器620可以在预设验证精度集合中选取出该验证场景对应的验证精度,从而得到目标验证精度,或者,还可以基于验证场景,确定目标用户的候选职业身份的验证等级,并在预设验证精度集合中选取出该验证等级对应的验证精度,从而得到目标验证精度,等等。
处理器620在确定目标用户的候选职业身份对应的目标验证精度之后,便可以基于目标验证精度,在候选验证流程中选取出至少一个验证流程。在候选验证流程中选取出至少一个验证流程的方式可以有多种,比如,处理器620可以获取候选验证流程中每一验证流程对应的当前验证精度,将目标验证精度与当前验证精度进行匹配,以及基于匹配结果,在候选验证流程中选取至少一个验证流程。
其中,当前验证精度可以为验证精度范围,所述验证精度范围可以为验证流程进行职业身份验证时的精度区间,比如,可以为85%-90%,或者,其他任意区间。将目标验证精度与当前验证精度进行匹配的方式可以有多种,比如,处理器620可以将目标验证精度与当前验证精度的验证精度范围进行对比,包含该目标验证精度的验证精度范围就可以为与目标验证精度匹配成功,譬如,以目标验证精度为85%为例,则验证精度范围包含85%就可以判定匹配成功;或者,还可以为验证精度范围的最小值大于等于目标验证精度时,就可以判断该验证精度范围对应的当前验证精度与目标验证精度匹配成功,譬如,还是以目标验证精度为85%为例,验证精度范围的最小值大于或等于85%时,该验证精度范围对应的当前验证精度就可以与目标验证精度匹配成功。
在一些实施例中,当前验证精度还可以为一个预测的验证精度值或者精度概率,以当前验证精度为85%为例,则目标验证精度小于或者等于85%时,就可以判断该当前验证精度与目标验证精度匹配成功。
处理器620在将目标验证精度与当前验证精度进行匹配之后,便可以在候选验证流程中选取出与目标验证精度匹配成功的当前验证精度对应的至少一个验证流程。
处理器620在候选验证流程中选取出至少一个验证流程之后,便可以将至少一个验证流程进行组合,从而得到候选职业身份对应的目标验证方式。这里的组合可以为将至少一个验证流程按照执行顺序进行组合,从而得到目标验证方式。
其中,目标验证方式中的至少一个验证流程的执行顺序包括根据验证流程精度从大到小依次执行,且当前执行的验证流程未输出验证结果时,执行下一个验证流程。比如,以目标验证方式包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证为例,则最开始执行官方验证,在官方验证未输出验证结果时,继续执行大数据交叉验证,在大数据交叉验证未输出验证结果时,继续执行视觉模型验证,在视觉模型验证未输出验证结果时,继续执行用户承诺自证,从而完成整个目标验证方式,一旦某一个验证流程输出验证结果之后,该验证流程的下一个验证流程将停止执行。下面将详细描述针对目标用户的候选职业身份验证,处理器620执行每一个验证流程的具体过程:
(1)官方验证
例如,针对目标用户的候选职业身份验证,处理器620执行官方验证的过程可以包括获取目标用户的身份信息,并将身份信息发送至职业证书认证服务器,接收职业证书认证服务器返回的目标用户的职业证书信息,以及将职业证书信息输入至职业图谱,以得到目标用户的候选职业身份的验证结果。
其中,身份信息可以为表征目标用户身份的信息,比如,可以包括目标用户的身份标识、ID或者其他可以表征目标用户身份的信息,等等。
其中,职业证书认证服务器可以理解为官方提供用户认证的职业证书的服务器或平台,比如,以用户的身份信息为学号为例,则职业证书认证服务器就可以为学信网对应的官方服务器或者平台。
其中,职业证书信息可以为目标用户获取的官方认证的证书的信息,比如,可以包括教师资格证、学位证、毕业证、XXX工程师证书,等等。将职业证书信息输入至职业图谱,以得到目标用户的候选职业身份的验证结果的方式可以有多种,比如,处理器620可以将职业证书信息输入至职业图谱,在得到职业图谱输出的目标用户的目标职业身份时,将目标职业身份与候选职业身份进行对比,在目标职业身份与候选职业身份相同时,验证结果为目标用户的候选职业身份验证通过,在目标职业身份与候选职业身份不同时,验证结果为目标用户的候选职业身份验证不通过;在未得到职业图谱输出的目标用户的目标职业身份时,就确定该官方验证方式未输出验证结果。
(2)大数据交叉验证
例如,针对目标用户的候选职业身份验证,处理器620执行大数据交叉验证的过程可以包括获取目标用户的用户属性信息,并在用户属性信息中提取出多个维度的目标用户数据,分别将多个维度的目标用户数据输出至职业图谱,以得到每一维度的目标用户数据对应的验证信息,以及基于验证信息,对目标用户的候选职业身份进行交叉验证,得到目标用户的候选职业身份的验证结果。
其中,目标用户数据包括目标用户的位置信息、用户画像、社保信息、社交信息和交易信息和税务信息中的至少一种。
其中,验证信息可以包括职业图谱输出的每一维度对应的目标用户的目标职业身份。基于验证信息,对目标用户的候选职业身份进行交叉验证的方式可以有多种,比如,处理器620可以在验证信息中提取出每一维度对应的目标用户的目标职业身份,并将目标职业身份与候选职业身份进行对比,获取与候选职业身份相同的目标职业身份的目标数量,在目标数量超过预设数量阈值或者目标数量与目标职业身份的总量之间的比值超过预设比值时,确定验证结果为验证通过,反之验证结果为验证不通过;或者,还可以对目标职业身份进行分类,并基于每一类目标职业身份的数量,在目标职业身份中选取出数量最多的目标职业身份作为当前职业身份,并将当前职业验证身份与候选职业身份进行对比,在当前职业验证身份与候选职业身份相同时,确定验证结果为验证通过,反之验证结果为验证不通过,等等。
(3)视觉模型验证
例如,针对目标用户的候选职业身份验证,处理器620执行视觉模型验证的过程可以包括获取目标用户的职业认证图像,并对职业认证图像进行图像校验,在职业认证图像校验通过后,对职业认证图像进行图像识别,以及将职业认证图像的识别结果输入至职业图谱,以得到目标用户的候选职业身份的验证结果。
其中,职业认证图像可以为目标用户用于进行职业认证的图像,比如,可以包括各类职业证书(譬如,记者证、护士证或导游证,等等)的图像或视频,还可以包括目标用户的工作环境或者工作相关的视频或图像等。处理器620对职业认证图像进行图像校验主要是对职业认证图像进行反欺诈校验,所述反欺诈校验主要是用于校验职业认证图像是否进行修改、伪造或者各种欺诈行为。
处理器620在职业认证图像校验通过时,便可以对职业认证图像进行识别。处理器620对职业认证图像进行识别的方式可以有多种,比如,处理器620可以对职业认证图像进行文本检测,在职业认证图像中包含文本时,在职业认证图像中识别出文本内容,以及基于文本内容,确定职业认证图像的图像认证类型,并将图像认证类型作为职业认证图像的识别结果;或者,在职业认证图像中不包括文本时,对职业认证图像进行图像特征提取,以及基于提取出的图像特征,确定职业认证图像的图像内容,并将图像内容作为职业认证图像的识别结果。
其中,在职业认证图像中包含文本时,也就意味着该职业认证图像可能为职业证书,针对这类职业证书就需要通过OCR技术将职业认证图像中的文本内容识别出来,将该文本内容作为职业认证图像的识别结果;在职业认证图像不包含文本时,也就意味着该职业认证证书可能为目标用户的工作环境或者与工作相关的图像,针对这类职业认证图像,就需要识别出该职业认证图像中的图像内容,该图像内容就可以为XXX单位的工作环境、工作内容或者与工作相关的内容,就可以将这些图像内容作为职业认证图像的识别结果。
处理器620在对职业认证图像进行图像识别后,便可以将职业认证图像的识别结果输入至职业图谱,从而得到目标用户的候选职业身份的验证结果,通过职业图谱确定目标用户的候选职业身份的验证结果的方式详见上文所述,在此就不再一一赘述。
(4)用户承诺自证
例如,针对目标用户的候选职业身份验证,处理器620执行视觉模型验证的过程可以包括获取目标用户针对候选职业身份的用户承诺信息,以及基于用户承诺信息,确定目标用户的候选职业身份验证通过,并将验证通过作为验证结果。
其中,用户承诺信息与目标用于的信用信息联动。所谓联动可以理解为目标用户在提交用户承诺信息之后,一旦目标用户存在欺诈或风险行为时,将对目标用户进行信用惩戒,具体的惩戒方式可以包括降低目标用户的信用等级或者信用得分,等等。处理器620获取目标用户针对候选职业身份的用户承诺信息的方式可以有多种,比如,处理器620可以获取目标用户的信用信息,以及在信用信息满足预设信用条件时,获取目标用户针对候选职业身份的用户承诺信息。
其中,信用信息可以理解为评价目标用户的信用的信息,比如,可以包括个人征信信息或者其他交易平台基于大数据确定的评价信用的信息,等等。处理器620获取目标用户的信用信息的方式可以有多种,比如,处理器620可以从官方的信用平台获取目标用户的征信信息,并将该征信信息作为目标用户的信用信息,或者,还可以基于目标用户在业务系统的交易信息或者其他可以评价目标用户的信用的信息,确定出目标用户的信用信息,等等。
处理器620在获取目标用户的信用信息之后,便可以在信用信息满足预设信用条件时,获取目标用户针对候选职业身份的用户承诺信息。预设信用条件可以为预先设定的信用条件,比如,以信息为信用等级为例,该信用条件就可以为信用等级达到预设的信用等级,或者,以信用信息为信用评分为例,该信用条件就可以为信用评分达到预设的信用评分,等等。
处理器620在获取到目标用户针对候选职业身份的用户承诺信息之后,就可以确定目标用户的候选职业身份验证通过,并将验证通过作为验证结果。
在一些实施例中,处理器620在基于用户承诺信息,确定目标用户的候选职业身份的验证结果之后,还可以对目标用户的信用信息进行调整,比如,处理器620在检测到目标用户的候选职业身份验证不通过或者目标用户存在候选职业身份对应的风险行为时,对目标用户的信用信息进行调整。
其中,处理器620在基于用户承诺信息确定目标用户的候选职业身份验证通过之后,就单次验证结果输出,然后,还会定时或者不定时的采用其他验证流程中的至少一种对目标用户的候选职业身份继续验证,除了继续对目标用户的候选职业身份进行验证以后,还会对目标用户的交互行为或交易行为进行风险检测。在检测到目标用户的候选职业身份验证不通过或目标用户存在候选职业身份对应的风险行为时,对目标用户的信用信息进行调整。
其中,处理器620对目标用户的信用信息进行调整的方式可以有多种,比如,处理器620可以基于用户承诺信息,确定信用信息的调整方式,以及基于调整方式,对目标用户的信用信息进行调整,以对目标用户进行信用惩戒。
其中,调整方式可以为对目标用户的信用信息进行调整方式,以信用信息为信用评分为例,这里的调整方式就可以理解为对信用调整的调整幅度或者调整值,比如,可以包括降低5分或者增加5分,等等。调整幅度或者调整值可以根据风险行为的风险程度或频次来确定,还可以基于验证不通过的频次来确定,也可以根据实际应用进行预设,等等。
处理器620在确定信用信息的调整方式之后,便可以基于该调整方式,对目标用户的信用信息进行调整,以对目标用户进行信用惩戒。所述信用惩戒可以为对目标用户在用户信用方面的惩戒,信用惩戒的方式可以有多种,比如,可以包括降低信用等级/评级、降低信用评分或者在信用信息中增加惩戒信息,等等。处理器620基于调整方式,对目标用户的信用信息进行调整的方式可以有多种,比如,以信用信息为信用评分,调整方式为降低5分为例,处理器620就可以基于该调整方式,将目标用户的信用评分降低5分,从而实现对目标用户进行信用惩戒,或者,以信用信息为信用等级,信用等级越高表明目标用户的信用越高,调整方式为降低一个信用等级为例,处理器620就可以基于该调整方式,将目标用户的信用等级降低一个信用等级,从而实现对目标用户进行信用惩戒。
其中,需要说明的是,四种验证流程共同构成了数据智能身份验证框架,具体可以如图4所示,在职业身份验证场景中,可以根据事实情况动态选择模型验证(验真)还是官方渠道验证(验真),官方验证流程中可以支持官方验证证书6800+种,从而实现多场景多精度的职业身份验证,而且,还可以通过视觉模型验证与大数据交叉验证,保证在官方渠道不可用的情况下仍然可以精准识别目标用户的职业身份。采用视觉模型验证累计视觉验证证书模板20+类,并通过信息表单的形式进行对照识别。另外,还可以采用用户承诺自证的验证流程就可以将职业身份验证与信用评价结合,用户自主发起承诺,对风险行为和欺诈行为等进行信用兜底,从而实现更加多元的对职业身份进行验证,进而提升用户的职业身份的验证效率。
S130:采用目标验证方式对目标用户的候选职业身份进行验证,并输出验证结果。
其中,采用目标验证方式对目标用户的候选职业身份进行验证的方式可以有多种,具体可以如下:
例如,处理器620可以基于执行顺序,执行目标验证方式中的至少一个验证流程,对目标用户的候选职业身份进行验证。
其中,执行顺序包括根据验证流程的验证精度从大到小依次执行,且当前执行的验证流程未输出验证结果时,执行下一个验证流程。以目标验证方式包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证为例,处理器620基于执行顺序,执行目标验证方式对目标用户的候选职业身份进行验证的方式可以有多种,比如,处理器620采用官方验证流程对目标用户的候选职业身份进行验证,如果官方验证流程输出验证结果时,就可以停止剩下三个验证流程的执行,如果官方验证流程未输出验证结果时,就可以继续执行大数据交叉验证流程,如果大数据交叉验证流程输出验证结果时,就可以停止剩下两个验证流程的执行,如果大数据交叉验证流程未输出验证结果时,就可以继续执行视觉模型验证流程,如果视觉模型验证流程输出验证结果时,就可以停止剩下的一个验证流程的执行,如果视觉模型未输出验证结果时,就可以继续执行用户承诺自证流程,得到目标用户的候选职业身份的验证结果。这里的验证结果可以包括验证通过和验证不通过,所述验证通过就可以为目标用户的职业身份为候选职业身份,所述验证不通过就可以为目标用户的职业身份不为候选职业身份。
其中,需要说明的是,目标验证方式中可以包括至少一个验证流程。在目标验证方式中包括多个验证流程时,处理器620还可以同时执行多个验证流程,比如,在目标验证方式中同时包括官方验证和大数据交叉验证时,处理器620还可以同时执行这两个流程,并基于这两个流程输出的结果,综合判断出目标用户的候选职业身份的验证结果。如果这两个验证流程未输出验证结果或者验证失败时,就可以继续执行剩下的验证流程。
处理器620在对目标用户的候选职业身份进行验证之后,便可以输出目标用户的候选职业身份的验证结果。所述验证结果与目标用户的候选职业身份对应的职业权益相关联,所述职业权益包括候选职业身份对应的至少一个权限,比如,商户推出一个营销活动,医生购买机票可以享受折扣,此时,职业权益就可以为购买机票享受折扣的权限,等等。输出该验证结果的方式可以有多种,比如,处理器620可以直接将验证结果输出至触发职业身份验证请求对应的商户,以便商户基于验证结果对目标用户赋予候选职业身份对应的职业权益,或者,可以将验证结果输出至目标用户,以便目标用户将该验证结果展示给商户,使得便商户基于验证结果对目标用户赋予候选职业身份对应的职业权益,或者,还可以将验证结果输出至第三方验证平台,通过第三方验证平台将验证结果发送至目标用户和商户,使得目标用户可以基于验证结果在商户享受候选职业身份对应的职业权益,等等。
其中,在身份验证场景中,职业身份验证的整体流程可以包括:合作商户(合作方)提供特定的职业身份权益,对接职业身份验证平台(产品);合作方用户进行合作方小程序或app后,进行职业身份验证,职业身份验证平台的处理器620可以唤起职业身份验证产品的验证模块(至少一个验证流程),通过验证模块进行身份验证。以验证模块可以包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证,且官方验证和大数据交叉验证可以为同时执行为例,处理器620就可以通过大数据交叉验证模型及官方渠道验证综合判断职业身份可信度,针对无法确定身份的用户,采用视觉模型验证进行补充验证,另外,还可以附加用户信用承诺,若出现欺诈或风险行为,将与用户信用的信用等级联动,等等,从而得到验证结果。通过本方案可以实现6000+职业身份的验证能力,而且还可以动态新增职业验证,另外,通过合法合规的形式有效收集增量用户数据,对大数据交叉验证能力进一步提升,从而提升身份验证的准确率和验证效率,等等。
其中,以身份验证场景为机票服务商(商户)为医护人员提供专属身份服务的尊医卡(职业权益)的验证场景,目标验证方式为官方验证、大数据交叉验证、视觉模型验证和用户承诺自证,且官方验证和大数据交叉验证可以为同时执行为例,对用户进行医护(医院、护士或医院工作人员)身份进行验证的产品流程可以如图5所示,用户通过用户终端进入该商户的小程序或APP之后,触发申请尊医卡。处理器620通过对用户状态进行风险检测,在用户状态检测未通过时,用户终端显示关闭页面示意图,处理器620停止身份验证流程,在用户状态检测通过时,用户终端就可以显示授权页面,在用户触发授权操作时,处理器620执行官方验证和大数据交叉验证综合判断该用户为医护人员的身份可信度,并基于身份可信度确定验证结果。在验证通过时,用户终端就可以显示尊医卡申领成功的申领页面。在验证未通过时,用户终端可以显示身份信息补充页面,该身份信息补充页面可以包括放弃验证控件和信息补充控件,响应与用户针对信息补充控件的触发操作,用户终端可以显示内容上传页面,用户终端通过内容上传页面上传补充的身份信息,处理器620通过视觉模型验证和/或用户承诺自证对用户的医护身份进行补充验证。在验证通过时,用户终端就可以显示尊医卡申领成功的申领页面,反之,用户终端就可以显示领取失败的申领页面。
在一些实施例中,基于职业身份验证方法构建的职业身份验证系统也可以看做是一个职业身份验证产品,该职业身份验证产品的框架可以如图6所示,具体可以包括四个部分,业务名称、核心价值、核心玩法和核心壁垒,具体可以如下:
(1)业务名称:职业身份验证;
(2)核心价值:主要从三个维度进行描述,针对用户而言,验证职业身份享受专属权益,提升职业荣誉感;针对商户(合作方)而言,实现精准营销,低成本大产出,不仅可以提升社会价值,还可以提升美誉度;针对身份验证平台(服务器)而言,实现身份验证底层数据的产品商品化,增加与身份验证相关业务的用户感知,让用户更便捷的享受职业福利,等等。
(3)核心玩法:一键验证职业身份,即刻享受专属权益;
(4)核心壁垒:与用户信用信息联动,保障资料填写准确率。存量数据一键验证,随着场景增厚,身份验证实现正向循环,另外,通过算法模型实时反馈验证结果,0人工审核成本。
综上所述,本说明书提供的职业身份验证方法P100和系统001,在接收职业身份验证请求后,该职业身份验证请求包括需要验证的目标用户的候选职业身份和该目标用户对应的验证场景,基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到候选职业身份对应的目标验证方式,以及采用目标验证方式对所述目标用户的候选职业身份进行验证,并输出验证结果;由于该方案无需人工审核,可以基于验证场景,动态构建该候选职业身份对应的目标验证方式,从而实现在不同验证场景下,可以采用不同的验证方式,从而提升身份验证的成功率和准确率,而且,并未限制可以验证的职业身份,因此,可以提升职业身份的验证效率。
本说明书另一方面提供一种非暂时性存储介质,存储有至少一组用来进行职业身份验证的可执行指令。当所述可执行指令被处理器执行时,所述可执行指令指导所述处理器实施本说明书所述的职业身份验证方法P100的步骤。在一些可能的实施方式中,本说明书的各个方面还可以实现为一种程序产品的形式,其包括程序代码。当所述程序产品在计算设备600上运行时,所述程序代码用于使计算设备600执行本说明书描述的职业身份验证方法P100的步骤。用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)包括程序代码,并可以在计算设备600上运行。然而,本说明书的程序产品不限于此,在本说明书中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本说明书操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在计算设备600上执行、部分地在计算设备600上执行、作为一个独立的软件包执行、部分在计算设备600上部分在远程计算设备上执行、或者完全在远程计算设备上执行。
上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者是可能有利的。
综上所述,在阅读本详细公开内容之后,本领域技术人员可以明白,前述详细公开内容可以仅以示例的方式呈现,并且可以不是限制性的。尽管这里没有明确说明,本领域技术人员可以理解本说明书需求囊括对实施例的各种合理改变,改进和修改。这些改变,改进和修改旨在由本说明书提出,并且在本说明书的示例性实施例的精神和范围内。
此外,本说明书中的某些术语已被用于描述本说明书的实施例。例如,“一个实施例”,“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征,结构或特性可以包括在本说明书的至少一个实施例中。因此,可以强调并且应当理解,在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更多个引用不一定都指代相同的实施例。此外,特定特征,结构或特性可以在本说明书的一个或多个实施例中适当地组合。
应当理解,在本说明书的实施例的前述描述中,为了帮助理解一个特征,出于简化本说明书的目的,本说明书将各种特征组合在单个实施例、附图或其描述中。然而,这并不是说这些特征的组合是必须的,本领域技术人员在阅读本说明书的时候完全有可能将其中一部分设备标注出来作为单独的实施例来理解。也就是说,本说明书中的实施例也可以理解为多个次级实施例的整合。而每个次级实施例的内容在于少于单个前述公开实施例的所有特征的时候也是成立的。
本文引用的每个专利,专利申请,专利申请的出版物和其他材料,例如文章,书籍,说明书,出版物,文件,物品等,可以通过引用结合于此。用于所有目的全部内容,除了与其相关的任何起诉文件历史,可能与本文件不一致或相冲突的任何相同的,或者任何可能对权利要求的最宽范围具有限制性影响的任何相同的起诉文件历史。现在或以后与本文件相关联。举例来说,如果在与任何所包含的材料相关联的术语的描述、定义和/或使用与本文档相关的术语、描述、定义和/或之间存在任何不一致或冲突时,使用本文件中的术语为准。
最后,应理解,本文公开的申请的实施方案是对本说明书的实施方案的原理的说明。其他修改后的实施例也在本说明书的范围内。因此,本说明书披露的实施例仅仅作为示例而非限制。本领域技术人员可以根据本说明书中的实施例采取替代配置来实现本说明书中的申请。因此,本说明书的实施例不限于申请中被精确地描述过的实施例。
Claims (19)
1.一种职业身份验证方法,包括:
接收职业身份验证请求,所述职业身份验证请求包括需要验证的目标用户的候选职业身份和所述目标用户对应的验证场景;
基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到所述候选职业身份对应的目标验证方式;以及
采用所述目标验证方式对所述目标用户的候选职业身份进行验证,并输出验证结果。
2.根据权利要求1所述的职业身份验证方法,其中,所述基于所述验证场景,在候选验证流程中选取出至少一个验证流程,以得到所述候选职业身份对应的目标验证方式,包括:
基于所述验证场景,确定所述目标用户的候选职业身份对应的目标验证精度;
基于所述目标验证精度,在所述候选验证流程中选取出至少一个验证流程;以及
将所述至少一个验证流程进行组合,以得到所述候选职业身份对应的目标验证方式。
3.根据权利要求2所述的职业身份验证方法,其中,所述基于所述目标验证精度,在所述候选验证流程中选取出至少一个验证流程,包括:
获取所述候选验证流程中每一验证流程对应的当前验证精度;
将所述目标验证精度与所述当前验证精度进行匹配;以及
基于匹配结果,在所述候选验证流程中选取出至少一个验证流程。
4.根据权利要求2所述的职业身份验证方法,其中,所述候选验证流程包括官方验证、大数据交叉验证、视觉模型验证和用户承诺自证中的至少一种。
5.根据权利要求4所述的职业身份验证方法,其中,所述官方验证、所述大数据交叉验证、所述视觉模型验证和所述用户承诺自证分别对应的验证精度依次降低。
6.根据权利要求4所述的职业身份验证方法,其中,针对所述目标用户的候选职业身份验证,执行所述官方验证,包括:
获取所述目标用户的身份信息,并将所述身份信息发送至职业证书认证服务器;
接收所述职业证书认证服务器返回的所述目标用户的职业证书信息;以及
将所述职业证书信息输入至职业图谱,以得到所述目标用户的候选职业身份的验证结果。
7.根据权利要求4所述的职业身份验证方法,其中,针对所述目标用户的候选职业身份验证,执行所述大数据交叉验证,包括:
获取所述目标用户的用户属性信息,并在所述用户属性信息中提取出多个维度的目标用户数据;
分别将所述多个维度的目标用户数据输入至职业图谱,以得到每一维度的所述目标用户数据对应的验证信息;以及
基于所述验证信息,对所述目标用户的候选职业身份进行交叉验证,得到所述目标用户的候选职业身份的验证结果。
8.根据权利要求7所述的职业身份验证方法,其中,所述目标用户数据包括所述目标用户的位置信息、用户画像、社保信息、社交信息、交易信息和税务信息中的至少一种。
9.根据权利要求4所述的职业身份验证方法,其中,针对所述目标用户的候选职业身份验证,执行所述视觉模型验证,包括:
获取所述目标用户的职业认证图像,并对所述职业认证图像进行图像校验;
在所述职业认证图像校验通过时,对所述职业认证图像进行图像识别;以及
将所述职业认证图像的识别结果输入至职业图谱,以得到所述目标用户的候选职业身份的验证结果。
10.根据权利要求9所述的职业身份验证方法,其中,所述对所述职业认证图像进行图像识别,包括:
对所述职业认证图像进行文本检测;
在所述职业认证图像包括文本时,在所述职业认证图像中识别出文本内容;以及
基于所述文本内容,确定所述职业认证图像的图像认证类型,并将所述图像认证类型作为所述职业认证图像的识别结果。
11.根据权利要求10所述的职业身份验证方法,其中,还包括:
在所述职业认证图像中不包括所述文本时,对所述职业认证图像进行图像特征提取;以及
基于提取出的图像特征,确定所述职业认证图像的图像内容,并将所述图像内容作为所述职业认证图像的识别结果。
12.根据权利要求4所述的职业身份验证方法,其中,针对所述目标用户的候选职业身份验证,执行所述用户承诺自证,包括:
获取所述目标用户针对所述候选职业身份的用户承诺信息,所述用户承诺信息与所述目标用户的信用信息联动;以及
基于所述用户承诺信息,确定所述目标用户的候选职业身份验证通过,并将所述验证通过作为所述验证结果。
13.根据权利要求12所述的职业身份验证方法,其中,所述获取所述目标用户针对所述候选职业身份的用户承诺信息,包括:
获取所述目标用户的信用信息;以及
在所述信用信息满足预设信用条件时,获取所述目标用户针对所述候选职业身份的用户承诺信息。
14.根据权利要求12所述的职业身份验证方法,其中,所述基于所述用户承诺信息,确定所述目标用户的候选职业身份的验证结果之后,还包括:
在检测到所述目标用户的候选职业身份验证不通过或者所述目标用户存在所述候选职业身份对应的风险行为时,对所述目标用户的信用信息进行调整。
15.根据权利要求14所述的职业身份验证方法,其中,所述对所述目标用户的信用信息进行调整,包括:
基于所述用户承诺信息,确定所述信用信息的调整方式;以及
基于所述调整方式,对所述目标用户的信用信息进行调整,以对所述目标用户进行信用惩戒。
16.根据权利要求1所述的职业身份验证方法,其中,所述目标验证方式中的至少一个验证流程的执行顺序包括根据所述验证流程的验证精度从大至小依次执行,且当前执行的验证流程未输出验证结果时,执行下一个验证流程。
17.根据权利要求16所述的职业身份验证方法,其中,所述采用所述目标验证方式对所述目标用户的候选职业身份进行验证,包括:
基于所述执行顺序,执行所述目标验证方式中的至少一个验证流程,对所述目标用户的候选职业身份进行验证。
18.根据权利要求1所述的职业身份验证方法,其中,所述验证结果与所述目标用户的候选职业身份对应的职业权益相关联,所述职业权益包括所述候选职业身份对应的至少一个权限。
19.一种职业身份验证系统,包括:
至少一个存储介质,存储有至少一个指令集,用于进行职业身份验证;以及
至少一个处理器,同所述至少一个存储介质通信连接,
其中,当所述职业身份验证系统运行时,所述至少一个处理器读取所述至少一个指令集,并且根据所述至少一个指令集的指示执行权利要求1-18中任一项所述的职业身份验证方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211266718.6A CN115604008A (zh) | 2022-10-17 | 2022-10-17 | 职业身份验证方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211266718.6A CN115604008A (zh) | 2022-10-17 | 2022-10-17 | 职业身份验证方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115604008A true CN115604008A (zh) | 2023-01-13 |
Family
ID=84847445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211266718.6A Pending CN115604008A (zh) | 2022-10-17 | 2022-10-17 | 职业身份验证方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115604008A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030068812A (ko) * | 2002-02-18 | 2003-08-25 | 김옥희 | 역술적 중매정보제공방법 및 시스템 |
US20150279374A1 (en) * | 2014-04-01 | 2015-10-01 | Google Inc. | Segment-based speaker verification using dynamically generated phrases |
CN107749844A (zh) * | 2017-10-16 | 2018-03-02 | 维沃移动通信有限公司 | 身份验证方法及移动终端 |
CN109450867A (zh) * | 2018-10-22 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 一种身份认证方法、装置及存储介质 |
WO2020034897A1 (en) * | 2018-08-14 | 2020-02-20 | World Concept Development Limited | Methods, apparatuses, storage mediums and terminal devices for authentication |
CN112036890A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 客户身份认证方法及装置 |
WO2021042746A1 (zh) * | 2019-09-02 | 2021-03-11 | 深圳壹账通智能科技有限公司 | 信息推荐方法及装置、存储介质和电子设备 |
CN113489714A (zh) * | 2021-07-02 | 2021-10-08 | 上海瀚之友信息技术服务有限公司 | 一种基于多模块的消息智能交叉处理方法及系统 |
CN113946260A (zh) * | 2021-10-28 | 2022-01-18 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
CN114139121A (zh) * | 2020-08-14 | 2022-03-04 | 中信银行股份有限公司 | 身份验证方法、装置、电子设备及计算机可读存储介质 |
CN114817984A (zh) * | 2022-04-22 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
-
2022
- 2022-10-17 CN CN202211266718.6A patent/CN115604008A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030068812A (ko) * | 2002-02-18 | 2003-08-25 | 김옥희 | 역술적 중매정보제공방법 및 시스템 |
US20150279374A1 (en) * | 2014-04-01 | 2015-10-01 | Google Inc. | Segment-based speaker verification using dynamically generated phrases |
CN107749844A (zh) * | 2017-10-16 | 2018-03-02 | 维沃移动通信有限公司 | 身份验证方法及移动终端 |
WO2020034897A1 (en) * | 2018-08-14 | 2020-02-20 | World Concept Development Limited | Methods, apparatuses, storage mediums and terminal devices for authentication |
CN109450867A (zh) * | 2018-10-22 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 一种身份认证方法、装置及存储介质 |
WO2021042746A1 (zh) * | 2019-09-02 | 2021-03-11 | 深圳壹账通智能科技有限公司 | 信息推荐方法及装置、存储介质和电子设备 |
CN114139121A (zh) * | 2020-08-14 | 2022-03-04 | 中信银行股份有限公司 | 身份验证方法、装置、电子设备及计算机可读存储介质 |
CN112036890A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 客户身份认证方法及装置 |
CN113489714A (zh) * | 2021-07-02 | 2021-10-08 | 上海瀚之友信息技术服务有限公司 | 一种基于多模块的消息智能交叉处理方法及系统 |
CN113946260A (zh) * | 2021-10-28 | 2022-01-18 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置及设备 |
CN114817984A (zh) * | 2022-04-22 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11539525B2 (en) | Systems and methods for secure tokenized credentials | |
CN114792420B (zh) | 比较数据的方法、非暂时性计算机可读存储设备以及系统 | |
KR101723709B1 (ko) | 이미지 기반 금융 처리 | |
US20160342853A1 (en) | Comparing extracted card data with user data | |
CN112651841B (zh) | 线上业务办理方法、装置、服务器及计算机可读存储介质 | |
JP2018523188A (ja) | 抽出されたユーザ名と記憶されたユーザデータとの比較 | |
CN110247898B (zh) | 身份验证方法、装置、介质及电子设备 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
US20230084897A1 (en) | Registration and payment method, device, and system using face information | |
CN113642639B (zh) | 活体检测方法、装置、设备和存储介质 | |
CN110324314A (zh) | 用户注册方法及装置、存储介质、电子设备 | |
CN112950219A (zh) | 支付处理方法和系统 | |
CN113591603A (zh) | 证件的验证方法、装置、电子设备及存储介质 | |
CN116468113A (zh) | 活体检测模型的训练方法、活体检测方法和系统 | |
US20140279642A1 (en) | Systems and methods for enrollment and identity management using mobile imaging | |
CN116012612A (zh) | 内容检测方法和系统 | |
WO2023154393A1 (en) | Methods and systems for digital identification verification and contactless check-in | |
CN115840931A (zh) | 基于人脸滑屏互动的身份验证的方法及相关产品 | |
CN115604008A (zh) | 职业身份验证方法和系统 | |
TW202230173A (zh) | 認證系統、認證方法、及程式產品 | |
US20240071117A1 (en) | Signature verification based on topological stochastic models | |
CN113826135B (zh) | 使用话音识别进行非接触式认证的系统、方法和计算机系统 | |
CN116343348A (zh) | 活体检测方法和系统 | |
US20200380626A1 (en) | Validating identification documents based on case-based behaviors | |
CN116665315A (zh) | 活体检测模型的训练方法、活体检测方法和系统 |
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 |