CN117633772A - 密码恢复的提示方法、提示装置和密码恢复系统 - Google Patents
密码恢复的提示方法、提示装置和密码恢复系统 Download PDFInfo
- Publication number
- CN117633772A CN117633772A CN202311750478.1A CN202311750478A CN117633772A CN 117633772 A CN117633772 A CN 117633772A CN 202311750478 A CN202311750478 A CN 202311750478A CN 117633772 A CN117633772 A CN 117633772A
- Authority
- CN
- China
- Prior art keywords
- password
- features
- information
- user
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000011084 recovery Methods 0.000 title claims abstract description 60
- 238000000605 extraction Methods 0.000 claims abstract description 97
- 238000012549 training Methods 0.000 claims abstract description 63
- 238000010801 machine learning Methods 0.000 claims abstract description 29
- 238000003058 natural language processing Methods 0.000 claims description 27
- 238000005516 engineering process Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 21
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 239000013598 vector Substances 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Telephone Function (AREA)
Abstract
本申请提供了一种密码恢复的提示方法、提示装置和密码恢复系统,该方法包括:获取密码相关数据,密码相关数据为用户设置密码用到的概率大于预设概率的数据;采用特征提取模型对密码相关数据进行特征提取,得到多个密码特征,密码特征为可能为密码的一部分的特征,特征提取模型为通过多组训练数据进行机器学习得到的,多组训练数据中的每一组训练数据均包括历史密码对应的密码特征和对应的密码相关数据;将多个密码特征进行组合形成至少一个提示信息并展示给用户,提示信息用于提示用户来恢复密码,解决现有技术中通过售后服务进行密码恢复费时费力的问题。
Description
技术领域
本发明涉及密码恢复领域,具体而言,涉及一种密码恢复的提示方法、提示装置、计算机可读存储介质和密码恢复系统。
背景技术
随着智能手机的普及,手机密码成为保护用户隐私和数据安全的重要手段。然而,有时候用户会忘记或遗失手机密码,导致无法正常使用手机。目前,解决此问题的方法主要依靠人工操作,如通过售后服务或者专业技术人员进行解锁,这种方法不仅耗时,而且可能涉及到用户隐私泄露的风险。因此,急需一种自动化的手机密码恢复系统来解决现有技术中的问题。
发明内容
本申请的主要目的在于提供一种密码恢复的提示方法、提示装置、计算机可读存储介质和密码恢复系统,以至少解决现有技术中通过售后服务进行密码恢复费时费力的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种密码恢复的提示方法,包括:获取密码相关数据,所述密码相关数据为用户设置密码用到的概率大于预设概率的数据;采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征,所述密码特征为可能为所述密码的一部分的特征,所述特征提取模型为通过多组训练数据进行机器学习得到的,多组所述训练数据中的每一组所述训练数据均包括历史密码对应的所述密码特征和对应的所述密码相关数据;将多个所述密码特征进行组合形成至少一个提示信息并展示给所述用户,所述提示信息用于提示所述用户来恢复所述密码。
可选地,获取密码相关数据,包括:获取所述用户的身份相关信息、常用密码和特殊信息,所述身份相关信息包括手机号码、身份证号码、常用账号和邮箱地址,所述特殊信息包括输入密码的设备名称、特殊时间和特殊地点;获取所述用户的第一反馈信息,所述第一反馈信息为所述身份相关信息、所述常用密码和所述特殊信息是否可能用于设置所述密码;将所述第一反馈信息为可能用于设置所述密码的所述身份相关信息、所述常用密码和所述特殊信息确定为所述密码相关数据。
可选地,在采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征之前,所述方法还包括:采用机器学习算法和自然语言处理技术生成初始特征提取模型,使得所述初始特征提取模型用于提取所述密码相关数的特征并从所述特征中筛选出预定数量的所述密码特征;获取多个所述历史密码,并对多个所述历史密码进行分析,得到多组所述训练数据;采用多组所述训练数据对所述初始特征提取模型进行迭代训练,直至所述初始特征提取模型输出的所述预定数量的所述密码特征中存在所述历史密码对应的所述密码特征,将当前的所述初始特征提取模型确定为所述特征提取模型。
可选地,将多个所述密码特征进行组合形成至少一个提示信息,包括:对多个所述密码特征进行预处理,得到多个有效特征,所述预处理包括数据清洗、去重和分词;将多个所述有效特征的格式转换为所述密码要求的格式,得到多个目标特征;将多个所述目标特征进行组合形成至少一个所述提示信息。
可选地,所述密码相关数据还包括当前用户的生物特征信息,所述生物特征信息包括人脸图像、声纹信息和指纹信息,将多个所述密码特征进行组合形成至少一个提示信息,还包括:将所述当前用户的所述生物特征信息与存储的所述生物特征信息进行匹配,得到匹配结果;在所述匹配结果为成功的情况下,将多个所述密码特征进行组合形成至少一个所述提示信息。
可选地,在将多个所述密码特征进行组合形成至少一个所述提示信息之后,所述方法还包括:在所述提示信息有多个的情况下,通过提示模式对所述提示信息排序,并将排序后的所述提示信息依次发送给所述用户来提示所述用户来恢复所述密码;获取用户的第二反馈信息,所述第二反馈信息为反馈所述提示信息的有效性的信息;根据所述第二反馈信息调整所述提示模式的参数,使得所述第二反馈信息为有效性差的所述提示信息排序靠后且所述第二反馈信息为有效性差的所述提示信息排序靠前。
可选地,在将多个所述密码特征进行组合形成至少一个提示信息之后,所述方法还包括:获取用户的第三反馈信息,所述第三反馈信息为反馈所述提示信息的安全性和易用性的信息;将所述第三反馈信息为安全性高和易用性强的所述提示信息作为新密码推荐给所述用户。
根据本申请的另一方面,提供了一种密码恢复的提示装置,包括:第一获取单元,用于获取密码相关数据,所述密码相关数据为用户设置密码用到的概率大于预设概率的数据;提取单元,用于采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征,所述密码特征为可能为所述密码的一部分的特征,所述特征提取模型为通过多组训练数据进行机器学习得到的,多组所述训练数据中的每一组所述训练数据均包括历史密码对应的所述密码特征和对应的所述密码相关数据;处理单元,用于将多个所述密码特征进行组合形成至少一个提示信息,所述提示信息用于提示所述用户来恢复所述密码。
根据本申请的再一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
根据本申请的又一方面,提供了一种密码恢复系统,包括:一个或多个处理器,存储器,以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行任意一种所述的方法。
应用本申请的技术方案,上述密码恢复的提示方法中,首先,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;然后,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;最后,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。该方法通过对用户设置密码可能用到的数据进行分析提取特征,来通过组合密码特征来提示用户,帮助用户恢复密码,且通过历史密码来训练特征提取模型以了解用户设置密码的偏好,使得提示信息更准确有效,帮助用户快速恢复密码,解决了现有技术中通过售后服务进行密码恢复费时费力的问题。
附图说明
图1示出了根据本申请的实施例中提供的一种执行密码恢复的提示方法的移动终端的硬件结构框图;
图2示出了根据本申请的实施例提供的一种密码恢复的提示方法的流程示意图;
图3示出了根据本申请的实施例提供的另一种密码恢复的提示方法的流程示意图;
图4示出了根据本申请的实施例提供的一种密码恢复的提示装置的结构框图。
其中,上述附图包括以下附图标记:
102、处理器;104、存储器;106、传输设备;108、输入输出设备。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
正如背景技术中所介绍的,现有技术中通过售后服务进行密码恢复费时费力,为解决该问题,本申请的实施例提供了一种密码恢复的提示方法、提示装置、计算机可读存储介质和密码恢复系统。
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。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种密码恢复的提示方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的设备信息的显示方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的密码恢复的提示方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本申请实施例的密码恢复的提示方法的流程图。如图2所示,该方法包括以下步骤:
步骤S201,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S202,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S203,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
上述密码恢复的提示方法中,首先,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;然后,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;最后,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。该方法通过对用户设置密码可能用到的数据进行分析提取特征,来通过组合密码特征来提示用户,帮助用户恢复密码,且通过历史密码来训练特征提取模型以了解用户设置密码的偏好,使得提示信息更准确有效,帮助用户快速恢复密码,解决了现有技术中通过售后服务进行密码恢复费时费力的问题。
为了保证提示的准确性,一种可选的实施方式中,上述步骤S201包括:
步骤S2011,获取上述用户的身份相关信息、常用密码和特殊信息,上述身份相关信息包括手机号码、身份证号码、常用账号和邮箱地址,上述特殊信息包括输入密码的设备名称、特殊时间和特殊地点;
步骤S2012,获取上述用户的第一反馈信息,上述第一反馈信息为上述身份相关信息、上述常用密码和上述特殊信息是否可能用于设置上述密码;
步骤S2013,将上述第一反馈信息为可能用于设置上述密码的上述身份相关信息、上述常用密码和上述特殊信息确定为上述密码相关数据。
上述实施方式中,用户的第一反馈信息来筛选用户的身份相关信息、常用密码和特殊信息,来确定密码相关数据,剔除从不用于密码设置的数据,提高提示的准确性。
为了提取密码特征,一种可选的实施方式中,在采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征之前,上述方法还包括:
步骤S301,采用机器学习算法和自然语言处理技术生成初始特征提取模型,使得上述初始特征提取模型用于提取上述密码相关数的特征并从上述特征中筛选出预定数量的上述密码特征;
步骤S302,获取多个上述历史密码,并对多个上述历史密码进行分析,得到多组上述训练数据;
步骤S303,采用多组上述训练数据对上述初始特征提取模型进行迭代训练,直至上述初始特征提取模型输出的上述预定数量的上述密码特征中存在上述历史密码对应的上述密码特征,将当前的上述初始特征提取模型确定为上述特征提取模型。
上述实施方式中,通过对用户在使用过程中,在密码输入界面通过电容屏的触点去收集、分析有可能得数据,或者获取用户手机号码,身份证信息,声纹,屏幕滑动轨迹等,通过朴素贝叶斯,向量机或神经网络等机器学习算法和自然语言处理(NLP)技术进行模型训练,数据分析处理,从中提取与密码相关的特征向量。
为了提取准确的密码特征,一种可选的实施方式中,上述步骤S203包括:
步骤S2031,对多个上述密码特征进行预处理,得到多个有效特征,上述预处理包括数据清洗、去重和分词;
步骤S2032,将多个上述有效特征的格式转换为上述密码要求的格式,得到多个目标特征;
步骤S2033,将多个上述目标特征进行组合形成至少一个上述提示信息。
上述实施方式中,获取到特定用户的密码相关的特征向量,通过自然语言处理技术首先对特征向量进行数据清洗,去重,分词等操作,将其转化为手机系统可处理的数据格式,然后从预处理后的数据中提取相关信息,如文本关键词,实体信息,语义关系等,最后将处理后的数据以图表,文字,图像等形式进行可视化展示,方便用户理解何分析。
为了保证安全性,一种可选的实施方式中,上述密码相关数据还包括当前用户的生物特征信息,上述生物特征信息包括人脸图像、声纹信息和指纹信息,上述步骤S2033还包括:
步骤S20331,将上述当前用户的上述生物特征信息与存储的上述生物特征信息进行匹配,得到匹配结果;
步骤S20332,在上述匹配结果为成功的情况下,将多个上述密码特征进行组合形成至少一个上述提示信息。
上述实施方式中,通过声纹,人像等特征进行匹配,当检测到匹配的用户时,再将多个上述密码特征进行组合形成至少一个上述提示信息,防止陌生人破解密码,保证安全性。
为了优化提示方法,一种可选的实施方式中,在将多个上述密码特征进行组合形成至少一个上述提示信息之后,上述方法还包括:
步骤S401,在上述提示信息有多个的情况下,通过提示模式对上述提示信息排序,并将排序后的上述提示信息依次发送给上述用户来提示上述用户来恢复上述密码;
步骤S402,获取用户的第二反馈信息,上述第二反馈信息为反馈上述提示信息的有效性的信息;
步骤S403,根据上述第二反馈信息调整上述提示模式的参数,使得上述第二反馈信息为有效性差的上述提示信息排序靠后且上述第二反馈信息为有效性差的上述提示信息排序靠前。
上述实施方式中,在密码恢复建议实施后,通过采集用户对于建议的反馈信息,如建议的有效性、满意度等,对预测模型进行持续优化和改进。
为了优化提示方法,一种可选的实施方式中,在将多个上述密码特征进行组合形成至少一个提示信息之后,上述方法还包括:
步骤S501,获取用户的第三反馈信息,上述第三反馈信息为反馈上述提示信息的安全性和易用性的信息;
步骤S502,将上述第三反馈信息为安全性高和易用性强的上述提示信息作为新密码推荐给上述用户。
上述实施方式中,用户对于密码的反馈信息,如密码安全性、易用性等,通过自然语言处理技术生成针对不同用户的密码恢复建议,这些建议可以包括常见的密码组合、密码使用习惯、改进密码安全性的建议等。
为了使得本领域技术人员能够更加清楚地了解本申请的技术方案,以下将结合具体的实施例对本申请的密码恢复的提示方法的实现过程进行详细说明。
本实施例涉及一种具体的密码恢复的提示方法,如图3所示,包括如下步骤:
步骤S1:通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据以及用户对于密码的反馈信息,如密码安全性、易用性等。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S2:使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律。首先,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。然后,通过建立预测模型,预测用户可能的密码组合和密码使用习惯。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S3:根据数据分析模块的输出,通过自然语言处理技术生成针对不同用户的密码恢复建议。这些建议可以包括常见的密码组合、密码使用习惯、改进密码安全性的建议等。此外,该模块还可以根据预测模型的结果,自动尝试猜测用户的密码组合,从而帮助用户恢复手机的使用权限
步骤S4:在密码恢复建议实施后,通过采集用户对于建议的反馈信息,如建议的有效性、满意度等,对预测模型进行持续优化和改进。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种密码恢复的提示装置,需要说明的是,本申请实施例的密码恢复的提示装置可以用于执行本申请实施例所提供的用于密码恢复的提示方法。该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
以下对本申请实施例提供的密码恢复的提示装置进行介绍。
图4是根据本申请实施例的密码恢复的提示装置的结构框图。如图4所示,该装置包括:
第一获取单元10,用于获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
提取单元20,用于采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
处理单元30,用于将多个上述密码特征进行组合形成至少一个提示信息,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
上述密码恢复的提示装置中,第一获取单元获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;提取单元采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;处理单元将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。该装置通过对用户设置密码可能用到的数据进行分析提取特征,来通过组合密码特征来提示用户,帮助用户恢复密码,且通过历史密码来训练特征提取模型以了解用户设置密码的偏好,使得提示信息更准确有效,帮助用户快速恢复密码,解决了现有技术中通过售后服务进行密码恢复费时费力的问题。
为了保证提示的准确性,一种可选的实施方式中,上述获取单元包括:
第一获取模块,用于获取上述用户的身份相关信息、常用密码和特殊信息,上述身份相关信息包括手机号码、身份证号码、常用账号和邮箱地址,上述特殊信息包括输入密码的设备名称、特殊时间和特殊地点;
第二获取模块,用于获取上述用户的第一反馈信息,上述第一反馈信息为上述身份相关信息、上述常用密码和上述特殊信息是否可能用于设置上述密码;
确定模块,用于将上述第一反馈信息为可能用于设置上述密码的上述身份相关信息、上述常用密码和上述特殊信息确定为上述密码相关数据。
上述实施方式中,用户的第一反馈信息来筛选用户的身份相关信息、常用密码和特殊信息,来确定密码相关数据,剔除从不用于密码设置的数据,提高提示的准确性。
为了提取密码特征,一种可选的实施方式中,上述装置还包括:
生成单元,用于在采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征之前,采用机器学习算法和自然语言处理技术生成初始特征提取模型,使得上述初始特征提取模型用于提取上述密码相关数的特征并从上述特征中筛选出预定数量的上述密码特征;
第二获取单元,用于获取多个上述历史密码,并对多个上述历史密码进行分析,得到多组上述训练数据;
训练单元,用于采用多组上述训练数据对上述初始特征提取模型进行迭代训练,直至上述初始特征提取模型输出的上述预定数量的上述密码特征中存在上述历史密码对应的上述密码特征,将当前的上述初始特征提取模型确定为上述特征提取模型。
上述实施方式中,通过对用户在使用过程中,在密码输入界面通过电容屏的触点去收集、分析有可能得数据,或者获取用户手机号码,身份证信息,声纹,屏幕滑动轨迹等,通过朴素贝叶斯,向量机或神经网络等机器学习算法和自然语言处理(NLP)技术进行模型训练,数据分析处理,从中提取与密码相关的特征向量。
为了提取准确的密码特征,一种可选的实施方式中,上述处理单元包括:
第一处理模块,用于对多个上述密码特征进行预处理,得到多个有效特征,上述预处理包括数据清洗、去重和分词;
第二处理模块,用于将多个上述有效特征的格式转换为上述密码要求的格式,得到多个目标特征;
第三处理模块,用于将多个上述目标特征进行组合形成至少一个上述提示信息。
上述实施方式中,获取到特定用户的密码相关的特征向量,通过自然语言处理技术首先对特征向量进行数据清洗,去重,分词等操作,将其转化为手机系统可处理的数据格式,然后从预处理后的数据中提取相关信息,如文本关键词,实体信息,语义关系等,最后将处理后的数据以图表,文字,图像等形式进行可视化展示,方便用户理解何分析。
为了保证安全性,一种可选的实施方式中,上述密码相关数据还包括当前用户的生物特征信息,上述生物特征信息包括人脸图像、声纹信息和指纹信息,上述第三处理模块还包括:
匹配子模块,用于将上述当前用户的上述生物特征信息与存储的上述生物特征信息进行匹配,得到匹配结果;
处理子模块,用于在上述匹配结果为成功的情况下,将多个上述密码特征进行组合形成至少一个上述提示信息。
上述实施方式中,通过声纹,人像等特征进行匹配,当检测到匹配的用户时,再将多个上述密码特征进行组合形成至少一个上述提示信息,防止陌生人破解密码,保证安全性。
为了优化提示方法,一种可选的实施方式中,上述装置还包括:
排序单元,用于在将多个上述密码特征进行组合形成至少一个上述提示信息之后,在上述提示信息有多个的情况下,通过提示模式对上述提示信息排序,并将排序后的上述提示信息依次发送给上述用户来提示上述用户来恢复上述密码;
第三获取单元,用于获取用户的第二反馈信息,上述第二反馈信息为反馈上述提示信息的有效性的信息;
调整单元,用于根据上述第二反馈信息调整上述提示模式的参数,使得上述第二反馈信息为有效性差的上述提示信息排序靠后且上述第二反馈信息为有效性差的上述提示信息排序靠前。
上述实施方式中,在密码恢复建议实施后,通过采集用户对于建议的反馈信息,如建议的有效性、满意度等,对预测模型进行持续优化和改进。
为了优化提示方法,一种可选的实施方式中,上述装置还包括:
第四获取单元,用于在将多个上述密码特征进行组合形成至少一个提示信息之后,获取用户的第三反馈信息,上述第三反馈信息为反馈上述提示信息的安全性和易用性的信息;
推荐单元,用于将上述第三反馈信息为安全性高和易用性强的上述提示信息作为新密码推荐给上述用户。
上述实施方式中,用户对于密码的反馈信息,如密码安全性、易用性等,通过自然语言处理技术生成针对不同用户的密码恢复建议,这些建议可以包括常见的密码组合、密码使用习惯、改进密码安全性的建议等。
上述密码恢复的提示装置包括处理器和存储器,上述第一获取单元、提取单元和处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决现有技术中通过售后服务进行密码恢复费时费力的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行上述密码恢复的提示方法。
具体地,密码恢复的提示方法包括:
步骤S201,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S202,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S203,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述密码恢复的提示方法。
具体地,密码恢复的提示方法包括:
步骤S201,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S202,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S203,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
本发明实施例提供了一种密码恢复系统,密码恢复系统包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:
步骤S201,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S202,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S203,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:
步骤S201,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
具体地,通过分析用户的手机使用行为,采集与用户密码相关的数据,包括但不限于常用的密码组合、密码使用习惯、输入密码的设备、时间、地点等数据。同时将采集到的数据通过MD5等加密算法对用户数据进行加密存储到手机内部数据区。
步骤S202,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;
具体地,使用机器学习算法和自然语言处理技术对采集到的数据进行处理和分析,从中发现模式和规律,对存储的数据进行加秘,再通过特征提取技术从用户行为数据中提取出与密码相关的特征。此外,该功能还可以通过自然语言处理技术分析用户的反馈信息,提取出用户对于密码的偏好和需求。
步骤S203,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。
具体地,通过建立预测模型,预测用户可能的密码组合和密码使用习惯,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,帮助用户回忆密码来恢复密码。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的密码恢复的提示方法中,首先,获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;然后,采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;最后,将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。该方法通过对用户设置密码可能用到的数据进行分析提取特征,来通过组合密码特征来提示用户,帮助用户恢复密码,且通过历史密码来训练特征提取模型以了解用户设置密码的偏好,使得提示信息更准确有效,帮助用户快速恢复密码,解决了现有技术中通过售后服务进行密码恢复费时费力的问题。
2)、本申请的密码恢复的提示装置中,第一获取单元获取密码相关数据,上述密码相关数据为用户设置密码用到的概率大于预设概率的数据;提取单元采用特征提取模型对上述密码相关数据进行特征提取,得到多个密码特征,上述密码特征为可能为上述密码的一部分的特征,上述特征提取模型为通过多组训练数据进行机器学习得到的,多组上述训练数据中的每一组上述训练数据均包括历史密码对应的上述密码特征和对应的上述密码相关数据;处理单元将多个上述密码特征进行组合形成至少一个提示信息并展示给上述用户,上述提示信息用于提示上述用户来恢复上述密码。该装置通过对用户设置密码可能用到的数据进行分析提取特征,来通过组合密码特征来提示用户,帮助用户恢复密码,且通过历史密码来训练特征提取模型以了解用户设置密码的偏好,使得提示信息更准确有效,帮助用户快速恢复密码,解决了现有技术中通过售后服务进行密码恢复费时费力的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种密码恢复的提示方法,其特征在于,包括:
获取密码相关数据,所述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征,所述密码特征为可能为所述密码的一部分的特征,所述特征提取模型为通过多组训练数据进行机器学习得到的,多组所述训练数据中的每一组所述训练数据均包括历史密码对应的所述密码特征和对应的所述密码相关数据;
将多个所述密码特征进行组合形成至少一个提示信息并展示给所述用户,所述提示信息用于提示所述用户来恢复所述密码。
2.根据权利要求1所述的方法,其特征在于,获取密码相关数据,包括:
获取所述用户的身份相关信息、常用密码和特殊信息,所述身份相关信息包括手机号码、身份证号码、常用账号和邮箱地址,所述特殊信息包括输入密码的设备名称、特殊时间和特殊地点;
获取所述用户的第一反馈信息,所述第一反馈信息为所述身份相关信息、所述常用密码和所述特殊信息是否可能用于设置所述密码;
将所述第一反馈信息为可能用于设置所述密码的所述身份相关信息、所述常用密码和所述特殊信息确定为所述密码相关数据。
3.根据权利要求1所述的方法,其特征在于,在采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征之前,所述方法还包括:
采用机器学习算法和自然语言处理技术生成初始特征提取模型,使得所述初始特征提取模型用于提取所述密码相关数的特征并从所述特征中筛选出预定数量的所述密码特征;
获取多个所述历史密码,并对多个所述历史密码进行分析,得到多组所述训练数据;
采用多组所述训练数据对所述初始特征提取模型进行迭代训练,直至所述初始特征提取模型输出的所述预定数量的所述密码特征中存在所述历史密码对应的所述密码特征,将当前的所述初始特征提取模型确定为所述特征提取模型。
4.根据权利要求1所述的方法,其特征在于,将多个所述密码特征进行组合形成至少一个提示信息,包括:
对多个所述密码特征进行预处理,得到多个有效特征,所述预处理包括数据清洗、去重和分词;
将多个所述有效特征的格式转换为所述密码要求的格式,得到多个目标特征;
将多个所述目标特征进行组合形成至少一个所述提示信息。
5.根据权利要求1所述的方法,其特征在于,所述密码相关数据还包括当前用户的生物特征信息,所述生物特征信息包括人脸图像、声纹信息和指纹信息,将多个所述密码特征进行组合形成至少一个提示信息,还包括:
将所述当前用户的所述生物特征信息与存储的所述生物特征信息进行匹配,得到匹配结果;
在所述匹配结果为成功的情况下,将多个所述密码特征进行组合形成至少一个所述提示信息。
6.根据权利要求1至5中任一项所述的方法,其特征在于,在将多个所述密码特征进行组合形成至少一个所述提示信息之后,所述方法还包括:
在所述提示信息有多个的情况下,通过提示模式对所述提示信息排序,并将排序后的所述提示信息依次发送给所述用户来提示所述用户来恢复所述密码;
获取用户的第二反馈信息,所述第二反馈信息为反馈所述提示信息的有效性的信息;
根据所述第二反馈信息调整所述提示模式的参数,使得所述第二反馈信息为有效性差的所述提示信息排序靠后且所述第二反馈信息为有效性差的所述提示信息排序靠前。
7.根据权利要求1至5中任一项所述的方法,其特征在于,在将多个所述密码特征进行组合形成至少一个提示信息之后,所述方法还包括:
获取用户的第三反馈信息,所述第三反馈信息为反馈所述提示信息的安全性和易用性的信息;
将所述第三反馈信息为安全性高和易用性强的所述提示信息作为新密码推荐给所述用户。
8.一种密码恢复的提示装置,其特征在于,包括:
第一获取单元,用于获取密码相关数据,所述密码相关数据为用户设置密码用到的概率大于预设概率的数据;
提取单元,用于采用特征提取模型对所述密码相关数据进行特征提取,得到多个密码特征,所述密码特征为可能为所述密码的一部分的特征,所述特征提取模型为通过多组训练数据进行机器学习得到的,多组所述训练数据中的每一组所述训练数据均包括历史密码对应的所述密码特征和对应的所述密码相关数据;
处理单元,用于将多个所述密码特征进行组合形成至少一个提示信息,所述提示信息用于提示所述用户来恢复所述密码。
9.一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包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种密码恢复系统,其特征在于,包括:一个或多个处理器,存储器,以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311750478.1A CN117633772A (zh) | 2023-12-18 | 2023-12-18 | 密码恢复的提示方法、提示装置和密码恢复系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311750478.1A CN117633772A (zh) | 2023-12-18 | 2023-12-18 | 密码恢复的提示方法、提示装置和密码恢复系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117633772A true CN117633772A (zh) | 2024-03-01 |
Family
ID=90033983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311750478.1A Pending CN117633772A (zh) | 2023-12-18 | 2023-12-18 | 密码恢复的提示方法、提示装置和密码恢复系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117633772A (zh) |
-
2023
- 2023-12-18 CN CN202311750478.1A patent/CN117633772A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109509021B (zh) | 基于行为轨迹的异常识别方法、装置、服务器及存储介质 | |
US10496804B2 (en) | Fingerprint authentication method and system, and terminal supporting fingerprint authentication | |
CN106650350B (zh) | 一种身份认证方法及系统 | |
US6446210B1 (en) | Method for securing communication by selecting an encoding process using a first computer based upon ability of a second computer and deleting the process thereafter | |
CN110032860B (zh) | 登录方式的推送、展示方法、装置及设备 | |
CN106487747B (zh) | 用户识别方法、系统、装置及处理方法、装置 | |
CN109684047A (zh) | 事件处理方法、装置、设备和计算机存储介质 | |
CN109657107B (zh) | 一种基于第三方应用的终端匹配方法和装置 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN104836781A (zh) | 区分访问用户身份的方法及装置 | |
US9576135B1 (en) | Profiling user behavior through biometric identifiers | |
CN109086317B (zh) | 风险控制方法和相关装置 | |
CN109194689B (zh) | 异常行为识别方法、装置、服务器及存储介质 | |
CN106027543A (zh) | 一种基于权值计算的身份识别方法及装置 | |
CN105956469A (zh) | 文件安全性识别方法和装置 | |
CN108763251B (zh) | 核身产品的个性化推荐方法及装置和电子设备 | |
CN110120928A (zh) | 一种身份认证的方法、装置、服务器及计算机可读介质 | |
CN111667275A (zh) | 用户身份识别方法、装置、设备及其介质 | |
CN111026967A (zh) | 一种获得用户兴趣标签的方法、装置、设备和介质 | |
CN107330848A (zh) | 图片处理方法、移动终端和存储设备 | |
CN107517180A (zh) | 登录方法和装置 | |
CN109697349A (zh) | 终端解锁方法、装置、计算机设备和存储介质 | |
CN111651749A (zh) | 基于密码找回账号的方法、装置、计算机设备及存储介质 | |
CN111899741A (zh) | 音频关键词加密方法、装置、存储介质及电子装置 | |
CN110895602B (zh) | 身份验证方法、装置、电子设备及存储介质 |
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 |