RU2727720C1 - Способ и устройство распознавания личности - Google Patents

Способ и устройство распознавания личности Download PDF

Info

Publication number
RU2727720C1
RU2727720C1 RU2019112743A RU2019112743A RU2727720C1 RU 2727720 C1 RU2727720 C1 RU 2727720C1 RU 2019112743 A RU2019112743 A RU 2019112743A RU 2019112743 A RU2019112743 A RU 2019112743A RU 2727720 C1 RU2727720 C1 RU 2727720C1
Authority
RU
Russia
Prior art keywords
identification information
information
pairs
pair
user
Prior art date
Application number
RU2019112743A
Other languages
English (en)
Inventor
Цзялэй ВАН
Original Assignee
Алибаба Груп Холдинг Лимитед
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Алибаба Груп Холдинг Лимитед filed Critical Алибаба Груп Холдинг Лимитед
Application granted granted Critical
Publication of RU2727720C1 publication Critical patent/RU2727720C1/ru

Links

Images

Classifications

    • 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
    • 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
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G06F16/90344—Query processing by using string matching techniques
    • 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
    • G06F21/40—User authentication by quorum, i.e. whereby two or more security principals are required
    • 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
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/1483—Countermeasures against malicious traffic service impersonation, e.g. phishing, pharming or web spoofing

Abstract

Настоящее изобретение предоставляет способ и устройство распознавания личности. Технический результат заключается в повышении точности определения личности пользователя. Собирают большие данные адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона. Сравнивают пару идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан. Если результат сравнения информации удовлетворяет условию риска, то определяют, что пользователь является пользователем, имеющим риск. 2 н. и 12 з.п. ф-лы, 1 табл., 5 ил.

Description

Область техники, к которой относится изобретение
Настоящее изобретение относится к сетевым технологиям и, в частности, к способу и устройству распознавания личности.
Уровень техники
С развитием тенденции регистрации реального имени для доступа к Интернету в Китае все больше и больше Интернет-сценариев требует аутентификации реального имени, в частности, в отраслях типа финансов и электронной торговли. Чтобы скрывать свои истинные личности в отношении такой тенденции, мошенники, которые осуществляют мошенничество и обманные коммерческие действия, зачастую получают много идентификационной информации других людей через утечку информации в Интернете или при закупке большого объема, предполагающей ID-номера и имена других людей, и используют номера мобильных телефонов под их управлением для регистрации учетной записи и аутентификации в Интернет-сценариях, совершают мошенничество в кредитных заявках, таких как заявки на кредитную карту или ссуду, тем самым, вызывая потери коммерческих организаций и финансовых институтов.
Существующие способы аутентификации личности реализуются для распознавания мошенничества, главным образом, на сетевом уровне или уровне устройства. Например, хищение идентификационной информации может быть распознано с помощью модели распознавания согласно IP-адресу, MAC-адресу или идентификатору устройства типа IMEI для устройства, используемого человеком, который похищает идентификационную информацию. Однако, многие мошенники являются профессиональными хакерами, которые имеют сильные профессиональные знания сети и могут обходить существующие модели распознавания личности, выполняя некоторые стратегии и затрудняя распознавание личностей.
Сущность изобретения
Ввиду этого, настоящее изобретение предоставляет способ и устройство распознавания личности, чтобы осуществлять обнаружение подделки идентификационной информации.
Например, настоящее изобретение применяет следующие технические решения:
первый аспект предоставляет способ распознавания личности, содержащий:
сбор больших данных адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона;
сравнение пары идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан; и
если результат сравнения информации удовлетворяет условию риска, определение того, что пользователь является пользователем, имеющим риск.
Второй аспект предоставляет устройство распознавания личности, содержащее:
модуль сбора данных, сконфигурированный для сбора больших данных адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона;
модуль сравнения пары идентификационной информации, сконфигурированный, чтобы сравнивать пару идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан; и
модуль определения риска, сконфигурированный, чтобы определять, удовлетворяет ли результат сравнения информации условию риска, что пользователь, который должен быть распознан, является пользователем, имеющим риск.
Способ и устройство распознавания личности согласно вариантам осуществления настоящего изобретения устанавливают базу данных идентификационной информации, собирая большие данные адресных книг, и могут определять, является ли пара идентификационной информации из имени и номера мобильного телефона подлинной, сравнивая пару идентификационной информации, которая должна быть распознана, с данными в базе данных идентификационной информации, тем самым, определяя, является ли личность пользователя сфальсифицированной, и выполняя обнаружение подделки идентификационной информации.
Краткое описание чертежей
Фиг. 1 - это блок-схема последовательности операций способа распознавания личности согласно некоторым вариантам осуществления настоящего изобретения;
Фиг. 2 - это схематичный чертеж больших данных адресных книг пользователей согласно некоторым вариантам осуществления настоящего изобретения;
Фиг. 3 - это блок-схема последовательности операций другого способа распознавания личности согласно некоторым вариантам осуществления настоящего изобретения;
Фиг. 4 - это схематичный структурный чертеж устройства распознавания личности согласно некоторым вариантам осуществления настоящего изобретения;
Фиг. 5 - это схематичный структурный чертеж другого устройства распознавания личности согласно некоторым вариантам осуществления настоящего изобретения.
Подробное описание изобретения
Варианты осуществления настоящего изобретения предоставляют способ распознавания личности, который может быть использован для распознавания подделки идентификационной информации. Например, мошенники присваивают себе ID-номера и имена других людей и используют номера мобильных телефонов под своим управлением для регистрации учетной записи и аутентификации в Интернет-сценариях, совершая мошенничество в кредитных заявках, таких как заявки на получение кредитной карты или ссуды. Чтобы распознавать подделку идентификационной информации, даже когда мошенники обходят модели распознавания на уровне сетевого устройства, настоящая заявка предоставляет схему распознавания, которая "определяет, является ли номер мобильного телефона, используемый пользователем, номером мобильного телефона, обычно используемым пользователем".
Основной идеей схемы распознавания является то, что, после получения достаточного количества адресных книг пользователей, объект распознавания личности, который должен выполнять распознавание личности по клиентам, получает номера мобильных телефонов почти всех потенциальных клиентов, которые используются для формирования базы данных адресных книг. Если впоследствии клиент, личность которого должна быть подтверждена, не находится в базе данных адресной книги или имеет очень низкий весовой коэффициент при появлении в базе данных, то очень вероятно, что это - не сам клиент, который использует идентификационную информацию, и человек, использующий идентификационную информацию клиента, скорее всего самозванец.
На основе вышеупомянутой идеи способ распознавания личности согласно некоторым вариантам осуществления настоящего изобретения имеет последовательность операций, показанную на фиг. 1. Способ может включать в себя следующие этапы.
Этап 101, сбор больших данных адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона.
Например, большие данные адресных книг могут содержать данные адресных книг множества пользователей. Фиг. 2 иллюстрирует данные адресных книг пользователя 1, пользователя 2, пользователя 3 вплоть до пользователя y. Объем адресных книг является достаточно большим, чтобы охватывать всех потенциальных деловых клиентов, насколько возможно, так что данные адресных книг могут быть использованы на последующих этапах, чтобы выполнять подтверждение личности по деловым клиентам. Каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона. Рассматривая адресную книгу пользователя 1 в качестве примера, "имя N11 - номер P11" является парой идентификационной информации, указывающей, что номер мобильного телефона, используемый человеком или организацией, представленной именем N11, является P11, а "имя N12 - номер P12" является другой парой идентификационной информации, указывающей, что номер мобильного телефона, используемый человеком или организацией, представленной именем N12, является P12.
На этом этапе данные адресных книг могут быть собраны посредством множества образов. Например, данные адресной книги на мобильном телефоне пользователя могут быть собраны посредством клиентского программного обеспечения, работающего на мобильном телефоне пользователя.
Этап 102, сравнение пары идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, причем идентификационная информация, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан.
Результатом сравнения информации на этом этапе, например, может быть то, включают ли в себя большие данные адресных книг пару идентификационной информации, которая является такой же, что и пара идентификационной информации, которая должна быть распознана, или множество пар идентификационной информации в больших данных адресных книг, которые являются такими же, что и пара идентификационной информации, которая должна быть распознана, и т.д.
Этап 103, если результат сравнения информации удовлетворяет условию риска, определение того, что пользователь является пользователем, имеющим риск.
Например, условие риска может быть задано как множество условий. Например, условие риска может быть задано так, что пользователь, который должен быть распознан, является пользователем, имеющим риск, если большие данные адресных книг не имеют пары идентификационной информации, которая является такой же, что и пара идентификационной информации, которая должна быть распознана; альтернативно, пользователь, который должен быть распознан, является пользователем, имеющим риск, если большие данные адресных книг содержат пары идентификационной информации, такие же, что и пара идентификационной информации, которая должна быть распознана, но число пар идентификационной информации, таких же, что и пара идентификационной информации, которая должна быть распознана, является небольшим.
Способ распознавания личности в настоящем примере устанавливает базу данных идентификационной информации, собирая большие данные адресных книг, и может определять, является ли пара идентификационной информации из имени и номера мобильного телефона подлинной, согласно большим данным, тем самым, определяя, является ли личность пользователя поддельной и выполняя обнаружение подделки идентификационной информации.
В одном примере распознавание личности может также быть выполнено согласно способу, показанному на фиг. 3. Способ, показанный на фиг. 3, создает таблицу весовых коэффициентов информации согласно большим данным адресных книг. Таблица весовых коэффициентов информации может быть использована для последующего подтверждения личностей пользователей. Как показано на фиг. 3, процесс может содержать следующие этапы.
Этап 301, сбор больших данных адресных книг. Этап 302, выполнение статистического анализа по парам идентификационной информации в больших данных адресных книг, чтобы получать весовой коэффициент информации, соответствующий каждой паре идентификационной информации, и формирование таблицы весовых коэффициентов информации.
Весовой коэффициент информации на этом этапе может быть использован для указания степени доверия паре идентификационной информации. Например, если пара идентификационной информации "имя N11 - номер P11" появляется в адресных книгах множества пользователей, то очень вероятно, что информация пары идентификационной информации является подлинной и признается множеством пользователей; иначе, это указывает, что пара идентификационной информации имеет низкую степень доверия, и информация может быть сфальсифицирована.
Весовые коэффициенты информации могут быть вычислены согласно различным способам. Различия между весовыми коэффициентами для различных пар идентификационной информации могут быть отражены посредством различных статистических данных или соотношений между парами идентификационной информации в адресных книгах.
Например, число адресных книг, содержащих пару идентификационной информации, может быть подсчитано и использовано в качестве весового коэффициента информации пары идентификационной информации. Предположим, что пара идентификационной информации "имя N11 - номер P11" появляется в пяти адресных книгах пользователей, тогда соответствующий весовой коэффициент информации может быть равен пяти. Предположим, что пара идентификационной информации "имя N12 - номер P12" появляется в восьми адресных книгах, тогда соответствующий весовой коэффициент информации может быть равен восьми.
В другом примере значение ссылочного ранга каждой пары идентификационной информации может быть вычислено согласно методу ссылочного ранжирования (pagerank), и значение ссылочного ранга используется в качестве весового коэффициента информации пары идентификационной информации. Здесь, когда создается графовая модель веб-ресурса, используемая методом ссылочного ранжирования, каждая пара идентификационной информации может быть использована в качестве узла страницы (эквивалентного узлу страницы в ссылочном ранжировании), и исходящая ссылка узла страницы указывает на другую пару идентификационной информации в адресной книге пользователя, к которой пара идентификационной информации принадлежит. Например, пользователь, которому узел "имя N11 - номер P11" принадлежит, является пользователем, имеющим имя "N11", адресная книга пользователя дополнительно содержит пару идентификационной информации "имя N12 - номер P12", и тогда исходящая ссылка узла "имя N11 - номер P11" указывает на узел "имя N12 - номер P12". Входящая ссылка узла страницы приходит от пар идентификационной информации пользователей в адресных книгах, содержащих пару идентификационной информации, соответствующую узлу страницы. Аналогично, в вышеприведенном примере, входящая ссылка узла "имя N12 - номер P12" существует от узла "имя N11 - номер P11", в то время как адресная книга пользователя в узле "имя N11 - номер P11" для пользователя узла содержит пару "имя N12 - номер P12".
После того как графовая модель веб-ресурса создана, метод ссылочного ранжирования может быть использован для вычисления значения ссылочного ранга каждой пары идентификационной информации, и значение ссылочного ранга используется в качестве весового коэффициента информации для пары идентификационной информации.
Здесь, вычисление, использующее метод ссылочного ранжирования, может быть основано на следующих двух гипотезах:
Количественная гипотеза: в графовой модели веб-ресурса, чем больше входящих ссылок от других веб-страниц узел страницы принимает, тем более важной является эта страница. В примере настоящего варианта осуществления, если пара идентификационной информации включена в большее количество адресных книг, это указывает, что пара идентификационной информации является более достоверной.
Качественная гипотеза: различные страницы имеют различные качественные характеристики. Высококачественная страница передает более тяжелый вес другим страницам через ссылки. Следовательно, когда страницы с более высоким качеством указывают на другую страницу, другая страница является более важной. В примере настоящего изобретения учитывается влияние пользователя, которому принадлежит адресная книга, имеющая пару идентификационной информации. Когда пара идентификационной информации появляется в адресной книге хорошо известной публичной фигуры, степень доверия информации в паре идентификационной информации может отличаться от степени доверия, когда пара идентификационной информации появляется в адресной книге неизвестного обычного человека.
Таблица весовых коэффициентов, показанная в Таблице 1 ниже, может быть получена после вычисления на этом этапе. Следует отметить, что в решении настоящего изобретения сформированная таблица весовых коэффициентов информации, главным образом, включает в себя пары идентификационной информации и соответствующие весовые коэффициенты информации. Пары идентификационной информации и их весовые коэффициенты информации могут быть сохранены в структуре данных, отличной от таблицы.
Таблица 1
Таблица весовых коэффициентов информации
Пары идентификационной информации
Имя Номер Весовой коэффициент информации
N11 P11 t1
N12 P12 t2
… … …
Кроме того, могут быть нестандартные записи в парах идентификационной информации, записанных в адресной книге. Например, реальным именем пользователя является "Wang, Xiaoyue", например,
Figure 00000001
на китайском языке. Но при записи имени пользователя и номера мобильного телефона друг пользователя случайно вводит
Figure 00000002
[английский перевод: Wang, Xiaoyue], т.е., ошибается в наборе
Figure 00000003
[английский перевод: Xiao]. В этом случае, обработка исправления несоответствия может быть выполнена, чтобы исправлять несоответствие, которое возникает в различных адресных книгах во время записи первоначально идентичной пары идентификационной информации. В одном примере ситуация может быть обработана следующим образом: перед выполнением статистического вычисления весовых коэффициентов информации для пар идентификационной информации в больших данных адресных книг, при записи пар идентификационной информации в таблицу весовых коэффициентов информации, пары "
Figure 00000004
[английский перевод: Wang, Xiaoyue] -номер H" и "
Figure 00000005
[английский перевод: Wang, Xiaoyue] -номер H", обе записываются как одна и та же пара "wangxiaoyue-номер H", а именно обрабатываются китайские имена
Figure 00000006
[английский перевод: Wang, Xiaoyue] и
Figure 00000007
[английский перевод: Wang, Xiaoyue] как одинаковая идентификационная информация, и весовой коэффициент информации, соответствующий паре идентификационной информации "wangxiaoyue-номер H", может быть равен 2 (т.е., "wangxiaoyue-номер H" появляется дважды в данных адресных книг). Когда пара идентификационной информации, которая должна быть распознана, впоследствии сравнивается с таблицей весовых коэффициентов информации, совпадающий номер "H" сначала обнаруживается согласно номеру в паре идентификационной информации, которая должна быть распознана, а затем имя преобразуется в пиньинь для проверки, существует ли совпадающее имя в пиньине. Таким образом, вычисление весовых коэффициентов информации может становиться более точным. Однако, обработка исправления несовпадения может применяться к другим типам ошибок согласно фактическим бизнес-ситуациям или экспериментам.
Кроме того, другие способы реализации могут быть использованы. Например, в случае вышеописанного примера, когда пиньинь для имен является одинаковым, китайские символы имен отличаются, и номера являются одинаковыми, строка символов пиньинь может быть записана в таблице весовых коэффициентов информации, чтобы исправлять несовпадение. В других вариантах осуществления, когда ошибки набора не происходят, китайские символы могут быть использованы для записи имен в таблице весовых коэффициентов информации. Чтобы распознавать пару идентификационной информации, совпадающий номер H обнаруживается в таблице весовых коэффициентов информации сначала согласно номеру в паре. Затем, сначала определяется, может ли быть найдено совпадающее имя в китайских символах, и если не существует совпадающее имя в китайских символах, имя преобразуется в пиньинь для проверки того, существует ли совпадающее имя в пиньине. Когда и имя, и номер в паре совпадают, обнаруживается совпадающая пара идентификационной информации, и может быть получен соответствующий весовой коэффициент информации.
В другом примере, при поиске совпадающей пары идентификационной информации, может также быть использован способ сопоставления, который предоставляет возможность ошибок в некотором диапазоне. Например, в таблице весовых коэффициентов информации записывается "xiaoyue-номер H" (т.е., фамилия отсутствует), и парой идентификационной информации, которая должна быть распознана, является
Figure 00000008
[английский перевод: Wang, Xiaoyue]-номер H". Во время сопоставления обнаруживается, что номера в этих двух парах идентификационной информации оба являются "H" и могут быть сопоставлены. Дополнительно, в поле имени "xiaoyue" является очень похожим на пиньинь для
Figure 00000009
[английский перевод: Wang, Xiaoyue], т.е., "wangxiaoyue". Например, сходство между именами вычисляется согласно алгоритму и достигает выше 70%. Тогда может быть определено, что "xiaoyue" соответствует
Figure 00000010
[английский перевод: Wang, Xiaoyue]. В этом случае, может быть установлено пороговое значение сходства. Когда сходство между двумя именами выше порогового значения, два имени считаются соответствующими друг другу, даже если они не являются идентичными. В отношении "xiaoyue" и "Wang, Jiahui
Figure 00000011
", с другой стороны, два имени существенно различаются, и сходство между ними ниже порогового значения, и, таким образом, они определяются как несовпадающие.
На основе сформированной таблицы весовых коэффициентов информации таблица весовых коэффициентов информации будет использоваться на последующих этапах для распознавания идентификационной информации. Пара идентификационной информации, которая должна быть распознана, может быть сравнена с предварительно сформированной таблицей весовых коэффициентов информации, чтобы получать результат сравнения информации. Пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан. Если результат сравнения информации удовлетворяет условию риска, определяется, что пользователь является пользователем, имеющим риск.
Этап 303, получение пары идентификационной информации пользователя, который должен быть распознан.
Например, некоторая идентификационная информация пользователя, который регистрируется, может быть получена, чтобы распознавать, является ли пользователь мошенником, который присваивает себе идентификационную информацию другого человека. Идентификационная информация может содержать ID-номер, имя, номер мобильного телефона, адрес и другую контактную информацию, где имя и номер мобильного телефона могут называться парой идентификационной информации в настоящем примере.
Этап 304, подтверждение ID-номера пользователя и права на использование номера мобильного телефона.
На этом этапе ID-номер и имя могут быть подтверждены посредством сети общественной безопасности на основе реальных имен. Альтернативно, распознавание лица может быть выполнено между лицом пользователя и фотографией в сети общественной безопасности, ассоциированной с ID. Кроме того, подтверждение может быть выполнено в других формах. Кроме того, номер мобильного телефона пользователя может быть подтвержден, чтобы гарантировать, что пользователь обладает правом использовать номер мобильного телефона в настоящее время.
Если подтверждение проходит на этом этапе, способ переходит к этапу 305; иначе, способ переходит к этапу 309.
Этап 305, запрашивание того, возникает ли пара идентификационной информации пользователя, который должен быть распознан, в таблице весовых коэффициентов информации.
Если пара идентификационной информации появляется в таблице весовых коэффициентов информации, способ переходит к этапу 306; иначе, если таблица весовых коэффициентов информации не включает в себя пару идентификационной информации пользователя, который должен быть распознан, способ переходит к этапу 309.
Этап 306, получение соответствующего весового коэффициента информации из таблицы весовых коэффициентов информации.
Например, весовой коэффициент информации, соответствующий паре идентификационной информации, обнаруженной на этапе 303, может быть получен из предварительно сформированной таблицы весовых коэффициентов информации.
Этап 307, определение того, действительно ли весовой коэффициент информации больше или равен пороговому значению весового коэффициента.
Предположим, что пороговое значение весового коэффициента равно t0, пороговое значение весового коэффициента может быть установлено согласно факторам, таким как охват всех потенциальных клиентов, по объему больших данных, собранных для формирования таблицы весовых коэффициентов информации, степени управления для риска подделки идентификационной информации коммерческой организацией, использующей этот способ распознавания личности, и т.п. Например, предположим, что коммерческая организация строго контролирует личности пользователей, пороговое значение весового коэффициента может быть задано в большое значение, чтобы гарантировать высокую аутентичность и достоверность информации. В другом примере, если объем собранных больших данных имеет низкий охват всех потенциальных клиентов, порог весового коэффициента может быть задан в большое значение, чтобы улучшать аутентичность и достоверность информации.
Если результат определения на этом этапе является положительным, способ переходит к этапу 308; иначе, способ переходит к этапу 309.
Этап 308, определение того, что пользователь, который должен быть распознан, проходит подтверждение и является легальным пользователем.
Этап 309, определение того, что пользователь, который должен быть распознан, является пользователем, имеющим риск.
После того как пользователь определяется как пользователь, имеющий риск, мошенническое действие пользователя может быть соответственно локализовано.
Способ распознавания личности в настоящем примере создает таблицу весовых коэффициентов информации согласно большим данным адресной книги, определяет достоверность каждой пары идентификационной информации заранее и может определять, на основе порогового значения весового коэффициента, является ли пара идентификационной информации из имени и номера мобильного телефона подлинной, тем самым, определяя, является ли личность пользователя поддельной и выполняя обнаружение подделки идентификационной информации.
Чтобы реализовать вышеописанный способ, варианты осуществления настоящего изобретения предоставляют устройство распознавания личности, как показано на фиг. 4. Устройство может содержать: модуль 41 сбора данных, модуль 42 сравнения информации и модуль 43 определения риска.
Модуль 41 сбора данных сконфигурирован для сбора больших данных адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона.
Модуль 42 сравнения информации сконфигурирован, чтобы сравнивать пару идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан.
Модуль 43 определения риска сконфигурирован, чтобы определять, что пользователь, который должен быть распознан, является пользователем, имеющим риск, если результат сравнения информации удовлетворяет условию риска.
В одном примере, как показано на фиг. 5, модуль 42 сравнения информации в устройстве может содержать:
блок 421 получения статистических данных о весовых коэффициентах, сконфигурированный, чтобы выполнять статистический анализ по парам идентификационной информации в больших данных адресных книг, чтобы получать весовой коэффициент информации, соответствующий каждой паре идентификационной информации, весовой коэффициент информации используется для указания степени достоверности пары идентификационной информации; и блок 422 получения весового коэффициента, сконфигурированный, чтобы получать весовой коэффициент информации, соответствующий паре идентификационной информации, которая должна быть распознана, на основе результата статистического анализа.
В одном примере модуль 43 определения риска сконфигурирован, чтобы, например, если результат статистического анализа не имеет весового коэффициента информации, соответствующего паре идентификационной информации, которая должна быть распознана, или если весовой коэффициент информации, соответствующий паре идентификационной информации, которая должна быть распознана, ниже предварительно заданного порогового значения весового коэффициента, определять, что пользователь, который должен быть распознан, является пользователем, имеющим риск.
В одном примере блок 421 получения статистических данных весовых коэффициентов сконфигурирован, чтобы, например, использовать число адресных книг, содержащих пару идентификационной информации, в качестве весового коэффициента информации для пары идентификационной информации; альтернативно, вычислять значение ссылочного ранга каждой пары идентификационной информации с помощью метода ссылочного ранжирования и использовать значение ссылочного ранга в качестве весового коэффициента информации для пары идентификационной информации.
В одном примере блок 421 получения статистических данных весовых коэффициентов дополнительно сконфигурирован, чтобы выполнять обработку исправления несовпадения по парам идентификационной информации в различных адресных книгах перед анализом пар идентификационной информации в больших данных адресных книг.
Устройство распознавания личности в настоящем примере создает таблицу весовых коэффициентов информации согласно большим данным адресных книг, определяет достоверность каждой пары идентификационной информации заранее и может определять, на основе порогового значения весового коэффициента, является ли пара идентификационной информации из имени и номера мобильного телефона подлинной, тем самым, определяя, является ли личность пользователя поддельной и выполняя обнаружение подделки идентификационной информации.
Выше описаны только предпочтительные варианты осуществления настоящего изобретения, которые не используются, чтобы ограничивать настоящее изобретение. Любая модификация, эквивалентная замена или улучшение, выполненное в соответствии с сущностью и принципами настоящего изобретения, должно быть охвачено объемом охраны настоящего изобретения.

Claims (44)

1. Способ распознавания личности, содержащий этапы, на которых:
собирают большие данные адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона;
определяют исходящую ссылку первой пары идентификационной информации, идущую от первой пары идентификационной информации ко второй паре идентификационной информации, в больших данных адресных книг на основе имени в первой паре идентификационной информации и адресной книги пользователя, связанной с этим именем, причем адресная книга включает в себя вторую пару идентификационной информации;
определяют входящую ссылку второй пары идентификационной информации в качестве исходящей ссылки первой пары идентификационной информации;
получают весовой коэффициент информации, соответствующий каждой из пар идентификационной информации в больших данных адресных книг, на основе одной или более входящих ссылок каждой из пар идентификационной информации от одной или более других пар идентификационной информации в больших данных адресных книг;
сравнивают пару идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, указывающий, соответствует ли весовой коэффициент информации паре идентификационной информации, которая должна быть распознана, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан; и
определяют, что пользователь является пользователем, имеющим риск, на основе результата сравнения информации.
2. Способ по п. 1, при этом определение того, что пользователь является пользователем, имеющим риск, на основе результата сравнения информации, содержит этап, на котором:
в ответ на то, что результат сравнения информации указывает, что ни один весовой коэффициент информации не соответствует паре идентификационной информации, которая должна быть распознана, определяют, что пользователь является пользователем, имеющим риск.
3. Способ по п. 1, при этом определение того, что пользователь является пользователем, имеющим риск, на основе результата сравнения информации, содержит этап, на котором:
в ответ на то, что результат сравнения информации указывает, что весовой коэффициент информации соответствует паре идентификационной информации, которая должна быть распознана, и весовой коэффициент информации, соответствующий паре идентификационной информации, которая должна быть распознана, ниже предварительно заданного порогового значения весового коэффициента, определяют, что пользователь, который должен быть распознан, является пользователем, имеющим риск.
4. Способ по п. 1, при этом получение весового коэффициента информации, соответствующего каждой из пар идентификационной информации в больших данных адресных книг, на основе одной или более входящих ссылок каждой из пар идентификационной информации от одной или более других пар идентификационной информации в больших данных адресных книг, содержит этапы, на которых:
используют число адресных книг, содержащих пару идентификационной информации, в качестве весового коэффициента информации для пары идентификационной информации; или
вычисляют весовой коэффициент информации каждой из пар идентификационной информации с помощью метода ссылочного ранжирования на основе упомянутой одной или более входящих ссылок каждой из упомянутых пар идентификационной информации.
5. Способ по п. 4, при этом вычисление весового коэффициента информации каждой из пар идентификационной информации с помощью метода ссылочного ранжирования на основе упомянутой одной или более входящих ссылок каждой из упомянутых пар идентификационной информации содержит этап, на котором:
вычисляют весовой коэффициент информации каждой из пар идентификационной информации на основе числа упомянутых одной или более входящих ссылок каждой из упомянутых пар идентификационной информации.
6. Способ по п. 5, дополнительно содержащий этап, на котором:
вычисляют весовой коэффициент информации каждой из пар идентификационной информации дополнительно на основе весовых коэффициентов информации одной или более других пар идентификационной информации, из которых исходят упомянутые одна или более входящих ссылок каждой из упомянутых пар идентификационной информации.
7. Способ по п. 1, при этом перед получением весового коэффициента информации, соответствующего каждой из пар идентификационной информации в больших данных адресных книг, на основе одной или более входящих ссылок каждой из пар идентификационной информации от одной или более других пар идентификационной информации в больших данных адресных книг, способ дополнительно содержит этапы, на которых:
в ответ на то, что номера мобильных телефонов в двух парах идентификационной информации в двух разных адресных книгах идентичны, преобразуют имена в упомянутых двух парах идентификационной информации в упомянутых двух разных адресных книгах в строки символов, указывающие произношения имен;
определяют, идентичны ли упомянутые строки символов; и
в ответ на определение того, что строки символов идентичны, определяют, что упомянутые две пары идентификационной информации совпадают.
8. Устройство распознавания личности, содержащее:
модуль сбора данных, сконфигурированный для
- сбора больших данных адресных книг, причем большие данные адресных книг содержат адресные книги множества пользователей, каждая адресная книга содержит множество пар идентификационной информации, и каждая пара идентификационной информации содержит имя и номер мобильного телефона;
- определения исходящей ссылки первой пары идентификационной информации, идущей от первой пары идентификационной информации ко второй паре идентификационной информации, в больших данных адресных книг на основе имени в первой паре идентификационной информации и адресной книги пользователя, связанной с этим именем, причем адресная книга включает в себя вторую пару идентификационной информации;
- определения входящей ссылки второй пары идентификационной информации в качестве исходящей ссылки первой пары идентификационной информации;
модуль сравнения пары идентификационной информации, сконфигурированный, чтобы сравнивать пару идентификационной информации, которая должна быть распознана, с большими данными адресных книг, чтобы получать результат сравнения информации, указывающий, соответствует ли весовой коэффициент информации паре идентификационной информации, которая должна быть распознана, причем пара идентификационной информации, которая должна быть распознана, содержит имя и номер мобильного телефона пользователя, который должен быть распознан; и
модуль определения риска, сконфигурированный, чтобы определять, что пользователь, который должен быть распознан, является пользователем, имеющим риск, на основе результата сравнения информации,
при этом модуль сравнения информации содержит блок получения статистических данных о весовых коэффициентах, сконфигурированный, чтобы получать весовой коэффициент информации, соответствующий каждой из пар идентификационной информации в больших данных адресных книг, на основе одной или более входящих ссылок каждой из пар идентификационной информации от одной или более пар идентификационной информации в больших данных адресных книг.
9. Устройство по п. 8, в котором модуль определения риска сконфигурирован, чтобы определять, что пользователь, который должен быть распознан, является пользователем, имеющим риск, в ответ на то, что результат сравнения информации указывает, что ни один весовой коэффициент информации не соответствует паре идентификационной информации, которая должна быть распознана.
10. Устройство по п. 8, в котором модуль определения риска сконфигурирован, чтобы определять, что пользователь, который должен быть распознан, является пользователем, имеющим риск, в ответ на то, что результат сравнения информации указывает, что весовой коэффициент информации соответствует паре идентификационной информации, которая должна быть распознана, и весовой коэффициент информации, соответствующий паре идентификационной информации, которая должна быть распознана, ниже предварительно заданного порогового значения весового коэффициента.
11. Устройство по п. 8, в котором
блок получения статистических данных о весовых коэффициентах сконфигурирован, чтобы
- использовать число адресных книг, содержащих пару идентификационной информации, в качестве весового коэффициента информации для пары идентификационной информации; или
- вычислять весовой коэффициент информации каждой из пар идентификационной информации с помощью метода ссылочного ранжирования на основе упомянутой одной или более входящих ссылок каждой из упомянутых пар идентификационной информации.
12. Устройство по п. 11, в котором, чтобы вычислять весовой коэффициент информации каждой из пар идентификационной информации с помощью метода ссылочного ранжирования на основе упомянутой одной или более входящих ссылок каждой из упомянутых пар идентификационной информации, блок получения статистических данных о весовых коэффициентах дополнительно сконфигурирован, чтобы
вычислять весовой коэффициент информации каждой из пар идентификационной информации на основе числа упомянутых одной или более входящих ссылок каждой из упомянутых пар идентификационной информации.
13. Устройство по п. 12, в котором блок получения статистических данных о весовых коэффициентах дополнительно сконфигурирован, чтобы
вычислять весовой коэффициент информации каждой из пар идентификационной информации дополнительно на основе весовых коэффициентов информации одной или более других пар идентификационной информации, из которых исходят упомянутые одна или более входящих ссылок каждой из упомянутых пар идентификационной информации.
14. Устройство по п. 8, в котором перед получением весового коэффициента информации, соответствующего каждой из пар идентификационной информации в больших данных адресных книг, на основе одной или более входящих ссылок каждой из пар идентификационной информации от одной или более других пар идентификационной информации в больших данных адресных книг, блок получения статистических данных о весовых коэффициентах дополнительно сконфигурирован, чтобы
преобразовывать имена в двух парах идентификационной информации в двух разных адресных книгах в строки символов, указывающие произношения имен, в ответ на то, что номера мобильных телефонов в упомянутых двух парах идентификационной информации в упомянутых двух разных адресных книгах идентичны;
определять, идентичны ли упомянутые строки символов; и
определять, что упомянутые две пары идентификационной информации совпадают, в ответ на определение того, что строки символов идентичны.
RU2019112743A 2016-09-26 2017-09-19 Способ и устройство распознавания личности RU2727720C1 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610851175.2A CN107026831B (zh) 2016-09-26 2016-09-26 一种身份识别方法和装置
CN201610851175.2 2016-09-26
PCT/CN2017/102213 WO2018054279A1 (zh) 2016-09-26 2017-09-19 一种身份识别方法和装置

Publications (1)

Publication Number Publication Date
RU2727720C1 true RU2727720C1 (ru) 2020-07-23

Family

ID=59525093

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2019112743A RU2727720C1 (ru) 2016-09-26 2017-09-19 Способ и устройство распознавания личности

Country Status (15)

Country Link
US (1) US11210417B2 (ru)
EP (1) EP3518487B1 (ru)
JP (1) JP6726359B2 (ru)
KR (1) KR102220962B1 (ru)
CN (1) CN107026831B (ru)
AU (3) AU2017329507A1 (ru)
BR (1) BR112019005872A2 (ru)
CA (1) CA3038029A1 (ru)
MX (1) MX2019003420A (ru)
MY (1) MY190642A (ru)
PH (1) PH12019500657A1 (ru)
RU (1) RU2727720C1 (ru)
TW (1) TWI672038B (ru)
WO (1) WO2018054279A1 (ru)
ZA (1) ZA201902460B (ru)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107026831B (zh) 2016-09-26 2020-03-10 阿里巴巴集团控股有限公司 一种身份识别方法和装置
EP3486818A1 (en) * 2017-11-17 2019-05-22 Gemalto Sa A method for improving user authentication performed by a communication device
CN108765169B (zh) * 2018-05-15 2023-04-25 中国平安人寿保险股份有限公司 保单风险识别方法、装置、计算机设备及存储介质
CN108990061B (zh) * 2018-07-09 2021-04-13 中国联合网络通信集团有限公司 一种身份证号防盗用的方法、装置及系统
CN109003181B (zh) * 2018-08-17 2022-05-13 腾讯科技（深圳）有限公司 可疑用户确定方法、装置、设备和计算机可读存储介质
CN110533522A (zh) * 2019-07-12 2019-12-03 平安普惠企业管理有限公司 资源分配审核方法、电子装置及计算机可读存储介质
CN110502681A (zh) * 2019-08-16 2019-11-26 宁夏英杰达信息产业有限公司 一种临时身份证明自助查询方法
CN111127026A (zh) * 2019-12-13 2020-05-08 深圳中兴飞贷金融科技有限公司 确定用户欺诈行为的方法、装置、存储介质及电子设备
TWI788688B (zh) * 2020-07-23 2023-01-01 臺灣銀行股份有限公司 姓名編碼比對裝置及其方法
CN112351131B (zh) * 2020-09-30 2021-07-16 北京达佳互联信息技术有限公司 电子设备的控制方法、装置、电子设备及存储介质
CN112966238B (zh) * 2021-03-09 2023-06-06 西安邮电大学 基于中文字符的身份认证方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050071465A1 (en) * 2003-09-30 2005-03-31 Microsoft Corporation Implicit links search enhancement system and method for search engines using implicit links generated by mining user access patterns
CN101068156B (zh) * 2006-12-20 2012-11-07 腾讯科技（深圳）有限公司 数据同步时冲突处理方法及冲突处理服务器
RU2467386C2 (ru) * 2008-07-23 2012-11-20 Нокиа Корпорейшн Способ и устройство для обновления адресных книг
US20140099930A1 (en) * 2011-10-21 2014-04-10 Tencent Technology (Shenzhen) Company Limited Contact information synchronization system and method
US20160055205A1 (en) * 2014-08-22 2016-02-25 Attivio, Inc. Automated creation of join graphs for unrelated data sets among relational databases

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7801828B2 (en) * 2001-07-06 2010-09-21 Candella George J Method and system for detecting identity theft in non-personal and personal transactions
US9406032B2 (en) 2001-08-21 2016-08-02 Bookit Oy Ajanvarauspalvelu Financial fraud prevention method and system
GB0210241D0 (en) 2002-05-03 2002-06-12 Cerebrus Local usage monitoring and fraud detection for radio communication networks
US7686214B1 (en) 2003-05-12 2010-03-30 Id Analytics, Inc. System and method for identity-based fraud detection using a plurality of historical identity records
US7458508B1 (en) * 2003-05-12 2008-12-02 Id Analytics, Inc. System and method for identity-based fraud detection
US8386377B1 (en) * 2003-05-12 2013-02-26 Id Analytics, Inc. System and method for credit scoring using an identity network connectivity
US7314162B2 (en) 2003-10-17 2008-01-01 Digimore Corporation Method and system for reporting identity document usage
US7225977B2 (en) 2003-10-17 2007-06-05 Digimarc Corporation Fraud deterrence in connection with identity documents
US20060149674A1 (en) 2004-12-30 2006-07-06 Mike Cook System and method for identity-based fraud detection for transactions using a plurality of historical identity records
US7783135B2 (en) 2005-05-09 2010-08-24 Like.Com System and method for providing objectified image renderings using recognition information from images
CN101253757B (zh) 2005-09-01 2013-03-20 株式会社爱可信 通信系统和通信终端
US20070162761A1 (en) 2005-12-23 2007-07-12 Davis Bruce L Methods and Systems to Help Detect Identity Fraud
US8654943B2 (en) * 2006-04-14 2014-02-18 At&T Intellectual Property I, L.P. System and method of enhanced caller-ID display using a personal address book
US20070280445A1 (en) 2006-06-05 2007-12-06 Roy Shkedi Method for Interacting Via an Internet Accessible Address-Book Using a Visual Interface Phone Device
US8831972B2 (en) 2007-04-03 2014-09-09 International Business Machines Corporation Generating a customer risk assessment using dynamic customer data
US20090265198A1 (en) * 2008-04-22 2009-10-22 Plaxo, Inc. Reputation Evalution Using a contact Information Database
JP4726150B2 (ja) 2009-03-25 2011-07-20 株式会社クローバー・ネットワーク・コム ホームページなりすましチェックシステムおよびその方法
US8626137B1 (en) * 2010-08-20 2014-01-07 WhitePages, Inc. Providing caller identification to mobile devices
US8560605B1 (en) * 2010-10-21 2013-10-15 Google Inc. Social affinity on the web
US20120109802A1 (en) 2010-10-29 2012-05-03 Bank Of America Corporation Verifying identity through use of an integrated risk assessment and management system
US8782149B2 (en) * 2010-11-09 2014-07-15 Comcast Interactive Media, Llc Smart address book
US8918904B2 (en) 2010-12-17 2014-12-23 Wepay, Inc. Systems and methods for user identity verification and risk analysis using available social and personal data
CA2835349C (en) 2011-02-15 2017-02-28 Research In Motion Limited System and method for identity management for mobile devices
US9069945B2 (en) * 2011-03-04 2015-06-30 Puneet Singh User validation in a social network
US9646261B2 (en) 2011-05-10 2017-05-09 Nymi Inc. Enabling continuous or instantaneous identity recognition of a large group of people based on physiological biometric signals obtained from members of a small group of people
US10742591B2 (en) * 2011-07-06 2020-08-11 Akamai Technologies Inc. System for domain reputation scoring
CN102413169A (zh) * 2011-10-12 2012-04-11 盛乐信息技术（上海）有限公司 云通讯录的建立和维护方法及系统
US20130218902A1 (en) * 2012-02-17 2013-08-22 Ring Central, Inc. Shared directory system
US20140066044A1 (en) * 2012-02-21 2014-03-06 Manoj Ramnani Crowd-sourced contact information and updating system using artificial intelligence
CN106791229A (zh) 2012-04-13 2017-05-31 北京搜狗科技发展有限公司 号码的标识方法和装置
CN103841123A (zh) 2012-11-20 2014-06-04 中国电信股份有限公司 号码信息获取方法和获取系统、云端号码信息系统
US9262175B2 (en) * 2012-12-11 2016-02-16 Nuance Communications, Inc. Systems and methods for storing record of virtual agent interaction
US20140237570A1 (en) * 2013-02-15 2014-08-21 Rawllin International Inc. Authentication based on social graph transaction history data
US9292694B1 (en) * 2013-03-15 2016-03-22 Bitdefender IPR Management Ltd. Privacy protection for mobile devices
CN103220391A (zh) * 2013-04-08 2013-07-24 北京小米科技有限责任公司 一种基于云通讯录的装置、服务器及呼叫方法
CN104598498A (zh) * 2013-10-30 2015-05-06 北京千橡网景科技发展有限公司 移动社交网络中用户信息的整合方法和装置
US8935263B1 (en) * 2014-03-17 2015-01-13 Linkedin Corporation Generating rankings of reputation scores in reputation systems
TW201537940A (zh) 2014-03-20 2015-10-01 Gogolook Co Ltd 周邊裝置及其來電處理方法
US9251470B2 (en) 2014-05-30 2016-02-02 Linkedin Corporation Inferred identity
CN105306657B (zh) 2014-06-20 2019-07-26 中兴通讯股份有限公司 身份识别方法、装置及通讯终端
US20160112369A1 (en) * 2014-10-21 2016-04-21 Michael Boodaei System and Method for Validating a Customer Phone Number
CN104935438B (zh) * 2015-05-28 2018-09-07 北京旷视科技有限公司 用于身份验证的方法和装置
US10083236B2 (en) * 2015-05-29 2018-09-25 Salesforce.Com, Inc. Database searching using a graph of nodes and edges formed using log node pairs
CN105657130A (zh) * 2015-11-30 2016-06-08 东莞酷派软件技术有限公司 一种骚扰电话拦截方法与系统
CN105678129B (zh) * 2015-12-29 2018-11-16 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN107026831B (zh) * 2016-09-26 2020-03-10 阿里巴巴集团控股有限公司 一种身份识别方法和装置
CN106790915B (zh) * 2016-12-09 2019-07-26 北京安云世纪科技有限公司 号码识别控制方法、装置及相应的服务器和移动终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050071465A1 (en) * 2003-09-30 2005-03-31 Microsoft Corporation Implicit links search enhancement system and method for search engines using implicit links generated by mining user access patterns
CN101068156B (zh) * 2006-12-20 2012-11-07 腾讯科技（深圳）有限公司 数据同步时冲突处理方法及冲突处理服务器
RU2467386C2 (ru) * 2008-07-23 2012-11-20 Нокиа Корпорейшн Способ и устройство для обновления адресных книг
US20140099930A1 (en) * 2011-10-21 2014-04-10 Tencent Technology (Shenzhen) Company Limited Contact information synchronization system and method
US20160055205A1 (en) * 2014-08-22 2016-02-25 Attivio, Inc. Automated creation of join graphs for unrelated data sets among relational databases

Also Published As

Publication number Publication date
US20190220622A1 (en) 2019-07-18
MY190642A (en) 2022-04-29
AU2020273310A1 (en) 2020-12-17
CA3038029A1 (en) 2018-03-29
WO2018054279A1 (zh) 2018-03-29
CN107026831A (zh) 2017-08-08
JP6726359B2 (ja) 2020-07-22
TWI672038B (zh) 2019-09-11
EP3518487A4 (en) 2020-04-29
JP2019530930A (ja) 2019-10-24
AU2019101585A4 (en) 2020-01-23
MX2019003420A (es) 2019-10-02
AU2017329507A1 (en) 2019-04-18
CN107026831B (zh) 2020-03-10
KR102220962B1 (ko) 2021-03-02
EP3518487B1 (en) 2024-03-27
ZA201902460B (en) 2021-07-28
PH12019500657A1 (en) 2019-12-11
KR20190053917A (ko) 2019-05-20
EP3518487A1 (en) 2019-07-31
TW201815125A (zh) 2018-04-16
US11210417B2 (en) 2021-12-28
BR112019005872A2 (pt) 2019-06-18

Similar Documents

Publication Publication Date Title
RU2727720C1 (ru) Способ и устройство распознавания личности
US10839061B2 (en) Method and apparatus for identity authentication
US8924285B2 (en) Building whitelists comprising voiceprints not associated with fraud and screening calls using a combination of a whitelist and blacklist
US9544308B2 (en) Compliant authentication based on dynamically-updated credentials
US9237152B2 (en) Systems and methods for secure and efficient enrollment into a federation which utilizes a biometric repository
US11470116B2 (en) Auto-generated synthetic identities for simulating population dynamics to detect fraudulent activity
CN109036435B (zh) 基于声纹信息的身份认证及识别方法
CN108053545B (zh) 证件验真方法和装置、服务器、存储介质
CN106470204A (zh) 基于请求行为特征的用户识别方法、装置、设备及系统
CN104331652A (zh) 指纹和语音识别的电子设备的动态密码生成方法
US10771965B1 (en) Systems and methods for photo recognition-based identity authentication
CN104183240A (zh) 一种声纹特征融合方法及装置
CN107026816A (zh) 一种身份认证方法及装置
CN109510904A (zh) 呼叫中心外呼录音的检测方法及系统
CN205427857U (zh) 基于多生物特征结合设备指纹的身份识别系统
CN113593579B (zh) 一种声纹识别方法、装置和电子设备
Manggala et al. Security And Usability of User Authentication for Fintech Data Protection in Indonesia
Espín et al. Logical access attacks detection through audio fingerprinting in automatic speaker verification
GB2616145A (en) Fraud detection device for checking and authenticating person, application fraud detection method, and application fraud detection program
CN117273889A (zh) 一种业务信息采集方法、装置、设备和介质
Das et al. Unique identification number: The new identity paradigm

Legal Events

Date Code Title Description
PC41 Official registration of the transfer of exclusive right

Effective date: 20210303

PC41 Official registration of the transfer of exclusive right

Effective date: 20210414