CN110210205B - 登录状态的确定方法、装置、计算机设备及计算机存储介质 - Google Patents

Abstract

本申请公开了一种登录状态的确定方法、装置及计算机存储介质，涉及信息技术领域，可以基于用户的登录习惯确定适用于应用账户的登录状态，便于用户操作，同时降低了用户账户的安全风险。所述方法包括：获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签；将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系；当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

Description

登录状态的确定方法、装置、计算机设备及计算机存储介质

技术领域

本发明涉及信息技术领域，尤其是涉及到登录状态的确定方法、装置、计算机设备及计算机存储介质。

背景技术

随着智能手机和ipad等移动终端设备的普及，人们逐渐习惯了使用APP客户端上网的方式，人类的社交活动渐渐地由传统的登门拜访、聚会派对演变为互联网上的虚拟活动，日常购物由传统的商场选购演变为互联网上的购物，例如，用户可以通过论坛、微博、网络游戏等与他人进行互动，还可以通过淘宝、京东商城选购日常用品，而账户就是用户在每个APP中进行相应活动的身份。

在现有的账户登录过程中，用户在首次使用APP客户端时，会先进行注册，输入个人的账户名、身份信息、性别以及年龄等特征数据，注册成功后进行首次登录，为了便于用户使用，***通常会为用户设置单一模式的登录状态，或者用户自行设置登录状态，例如长登录的登录状态，这样当用户再次使用APP客户端时，不需要再进行登录，即不需要再次输入账户和密码，可以直接进入APP进行操作。

这种单一模式的登录状态，虽然增加了用户使用APP的便捷性，但在实际应用过程中，对于长登录的登录状态，除用户以外的任何人都可以在用户所使用的智能手机或者移动终端设备上打开其登录过的APP客户端进行操作，甚至会有他人恶意冒充用户使用其APP客户端进行操作，给用户带来经济上的损失或者造成其他不良的影响，引发用户账户的安全风险。

发明内容

有鉴于此，本发明提供了一种登录状态的确定方法、装置、计算机设备及计算机存储介质，主要目的在于解决目前单一模式的登录状态容易引发用户账户安全风险的问题。

依据本发明一个方面，提供了一种登录状态的确定方法，该方法包括：

获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，所述多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据；

将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系；

当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

进一步地，所述深度学习模型为卷积神经网络，所述卷积神经网络包括多层结构，所述将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型包括：

通过所述深度学习模型的卷积层提取所述多组特征数据的特征，得到用户进入应用账户对应各个登录状态的特征参数；

通过所述深度学习模型的池化层对所述用户进入应用账户对应各个登录状态的特征参数进行降维处理，得到降维处理后用户进入应用账户对应各个登录状态的特征参数；

通过所述深度学习模型的全连接层汇总所述降维处理后用户进入应用账户对应各个登录状态的特征参数，得到用户进入应用账户时的特征数据在各个登录状态上的权重值；

通过所述深度学习模型的分类层根据所述用户进入应用账户时的特征数据在各个登录状态上的权重值生成用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，构建登录状态识别模型。

进一步地，所述获取样本用户每次进入应用账户时的多组特征数据包括：

通过预设接口调用样本用户进入应用账户时的历史操作数据；

根据所述用户进入应用账户时的历史操作数据，提取样本用户每次进入应用账户时的多组特征数据。

进一步地，在所述获取样本用户每次进入应用账户时的多组特征数据之后，所述方法还包括：

通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态。

进一步地，所述通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态包括：

通过解析用户每次进入应用账户后创建的会话对象，提取所述会话对象中存储的登录配置信息；

根据所述登录配置信息确定用户每次进入应用账户对应的登录状态。

所述登录配置信息中记录有用户预先设置的进入应用账户对应的登录状态，所述登录状态包括保持登录状态和验证登录状态，所述根据所述登录配置信息确定用户每次进入应用账户对应的登录状态包括：

当所述登录配置信息中记录用户预先设置的进入应用账户后保持登录状态时，确定用户每次进入应用账户对应的登录状态为保持登录状态；

当所述登录配置信息中记录用户预先设置的进入应用账户后验证登录状态时，确定用户每次进入应用账户对应的登录状态为验证登录状态。

进一步地，在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，所述方法还包括：

若所述用户进入应用账户时的多组特征数据发送变化，通过将变化后的多组特征数据输入至所述登录状态识别模型，调整用户进入应用账户对应的登录状态。

进一步地，在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，所述方法还包括：

根据所述用户进入应用账户对应的登录状态，确定用户再次进入应用账户的登录方式，对应用账户进行登录。

依据本发明另一个方面，提供了一种登录状态的确定装置，所述装置包括：

获取单元，用于获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，所述多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据；

构建单元，用于将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系；

确定单元，用于当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

进一步地，所述深度学习模型为卷积神经网络，所述卷积神经网络包括多层结构，所述构建单元包括：

提取模块，用于通过所述深度学习模型的卷积层提取所述多组特征数据的特征，得到用户进入应用账户对应各个登录状态的特征参数；

降维模块，用于通过所述深度学习模型的池化层对所述用户进入应用账户对应各个登录状态的特征参数进行降维处理，得到降维处理后用户进入应用账户对应各个登录状态的特征参数；

汇总模块，用于通过所述深度学习模型的全连接层汇总所述降维处理后用户进入应用账户对应各个登录状态的特征参数，得到用户进入应用账户时的特征数据在各个登录状态上的权重值；

构建模块，用于通过所述深度学习模型的分类层根据所述用户进入应用账户时的特征数据在各个登录状态上的权重值生成用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，构建登录状态识别模型。

进一步地，所述获取单元包括：

调用模块，用于通过预设接口调用样本用户进入应用账户时的历史操作数据；

提取模块，用于根据所述用户进入应用账户时的历史操作数据，提取样本用户每次进入应用账户时的多组特征数据。

进一步地，所述装置还包括：

解析单元，用于在所述获取样本用户每次进入应用账户时的多组特征数据之后，确定用户每次进入应用账户对应的登录状态。

进一步地，所述解析单元包括：

解析模块，用于通过解析用户每次进入应用账户后创建的会话对象，提取所述会话对象中存储的登录配置信息；

确定模块，用于根据所述登录配置信息确定用户每次进入应用账户对应的登录状态。

进一步地，所述登录配置信息中记录有用户预先设置的进入应用账户对应的登录状态，所述登录状态包括保持登录状态和验证登录状态，所述确定模块，具体用于当所述登录配置信息中记录用户预先设置的进入应用账户后保持登录状态时，确定用户每次进入应用账户对应的登录状态为保持登录状态；

所述确定模块，具体还用于当所述登录配置信息中记录用户预先设置的进入应用账户后验证登录状态时，确定用户每次进入应用账户对应的登录状态为验证登录状态。

进一步地，所述装置还包括：

调整单元，用于在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，若所述用户进入应用账户时的多组特征数据发送变化，通过将变化后的多组特征数据输入至所述登录状态识别模型，调整用户进入应用账户对应的登录状态。

进一步地，所述装置还包括：

登录单元，用于在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，根据所述用户进入应用账户对应的登录状态，确定用户再次进入应用账户的登录方式，对应用账户进行登录。

依据本发明又一个方面，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现登录状态的确定方法的步骤。

依据本发明再一个方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现登录状态的确定方法的步骤。

借由上述技术方案，本发明提供一种登录状态的确定方法及装置，通过收集样本用户每次进入应用账户时的多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，当用户进入应用账户时，通过登录状态识别模型识别用户进入应用账户对应的登录状态，进而用户在登录后使用识别得到的登录状态，方便用户使用。与现有技术中采用单一模式的登录状态来进行账户信息登录的方法相比，本发明通过采用登录状态识别模型来识别用户进入应用账户的登录状态，能够基于用户的登录习惯确定适用于应用账户的登录状态，并自动判断让用户直接进入应用账户还是让用户登录验证后进入应用账户，减少了用户登录账户过程中不必要的登录操作，便于用户操作，同时降低了用户账户的安全风险。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种登录状态的确定方法流程示意图；

图2示出了本发明实施例提供的另一种登录状态的确定方法流程示意图；

图3示出了本发明实施例提供的一种登录状态的确定装置的结构示意图；

图4示出了本发明实施例提供的另一种登录状态的确定装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种登录状态的确定方法，可以基于用户的登录习惯确定适用于应用账户的登录状态，便于用户操作，同时降低了用户账户的安全风险，如图1所示，该方法包括：

101、获取样本用户每次进入应用账户时的多组特征数据。

其中，样本用户每次进入应用账户时的多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据，例如，用户登录时间、操作地点、设备类型、账号是否可交易、用户风险承受能力、身份信息、账户资产额度等特征数据，具体当用户首次进入应用账户时，都会通过个人身份信息进行注册，例如，账户名称、电话号码、性别等，以及会对应用账户的操作进行设置，例如，支付扣款顺序、登录方式、登录状态设置等。

可以理解的是，为了便于账户信息的登录，用户在注册账户信息的过程中，针对不同的应用账户，都会设置账户信息的登录状态，以便于根据设置的账户信息的登录状态，可以实现快速登录，例如，针对涉及财务类的应用账户风在使用过程中风险较高，为了保证账户的安全性，通常在登录后不会设置保持登录的登录状态，针对涉及社交类的账户和账户服务在使用过程中涉及交易认证时风险较高，由于用户使用频率较高，通常在登录后设置保持登录的登录状态，但涉及交易的时候会设置安全验证，针对购物类的应用服务账户在使用过程中涉及交易认证时风险较高，通常在登录后也可以设置保持登录状态。

102、将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型。

其中，登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，由于深度学习模型具有训练数据之间映射关系的作用，通过构建登录状态识别模型，对于不同用户登录进入应用账户时的特征数据，通过登录状态识别模型训练得到的映射关系可以获取与用户登录进入应用账户时的特征数据相对应的登录状态。

由于特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，例如，可以将登录状态标签设置两种，保持登录和验证登录，当然还可以设置更多登录状态标签，具体地，对于未发生改变的特征数据并且不涉及金额交易的应用账户可以设置为保持登录，对于发生改变的特征数据或者涉及金额交易的应用账户可以设置为验证登录，还可以针对特征数据的改变范围设置是否切换登录状态等，这里不进行限定，从而根据样本用户每次进入应用账户对应的登录状态标签对多组特征数据进行训练。

对于本发明实施例，这里深度学习模型可以为卷积神经网络模型，具体可以通过反复训练样本用户每次进入应用账户时的多组特征数据构建登录状态识别模型的网络结构，该网络结构可以对输入的数据进行训练，并给出正确的输入-输出关系，相当于用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系。

具体卷积神经网络模型的结构可以通过卷积层、全连接层、池化层以及分类层结构实现，这里的卷积层相当于卷积神经网络的隐含层，可以为多层结构，用于提取更深层次的用户进入应用账户对应各个登录状态的特征参数；在卷积神经网络模型中，为了减小参数，减低计算，常常在连续卷积层中间隔***池化层；这里的全连接层与卷积层相似，卷积层的神经元和上一层输出局部区域相连，当然为了减少输出特征向量过多，可以设置两个全连接层在训练数据通过若干个卷积层训练后对训练输出的特征数据进行整合。

103、当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

对于本发明实施例，通过确定用户进入应用账户对应的登录状态，用户无需自行判断登录状态，对于风险等级较高的应用账户可以设置为验证登录状态，通过安全验证登录应用账户，对于风险等级较低的应用账户可以设置为保持登录状态，无需用户进行验证即可登录应用账户，方便用户操作。

本发明实施例提供一种登录状态的确定方法，通过收集样本用户每次进入应用账户时的多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，当用户进入应用账户时，通过登录状态识别模型识别用户进入应用账户对应的登录状态，进而用户在登录后使用识别得到的登录状态，方便用户使用。与现有技术中采用单一模式的登录状态来进行账户信息登录的方法相比，本发明通过采用登录状态识别模型来识别用户进入应用账户的登录状态，能够基于用户的登录习惯确定适用于应用账户的登录状态，并自动判断让用户直接进入应用账户还是让用户登录验证后进入应用账户，减少了用户登录账户过程中不必要的登录操作，便于用户操作，同时降低了用户账户的安全风险。

本发明实施例提供了另一种登录状态的确定方法，可以基于用户的登录习惯确定适用于应用账户的登录状态，便于用户操作，同时降低了用户账户的安全风险，如图2所示，所述方法包括：

201、通过预设接口调用样本用户进入应用账户时的历史操作数据。

其中，样本用户进入应用账户时的历史操作数据可以包括但不局限于样本用户交易数据、浏览数据、配置数据等。通过预设接口调用样本用户进入应用账户时的历史操作数据可以获取登录应用账户后的操作数据。

202、根据所述用户进入应用账户时的历史操作数据，提取样本用户每次进入应用账户时的多组特征数据。

对于本发明实施例，用户注册应用账户后，为了便于操作，针对应用账户的特性都会设置用于进入应用账户时的特征数据，该特征数据相当于用户进入应用账户时的历史操作数据，例如，针对涉及财务类的网络服务，通常在登录和交易时会设置安全验证，如登录账户密码，交易密码等，针对涉及社交类的网络服务，通常在登录后设置长登录状态，交易时设置安全验证，针对购物类的网络服务，通常在登录时不会设置安全验证，交易时设置安全验证，进一步从用户进入应用账户时的历史操作数据中可以提取用户每次进入应用账户时的多组特征数据。

203、通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态。

对于本发明实施例，用户在每次进入应用账户后都会创建会话对象，如果用户想保持登录状态，则用户处于保持登录状态，不会退出登录请求，下次可以直接进入应用账户，而此时的会话对象中会存在用户的信息，反之，如果用户不想继续保持登录状态，则用户处于验证登录状态，会退出登录请求，下次进入应用账户后需要重新登录账户，而此时的会话对象中不会存在用户的信息，这里通过判断会话对象中是否记录有用户的信息，可以确定用户每次进入应用账户对应的登录状态。

具体在通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态过程中，可以通过解析用户每次进入应用账户后创建的会话对象，该会话对象中存储有登录配置信息，该登录配置信息中记录有用户预先设置的进入应用账户对应的登录状态，如保持登录状态和验证登录状态，进一步根据提取的登录配置信息确定用户每次进入应用账户对应的登录状态，当登录配置信息中记录用户预先设置的进入应用账户后保持登录状态时，确定用户每次进入应用账户对应的登录状态为保持登录状态；当登录配置信息中记录用户预先设置的进入应用账户后验证登录状态时，确定用户每次进入应用账户对应的登录状态为验证登录状态。

204、将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型。

具体在将多组特征数据作为训练数据输入至深度学习模型中进行训练的过程中，可以将样本用户每次进入应用账户时的一组特征数据作为一个N维向量，每个特征数据表示为N维向量中的一个数值，并且通过对特征数据进行归一化处理后，使得每个特征数据的分布范围为[-1,1]，对于用户未设置的特征数据表示为数值0，从而得到标准格式的训练数据。

具体卷积神经网络包括多层结构，可以通过卷积神经网络模型的卷积层提取多组特征数据的特征，得到用户进入应用账户对应各个登录状态的特征参数；通过卷积神经网络模型的池化层对用户进入应用账户对应各个登录状态的特征参数进行降维处理，得到降维处理后用户进入应用账户对应各个登录状态的特征参数；通过卷积神经网络模型的全连接层汇总降维处理后用户进入应用账户对应各个登录状态的特征参数，得到用户进入应用账户时的特征数据在各个登录状态上的权重值；通过卷积神经网络模型的分类层根据用户进入应用账户时的特征数据在各个登录状态上的权重值生成用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，构建登录状态识别模型。

例如，卷积神经网络包括13个卷积层，3个全连接层，这里可以设置每个卷积层的卷积核个数分别为64、64、128、128、256、256、512、512、512、512、512、512，并且第2个卷积层与第3个卷积层之间、第4个卷积层与第5个卷积层之间、第6个卷积层与第7个卷积层之间、第8个卷积层与第9个卷积层之间、第10个卷积层与第11个卷积层之间、第13个卷积层与第1个全连接层之间，均连接1个池化层，并且上述13个卷积层和3个全连接层均用非线性激活函数进行处理，这里对上述卷积层、全连接层以及池化层的层数不进行限定，具体可以根据实际情况进行选取，同理，对于每层内所选择的激活函数也不进行限定。当输入用户每次进入应用账户时的多组特征数据，输出用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，相当于用户进入应用账户时的特征数据在各个登录状态上的分类结果。

205、当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

对于本发明实施例，通过登录状态识别模型所识别得到的用户进入应用账户对应的登录状态只是根据用户进入账户的特征数据来初步判断适合用户的登录状态，以便用户再次登录时可以自动判断直接进入应用账户或者经过安全验证进入应用账户，方便用户操作。

206、若所述用户进入应用账户时的多组特征数据发送变化，通过将变化后的多组特征数据输入至所述登录状态识别模型，调整用户进入应用账户对应的登录状态。

可以理解的是，用户每次进入应用账户时的特征数据是不断发生变化的，随着用户每次进入应用账户时的特征数据发生变化，若用户进入应用账户时的特征数据产生变化，通过构建登录状态识别模型识别得到的登录状态也会发生改变。

例如，用户每次进入应用账户时的特征数据中的登录地点表明用户登录地点发生改变，识别得到的用户进入应用账户对应的登录状态更改，或者用户每次进入应用账户时的个人信息发生变更，都会使得识别得到的用户进入应用账户对应的登录状态更改。

207、根据所述用户进入应用账户对应的登录状态，确定用户再次进入应用账户的登录方式，对应用账户进行登录。

对于本发明实施例，如果用户进入应用账户对应的登录状态为保持登录状态，那么用户再次进入应用账户时，可以无需重新登录，直接进入应用账户，如果用户进入应用账户对应的登录状态为验证登录状态，那么用户再次进入应用账户时，需要重新登录。

进一步地，作为图1所述方法的具体实现，本发明实施例提供了一种登录状态的确定装置，如图3所示，所述装置包括：获取单元31、构建单元32、确定单元33。

获取单元31，可以用于获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，所述多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据；

构建单元32，可以用于将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系；

确定单元33，可以用于当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

本发明提供的一种登录状态的确定装置，通过收集样本用户每次进入应用账户时的多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，当用户进入应用账户时，通过登录状态识别模型识别用户进入应用账户对应的登录状态，进而用户在登录后使用识别得到的登录状态，方便用户使用。与现有技术中采用单一模式的登录状态来进行账户信息登录的方法相比，本发明通过采用登录状态识别模型来识别用户进入应用账户的登录状态，能够基于用户的登录习惯确定适用于应用账户的登录状态，并自动判断让用户直接进入应用账户还是让用户登录验证后进入应用账户，减少了用户登录账户过程中不必要的登录操作，便于用户操作，同时降低了用户账户的安全风险。

作为图3中所示登录状态的确定装置的进一步说明，图4是根据本发明实施例另一种登录状态的确定装置的结构示意图，如图4所示，所述装置还包括：

解析单元34，可以用于在所述获取样本用户每次进入应用账户时的多组特征数据之后，确定用户每次进入应用账户对应的登录状态；

调整单元35，可以用于在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，若所述用户进入应用账户时的多组特征数据发送变化，通过将变化后的多组特征数据输入至所述登录状态识别模型，调整用户进入应用账户对应的登录状态；

登录单元36，可以用于在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，根据所述用户进入应用账户对应的登录状态，确定用户再次进入应用账户的登录方式，对应用账户进行登录。

进一步地，所述深度学习模型为卷积神经网络，所述卷积神经网络包括多层结构，所述构建单元32包括：

提取模块321，用于通过所述深度学习模型的卷积层提取所述多组特征数据的特征，得到用户进入应用账户对应各个登录状态的特征参数；

降维模块322，用于通过所述深度学习模型的池化层对所述用户进入应用账户对应各个登录状态的特征参数进行降维处理，得到降维处理后用户进入应用账户对应各个登录状态的特征参数；

汇总模块323，可以用于通过所述深度学习模型的全连接层汇总所述降维处理后用户进入应用账户对应各个登录状态的特征参数，得到用户进入应用账户时的特征数据在各个登录状态上的权重值；

构建模块324，可以用于通过所述深度学习模型的分类层根据所述用户进入应用账户时的特征数据在各个登录状态上的权重值生成用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，构建登录状态识别模型。

进一步地，所述获取单元31包括：

调用模块311，可以用于通过预设接口调用样本用户进入应用账户时的历史操作数据；

提取模块312，可以用于根据所述用户进入应用账户时的历史操作数据，提取样本用户每次进入应用账户时的多组特征数据。

进一步地，所述解析单元34包括：

解析模块341，可以用于通过解析用户每次进入应用账户后创建的会话对象，提取所述会话对象中存储的登录配置信息；

确定模块342，可以用于根据所述登录配置信息确定用户每次进入应用账户对应的登录状态。

进一步地，所述登录配置信息中记录有用户预先设置的进入应用账户对应的登录状态，所述登录状态包括保持登录状态和验证登录状态，

所述确定模块342，具体可以用于当所述登录配置信息中记录用户预先设置的进入应用账户后保持登录状态时，确定用户每次进入应用账户对应的登录状态为保持登录状态；

所述确定模块342，具体还可以用于当所述登录配置信息中记录用户预先设置的进入应用账户后验证登录状态时，确定用户每次进入应用账户对应的登录状态为验证登录状态。

需要说明的是，本实施例提供的一种登录状态的确定装置所涉及各功能单元的其他相应描述，可以参考图1和图2中的对应描述，在此不再赘述。

基于上述如图1和图2所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的登录状态的确定方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1、图2所示的方法，以及图3、图4所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的登录状态的确定方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的登录状态的确定装置的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作***、网络通信模块。操作***是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有技术相比，本发明通过采用登录状态识别模型来识别用户进入应用账户的登录状态，能够基于用户的登录习惯确定适用于应用账户的登录状态，并自动判断让用户直接进入应用账户还是让用户登录验证后进入应用账户，减少了用户登录账户过程中不必要的登录操作，便于用户操作，同时降低了用户账户的安全风险。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种登录状态的确定方法，其特征在于，所述方法包括：

获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，所述多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据；

将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，对于未发生改变的特征数据并且不涉及金额交易的应用账户，登录状态标签设置为保持登录，对于发生改变的特征数据或者涉及金额交易的应用账户，登录状态标签设置为验证登录，具体针对特征数据的改变范围设置是否切换登录状态，以根据样本用户每次进入应用账户对应的登录状态标签对多组特征数据进行训练；

当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型为卷积神经网络，所述卷积神经网络包括多层结构，所述将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型包括：

通过所述深度学习模型的卷积层提取所述多组特征数据的特征，得到用户进入应用账户对应各个登录状态的特征参数；

通过所述深度学习模型的池化层对所述用户进入应用账户对应各个登录状态的特征参数进行降维处理，得到降维处理后用户进入应用账户对应各个登录状态的特征参数；

通过所述深度学习模型的全连接层汇总所述降维处理后用户进入应用账户对应各个登录状态的特征参数，得到用户进入应用账户时的特征数据在各个登录状态上的权重值；

通过所述深度学习模型的分类层根据所述用户进入应用账户时的特征数据在各个登录状态上的权重值生成用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，构建登录状态识别模型。

3.根据权利要求1所述的方法，其特征在于，所述获取样本用户每次进入应用账户时的多组特征数据包括：

通过预设接口调用样本用户进入应用账户时的历史操作数据；

根据所述用户进入应用账户时的历史操作数据，提取样本用户每次进入应用账户时的多组特征数据。

4.根据权利要求3所述的方法，其特征在于，在所述获取样本用户每次进入应用账户时的多组特征数据之后，所述方法还包括：

通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态。

5.根据权利要求4所述的方法，其特征在于，所述通过解析用户每次进入应用账户后创建的会话对象，确定用户每次进入应用账户对应的登录状态包括：

通过解析用户每次进入应用账户后创建的会话对象，提取所述会话对象中存储的登录配置信息；

根据所述登录配置信息确定用户每次进入应用账户对应的登录状态。

6.根据权利要求5所述的方法，其特征在于，所述登录配置信息中记录有用户预先设置的进入应用账户对应的登录状态，所述登录状态包括保持登录状态和验证登录状态，所述根据所述登录配置信息确定用户每次进入应用账户对应的登录状态包括：

当所述登录配置信息中记录用户预先设置的进入应用账户后保持登录状态时，确定用户每次进入应用账户对应的登录状态为保持登录状态；

当所述登录配置信息中记录用户预先设置的进入应用账户后验证登录状态时，确定用户每次进入应用账户对应的登录状态为验证登录状态。

7.根据权利要求1所述的方法，其特征在于，在所述当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态之后，所述方法还包括：

若所述用户进入应用账户时的多组特征数据发送变化，通过将变化后的多组特征数据输入至所述登录状态识别模型，调整用户进入应用账户对应的登录状态。

8.一种登录状态的确定装置，其特征在于，所述装置包括：

获取单元，用于获取样本用户每次进入应用账户时的多组特征数据，所述特征数据中携带有样本用户每次进入应用账户对应的登录状态标签，所述多组特征数据至少包括从样本用户进入应用账户时的历史操作数据中提取的交易数据、浏览数据以及配置数据；

构建单元，用于将所述多组特征数据作为训练数据输入至深度学习模型中进行训练，构建登录状态识别模型，所述登录状态识别模型中记录有用户进入应用账户时的特征数据与用户进入应用账户对应的登录状态之间的映射关系，对于未发生改变的特征数据并且不涉及金额交易的应用账户，登录状态标签设置为保持登录，对于发生改变的特征数据或者涉及金额交易的应用账户，登录状态标签设置为验证登录，具体针对特征数据的改变范围设置是否切换登录状态，以根据样本用户每次进入应用账户对应的登录状态标签对多组特征数据进行训练；

确定单元，用于当用户进入应用账户时，将用户进入应用账户时的多组特征数据输入至所述登录状态识别模型，确定用户进入应用账户对应的登录状态。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。