KR20210095096A - 사용자 인식방법, 장치, 저장매체 및 전자기기 - Google Patents
사용자 인식방법, 장치, 저장매체 및 전자기기 Download PDFInfo
- Publication number
- KR20210095096A KR20210095096A KR1020210091047A KR20210091047A KR20210095096A KR 20210095096 A KR20210095096 A KR 20210095096A KR 1020210091047 A KR1020210091047 A KR 1020210091047A KR 20210091047 A KR20210091047 A KR 20210091047A KR 20210095096 A KR20210095096 A KR 20210095096A
- Authority
- KR
- South Korea
- Prior art keywords
- communication network
- data
- user
- behavior data
- candidate
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004891 communication Methods 0.000 claims abstract description 245
- 230000006399 behavior Effects 0.000 claims abstract description 139
- 230000006870 function Effects 0.000 claims description 80
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 18
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 61
- 238000005516 engineering process Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 15
- 230000009471 action Effects 0.000 description 6
- 230000010354 integration Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002355 dual-layer Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6236—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database between heterogeneous systems
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6272—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database by registering files or documents with a third party
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- H04L63/102—Entity profiles
-
- 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
- H04L63/104—Grouping 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
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/105—Multiple levels of security
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Bioethics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Fuzzy Systems (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Social Psychology (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephone Function (AREA)
Abstract
본 출원은 사용자 인식방법, 장치, 저장매체 및 전자기기를 개시하였는 바, 이는 클라우드 컴퓨팅, 스마트시티, 인공지능, 딥러닝 분야에 관한 것이다. 구체적인 실시방안은, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하고; 제 1 통신 네트워크에 대응되는 데이터 풀(data pool) 내에서, 인식할 사용자의 목표 행위 데이터를 획득하고, 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높으며; 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식함으로써, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다.
Description
본 출원은 빅데이터 기술분야에 관한 것으로서, 구체적으로, 클라우드 컴퓨팅 기술분야, 스마트시티 기술분야, 인공지능 기술분야, 딥러닝 기술분야에 관한 것이며, 특히, 사용자 인식방법, 장치, 저장매체 및 전자기기에 관한 것이다.
스마트시티의 공공 보안 응용분야, 예를 들어, 공안 시스템 내부에는, 각종 민생, 보안 등에 관련되는 사용자 행위 데이터가 흩어져 있는데, 이러한 사용자 행위 데이터는 종종 각종 행정 시스템의 내부 네트워크에 분산되어 있기 때문에, 스마트시티를 건설함에 있어서 상응하는 작용을 할 수 없게 된다.
본 출원은 빅데이터 기술분야에 관한 것으로서, 구체적으로, 클라우드 컴퓨팅 기술분야, 스마트시티 기술분야, 인공지능 기술분야, 딥러닝 기술분야에 관한 것이며, 특히, 사용자 인식방법, 장치, 저장매체 및 전자기기를 제공한다.
제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식함으로써, 비교적 좋은 인식 효과 및 데이터 보안성을 얻게 되는 사용자 인식방법, 장치, 저장매체 및 전자기기를 제공한다.
제 1 측면에 따르면, 사용자 인식방법을 제공하였는 바, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하는 단계; 상기 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하는 단계-상기 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 상기 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 상기 제 1 통신 네트워크의 보안 레벨은 상기 제 2 통신 네트워크의 보안 레벨보다 높음-; 및 상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하는 단계를 포함한다.
제 2 측면에 따르면, 사용자 인식장치를 제공하였는 바, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하기 위한 제어모듈; 상기 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하기 위한 제 1 획득모듈-상기 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 상기 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 상기 제 1 통신 네트워크의 보안 레벨은 상기 제 2 통신 네트워크의 보안 레벨보다 높음-; 및 상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하기 위한 파싱모듈을 포함한다.
제 3 측면에 따르면, 전자기기를 제공하였는 바, 적어도 하나의 프로세서; 및 상기 적어도 하나의 프로세서와 통신 가능하게 연결되는 메모리를 포함하되; 상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행가능한 명령이 저장되어 있고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행됨으로써, 상기 적어도 하나의 프로세서에 의해 본 출원의 실시예의 사용자 인식방법이 수행되도록 한다.
제 4 측면에 따르면, 컴퓨터 명령이 저장되어 있는 비 일시적 컴퓨터 판독가능 저장매체를 제공하였는 바, 상기 컴퓨터 명령은 상기 컴퓨터가 본 출원의 실시예에서 개시한 사용자 인식방법을 수행하도록 하기 위한 것이다.
제5 측면에 따르면, 컴퓨터 판독 가능 매체에 저장되어 있는 컴퓨터 프로그램을 제공한다. 상기 컴퓨터 프로그램 중의 명령이 실행될 경우, 본 출원의 실시예에서 제공된 사용자 인식방법이 실행된다.
본 출원의 기술에 의하여 비교적 좋은 사용자 인식 효과 및 데이터 보안성을 얻을 수 있다.
이해해야 할 것은, 본 부분에 기술된 내용은 본 출원의 실시예의 핵심 또는 중요특징을 알려주는 것이 목적이 아닐 뿐더러, 본 출원의 범위를 한정하기 위한 것도 아니다. 본 출원의 기타 특징은 이하의 명세서에 의하여 이해하기 쉽게 된다.
본 출원의 기술에 의하여 비교적 좋은 사용자 인식 효과 및 데이터 보안성을 얻을 수 있다.
첨부된 도면은 본 방안을 더 잘 이해하기 위한 것으로, 본 출원을 한정하지 않는다. 여기서,
도 1은 본 출원의 제 1 실시예에 따른 개략도이고;
도 2는 본 출원의 제 2 실시예에 따른 개략도이고;
도 3은 본 출원의 실시예를 구현할 수 있는 장면도이고;
도 4는 본 출원의 제 3 실시예에 따른 개략도이고;
도 5는 본 출원의 제 4 실시예에 따른 개략도이고;
도 6은 본 출원의 제 5 실시예에 따른 개략도이고;
도 7은 본 출원의 실시예에 따른 사용자 인식방법을 구현하기 위한 전자기기의 블록도이다.
도 1은 본 출원의 제 1 실시예에 따른 개략도이고;
도 2는 본 출원의 제 2 실시예에 따른 개략도이고;
도 3은 본 출원의 실시예를 구현할 수 있는 장면도이고;
도 4는 본 출원의 제 3 실시예에 따른 개략도이고;
도 5는 본 출원의 제 4 실시예에 따른 개략도이고;
도 6은 본 출원의 제 5 실시예에 따른 개략도이고;
도 7은 본 출원의 실시예에 따른 사용자 인식방법을 구현하기 위한 전자기기의 블록도이다.
이하, 첨부된 도면을 결부하여 본 출원의 예시적인 실시예들을 설명하고자 하며, 이해를 돕기 위해 본 출원의 실시예들의 다양한 세부 사항들이 포함되는데, 이들은 단지 예시적인 것으로 간주되어야 한다. 따라서, 본 출원의 기술 분야의 통상의 지식을 가진 자라면 본 출원의 범위 및 사상을 벗어나지 않으면서 본 명세서에 설명된 실시예들에 대해 다양한 변경 및 수정이 이루어질 수 있음을 알아야 한다. 또한, 명확성 및 간결성을 위해, 공지된 기능 및 구조에 대한 설명은 아래 설명에서 생략된다.
도 1은 본 출원의 제 1 실시예에 따른 개략도이다. 설명해야 할 것은, 본 실시예에 따른 사용자 인식방법을 수행하는 주체는 사용자 인식장치이고, 상기 장치는 소프트웨어 및/또는 하드웨어의 방식을 사용하여 구현될 수 있고, 상기 장치는 전자기기에 구성될 수 있으며, 전자기기는 단말기, 서버 등을 포함할 수 있지만 이에 한정되지 않는다.
본 출원은 클라우드 컴퓨팅 기술분야, 스마트시티 기술분야, 인공지능 기술분야, 딥러닝 기술분야에 관한 것이며, 클라우드 컴퓨팅은 분포형 컴퓨팅의 일 종으로서, 네트워크 "클라우드"를 통해 거대한 데이터 컴퓨팅 처리 프로그램을 다수의 작은 프로그램으로 분해하고, 그다음 다수의 서버로 이루어진 시스템을 통해 이러한 작은 프로그램을 처리 및 파싱하여 결과를 획득한 후 사용자에게 반송하는 것을 의미한다. 스마트시티는 각종 정보기술 또는 혁신개념을 이용하여, 시티의 시스템과 서비스가 연결 및 집적되도록 하여 자원 활용 효율을 향상시킴으로써, 시티 관리 및 서비스를 최적화하고, 시민 생활의 질을 개선하는 것을 의미한다. 인공지능(Artificial Intelligence)은 영문약칭이 AI이며, 이는 사람의 지능을 시뮬레이션, 확대 및 확장하기 위한 이론, 방법, 기술 및 애플리케이션 시스템을 연구 및 개발하는 새로운 기술과학이다. 딥러닝은 러닝 샘플 데이터의 내재 규칙 및 표시 레벨이며, 이러한 러닝 과정에서 획득한 정보는 예를 들어, 문자, 이미지 및 음성 등과 같은 데이터의 해석에 매우 큰 도움이 된다. 딥러닝의 최종 목표는 기계가 사람처럼 분석 학습 능력을 구비할 수 있도록 하여, 문자, 이미지 및 음성 등 데이터를 인식할 수 있도록 하는 것이다.
도 1에 도시된 바와 같이, 상기 사용자 인식방법은 하기와 같은 단계를 포함한다.
S101: 전자기기가 제 1 통신 네트워크에 연결되도록 제어한다.
전자기기는 셀룰러 폰, 무선 전화기, 세션 개시 프로토콜(Session Initiation Protocol, SIP) 전화기, 무선가입자망(Wireless Local Loop, WLL) 스테이션, 개인 디지털 프로세서(Personal Digital Assistant, PDA), 무선 통신 기능을 구비한 휴대용 설비, 컴퓨팅 설비 또는 무선 모뎀에 연결되는 기타 처리 설비, 차량탑재 설비, 웨어러블 장치 및 미래 5G 네트워크 중의 전자기기 등일 수 있다.
본 출원의 실시예는 사용자 인식방법의 단계를 수행할 때, 제 1 통신 네트워크와 제 2 통신 네트워크를 결합하여 인식할 사용자의 유형을 인식하되, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높다.
다시 말하자면, 본 출원의 실시예는 두 가지 상이한 보안 레벨의 통신 네트워크를 결합하여 인식할 사용자의 유형을 인식하되, 보안 레벨은 통신 네트워크에 대응되는 기밀 레벨을 의미한다.
통신 네트워크는 예를 들어 근거리 통신망이다.
예를 들면, 통신 네트워크가 제 1 기밀 레벨을 갖는 경우, 상기 통신 네트워크가 관리자인 사용자에 의해 액세스될 수 있다고 가정하고, 통신 네트워크가 제 2 기밀 레벨을 갖는 경우, 상기 통신 네트워크가 관리자인 사용자 및 아우터넷의 사용자에 의해 액세스될 수 있다고 가정하면, 제 1 기밀 레벨이 제 2 기밀 레벨보다 높음을 나타낼 수 있는 바, 나아가 제 1 기밀 레벨을 갖는 통신 네트워크의 보안 레벨이 제 2 기밀 레벨을 갖는 보안 레벨보다 높음을 나타낼 수 있으며, 이에 대하여 한정하지 않는다.
상기 제 1 통신 네트워크 중의 "제 1"은 제 2 통신 네트워크 중의 "제 2"에 대하여 표기한 것이며, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높으며, 상기 "제 1", "제 2"는 특별히 한정되는 것이 아니다.
본 출원의 실시예에서, 보안 레벨이 비교적 높은 통신 네트워크를 제 1 통신 네트워크로 칭하고, 보안 레벨이 제 1 통신 네트워크보다 낮은 통신 네트워크를 제 2 통신 네트워크로 칭할 수 있다.
다시 말하자면, 사용자 인식방법을 수행할 때, 우선 전자기기가 제 1 통신 네트워크에 연결되도록 제어할 수 있는데, 초기 상황에서, 전자기기는 통신 네트워크에 연결되지 않은 상태일 수 있으므로, 전자기기가 제 1 통신 네트워크에 연결되도록 직접 제어하거나, 초기 상황에서, 전자기기가 제 2 통신 네트워크에 연결되면, 제 2 통신 네트워크에 연결된 전자기기를 전환시켜 제 1 통신 네트워크에 연결되도록 제어할 수 있으며, 이에 대하여 한정하지 않는다.
S102: 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하고, 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높다.
데이터 풀은 하나의 데이터 베이스, 또는 하나의 데이터 저장공간으로 이해될 수 있고, 제 1 통신 네트워크에 대응되는 데이터 풀은 제 1 통신 네트워크에 기반하여 그 중의 데이터에 액세스될 수 있는 데이터 풀로 이해될 수 있다.
제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하되, 구체적으로, 인식할 사용자의 사용자 식별자를 파싱하여, 데이터 풀 내에서 상기 사용자 식별자에 기반하여 상응하는 후보 행위 데이터를 획득하여 목표 행위 데이터로 사용할 수 있거나, 사용자 매칭 방식을 사용하여, 우선 데이터 풀 내에서 인식할 사용자와 매칭되는 후보 사용자를 매칭한 후, 후보 사용자의 후보 행위 데이터를 목표 행위 데이터로 사용할 수도 있으며, 이에 대하여 한정하지 않는다.
본 출원의 실시예에서, 데이터 풀 중의 행위 데이터는 미리 획득되어 저장된다.
후보 사용자의 적어도 하나의 후보 행위 데이터를 미리 획득하는 것은, 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득하는 것일 수 있고, 제 2 통신 네트워크의 보안 레벨은 제 1 통신 네트워크의 보안 레벨보다 낮으며, 그중의 데이터 소스는 하나의 행정 단위에 대응할 수 있는 바, 예를 들어, 데이터 소스는 공안국 데이터 소스, 민정국 데이터 소스, 위생국 데이터 소스 등일 수 있으며, 이에 대하여 한정하지 않는다.
상기 후보 행위 데이터는 데이터 소스에 대응되는 후보 행위 데이터, 예를 들어, 공안국 데이터 소스에 대응되는 후보 행위 데이터, 민정국 데이터 소스에 대응되는 후보 행위 데이터 및 위생국 데이터 소스에 대응되는 후보 행위 데이터 등일 수 있다.
다시 말하자면, 본 출원의 실시예는 레벨이 비교적 낮은 제 2 통신 네트워크를 보안 레벨이 비교적 높은 제 1 통신 네트워크에 통합 및 융합하고, 융합 및 통합한 후 각 데이터 소스의 후보 사용자의 후보 행위 데이터를 제 1 통신 네트워크에 대응되는 데이터 풀에 저장하여, 사용자의 유형을 인식할 때, 제 1 통신 네트워크에 기반한 목표 행위 데이터에 대한 파싱을 보조함으로써, 인식할 사용자의 유형을 획득하도록 지원한다.
S103: 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 한다.
상기 전자기기가 제 1 통신 네트워크에 연결되도록 제어하고, 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득한 후, 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득할 수 있으므로, 보안 레벨이 비교적 높은 제 1 통신 네트워크에서 사용자의 행위 데이터를 파싱하기 때문에, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다.
상기 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱할 때, 인공지능 기술분야, 딥러닝 기술분야 중의 어느 하나의 데이터 파싱 방법을 사용하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득할 수 있는 바, 예를 들어, 목표 행위 데이터의 데이터 특징을 파싱하여, 데이터 특징과 일부 미리 구성된 특징을 매칭함으로써, 매칭하여 얻은 특징에 대응되는 유형을 인식한 유형으로 사용할 수 있으며, 이에 대하여 한정하지 않는다.
이로써, 사용자 인식방법을 클라우드 컴퓨팅 기술분야, 인공지능 기술분야, 딥러닝 기술분야에 응용하면, 매우 짧은 시간 내에(몇 초) 수많은 데이터에 대한 처리를 완성하게 되어, 강대한 네트워크 서비스를 구현함으로써, 인식 정확도 및 인식 효율을 효과적으로 향상시킬 수 있다.
본 실시예에서, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하고, 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하고, 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높으며, 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 하는 것을 통해, 제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식하기 때문에, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다.
도 2는 본 출원의 제 2 실시예에 따른 개략도이다.
도 2에 도시된 바와 같이, 상기 사용자 인식방법은 하기와 같은 단계를 포함한다.
S201: 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축한다.
예를 들면, 통신 네트워크가 제 1 기밀 레벨을 갖는 경우, 상기 통신 네트워크가 관리자인 사용자에 의해 액세스될 수 있다고 가정하고, 통신 네트워크가 제 2 기밀 레벨을 갖는 경우, 상기 통신 네트워크가 관리자인 사용자 및 아우터넷의 사용자에 의해 액세스될 수 있다고 가정하면, 제 1 기밀 레벨이 제 2 기밀 레벨보다 높음을 나타낼 수 있는 바, 나아가 제 1 기밀 레벨을 갖는 통신 네트워크의 보안 레벨이 제 2 기밀 레벨을 갖는 보안 레벨보다 높음을 나타낼 수 있으며, 이에 대하여 한정하지 않는다.
본 출원의 실시예에서, 보안 레벨이 비교적 높은 통신 네트워크를 제 1 통신 네트워크로 칭하고, 보안 레벨이 제 1 통신 네트워크보다 낮은 통신 네트워크를 제 2 통신 네트워크로 칭할 수 있다.
본 실시예에서, 상기 제 1 통신 네트워크와 제 2 통신 네트워크는 모두 근거리 통신망일 수 있고, 각각의 근거리 통신망는 상이한 보안 레벨을 갖는다.
제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축할 때, 이중 계층 네트워크에 내재되어 설계되는 구조(architecture)를 구현하는 동시에, 사용자 인식장치의 하드웨어 개선 비용을 절감할 수 있으며, 과도하게 많은 하드웨어/소프트웨어 자원이 소모되는 것을 방지한다.
이로써, 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축할 때, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하는데, 구체적으로, 초기 상황에서, 전자기기가 제 2 통신 네트워크에 연결되면, 제 2 통신 네트워크에 연결된 전자기기를 전환시켜 제 1 통신 네트워크에 연결되도록 제어할 수 있으며, 이에 대하여 한정하지 않는다.
S202: 데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립한다.
상기 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축한 후, 데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립할 수 있으며, 다시 말하자면, 보안 레벨이 비교적 높은 제 1 통신 네트워크 내부에 하나의 데이터 저장공간을 확립하고, 각종 데이터 소스에서 제공하는 사용자 행위 데이터를 도입 및 저장하기 위한 상기 데이터 저장공간을 사용하여, 각종 사용자 행위 데이터의 통합 및 실시간 컴퓨팅을 보조하며, 이에 대하여 한정하지 않는다.
S203: 적어도 하나의 데이터 소스로부터 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 후보 행위 데이터를 데이터 풀에 저장한다.
적어도 하나의 데이터 소스로부터 획득한 사용자의 적어도 하나의 행위 데이터는 후보 행위 데이터로 칭할 수 있다.
후보 사용자의 적어도 하나의 후보 행위 데이터를 미리 획득하는 것은, 제 2 통신 네트워크에 대응되는 데이터 소스로부터 획득하는 것일 수 있고, 제 2 통신 네트워크의 보안 레벨은 제 1 통신 네트워크의 보안 레벨보다 낮으며, 그중의 데이터 소스는 하나의 행정 단위에 대응될 수 있고, 예를 들어, 데이터 소스는 공안국 데이터 소스, 민정국 데이터 소스, 위생국 데이터 소스 등일 수 있으며, 이에 대하여 한정하지 않는다.
상기 후보 행위 데이터는 데이터 소스에 대응되는 후보 행위 데이터, 예를 들어, 공안국 데이터 소스에 대응되는 후보 행위 데이터, 민정국 데이터 소스에 대응되는 후보 행위 데이터 및 위생국 데이터 소스에 대응되는 후보 행위 데이터 등일 수 있다.
다시 말하자면, 원래 제 2 통신 네트워크의 각 행정 단위, 예를 들어, 민정국, 위생국, 공안국 등에 분산된 관련되는 각종 데이터를 제 1 통신 네트워크의 데이터 풀에 도입하여, 하나의 제 1 통신 네트워크의 데이터 풀(상기 데이터 풀은 데이터 마켓(Data Market)으로 칭할 수 있음)을 확립하고, 또한, 유일한 사용자 식별자와 출처 식별자의 조합을 사용하여, 데이터 풀 중의 각종 후보 행위 데이터를 식별하고, 이밖에, 각종 데이터의 출처, 필드, 의미 등을 식별할 수도 있으며, 상기 데이터 풀에 기반하여 통일된 액세스 인터페이스를 제공함으로써, 추후 사용자를 인식할 때 호출할 수도 있다.
본 실시예에서, 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축하고, 데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립하며, 적어도 하나의 데이터 소스로부터 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 후보 행위 데이터를 데이터 풀에 저장하는 것을 통해, 각종 데이터가 각각의 행정 단위 내부 시스템에 분산되는 관련 기술에 존재하는 기술적 과제를 효과적으로 해결하였고, 스마트시티 기술분야의 각종 데이터 소스의 데이터를 통합하여, 데이터의 이용 효율을 효과적으로 향상시킴으로써, 추후 사용자를 인식하는 인식 정확도를 효과적으로 확보하고, 인식 효과를 향상시킨다.
S204; 전자기기가 제 1 통신 네트워크에 연결되도록 제어한다.
S205: 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득한다.
S206: 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 한다.
S204-S206의 상세한 설명은 상기 실시예를 참조할 수 있으므로, 여기서 더 이상 반복하여 설명하지 않는다.
S207: 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신한다.
일부 실시예에서, 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신하는 단계는, 멀티 계층 네트워크가 포워딩하는 방식을 사용하여 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신하는 것일 수 있다.
물론, 기타 임의의 가능한 방식을 사용하여 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신할 수도 있으며, 이에 대하여 한정하지 않는다.
S208, 제 2 통신 네트워크에 기반하여, 전자기기의 사용자에게 유형에 대한 액세스 서비스를 제공한다.
예를 들면, 인식된 인식 대기 사용자의 유형이 제 1 통신 네트워크에 존재하면, 멀티 계층 네트워크가 포워딩하는 방식을 이용할 수 있으며, 예를 들어, 상기 유형을 액세스하는 관련되는 애플리케이션 프로그래밍 인터페이스를 전자기기의 사용자에게 제공하여, 제 2 통신 네트워크 내부에서 액세스함으로써, 데이터 처리 및 데이터 서비스의 계층적인 설계를 구현하게 되어, 유형 사용측이 인식된 사용자의 유형과 직접 접촉되는 것을 효과적으로 방지하는 바, 나아가 데이터의 보안성을 확보하기 때문에, 사용자 인식방법을 스마트시티 건설에 응용하는데 더 유리하게 된다.
예를 들면, 인식된 인식 대기 사용자의 유형은 제 1 통신 네트워크의 데이터 풀에 저장될 수도 있고, 전자기기의 사용자에게 제 1 통신 네트워크에 대한 액세스 권한이 부여되면, 제 1 통신 네트워크를 통해 데이터 풀 중의 데이터를 액세스할 수 있고, 전자기기의 사용자에게 제 1 통신 네트워크에 대한 액세스 권한이 부여되지 않고, 제 2 통신 네트워크에 대한 액세스 권한이 부여되면, 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신한 후, 상기 사용자가 제 2 통신 네트워크를 통해 인식된 유형을 액세스함으로써, 데이터 처리 및 데이터 서비스의 격리를 구현하게 되어, 데이터의 보안성을 확보하게 된다.
본 실시예에서, 제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식함으로써, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다. 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축하고, 데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립하며, 적어도 하나의 데이터 소스로부터 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 후보 행위 데이터를 데이터 풀에 저장하는 것을 통해, 제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축하면, 이중 계층 네트워크에 내재되어 설계되는 구조를 구현하는 동시에, 사용자 인식장치의 하드웨어 개선 비용을 절감할 수 있고, 과도하게 많은 하드웨어/소프트웨어 자원이 소모되는 것을 방지하며, 또한, 각종 데이터가 각각의 행정 단위 내부 시스템에 분산되는 관련 기술에 존재하는 기술적 과제를 해결하였고, 스마트시티 기술분야의 각종 데이터 소스의 데이터를 통합하여, 데이터의 이용 효율을 효과적으로 향상시킴으로써, 추후 사용자를 인식하는 인식 정확도를 효과적으로 확보하고, 인식 효과를 향상시킨다.
도 3을 참조하면, 도 3은 본 출원의 실시예를 구현할 수 있는 장면도로서, 다수의 데이터 소스(31), 제 1 통신 네트워크(32), 제 2 통신 네트워크(33), 데이터 마켓(34) 및 사용자 조작 인터페이스(35)를 포함하되, 사용자 조작 인터페이스(35)에는 함수 편집 인터페이스(351)가 더 제공되며, 도 3에 도시된 응용 장면 개략도에 기반하여, 본 출원은 사용자 인식방법을 더 제공하되, 하기 도 4를 참조하도록 한다.
도 4는 본 출원의 제 3 실시예에 따른 개략도이다.
도 4에 도시된 바와 같이, 상기 사용자 인식방법은 하기와 같은 단계를 포함한다.
S401: 제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하고, 사용자 조작 인터페이스에 함수 편집 인터페이스를 제공한다.
상기 사용자 조작 인터페이스는 제 1 통신 네트워크 액세스 권한을 갖는 사용자의 조작 명령에 응답하여, 상기 조작 명령에 대응되는 기능을 제공할 수 있다.
예를 들면, 목표 행위 데이터를 선택하는 기능을 제공하고, 구조화 조회 언어(Structured Query Language, SQL으로 약칭함)를 입력하여, 데이터 풀 중의 후보 행위 데이터를 상응하게 생성, 판독, 업데이트 및 삭제(create, read, update, delete)하는 기능을 제공하거나, 기타 일부 기능을 제공한다.
구체적으로, 함수 편집 인터페이스에 기반하여 사용자에게 함수를 편집하는 기능을 제공할 수 있기 때문에, 제 1 통신 네트워크 액세스 권한을 갖는 사용자가 함수 편집 인터페이스를 통해 제 1 함수를 편집하여 획득할 수 있도록 함으로써, 상기 제 1 함수를 사용하여 사용자의 유형을 인식한다.
S402: 데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립한다.
S403: 적어도 하나의 데이터 소스로부터 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 후보 행위 데이터를 데이터 풀에 저장한다.
S402-S403의 상세한 설명은 상기 실시예를 참조할 수 있으므로, 여기서 더 이상 반복하여 설명하지 않는다.
S404, 각각의 데이터 소스에서 제공하는 후보 행위 데이터에 대응되는 그래프화 식별자를 생성한다.
구체적으로, 후보 행위 데이터는 데이터 소스에 대응되는 후보 행위 데이터, 예를 들어, 공안국 데이터 소스에 대응되는 후보 행위 데이터, 민정국 데이터 소스에 대응되는 후보 행위 데이터, 및 위생국 데이터 소스에 대응되는 후보 행위 데이터 등일 수 있다. 이로써, 공안국 데이터 소스에 대응되는 후보 행위 데이터의 그래프화 식별자는 예를 들어 보안 문구 또는 픽쳐를 포함하는 식별자일 수 있고, 민정국 데이터 소스에 대응되는 후보 행위 데이터의 그래프화 식별자는 예를 들어 민정문구 또는 픽쳐를 포함하는 식별자일수 있으며, 위생국 데이터 소스에 대응되는 후보 행위 데이터의 그래프화 식별자는 예를 들어 위생 친환경 문구 또는 픽쳐를 식별자일 수 있으며, 이에 대하여 한정하지 않는다.
S405: 사용자 조작 인터페이스에 각각의 그래프화 식별자를 표시한다.
S406: 사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신한다.
S407: 데이터 선택 명령에 응답하여, 데이터 선택 명령에 대응되는 목표 그래프화 식별자를 결정한다.
사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신한 후, 데이터 선택 명령에 응답하여, 데이터 풀로부터 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 직접 풀링(pulling)하고, 목표 그래프화 식별자를 사용자 조작 인터페이스에 나타내며, 마커로 목표 그래프화 식별자를 표기하고, 상기 목표 그래프화 식별자가 이미 선택되었음을 표시한다.
S408: 데이터 풀 내로부터 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 목표 행위 데이터로 사용한다.
제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하고, 사용자 조작 인터페이스에 각각의 그래프화 식별자를 표시하기 때문에, 통합된 후의 데이터 소스의 표현 효과를 향상시킬 수 있어, 사용자가 대량의 데이터에서 목표 행위 데이터에 대한 위치 결정을 수행하기 편리하고, 사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신하고, 데이터 풀 내로부터 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 목표 행위 데이터로 하기 때문에, 조작 편의성을 향상시킬 수 있어, 목표 행위 데이터를 획득하는 효율을 향상시키고, 수요에 따라 획득하므로, 제 1 통신 네트워크에 기반한 가시화 인터랙션 효과를 향상시키고, 사용자의 사용 체험도를 향상시킨다.
S409: 함수 편집 인터페이스에 기반하여, 사용자의 함수 편집 명령을 수신한다.
S410: 함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하고, 목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하며, 제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 한다.
본 출원의 실시예에서, 제 1 통신 네트워크에 기반하여 함수 편집 인터페이스를 제공할 수도 있고, 다시 말하자면, 상기 함수 편집 인터페이스에 기반하여, 사용자에게 함수를 편집하는 일부 기능을 제공할 수 있고, 사용자가 편집한 후의 함수를 제 1 함수로 하며, 상기 제 1 함수는 각종 목표 행위 데이터 사이의 연관 관계를 발굴하는데 사용될 수 있거나, 상기 제 1 함수는 목표 행위 데이터에 대하여 상응하는 함수 연산을 수행하는 기타 기능에 사용될 수도 있으며, 이에 대하여 한정하지 않는다.
제 1 통신 네트워크에 기반하여 함수 편집 인터페이스를 제공하고, 본 출원의 실시예에서는, 함수 편집 인터페이스에 기반하여, 사용자의 함수 편집 명령을 수신하고, 함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하고, 목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하며, 제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 하며, 다시 말하자면, 본 출원은 사용자가 편집한 제 1 함수를 사용하여 목표 행위 데이터를 파싱하는 것을 지원할 뿐만 아니라, 제 1 함수와 제 1 통신 네트워크에서 제공한 범용 제 2 함수를 결합하는 것도 지원할 수 있기 때문에, 제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 사용자의 개성화 파싱 수요를 만족시킬 수 있고, 전자기기에 미리 구성된 범용 제 2 함수를 보조로 하여, 보다 우수한 파싱 효과를 획득할 수 있게 되므로, 사용자 인식 효과를 향상시킨다.
예를 들어, 제 1 통신 네트워크에 기반한 사용자 조작 인터페이스의 제공은 하나의 캔버스로 간주될 수 있으며, 상기 사용자 조작 인터페이스는, 사용자가 하나의 캔버스를 새롭게 만들고, 데이터 선택 명령에 응답하여, 상기 데이터 선택 명령에 따라 제 1 통신 네트워크의 데이터 풀에 이미 저장된 각종 후보 행위 데이터에 대응되는 그래프화 식별자를 조회함으로써, 데이터 선택 명령에 대응되는 목표 그래프화 식별자를 결정하고, 목표 그래프화 식별자를 새롭게 만들어진 캔버스에 트래그한 후, 사용자 조작 인터페이스가 제공한 함수 편집 인터페이스에서 사용자의 함수 편집 명령을 수신하여, 함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하고, 목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하며, 제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하는 것을 지원할 수도 있다.
본 실시예에서, 제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식하기 때문에, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다. 제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하고, 사용자 조작 인터페이스에 각각의 그래프화 식별자를 표시하기 때문에, 통합된 후의 데이터 소스의 표현 효과를 향상시킬 수 있어, 사용자가 대량의 데이터에서 목표 행위 데이터에 대한 위치 결정을 수행하기 편리하고, 사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신하고, 데이터 풀 내로부터 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 목표 행위 데이터로 하기 때문에, 조작 편의성을 향상시킬 수 있어, 목표 행위 데이터를 획득하는 효율을 향상시키고, 수요에 따라 획득하므로, 제 1 통신 네트워크에 기반한 가시화 인터랙션 효과를 향상시키고, 사용자의 사용 체험도를 향상시킨다. 사용자가 편집한 제 1 함수를 사용하여 목표 행위 데이터를 파싱하는 것을 지원할 뿐만 아니라, 제 1 함수와 제 1 통신 네트워크에서 제공한 범용 제 2 함수를 결합하는 것도 지원할 수 있기 때문에, 제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 사용자의 개성화 파싱 수요를 만족시킬 수 있고, 전자기기에 미리 구성된 범용 제 2 함수를 보조로 하여, 보다 우수한 파싱 효과를 획득할 수 있게 되므로, 사용자 인식 효과를 향상시킨다.
도 5는 본 출원의 제 4 실시예에 따른 개략도이다.
도 5에 도시된 바와 같이, 상기 사용자 인식장치(50)는,
전자기기가 제 1 통신 네트워크에 연결되도록 제어하기 위한 제어모듈(501);
제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하기 위한 제 1 획득모듈(502)-데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높음-;
제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하기 위한 파싱모듈(503)을 포함한다.
본 출원의 일부 실시예에서, 도 6을 참조하면, 도 6은 본 출원의 제 5 실시예에 따른 개략도이다.
유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크에 송신하기 위한 송신모듈(504); 및
제 2 통신 네트워크에 기반하여, 전자기기의 사용자에게 유형에 대한 액세스 서비스를 제공하기 위한 서비스모듈(505)을 더 포함한다.
본 출원의 일부 실시예에서, 도 6을 참조하면,
제 2 통신 네트워크 내에서 제 1 통신 네트워크를 구축하기 위한 구축모듈(506);
데이터 풀을 확립하고, 데이터 풀과 제 1 통신 네트워크의 통신 연결을 확립하기 위한 확립모듈(507);
적어도 하나의 데이터 소스로부터 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 후보 행위 데이터를 데이터 풀에 저장하기 위한 제 2 획득모듈(508)을 더 포함한다.
본 출원의 일부 실시예에서, 도 6을 참조하면,
제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하기 위한 조작모듈(509);
각각의 데이터 소스에서 제공하는 후보 행위 데이터에 대응되는 그래프화 식별자를 생성하기 위한 생성모듈(510); 및
사용자 조작 인터페이스에 각각의 그래프화 식별자를 표시하기 위한 표시모듈(511)을 더 포함한다.
본 출원의 일부 실시예에서, 제 1 획득모듈(502)은 구체적으로,
사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신하고;
데이터 선택 명령에 응답하여, 데이터 선택 명령에 대응되는 목표 그래프화 식별자를 결정하며;
데이터 풀 내로부터 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 목표 행위 데이터로 하기 위한 것이다.
본 출원의 일부 실시예에서, 도 6을 참조하면,
사용자 조작 인터페이스에서 함수 편집 인터페이스를 제공하기 위한 편집모듈(512); 및
함수 편집 인터페이스에 기반하여, 사용자의 함수 편집 명령을 수신하기 위한 수신모듈(513)을 더 포함하고;
파싱모듈(503)은 구체적으로,
함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하고;
목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하며;
제 1 함수와 제 2 함수를 결합하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 한다.
본 출원의 일부 실시예에서, 송신모듈(504)은 구체적으로,
멀티 계층 네트워크가 포워딩하는 방식을 사용하여 유형을 제 1 통신 네트워크로부터 제 2 통신 네트워크로 송신한다.
설명해야 할 것은, 전술한 사용자 인식방법에 대한 해석 설명도 본 실시예의 사용자 인식장치에 적용되므로, 여기서 더 이상 반복하여 설명하지 않는다.
본 실시예는, 전자기기가 제 1 통신 네트워크에 연결되도록 제어하고, 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하고, 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 제 1 통신 네트워크의 보안 레벨은 제 2 통신 네트워크의 보안 레벨보다 높으며, 제 1 통신 네트워크에 기반하여 목표 행위 데이터를 파싱하여, 인식할 사용자의 유형을 획득하도록 하는 것을 통해, 제 2 통신 네트워크의 데이터 소스에 대응되는 사용자 행위 데이터를 제 1 통신 네트워크 내의 데이터 풀에 통합함으로써, 제 2 통신 네트워크 내의 데이터의 이용 효율을 향상시키고, 제 1 통신 네트워크 내에서 통합된 데이터에 기반하여 사용자 유형을 인식하기 때문에, 비교적 좋은 인식 효과 및 데이터 보안성을 얻는 것을 구현한다.
본 출원의 실시예에 따르면, 본 출원은 전자기기와 판독가능 저장매체를 더 제공한다. 본 출원의 실시예에 따르면, 컴퓨터 판독 가능 매체에 저장되어 있는 컴퓨터 프로그램을 더 제공한다. 당해 컴퓨터 프로그램 중의 명령이 실행될 경우, 상기 사용자 인식방법이 실행된다.
도 7에 도시된 바와 같이, 본 출원의 실시예에 따른 사용자 인식방법을 구현하는 전자기기의 블록도이다. 전자기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 벤치, 개인용 정보 단말기, 서버, 블레이드 서버, 메인 프레임 컴퓨터 및 다른 적합한 컴퓨터 등의 다양한 형태의 디지털 컴퓨터를 가리킨다. 전자기기는 또한 개인 디지털 프로세서, 셀룰러 폰, 스마트 폰, 웨어러블 장치 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 나타낼 수 있다. 본 명세서에서 나타낸 부품, 그들의 연결 및 관계, 및 그 기능은 단지 예시에 불과하며, 본 명세서에 기술 및/또는 요구하는 본 출원의 구현을 제한하도록 의도되지 않는다.
도 7에 도시된 바와 같이, 상기 전자기기는 하나 또는 다수의 프로세서(701), 메모리(702), 및 고속 인터페이스 및 저속 인터페이스를 포함하는 각 부품을 연결하기 위한 인터페이스를 포함한다. 각 부품은 상이한 버스를 이용하여 상호 연결되고, 공용 마더보드 상에 장착되거나 또는 필요에 따라 다른 방식을 사용하여 장착될 수 있다. 프로세서는 전자기기 내에서 실행되는 명령을 처리할 수 있고, 외부 입력/출력장치(예를 들어, 인터페이스에 결합된 표시장치)에 GUI의 그래픽 정보를 표시하도록, 메모리에 저장된 명령을 포함한다. 다른 실시방식에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자기기를 연결할 수 있고, 각 단말기는 필요한 일부 동작을 제공할 수 있다(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 멀티 프로세서 시스테). 도 7에서는 하나의 프로세서(701)를 예로 든다.
메모리(702)는 본 출원에 의해 제공된 비 일시적 컴퓨터 판독 가능 저장매체이다. 상기 적어도 하나의 프로세서에 의해 본 출원에서 제공되는 사용자 인식방법을 수행하도록, 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장된다. 본 출원의 비 일시적 컴퓨터 판독 가능 저장매체에는 컴퓨터로 하여금 본 출원에서 제공되는 사용자 인식방법을 수행하도록 하는 컴퓨터 명령이 저장된다.
메모리(702)는 비 일시적 컴퓨터 판독 가능 저장매체로서, 비 일시적 소프트웨어 프로그램, 비 일시적 컴퓨터 실행 가능 프로그램 및 모듈을 저장하기 위한 것으로, 이를테면 본 출원의 실시예의 사용자 인식방법에 대응하는 프로그램 명령/모듈(예를 들어, 도 5에 도시된 제어모듈(501), 제 1 획득모듈(502) 및 파싱모듈(503))을 저장한다. 프로세서(701)는 메모리(702)에 저장된 비 일시적 소프트웨어 프로그램, 명령 및 모듈을 실행하여, 서버의 다양한 기능적 애플리케이션 및 데이터 처리를 실행하는 바, 즉, 상기 방법 실시예의 사용자 인식방법을 구현한다.
메모리(702)는 프로그램 저장영역 및 데이터 저장영역을 포함할 수 있고, 여기서 프로그램 저장영역은 운영 체제 및 적어도 하나의 기능에 필요한 응용 프로그램이 저장될 수 있고; 데이터 저장영역에는 사용자를 인식하는 전자기기를 사용하여 생성된 데이터가 저장될 수 있다. 이밖에, 메모리(702)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 또한 적어도 하나의 자기 디스크 저장 장치, 플래시 메모리 장치 또는 다른 비 일시적 솔리드 스테이트 저장 장치와 같은 비 일시적 메모리를 포함할 수 있다. 일부 실시예에서, 메모리(702)는 프로세서(701)에 대해 원격을 설정된 메모리를 선택적으로 포함하 수 있고, 이러한 원격 메모리는 네트워크를 통해 사용자 인식방법을 수행하는 전자기기에 연결될 수 있다. 상기 네트워크의 구현예는 인터넷, 인트라넷, 근거리 통신망, 이동 통신 네트워크 및 이들의 조합을 포함하지만 이에 한정되지는 않는다.
상기 전자기기는 입력장치(703) 및 출력장치(704)를 더 포함할 수 있다. 프로세서(701), 메모리(702), 입력장치(703) 및 출력장치(704)는 버스를 통해 연결되거나 또는 다른 방식을 사용하여 연결될 수 있으며, 도 7은 버스를 통한 연결을 예시한 것이다.
입력장치(703)는 입력된 숫자 또는 문자 정보를 수신할 수 있고, 상기 전자기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 생성할 수 있는 바, 예를 들어 터치 스크린, 키패드, 마우스, 트랙 패드, 터치 패드, 포인팅 스틱, 하나 또는 다수의 마우스 버튼, 트랙볼, 조이스틱 등 입력장치일 수 있다. 출력장치(704)는 표시장치, 보조 조명 장치(예를 들어, LED), 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시장치는 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이 및 플라즈마 디스플레이를 포함할 수 있지만, 이에 한정되지는 않는다. 일부 실시 방식에서, 표시장치는 터치 스크린일 수 있다.
본 명세서에 설명된 시스템 및 기술의 다양한 실시 방식은 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(특정 용도 지향 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에 의해 구현될 수 있다. 이러한 다양한 실시 방식은 하나 또는 다수의 컴퓨터 프로그램에 의해 실시될 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에 의해 실행 및/또는 해석될 수으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력장치 및 적어도 하나의 출력장치로부터 데이터 및 명령을 수신하며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력장치 및 상기 적어도 하나의 출력장치에 전송할 수 있다.
이러한 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 응용 프로그램 또는 코드라고도 함)에는 프로그램 가능 프로세서의 기계 명령이 포함되고, 고급 프로세스 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계어를 사용하여 이러한 컴퓨터 프로그램을 구현할 수 있다. 본 명세서에서 사용되는 용어 "기계 판독 가능 매체" 및 "컴퓨터 판독 가능 매체"는 프로그램 가능 프로세서에 기계 명령 및/또는 데이터를 제공하기 위해 사용되는 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 논리 장치(PLD))를 지칭하며, 기계 판독 가능 신호로서 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 "기계 판독 가능 신호"는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 지칭한다.
사용자와의 인터랙션(Interaction)을 제공하기 위해, 컴퓨터에서 여기에 설명된 시스템 및 기술을 구현할 수 있는 바, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 디스플레이 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터); 키보드 및 포인팅 장치(예를 들어, 마우스 또는 트랙볼)를 포함하고, 사용자는 상기 키보드 및 상기 포인팅 장치를 통해 컴퓨터에 입력할 수 있다. 다른 종류의 장치를 사용하여 사용자와의 인터랙션을 제공할 수도 있고; 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 감각 피드백(예를 들어, 시각적 피드백, 청각 피드백 또는 촉각 피드백) 일 수 있고, 임의의 형태(음성 입력, 스피치 입력 또는 촉각 입력 포함함)로 사용자로부터의 입력을 수신할 수 있다.
본 명세서에 설명된 시스템 및 기술은 백그라운드 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버) 또는 미들웨어 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 애플리케이션 서버) 또는 프론트 엔드 컴포넌트를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 가진 사용자 컴퓨터일 수 있으며, 사용자는 상기 그래픽 사용자 인터페이스 또는 상기 웹 브라우저를 통해 여기에 설명된 시스템 및 기술의 실시방식과 인터랙션할 수 있음), 또는 이러한 백그라운드 컴포넌트, 미들웨어 컴포넌트 또는 프론트 엔드 컴포넌트의 임의의 조합을 포함하는 컴퓨팅 시스템에 의해 구현될 수 있다. 시스템의 컴포넌트는 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)에 의해 상호 연결될 수 있다. 통신 네트워크의 예로는 근거리 통신망(LAN), 광역통신망(WAN), 인터넷이 포함될 수 있다.
컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있으며, 일반적으로 통신 네트워크를 통해 인터랙션한다. 클라이언트와 서버 간의 관계는 상응한 컴퓨터에서 실행되고 서로 클라이언트-서버 관계가 있는 컴퓨터 프로그램에 의해 발생된다.
상기에 도시된 다양한 형태의 과정을 통해 단계를 재정렬, 추가 또는 삭제할 수 있다는 것을 이해해야 한다. 예를 들어, 본 출원에 기재된 각 단계들은 병행, 순차적 또는 상이한 순서로 수행될 수 있으며, 본 출원에 개시된 기술적 해결수단이 원하는 결과를 달성할 수만 있으면, 본 명세서에서는 한정되지 않는다.
상기 구체적인 실시 방식은 본 출원의 보호 범위를 제한하지 않는다. 당업자는 설계 요건 및 다른 요인에 따라 다양한 수정, 조합, 서브 조합 및 대체가 이루어질 수 있다는 것을 이해해야 한다. 본 출원의 사상과 원칙 내에서 이루어진 모든 수정, 동등한 대체 및 개선 등은 모두 본 출원의 청구범위에 포함되어야 한다.
Claims (17)
- 사용자 인식방법에 있어서,
전자기기가 제 1 통신 네트워크에 연결되도록 제어하는 단계;
상기 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하는 단계 - 상기 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 상기 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 상기 제 1 통신 네트워크의 보안 레벨은 상기 제 2 통신 네트워크의 보안 레벨보다 높음 -; 및
상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하는 단계;를 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제1항에 있어서,
상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하는 단계 이후에,
상기 유형을 상기 제 1 통신 네트워크로부터 상기 제 2 통신 네트워크에 송신하는 단계; 및
상기 제 2 통신 네트워크에 기반하여, 상기 전자기기의 사용자에게 상기 유형에 대한 액세스 서비스를 제공하는 단계;를 더 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제1항에 있어서,
상기 전자기기가 제 1 통신 네트워크에 연결되도록 제어하는 단계 이전에,
상기 제 2 통신 네트워크 내에서 상기 제 1 통신 네트워크를 구축하는 단계;
데이터 풀을 확립하고, 상기 데이터 풀과 상기 제 1 통신 네트워크의 통신 연결을 확립하는 단계; 및
적어도 하나의 상기 데이터 소스로부터 상기 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 상기 후보 행위 데이터를 상기 데이터 풀에 저장하는 단계;를 더 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제3항에 있어서,
상기 방법은,
상기 제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하는 단계를 더 포함하고;
상기 후보 행위 데이터를 상기 데이터 풀에 저장하는 단계 이후에,
각각의 상기 데이터 소스에서 제공하는 후보 행위 데이터에 대응되는 그래프화 식별자를 생성하는 단계; 및
상기 사용자 조작 인터페이스에 각각의 상기 그래프화 식별자를 표시하는 단계;를 더 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제4항에 있어서,
상기 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하는 단계는,
상기 사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신하는 단계;
상기 데이터 선택 명령에 응답하여, 상기 데이터 선택 명령에 대응되는 목표 그래프화 식별자를 결정하는 단계; 및
상기 데이터 풀 내로부터 상기 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 상기 목표 행위 데이터로 하는 단계;를 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제4항에 있어서,
상기 방법은,
상기 사용자 조작 인터페이스에 함수 편집 인터페이스를 제공하는 단계; 및
상기 함수 편집 인터페이스에 기반하여, 사용자의 함수 편집 명령을 수신하는 단계를 더 포함하되;
상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하는 단계는,
상기 함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하는 단계;
상기 목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하는 단계; 및
상기 제 1 함수와 상기 제 2 함수를 결합하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하는 단계;를 포함하는,
것을 특징으로 하는 사용자 인식방법. - 제2항에 있어서,
상기 유형을 상기 제 1 통신 네트워크로부터 상기 제 2 통신 네트워크에 송신하는 단계는,
멀티 계층 네트워크가 포워딩하는 방식을 사용하여 상기 유형을 상기 제 1 통신 네트워크로부터 상기 제 2 통신 네트워크에 송신하는 단계를 포함하는,
것을 특징으로 하는 사용자 인식방법. - 사용자 인식장치에 있어서,
전자기기가 제 1 통신 네트워크에 연결되도록 제어하기 위한 제어모듈;
상기 제 1 통신 네트워크에 대응되는 데이터 풀 내에서, 인식할 사용자의 목표 행위 데이터를 획득하기 위한 제 1 획득모듈-상기 데이터 풀에는 후보 사용자의 적어도 하나의 후보 행위 데이터가 저장되되, 상기 후보 행위 데이터는 제 2 통신 네트워크에 대응되는 데이터 소스로부터 미리 획득되고, 상기 제 1 통신 네트워크의 보안 레벨은 상기 제 2 통신 네트워크의 보안 레벨보다 높음-; 및
상기 제 1 통신 네트워크에 기반하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하기 위한 파싱모듈;을 포함하는,
것을 특징으로 하는 사용자 인식장치. - 제8항에 있어서,
상기 장치는,
상기 유형을 상기 제 1 통신 네트워크로부터 상기 제 2 통신 네트워크에 송신하기 위한 송신모듈; 및
상기 제 2 통신 네트워크에 기반하여, 상기 전자기기의 사용자에게 상기 유형에 대한 액세스 서비스를 제공하기 위한 서비스모듈;을 더 포함하는,
것을 특징으로 하는 사용자 인식장치. - 제8항에 있어서,
상기 장치는,
상기 제 2 통신 네트워크 내에서 상기 제 1 통신 네트워크를 구축하기 위한 구축모듈;
데이터 풀을 확립하고, 상기 데이터 풀과 상기 제 1 통신 네트워크의 통신 연결을 확립하기 위한 확립모듈; 및
적어도 하나의 상기 데이터 소스로부터 상기 사용자의 적어도 하나의 후보 행위 데이터를 획득하고, 상기 후보 행위 데이터를 상기 데이터 풀에 저장하기 위한 제 2 획득모듈;을 더 포함하는,
것을 특징으로 하는 사용자 인식장치. - 제10항에 있어서,
상기 장치는,
상기 제 1 통신 네트워크에 기반하여 사용자 조작 인터페이스를 제공하기 위한 조작모듈;
각각의 상기 데이터 소스에서 제공하는 후보 행위 데이터에 대응되는 그래프화 식별자를 생성하기 위한 생성모듈; 및
상기 사용자 조작 인터페이스에 각각의 상기 그래프화 식별자를 표시하기 위한 표시모듈;을 더 포함하는,
것을 특징으로 하는 사용자 인식장치. - 제11항에 있어서,
상기 제 1 획득모듈은 구체적으로,
상기 사용자 조작 인터페이스에 기반하여 데이터 선택 명령을 수신하고;
상기 데이터 선택 명령에 응답하여, 상기 데이터 선택 명령에 대응되는 목표 그래프화 식별자를 결정하며;
상기 데이터 풀 내로부터 상기 목표 그래프화 식별자에 대응되는 후보 행위 데이터를 판독하여 상기 목표 행위 데이터로 하기 위한,
것을 특징으로 하는 사용자 인식장치. - 제11항에 있어서,
상기 장치는,
상기 사용자 조작 인터페이스에 함수 편집 인터페이스를 제공하기 위한 편집모듈; 및
상기 함수 편집 인터페이스에 기반하여, 사용자의 함수 편집 명령을 수신하기 위한 수신모듈을 더 포함하고;
상기 파싱모듈은 구체적으로,
상기 함수 편집 명령에 따라 편집하여 얻은 제 1 함수를 획득하고;
상기 목표 행위 데이터에 대응되는 범용 제 2 함수를 획득하고;
상기 제 1 함수와 상기 제 2 함수를 결합하여 상기 목표 행위 데이터를 파싱하여, 상기 인식할 사용자의 유형을 획득하도록 하기 위한,
것을 특징으로 하는 사용자 인식장치. - 제9항에 있어서,
상기 송신모듈은 구체적으로,
멀티 계층 네트워크가 포워딩하는 방식을 사용하여 상기 유형을 상기 제 1 통신 네트워크로부터 상기 제 2 통신 네트워크에 송신하기 위한,
것을 특징으로 하는 사용자 인식장치. - 전자기기에 있어서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 가능하게 연결되는 메모리를 포함하되;
상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행가능한 명령이 저장되어 있고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행됨으로써, 상기 적어도 하나의 프로세서에 의해 제1항 내지 제7항 중의 어느 한 항에 따른 방법이 수행되도록 하는,
것을 특징으로 하는 전자기기. - 컴퓨터 명령이 저장되어 있는 비 일시적 컴퓨터 판독가능 저장매체에 있어서,
상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제7항 중의 어느 한 항에 따른 방법을 수행하도록 하는,
것을 특징으로 하는 컴퓨터 명령이 저장되어 있는 비 일시적 컴퓨터 판독가능 저장매체. - 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램중의 명령이 실행될 경우, 제1항 내지 제7항 중의 어느 한 항에 따른 방법이 실행되는,
것을 특징으로 하는 컴퓨터 판독 가능 저장 매체에 저장되어 있는 컴퓨터 프로그램.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010693947.0A CN112231336B (zh) | 2020-07-17 | 2020-07-17 | 识别用户的方法、装置、存储介质及电子设备 |
| CN202010693947.0 | 2020-07-17 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210095096A true KR20210095096A (ko) | 2021-07-30 |
| KR102555258B1 KR102555258B1 (ko) | 2023-07-13 |
Family
ID=74115483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210091047A KR102555258B1 (ko) | 2020-07-17 | 2021-07-12 | 사용자 인식방법, 장치, 저장매체 및 전자기기 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11838294B2 (ko) |
| EP (1) | EP3885955A3 (ko) |
| JP (1) | JP2021120899A (ko) |
| KR (1) | KR102555258B1 (ko) |
| CN (1) | CN112231336B (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159091B (zh) * | 2021-01-20 | 2023-06-20 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180375886A1 (en) * | 2017-06-22 | 2018-12-27 | Oracle International Corporation | Techniques for monitoring privileged users and detecting anomalous activities in a computing environment |
| US20190387002A1 (en) * | 2017-05-15 | 2019-12-19 | Forcepoint Llc | Generating Adaptive Trust Profiles Using Information Derived From Similarly Situated Organizations |
Family Cites Families (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1634175B1 (en) * | 2003-05-28 | 2015-06-24 | Citrix Systems, Inc. | Multilayer access control security system |
| JP2005070889A (ja) * | 2003-08-28 | 2005-03-17 | Shunji Sugaya | 属性判定システム及び方法、ならびに、コンピュータプログラム |
| TW200618565A (en) * | 2004-07-29 | 2006-06-01 | Intelli7 Inc | System and method of characterizing and managing electronic traffic |
| US8732856B2 (en) * | 2004-12-30 | 2014-05-20 | Oracle International Corporation | Cross-domain security for data vault |
| US7593942B2 (en) * | 2004-12-30 | 2009-09-22 | Oracle International Corporation | Mandatory access control base |
| US20080072035A1 (en) * | 2005-01-31 | 2008-03-20 | Johnson Robert A | Securing multicast data |
| US8769127B2 (en) * | 2006-02-10 | 2014-07-01 | Northrop Grumman Systems Corporation | Cross-domain solution (CDS) collaborate-access-browse (CAB) and assured file transfer (AFT) |
| CN101111053B (zh) * | 2006-07-18 | 2010-12-01 | 中兴通讯股份有限公司 | 移动网络中防御网络攻击的系统和方法 |
| US7739231B2 (en) * | 2006-08-28 | 2010-06-15 | Manyworlds, Inc. | Mutual commit people matching process |
| US8180674B2 (en) * | 2006-10-03 | 2012-05-15 | Yahoo! Inc. | Targeting of advertisements based on mutual information sharing between devices over a network |
| US10664851B1 (en) * | 2006-11-08 | 2020-05-26 | Sprint Communications Company, L.P. | Behavioral analysis engine for profiling wireless subscribers |
| US20090234667A1 (en) * | 2007-12-19 | 2009-09-17 | Thayne Timmy R | Systems and methods for enabling collaboration and coordination of support |
| JP5042085B2 (ja) * | 2008-03-17 | 2012-10-03 | 日本電信電話株式会社 | 情報提供システム |
| US20090300009A1 (en) * | 2008-05-30 | 2009-12-03 | Netseer, Inc. | Behavioral Targeting For Tracking, Aggregating, And Predicting Online Behavior |
| US20110022477A1 (en) * | 2009-07-24 | 2011-01-27 | Microsoft Corporation | Behavior-based user detection |
| US9742778B2 (en) * | 2009-09-09 | 2017-08-22 | International Business Machines Corporation | Differential security policies in email systems |
| US20110082902A1 (en) * | 2009-10-01 | 2011-04-07 | Apple Inc. | Systems and methods for providing media pools in a communications network |
| GB2507941B (en) * | 2010-02-22 | 2018-10-31 | Avaya Inc | Secure,policy-based communications security and file sharing across mixed media,mixed-communications modalities and extensible to cloud computing such as soa |
| US20110213789A1 (en) * | 2010-02-26 | 2011-09-01 | Salesforce.Com, Inc. | System, method and computer program product for determining an amount of access to data, based on a role |
| US20110282964A1 (en) * | 2010-05-13 | 2011-11-17 | Qualcomm Incorporated | Delivery of targeted content related to a learned and predicted future behavior based on spatial, temporal, and user attributes and behavioral constraints |
| US20120102543A1 (en) * | 2010-10-26 | 2012-04-26 | 360 GRC, Inc. | Audit Management System |
| US9311505B2 (en) * | 2011-09-22 | 2016-04-12 | Noka Technologies Oy | Method and apparatus for providing abstracted user models |
| US9922333B2 (en) * | 2012-03-09 | 2018-03-20 | Exponential Interactive, Inc. | Automated multivariate behavioral prediction |
| US8978114B1 (en) * | 2012-07-15 | 2015-03-10 | Identropy, Inc. | Recommendation engine for unified identity management across internal and shared computing applications |
| US9990426B2 (en) * | 2012-08-31 | 2018-06-05 | Salesforce.Com, Inc. | Systems and methods for content management in an on-demand environment |
| US9219720B1 (en) * | 2012-12-06 | 2015-12-22 | Intuit Inc. | Method and system for authenticating a user using media objects |
| US9426154B2 (en) * | 2013-03-14 | 2016-08-23 | Amazon Technologies, Inc. | Providing devices as a service |
| US9917849B2 (en) * | 2013-05-01 | 2018-03-13 | Fortinet, Inc. | Security system for physical or virtual environments |
| CN104090888B (zh) * | 2013-12-10 | 2016-05-11 | 深圳市腾讯计算机系统有限公司 | 一种用户行为数据的分析方法和装置 |
| CN111683054A (zh) * | 2014-10-31 | 2020-09-18 | 华为技术有限公司 | 用于远程接入的方法和装置 |
| CN104754579B (zh) * | 2015-03-16 | 2018-06-01 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
| JP2017182445A (ja) * | 2016-03-30 | 2017-10-05 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法および情報処理プログラム |
| JP6742847B2 (ja) * | 2016-07-28 | 2020-08-19 | エンカレッジ・テクノロジ株式会社 | サーバ装置、無害化方法、およびプログラム |
| US10346370B2 (en) * | 2016-08-30 | 2019-07-09 | Salesforce.Com, Inc. | Rate limiting in a moderation framework of a database system |
| US11064426B2 (en) * | 2016-11-30 | 2021-07-13 | At&T Intellectual Property I, L.P. | Intent-based service engine for a 5G or other next generation mobile core network |
| US10666657B1 (en) * | 2016-12-07 | 2020-05-26 | Amazon Technologies, Inc. | Token-based access control and grouping |
| CA3054609A1 (en) * | 2017-02-27 | 2018-08-30 | Ivanti, Inc. | Systems and methods for role-based computer security configurations |
| US10129269B1 (en) * | 2017-05-15 | 2018-11-13 | Forcepoint, LLC | Managing blockchain access to user profile information |
| JP2019022171A (ja) * | 2017-07-21 | 2019-02-07 | 富士ゼロックス株式会社 | 通信制御装置及び通信回線システム |
| CN107465766B (zh) * | 2017-09-21 | 2018-05-04 | 掌阅科技股份有限公司 | 信息推送方法、电子设备及计算机存储介质 |
| US10776467B2 (en) * | 2017-09-27 | 2020-09-15 | International Business Machines Corporation | Establishing personal identity using real time contextual data |
| US10917439B2 (en) | 2018-07-16 | 2021-02-09 | Securityadvisor Technologies, Inc. | Contextual security behavior management and change execution |
| US11516220B1 (en) * | 2018-12-28 | 2022-11-29 | Juniper Networks, Inc. | Creating roles and controlling access within a computer network |
| US11405425B2 (en) * | 2019-10-31 | 2022-08-02 | Microsoft Technology Licensing, Llc | Rich token rejection system |
| US11601434B1 (en) * | 2019-12-12 | 2023-03-07 | Trace Systems, Inc. | System and method for providing a dynamically reconfigurable integrated virtual environment |
| US11528593B2 (en) * | 2020-03-23 | 2022-12-13 | T-Mobile Usa, Inc. | Network slicing using dedicated network node |
| US11907905B2 (en) * | 2020-04-01 | 2024-02-20 | VMware LLC | Namespace management techniques for facilitating multi-cluster application development |
| US10812478B1 (en) * | 2020-04-10 | 2020-10-20 | Capital One Services, Llc | Methods and systems for verifying an identity of a user through contextual knowledge-based authentication |
| US20220414087A1 (en) * | 2021-06-23 | 2022-12-29 | Vesto LLC | Method and system for generating digital identity information on blockchain |
-
2020
- 2020-07-17 CN CN202010693947.0A patent/CN112231336B/zh active Active
-
2021
- 2021-05-14 JP JP2021082021A patent/JP2021120899A/ja active Pending
- 2021-07-07 US US17/369,680 patent/US11838294B2/en active Active
- 2021-07-12 EP EP21185097.9A patent/EP3885955A3/en not_active Withdrawn
- 2021-07-12 KR KR1020210091047A patent/KR102555258B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190387002A1 (en) * | 2017-05-15 | 2019-12-19 | Forcepoint Llc | Generating Adaptive Trust Profiles Using Information Derived From Similarly Situated Organizations |
| US20180375886A1 (en) * | 2017-06-22 | 2018-12-27 | Oracle International Corporation | Techniques for monitoring privileged users and detecting anomalous activities in a computing environment |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112231336B (zh) | 2023-07-25 |
| JP2021120899A (ja) | 2021-08-19 |
| EP3885955A2 (en) | 2021-09-29 |
| EP3885955A3 (en) | 2022-01-19 |
| US11838294B2 (en) | 2023-12-05 |
| US20210336964A1 (en) | 2021-10-28 |
| CN112231336A (zh) | 2021-01-15 |
| KR102555258B1 (ko) | 2023-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7146007B2 (ja) | ターゲットデータの取得方法、ターゲットデータの取得装置、電子機器、非一時的なコンピュータ可読記憶媒体およびコンピュータプログラム | |
| KR20210040003A (ko) | 지식 그래프의 생성 방법, 관계 마이닝 방법, 장치, 기기 및 매체 | |
| EP3974962A1 (en) | Method, apparatus, electronic device, readable storage medium and program for deploying application | |
| CN110727434B (zh) | 渲染方法、装置、电子设备及存储介质 | |
| CN112015468B (zh) | 一种接口文档处理方法、装置、电子设备以及存储介质 | |
| JP7130803B2 (ja) | 検索方法、検索装置、電子機器及び記憶媒体 | |
| US11831735B2 (en) | Method and device for processing mini program data | |
| KR102565409B1 (ko) | 인스턴스 수 조절 방법, 장치, 전자 기기 및 판독 가능한 저장 매체 | |
| JP2022021294A (ja) | 生放送室でのユーザコミュニケーションのための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム | |
| CN110727417A (zh) | 一种数据处理方法和装置 | |
| CN116360735A (zh) | 一种表单生成方法、装置、设备和介质 | |
| KR102555258B1 (ko) | 사용자 인식방법, 장치, 저장매체 및 전자기기 | |
| US20170131980A1 (en) | Model driven architecture for network management and configuration | |
| CN112069137B (zh) | 生成信息的方法、装置、电子设备及计算机可读存储介质 | |
| US12001458B2 (en) | Multi-cloud object store access | |
| CN112507100B (zh) | 一种问答系统的更新处理方法和装置 | |
| CN114996554A (zh) | 数据库的查询方法、装置、存储介质及电子设备 | |
| CN111400060B (zh) | 设备联动方法、装置、服务器和介质 | |
| CN116781780A (zh) | 请求处理方法、装置、服务器和存储介质 | |
| CN113691403A (zh) | 拓扑节点配置方法、相关装置及计算机程序产品 | |
| CN112783960A (zh) | 数据处理系统及方法、电子设备、计算机可读存储介质 | |
| CN113010428A (zh) | 服务器集群的测试方法、装置、介质以及电子设备 | |
| CN112269664A (zh) | 云服务器资源管理方法、装置及系统 | |
| KR100768087B1 (ko) | 자원 관리 시스템 및 방법 | |
| CN111177558A (zh) | 频道业务构建方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |