WO2016107415A1 - 基于用户网络行为特征的辅助身份验证方法 - Google Patents

基于用户网络行为特征的辅助身份验证方法 Download PDF

Info

Publication number
WO2016107415A1
WO2016107415A1 PCT/CN2015/097581 CN2015097581W WO2016107415A1 WO 2016107415 A1 WO2016107415 A1 WO 2016107415A1 CN 2015097581 W CN2015097581 W CN 2015097581W WO 2016107415 A1 WO2016107415 A1 WO 2016107415A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
verification
account
time
secondary authentication
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/CN2015/097581
Other languages
English (en)
French (fr)
Inventor
冯亮
尹亚伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Unionpay Co Ltd
Original Assignee
China Unionpay Co Ltd
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 China Unionpay Co Ltd filed Critical China Unionpay Co Ltd
Publication of WO2016107415A1 publication Critical patent/WO2016107415A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present invention relates to a secondary authentication method and, more particularly, to a secondary authentication method based on user network behavior characteristics.
  • the existing technical solutions have the following problems: (1) The method of short message verification requires the user to carry the mobile phone with him and the environment in which he has a good wireless communication information, so the applicability is poor, and if the short message receiving delay occurs, the user may be caused. The situation of loss of aging in response to delays; (2) The way of biometric identification requires additional specific hardware and software facilities, so the cost is higher and the application is narrower.
  • the present invention proposes a secondary authentication method based on user network behavior characteristics that is widely applicable, convenient, effective, and low in cost.
  • a secondary authentication method comprising the following steps:
  • the data processing server performs a master identity verification process for the user in a conventional manner, and if the result of the master identity verification process is "pass”, then send a secondary authentication request to the authentication server associated with it to trigger the secondary authentication process, and allow the user to perform subsequent actual data interaction processes only if the secondary authentication result is "pass";
  • the secondary verification server performs a secondary authentication process for the user based on the user identification model running thereon and transmits the secondary authentication result back to the data processing server.
  • analyzing the social network account data includes: (1) manually determining and marking the category of each social networking website account to classify each social networking website account as a "normal account” or a "junk account” respectively. (2) Extracting specific feature attributes of individual users using the social networking website account from the social networking website account data to form training data.
  • the user identification model is constructed based on a classifier pattern, and the user recognition model is trained based on a machine learning algorithm, wherein the user recognition model quantifies the characteristic attribute of the user by It is compared to a predetermined one or more thresholds to actually verify the identity of the user.
  • the feature attribute includes basic information of the user, social information, and social behavior information.
  • the secondary verification request includes a first user identifier of the user for the primary authentication process.
  • the step (A3) further comprises: (1) after receiving the auxiliary verification request, the verification server prompts the user to log in to a specific social networking site through a specific user interface to Obtaining social networking site account data associated with the user, wherein the user logs into the social networking site using a second user identifier; (2) if the login operation fails, the authentication server prompts the user "login failed, unable to verify And returning a verification result indicating "unable to verify” to the data processing server, if the login operation is successful, proceeding to step (3); (3) determining whether the current login is the first time of the user by querying the verification history database Logging in, and if it is the first login, associating the first user identifier with the second user identifier and recording the association in the verification history database and proceeding to step (5), if not for the first time Login, then pass Querying the verification history database to determine whether the second user identifier is consistent with an association identifier indicated in a verification record previously associated with the first user identifie
  • the step (A3) further comprises: prompting the user that the account registration time is too short if the reason for the verification failure is that the time difference between the registration time and the current time is less than the time threshold.
  • the auxiliary identity verification method based on user network behavior characteristics disclosed by the invention has the following advantages: wide applicability, convenience and efficiency, and low cost.
  • FIG. 1 is a flow chart of a secondary authentication method in accordance with an embodiment of the present invention.
  • the auxiliary authentication method disclosed by the present invention includes the following steps: (A1) collecting and analyzing social network website (for example, Weibo website, etc.) account data to obtain a training data set, and constructing a user identification model accordingly as well as Training the user identification model with the training data set as input to enable it to function properly; (A2) before the user intends to perform an actual data interaction process with a data processing server (eg, a service provider server)
  • the data processing server performs a primary authentication process for the user in a conventional manner, and if the result of the primary authentication process is "pass", sends a secondary authentication request to the authentication server associated therewith to trigger the secondary authentication The process, and allowing the user to perform subsequent actual data interaction processes only if the secondary authentication result is "pass”;
  • the secondary verification server executes for the user based on the user identification model running thereon A secondary authentication process that passes the secondary authentication results back to the data
  • analyzing the social network account data includes: (1) manually determining and marking the category of each social networking website account to classify each social networking website account as a “normal account”. Or "junk account”; (2) extracting specific feature attributes of individual users who use the social networking website account from the social networking site account data to form training data.
  • the user identification model is constructed based on a classifier mode, and the user identification model is trained based on a machine learning algorithm, wherein the user identification model quantifies a user's
  • the feature attributes are compared and compared to a predetermined one or more thresholds to actually authenticate the user.
  • the number of "normal account” and "junk account” included in the training data set is substantially equal. This can effectively prevent the tilt of the training data and affect the working effect of the user identification model.
  • the feature attribute includes basic information of the user (for example, whether the area is set, the value of the local setting, the gender setting, the value of the gender setting, whether the avatar is set, birthday) Whether to set, the value of the birthday setting, whether the mailbox is set, whether the occupation information is set, the number of professional experiences, whether the education information is set, the number of educations, etc.), social information (for example, the number of fans, the number of followers, and the ratio of the two) , the number of two-way friends, whether the followers are grouped, the number of groups grouped, etc.) and social behavior information (for example, the number of posts posted, the average time span of postings in a day, the percentage of blog posts with URLs, blog posts @ others The average number, the number of similar blog posts, the proportion of similar blog posts, the average number of similar blog posts, the average release time for similar posts, the average number of comments posted, and so on.
  • basic information of the user for example, whether the area is set, the value of the local setting, the gender setting, the
  • the user identification model can determine and identify the type of user using the social networking website account, such as a junk account. Generally, it has the following characteristics: basic information is less filled, has a small number of fans, more followers, and the latter is much more than the former, less published blog posts and comments, or a large number of advertisements and false news in a short time.
  • the secondary authentication request includes a first user identifier (ie, a user ID) of the user for the primary authentication process.
  • a first user identifier ie, a user ID
  • the step (A3) further includes: (1) after receiving the auxiliary verification request, the verification server prompts the user to log in to the specific through a specific user interface.
  • Social networking site such as a microblogging site that has authorized the authentication server to obtain relevant social networking site account data through the user's login operation) to obtain social networking site account data associated with the user (which is socialized)
  • the website server sends to the verification server), wherein the user logs into the social networking website using a second user identifier (ie, the user's social networking website account); (2) if the login operation fails, the authentication server prompts the user "Login failed, cannot be verified” and returns a verification result indicating "unable to verify” to the data processing server.
  • step (3) determine the current login by querying the verification history database Whether it is the first login of the user, and if it is the first login, the first user identifier and the Decoding the second user identifier and recording the association in the verification history database and proceeding to step (5), if not logging in for the first time, determining the second user identifier by querying the verification history database Whether the association identifier indicated in the previous verification record associated with the first user identifier (ie, the previously recorded association relationship with the first user identifier) is consistent, and if not, the verification is terminated.
  • step (4) determining a time and current time of the last successful verification related to the second user identifier Time difference, if the time difference does not exceed the predetermined threshold, terminate the verification process and return a verification result indicating "verification successful" to the data processing server, if the time difference exceeds a predetermined threshold, proceed to step (5);
  • a predetermined threshold which is configured by an administrator of the verification server
  • a time difference if the probability value does not exceed the predetermined threshold and the time difference does not exceed a predetermined time threshold (which is configured by an administrator of the authentication server), then Determining the verification time, account information, and verification result of the current verification of the account in the verification history database and terminating the verification process and returning a verification result indicating "verification successful" to the data processing server; otherwise, terminating the verification process and A verification result indicating "verification failure" is returned to the data processing server.
  • a predetermined time threshold which is configured by an administrator of the authentication server
  • the step (A3) further includes: if the reason for the verification failure is that the time difference between the registration time and the current time is less than the time threshold, prompting the user to “account registration time” Too short.”
  • the auxiliary authentication method disclosed by the present invention has the following advantages: wide applicability, convenience and efficiency, and low cost.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了辅助身份验证方法，所述法包括：收集并分析社交网站账户数据以得到训练数据集，并随之构建用户识别模型以及将训练数据集作为输入训练用户识别模型；当用户意图进行与数据处理服务器之间的实际数据交互过程之前，数据处理服务器以常规的方式执行针对该用户的主身份验证过程，并且如果主身份验证过程的结果是"通过"，则向与其相关联的验证服务器发送辅助验证请求以触发辅助身份验证过程；辅助验证服务器基于运行于其上的用户识别模型执行针对该用户的辅助身份验证过程。本发明所公开的辅助身份验证方法适用性广泛、便捷有效并且成本较低。 (图1)

Description

基于用户网络行为特征的辅助身份验证方法 技术领域
本发明涉及辅助身份验证方法，更具体地，涉及基于用户网络行为特征的辅助身份验证方法。
背景技术
目前，随着计算机和网络应用的日益广泛以及不同领域的业务种类的日益丰富，在常规的主验证过程(例如基于用户名和密码的验证方式)之外对网络用户进行辅助身份验证变得越来越重要。
现有的辅助身份验证方法通常借助手机短信(即在主验证通过之后向用户发送短信，用户随之基于该短信传送回响应信息，由此辅助确定用户的身份)或者生物识别(例如基于用户的指纹、虹膜、语音等等辅助确定用户的身份)而实现，。
然而，现有的技术方案存在如下问题：(1)短信验证的方式需要用户随身携带手机并且所处的环境具有良好的无线通信信息，因而适用性较差，并且如果发生短信接收延迟会导致用户响应延误而失去时效的情况；(2)生物识别的方式需要附加的特定硬件和软件设施，故成本较高且适用面较窄。
因此，存在如下需求：提供适用性广泛、便捷有效并且成本较低的基于用户网络行为特征的辅助身份验证方法。
发明内容
为了解决上述现有技术方案所存在的问题，本发明提出了适用性广泛、便捷有效并且成本较低的基于用户网络行为特征的辅助身份验证方法。
本发明的目的是通过以下技术方案实现的：
一种辅助身份验证方法，所述辅助身份验证方法包括下列步骤：
(A1)收集并分析社交网站账户数据以得到训练数据集，并随之构建用户识别模型以及将所述训练数据集作为输入训练所述用户识别模型，以使其能够正常工作；
(A2)当用户意图进行与数据处理服务器之间的实际数据交互过程之前，所述数据处理服务器以常规的方式执行针对该用户的主身份验证过程，并且如果所述主身份验证过程的结果是“通过”，则向与其相关联的验证服务器发送辅助验证请求以触发辅助身份验证过程，并仅在辅助身份验证结果为“通过”的情况下允许该用户进行后续的实际数据交互过程；
(A3)所述辅助验证服务器基于运行于其上的所述用户识别模型执行针对该用户的辅助身份验证过程，并将辅助身份验证结果传送回所述数据处理服务器。
在上面所公开的方案中，优选地，分析社交网站账户数据包括：(1)人工判断并标示每个社交网站账户的类别从而将各个社交网站账户分别归类为“正常账号”或“垃圾账号”；(2)从社交网站账户数据中抽取出使用所述社交网站账户的各个用户的特定的特征属性以形成训练数据。
在上面所公开的方案中，优选地，基于分类器模式构建所述用户识别模型，并基于机器学习算法训练所述用户识别模型，其中，所述用户识别模型通过量化用户的所述特征属性并将其与预定的一个或多个阈值相比较来实际验证用户身份。
在上面所公开的方案中，优选地，所述特征属性包括用户的基本信息、社交信息以及社交行为信息。
在上面所公开的方案中，优选地，所述辅助验证请求包含用户的用于主身份验证过程的第一用户标识符。
在上面所公开的方案中，优选地，所述步骤(A3)进一步包括：(1)在接收到所述辅助验证请求后，所述验证服务器通过特定的用户界面提示用户登录特定的社交网站以获得与该用户相关联的社交网站账户数据，其中，所述用户使用第二用户标识符登录所述社交网站；(2)如果登录操作失败，则所述验证服务器提示用户“登录失败，无法验证”并向所述数据处理服务器返回指示“无法验证”的验证结果，如果所述登录操作成功，则进入步骤(3)；(3)通过查询验证历史纪录数据库确定当前登录是否是该用户的首次登录，并且如果是首次登录，则将所述第一用户标识符与所述第二用户标识符相关联并将关联关系纪录在所述验证历史纪录数据库中并进入步骤(5)，如果不是首次登录，则通 过查询所述验证历史纪录数据库确定所述第二用户标识符是否与之前与所述第一用户标识符相关联的验证纪录中所指示的关联标识符相一致，如果不一致，则终止验证过程并向所述数据处理服务器返回指示“验证失败”的验证结果，如果一致，进入步骤(4)；(4)确定与所述第二用户标识符相关的最近一次成功验证的时间与当前时间的时间差，如果该时间差不超过预定的阈值，则终止验证过程并向所述数据处理服务器返回指示“验证成功”的验证结果，如果该时间差超过预定的阈值，则进入步骤(5)；(5)获取与该用户相关联的社交网站账户数据并抽取出该用户的所述特征属性，随之通过该用户识别模型计算该账户被分类为“正常账号”的概率值，随之将该概率值与预定的阈值相比较并计算该账户的注册时间与当前时间的时间差，如果该概率值不超过所述预定的阈值并且所述时间差不超过预定的时间阈值，则在所述验证历史纪录数据库中纪录该账户的本次验证的验证时间、账户信息和验证结果并终止验证过程以及向所述数据处理服务器返回指示“验证成功”的验证结果，否则，终止验证过程以及向所述数据处理服务器返回指示“验证失败”的验证结果。
在上面所公开的方案中，优选地，所述步骤(A3)进一步包括：如果验证失败的原因是注册时间与当前时间的时间差小于所述时间阈值，则提示用户“账号注册时间太短”。
本发明所公开的基于用户网络行为特征的辅助身份验证方法具有以下优点：具有广泛的适用性、并且便捷有效且成本较低。
附图说明
结合附图，本发明的技术特征以及优点将会被本领域技术人员更好地理解，其中：
图1是根据本发明的实施例的辅助身份验证方法的流程图。
具体实施方式
图1是根据本发明的实施例的辅助身份验证方法的流程图。如图1所示，本发明所公开的辅助身份验证方法包括下列步骤：(A1)收集并分析社交网站(例如微博网站等等)账户数据以得到训练数据集，并随之构建用户识别模型以及 将所述训练数据集作为输入训练所述用户识别模型，以使其能够正常工作；(A2)当用户意图进行与数据处理服务器(例如服务提供方服务器)之间的实际数据交互过程之前，所述数据处理服务器以常规的方式执行针对该用户的主身份验证过程，并且如果所述主身份验证过程的结果是“通过”，则向与其相关联的验证服务器发送辅助验证请求以触发辅助身份验证过程，并仅在辅助身份验证结果为“通过”的情况下允许该用户进行后续的实际数据交互过程；(A3)所述辅助验证服务器基于运行于其上的所述用户识别模型执行针对该用户的辅助身份验证过程，并将辅助身份验证结果传送回所述数据处理服务器。
优选地，在本发明所公开的辅助身份验证方法中，分析社交网站账户数据包括：(1)人工判断并标示每个社交网站账户的类别从而将各个社交网站账户分别归类为“正常账号”或“垃圾账号”；(2)从社交网站账户数据中抽取出使用所述社交网站账户的各个用户的特定的特征属性以形成训练数据。
优选地，在本发明所公开的辅助身份验证方法中，基于分类器模式构建所述用户识别模型，并基于机器学习算法训练所述用户识别模型，其中，所述用户识别模型通过量化用户的所述特征属性并将其与预定的一个或多个阈值相比较来实际验证用户身份。
优选地，在本发明所公开的辅助身份验证方法中，所述训练数据集所包含的“正常账号”和“垃圾账号”的数量基本相等。这可以有效地防止训练数据的倾斜而影响用户识别模型的工作效果。
优选地，在本发明所公开的辅助身份验证方法中，所述特征属性包括用户的基本信息(例如，地区是否设置、地区设置的值、性别是否设置、性别设置的值、头像是否设置、生日是否设置、生日设置的值、邮箱是否设置、职业信息是否设置、职业经历的次数、教育信息是否设置、教育的次数等等)、社交信息(例如，粉丝数、关注数、以及两者的比例、双向好友的数量、关注者是否进行分组，分组的组数等等)以及社交行为信息(例如，发布博文的数量、一天内平均发文的时间跨度、含有URL的博文比例、博文中@其他人的平均数量、类似博文的数量、类似博文的比例、类似博文的平均数量、类似博文的发布平均间隔时间、发布博文的平均评论数等等)。基于这些特征信息，所述用户识别模型能够判断和识别使用该社交网站账户的用户的类型，例如垃圾账号 一般会具有下列特征：基本信息较少填写，拥有少量的粉丝，较多的关注者，并且后者数量远多于前者，较少发布博文和评论，或者短时间内传播大量广告、虚假消息。
优选地，在本发明所公开的辅助身份验证方法中，所述辅助验证请求包含用户的用于主身份验证过程的第一用户标识符(即用户ID)。
优选地，在本发明所公开的辅助身份验证方法中，所述步骤(A3)进一步包括：(1)在接收到所述辅助验证请求后，所述验证服务器通过特定的用户界面提示用户登录特定的社交网站(例如微博网站，其已对验证服务器进行了授权，使其能够通过用户的登录操作获取相关的社交网站账户数据)以获得与该用户相关联的社交网站账户数据(其由社交网站服务器发送至所述验证服务器)，其中，所述用户使用第二用户标识符(即用户的社交网站账户)登录所述社交网站；(2)如果登录操作失败，则所述验证服务器提示用户“登录失败，无法验证”并向所述数据处理服务器返回指示“无法验证”的验证结果，如果所述登录操作成功，则进入步骤(3)；(3)通过查询验证历史纪录数据库确定当前登录是否是该用户的首次登录，并且如果是首次登录，则将所述第一用户标识符与所述第二用户标识符相关联并将关联关系纪录在所述验证历史纪录数据库中并进入步骤(5)，如果不是首次登录，则通过查询所述验证历史纪录数据库确定所述第二用户标识符是否与之前与所述第一用户标识符相关联的验证纪录(即之前纪录的与所述第一用户标识符相关的关联关系)中所指示的关联标识符相一致，如果不一致，则终止验证过程并向所述数据处理服务器返回指示“验证失败”的验证结果，如果一致，进入步骤(4)；(4)确定与所述第二用户标识符相关的最近一次成功验证的时间与当前时间的时间差，如果该时间差不超过预定的阈值，则终止验证过程并向所述数据处理服务器返回指示“验证成功”的验证结果，如果该时间差超过预定的阈值，则进入步骤(5)；(5)获取与该用户相关联的社交网站账户数据并抽取出该用户的所述特征属性，随之通过该用户识别模型计算该账户被分类为“正常账号”的概率值，随之将该概率值与预定的阈值(其由验证服务器的管理员配置)相比较并计算该账户的注册时间与当前时间的时间差，如果该概率值不超过所述预定的阈值并且所述时间差不超过预定的时间阈值(其由验证服务器的管理员配置)，则在 所述验证历史纪录数据库中纪录该账户的本次验证的验证时间、账户信息和验证结果并终止验证过程以及向所述数据处理服务器返回指示“验证成功”的验证结果，否则，终止验证过程以及向所述数据处理服务器返回指示“验证失败”的验证结果。
优选地，在本发明所公开的辅助身份验证方法中，所述步骤(A3)进一步包括：如果验证失败的原因是注册时间与当前时间的时间差小于所述时间阈值，则提示用户“账号注册时间太短”。
由上可见，本发明所公开的辅助身份验证方法具有下列优点：具有广泛的适用性、并且便捷有效且成本较低。
尽管本发明是通过上述的优选实施方式进行描述的，但是其实现形式并不局限于上述的实施方式。应该认识到：在不脱离本发明主旨和范围的情况下，本领域技术人员可以对本发明做出不同的变化和修改。

Claims (7)

  1. 一种辅助身份验证方法，所述辅助身份验证方法包括下列步骤：
    (A1)收集并分析社交网站账户数据以得到训练数据集，并随之构建用户识别模型以及将所述训练数据集作为输入训练所述用户识别模型，以使其能够正常工作；
    (A2)当用户意图进行与数据处理服务器之间的实际数据交互过程之前，所述数据处理服务器以常规的方式执行针对该用户的主身份验证过程，并且如果所述主身份验证过程的结果是“通过”，则向与其相关联的验证服务器发送辅助验证请求以触发辅助身份验证过程，并仅在辅助身份验证结果为“通过”的情况下允许该用户进行后续的实际数据交互过程；
    (A3)所述辅助验证服务器基于运行于其上的所述用户识别模型执行针对该用户的辅助身份验证过程，并将辅助身份验证结果传送回所述数据处理服务器。
  2. 根据权利要求1所述的辅助身份验证方法，其特征在于，分析社交网站账户数据包括：(1)人工判断并标示每个社交网站账户的类别从而将各个社交网站账户分别归类为“正常账号”或“垃圾账号”；(2)从社交网站账户数据中抽取出使用所述社交网站账户的各个用户的特定的特征属性以形成训练数据。
  3. 根据权利要求2所述的辅助身份验证方法，其特征在于，基于分类器模式构建所述用户识别模型，并基于机器学习算法训练所述用户识别模型，其中，所述用户识别模型通过量化用户的所述特征属性并将其与预定的一个或多个阈值相比较来实际验证用户身份。
  4. 根据权利要求3所述的辅助身份验证方法，其特征在于，所述特征属性包括用户的基本信息、社交信息以及社交行为信息。
  5. 根据权利要求4所述的辅助身份验证方法，其特征在于，所述辅助验证请求包含用户的用于主身份验证过程的第一用户标识符。
  6. 根据权利要求4所述的辅助身份验证方法，其特征在于，所述步骤(A3)进一步包括：(1)在接收到所述辅助验证请求后，所述验证服务器通过特定的 用户界面提示用户登录特定的社交网站以获得与该用户相关联的社交网站账户数据，其中，所述用户使用第二用户标识符登录所述社交网站；(2)如果登录操作失败，则所述验证服务器提示用户“登录失败，无法验证”并向所述数据处理服务器返回指示“无法验证”的验证结果，如果所述登录操作成功，则进入步骤(3)；(3)通过查询验证历史纪录数据库确定当前登录是否是该用户的首次登录，并且如果是首次登录，则将所述第一用户标识符与所述第二用户标识符相关联并将关联关系纪录在所述验证历史纪录数据库中并进入步骤(5)，如果不是首次登录，则通过查询所述验证历史纪录数据库确定所述第二用户标识符是否与之前与所述第一用户标识符相关联的验证纪录中所指示的关联标识符相一致，如果不一致，则终止验证过程并向所述数据处理服务器返回指示“验证失败”的验证结果，如果一致，进入步骤(4)；(4)确定与所述第二用户标识符相关的最近一次成功验证的时间与当前时间的时间差，如果该时间差不超过预定的阈值，则终止验证过程并向所述数据处理服务器返回指示“验证成功”的验证结果，如果该时间差超过预定的阈值，则进入步骤(5)；(5)获取与该用户相关联的社交网站账户数据并抽取出该用户的所述特征属性，随之通过该用户识别模型计算该账户被分类为“正常账号”的概率值，随之将该概率值与预定的阈值相比较并计算该账户的注册时间与当前时间的时间差，如果该概率值不超过所述预定的阈值并且所述时间差不超过预定的时间阈值，则在所述验证历史纪录数据库中纪录该账户的本次验证的验证时间、账户信息和验证结果并终止验证过程以及向所述数据处理服务器返回指示“验证成功”的验证结果，否则，终止验证过程以及向所述数据处理服务器返回指示“验证失败”的验证结果。
  7. 根据权利要求6所述的辅助身份验证方法，其特征在于，所述步骤(A3)进一步包括：如果验证失败的原因是注册时间与当前时间的时间差小于所述时间阈值，则提示用户“账号注册时间太短”。
PCT/CN2015/097581 2014-12-30 2015-12-16 基于用户网络行为特征的辅助身份验证方法 Ceased WO2016107415A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410837692.5 2014-12-30
CN201410837692.5A CN105591747B (zh) 2014-12-30 2014-12-30 基于用户网络行为特征的辅助身份验证方法

Publications (1)

Publication Number Publication Date
WO2016107415A1 true WO2016107415A1 (zh) 2016-07-07

Family

ID=55931023

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/097581 Ceased WO2016107415A1 (zh) 2014-12-30 2015-12-16 基于用户网络行为特征的辅助身份验证方法

Country Status (3)

Country Link
CN (1) CN105591747B (zh)
TW (1) TW201633197A (zh)
WO (1) WO2016107415A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901347A (zh) * 2020-07-29 2020-11-06 南方电网科学研究院有限责任公司 一种零信任下的动态身份认证方法和装置
CN114386021A (zh) * 2021-12-30 2022-04-22 海南大学 跨dikw模态生成内容的验证方法
CN116319046A (zh) * 2023-04-04 2023-06-23 广州市单元信息科技有限公司 一种账户身份核验方法及系统
US12425382B2 (en) 2023-08-17 2025-09-23 International Business Machines Corporation Cross-platform chatbot user authentication for chat history recovery

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3785198A4 (en) * 2018-04-23 2021-12-29 Trans Union LLC Systems and methods for dynamic identity decisioning
CN109344583B (zh) * 2018-08-22 2020-10-23 创新先进技术有限公司 阈值确定及核身方法、装置、电子设备及存储介质
CN109614777B (zh) * 2018-11-23 2020-09-11 第四范式（北京）技术有限公司 智能设备以及智能设备的用户身份验证方法和装置
CN116436655A (zh) * 2021-02-02 2023-07-14 支付宝(杭州)信息技术有限公司 一种账户认证方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070156836A1 (en) * 2006-01-05 2007-07-05 Lenovo(Singapore) Pte. Ltd. System and method for electronic chat identity validation
CN103150374A (zh) * 2013-03-11 2013-06-12 中国科学院信息工程研究所 一种识别微博异常用户的方法和系统
CN103731488A (zh) * 2013-12-26 2014-04-16 黄伟 照片分享方法及系统
CN103914494A (zh) * 2013-01-09 2014-07-09 北大方正集团有限公司 一种微博用户身份识别方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102970289B (zh) * 2012-11-09 2015-11-04 同济大学 基于Web用户行为模式的身份认证方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070156836A1 (en) * 2006-01-05 2007-07-05 Lenovo(Singapore) Pte. Ltd. System and method for electronic chat identity validation
CN103914494A (zh) * 2013-01-09 2014-07-09 北大方正集团有限公司 一种微博用户身份识别方法及系统
CN103150374A (zh) * 2013-03-11 2013-06-12 中国科学院信息工程研究所 一种识别微博异常用户的方法和系统
CN103731488A (zh) * 2013-12-26 2014-04-16 黄伟 照片分享方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901347A (zh) * 2020-07-29 2020-11-06 南方电网科学研究院有限责任公司 一种零信任下的动态身份认证方法和装置
CN111901347B (zh) * 2020-07-29 2022-12-06 南方电网科学研究院有限责任公司 一种零信任下的动态身份认证方法和装置
CN114386021A (zh) * 2021-12-30 2022-04-22 海南大学 跨dikw模态生成内容的验证方法
CN116319046A (zh) * 2023-04-04 2023-06-23 广州市单元信息科技有限公司 一种账户身份核验方法及系统
CN116319046B (zh) * 2023-04-04 2023-09-01 广州市单元信息科技有限公司 一种账户身份核验方法及系统
US12425382B2 (en) 2023-08-17 2025-09-23 International Business Machines Corporation Cross-platform chatbot user authentication for chat history recovery

Also Published As

Publication number Publication date
TW201633197A (zh) 2016-09-16
CN105591747A (zh) 2016-05-18
CN105591747B (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN105591747B (zh) 基于用户网络行为特征的辅助身份验证方法
US10841319B2 (en) System and method for validating users using social network information
CN107276982B (zh) 一种异常登录检测方法及装置
CN104301286B (zh) 用户登录认证方法及装置
US9824197B2 (en) Classifier training method and apparatus, identity authentication method and system
CN104281882B (zh) 基于用户特征的预测社交网络信息流行度的方法及系统
CN110620770B (zh) 一种分析网络黑产账号的方法及装置
US20170230366A1 (en) Method and device for verifying a trusted terminal
CN102761531B (zh) 一种社区验证方法和服务器
CN106507354B (zh) 用于防止移动设备恶意注册的方法及装置
JP2019530930A (ja) 身元認識方法及び装置
CN107070940B (zh) 一种从流式登录日志中判断恶意登录ip地址的方法及装置
CN106470204A (zh) 基于请求行为特征的用户识别方法、装置、设备及系统
WO2020155508A1 (zh) 可疑用户筛选方法、装置、计算机设备及存储介质
CN105812378A (zh) 访问请求处理方法及装置
CN110457601A (zh) 社交账号的识别方法和装置、存储介质及电子装置
US20230368233A1 (en) System and methods for universal identification and passport management
CN108804501A (zh) 一种检测有效信息的方法及装置
CN108009406A (zh) 一种账号冻结方法、账号解冻方法及服务器
CN113326500B (zh) 结合边缘计算和云边融合的信息验证方法及中心云平台
WO2017084513A1 (zh) 一种核验信息处理方法及服务器
HK1224846A (zh) 基於用户网络行为特徵的辅助身份验证方法
HK1224846A1 (zh) 基於用戶網絡行為特徵的輔助身份驗證方法
HK1224846B (zh) 基於用户网络行为特徵的辅助身份验证方法
CN110351267B (zh) 一种社交媒体账号被盗的确定方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15875093

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 06/11/2017)

122 Ep: pct application non-entry in european phase

Ref document number: 15875093

Country of ref document: EP

Kind code of ref document: A1