CN110351094A - 字符验证方法、装置、计算机设备及存储介质 - Google Patents
字符验证方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110351094A CN110351094A CN201910601303.1A CN201910601303A CN110351094A CN 110351094 A CN110351094 A CN 110351094A CN 201910601303 A CN201910601303 A CN 201910601303A CN 110351094 A CN110351094 A CN 110351094A
- Authority
- CN
- China
- Prior art keywords
- character
- verifying
- sentence
- target terminal
- verification
- 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.)
- Granted
Links
- 238000012795 verification Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims description 25
- 238000003062 neural network model Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 238000012512 characterization method Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000012216 screening Methods 0.000 description 12
- 230000006854 communication Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000109329 Rosa xanthina Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3271—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using challenge-response
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Character Discrimination (AREA)
- Document Processing Apparatus (AREA)
Abstract
本发明实施例公开了一种字符验证方法、装置、计算机设备及存储介质,包括:接收目标终端发送的验证请求;根据所述验证请求在预设的语句数据库中随机抽取验证语句;识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符;将所述验证语句与所述验证字符发送至所述目标终端。服务器端在验证时同时向目标终端同时发送验证语句与验证字符,用户只有在正确的理解验证语句的语义提示后,才能够在验证字符中选择正确的字符完成验证。因此,图像识别技术也只有在理解了验证语句的语义后才能够在验证字符中进行选择验证,避免直接输入式的验证方式容易被图像识别技术破解的漏洞,提高了验证的安全性,保护网络资源能够被安全使用。
Description
技术领域
本发明实施例涉及数据安全领域,尤其是一种字符验证方法、装置、计算机设备及存储介质。
背景技术
伴随着科学技术的发展,信息化时代的来临为我们带来了很多的便利,同时,也为人们的生活带来诸多的困扰。例如,通过互联网进行网络购票时,常常有不法商贩通过开发应用程序快速的进行刷票,然后高价进行转卖获得暴利,而真正需要购买的用户却无法通过互联网接口进行购买,且现实生活中,类似的互联网资源抢夺发生在各个领域,通过应用程序快速刷票和领取佣金的行为难以被杜绝。为了限制上述行为的发生,信息验证应用而生。
现有技术中,通常使用验证码进行验证,服务器端在进行验证操作时,首先向服务器端获取验证码,然后,接收用户根据该验证码输入的验证信息,最终,由服务器端将采集的用户信息发送至服务器端,服务器端通过比对验证码与验证信息中的文字是否一致,确定验证是否通过。
本发明创造的发明人在研究中发现,现有技术中验证码技术简单的将验证码设置在背景图像上进行显示,通过图像识别技术能够无障碍的识别出验证码,然后,直接将识别出的验证码发送至服务器端进行验证,无需人工进行输入。因此,现有技术中验证码容易被识别,验证安全级别较低,无法真正保护网络资源被安全使用。
发明内容
本发明实施例提供一种验证时通过验证语句对验证结果进行提示的验证方法,用户只有在理解验证语句意的技术上,才能够选择正确的验证结果的字符验证方法、装置、计算机设备及存储介质。
为解决上述技术问题,本发明创造的实施例采用的一个技术方案是:提供一种字符验证方法,包括:
接收目标终端发送的验证请求;
根据所述验证请求在预设的语句数据库中随机抽取验证语句,其中,所述验证语句用于验证提示;
识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符,其中,所述验证字符中至少有一个字符与所述验证方式具有映射关系;
将所述验证语句与所述验证字符发送至所述目标终端。
可选地,所述识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符包括:
调用所述验证语句并读取所述验证语句中的文字字段;
根据预设的转换方式将所述文字字段转换为数组矩阵;
将所述数据矩阵输入至预设的语义识别模型中,其中,所述语义识别模型为预先训练至收敛状态用于对文字进行语义识别的神经网络模型;
根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符。
可选地,所述验证方式为字形验证,所述根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符之后,所述方法还包括:
在所述验证字符中筛选至少一个形变字符;
根据所述验证方式表征的形变类型对所述至少一个形变字符进行形变处理以生成语义字符,其中,所述语义字符与所述验证语句具有映射关系;
将所述验证字符中的形变字符替换为所述语义字符。
可选地,所述将所述验证语句与所述验证字符发送至所述目标终端包括:
在预设的图像数据库中筛选背景图像;
将所述验证语句与所述验证字符覆盖在所述背景图像上生成验证图像,其中,所述验证字符中包括所述语义字符;
将所述验证图像发送至所述目标终端。
可选地,所述将所述验证图像发送至所述目标终端之后,所述方法还包括:
在历史验证列表中查找所述目标终端的验证记录;
当所述目标终端的验证记录符合预设的第一验证条件时,向所述目标终端调用所述验证图像在验证页面中的截图画面;
将所述截图画面与所述验证图像输入至预设的验证判断模型中,其中,所述验证判断模型为预先训练至收敛状态,用于判断图像相似度的神经网络模型;
根据所述验证判断模型输出的判断结果确认所述目标终端是否为虚拟验证。
可选地,所述将所述验证语句与所述验证字符发送至所述目标终端之后,所述方法还包括:
获取所述目标终端上传的验证信息,其中,所述验证信息中包括用户根据所述验证语句在所述验证字符中筛选的用于验证的目标字符;
将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致;
当所述目标字符与所述语义字符一致时,确认所述目标终端通过验证。
可选地,所述将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致包括:
计算所述目标字符与所述语义字符之间的汉明距离;
当所述汉明距离为零时,确认所述目标字符与所述语义字符一致;否则,则确认所述目标字符与所述语义字符不一致。
为解决上述技术问题,本发明实施例还提供一种字符验证装置,包括:
获取模块,用于接收目标终端发送的验证请求;
处理模块,用于根据所述验证请求在预设的语句数据库中随机抽取验证语句,其中,所述验证语句用于验证提示;
识别模块,用于识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符,其中,所述验证字符中至少有一个字符与所述验证方式具有映射关系;
执行模块,用于将所述验证语句与所述验证字符发送至所述目标终端。
可选地,所述字符验证装置还包括:
第一获取子模块,用于调用所述验证语句并读取所述验证语句中的文字字段;
第一处理子模块,用于根据预设的转换方式将所述文字字段转换为数组矩阵;
第一识别子模块,用于将所述数据矩阵输入至预设的语义识别模型中,其中,所述语义识别模型为预先训练至收敛状态用于对文字进行语义识别的神经网络模型;
第一执行子模块,用于根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符。
可选地,所述验证方式为字形验证,所述字符验证装置还包括:
第一筛选子模块,用于在所述验证字符中筛选至少一个形变字符;
第二处理子模块,用于根据所述验证方式表征的形变类型对所述至少一个形变字符进行形变处理以生成语义字符,其中,所述语义字符与所述验证语句具有映射关系;
第二执行子模块,用于将所述验证字符中的形变字符替换为所述语义字符。
可选地,所述字符验证装置还包括:
第二筛选子模块,用于在预设的图像数据库中筛选背景图像;
第三处理子模块,用于将所述验证语句与所述验证字符覆盖在所述背景图像上生成验证图像,其中,所述验证字符中包括所述语义字符;
第三执行子模块,用于将所述验证图像发送至所述目标终端。
可选地,所述字符验证装置还包括:
第一查找子模块,用于在历史验证列表中查找所述目标终端的验证记录;
第四处理子模块,用于当所述目标终端的验证记录符合预设的第一验证条件时,向所述目标终端调用所述验证图像在验证页面中的截图画面;
第一输入子模块,用于将所述截图画面与所述验证图像输入至预设的验证判断模型中,其中,所述验证判断模型为预先训练至收敛状态,用于判断图像相似度的神经网络模型;
第四执行子模块,用于根据所述验证判断模型输出的判断结果确认所述目标终端是否为虚拟验证。
可选地,所述字符验证装置还包括:
第二获取子模块,用于获取所述目标终端上传的验证信息,其中,所述验证信息中包括用户根据所述验证语句在所述验证字符中筛选的用于验证的目标字符;
第五处理子模块,用于将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致;
第五执行子模块,用于当所述目标字符与所述语义字符一致时,确认所述目标终端通过验证。
可选地,所述字符验证装置还包括:
第一计算子模块,用于计算所述目标字符与所述语义字符之间的汉明距离;
第六执行子模块,用于当所述汉明距离为零时,确认所述目标字符与所述语义字符一致;否则,则确认所述目标字符与所述语义字符不一致。
为解决上述技术问题,本发明实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述字符验证方法的步骤。
为解决上述技术问题,本发明实施例还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述字符验证方法的步骤。
本发明实施例的有益效果是:服务器端在验证时同时向目标终端同时发送验证语句与验证字符,用户只有在正确的理解验证语句的语义提示后,才能够在验证字符中选择正确的字符完成验证。因此,图像识别技术也只有在理解了验证语句的语义后才能够在验证字符中进行选择验证,避免直接输入式的验证方式容易被图像识别技术破解的漏洞,提高了验证的安全性,保护网络资源能够被安全的使用。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例字符验证方法的基本流程示意图;
图2为本发明实施例根据语义识别生成验证字符的流程示意图;
图3为本发明实施例根据验证语句对验证字符进行变形的流程示意图;
图4为本发明实施例通过图像转换生成验证图像的流程示意图;
图5为本发明实施例对反复验证的目标终端进行显示验证的流程示意图;
图6为本发明实施例通过目标字符与语义字符判断验证结果的流程示意图;
图7为本发明实施例判断目标字符与语义字符是否一致的流程示意图;
图8为本发明实施例字符验证装置基本结构示意图;
图9为本发明实施例计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信***),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位***)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
具体请参阅图1,图1为本实施例字符验证方法的基本流程示意图。
如图1所示,一种字符验证方法,包括:
S1100、接收目标终端发送的验证请求;
用户操作目标终端进入应用程序时或者启动应用程序的某个功能模块时,该用户指令会触发对应验证功能。例如,应用程序登录、网上购买各类车票或者电商平台提交订单等用户行为,均会触发用户验证功能。
验证功能被触发后,目标终端向对应的服务器端发送验证请求,请求获取用于验证的验证数据。
S1200、根据所述验证请求在预设的语句数据库中随机抽取验证语句,其中,所述验证语句用于验证提示;
本实施方式中,服务器端发送至目标终端的用于进行验证的信息包括背景图像、验证语句和验证字符,其中,验证语句和验证字符设置在背景图像上。
服务器端设置有语句数据库,语句数据库中预设有多个验证语句。通过随机抽取或者次序抽取的方式从语句数据库中抽取验证语句。
验证语句为提示用户选择正确的用于验证的字符的文字字段,例如,验证语句为(不限于):请选择下列文字中带有“女”字旁的文字、请选择下列文字中字号大于常规字号的文字、请选择下列文字中字形扭曲的文字或者请选择下列文字中表达“喜悦情感”的词语等等提示语句。验证语句的作用在于,提示用户选择正确的字符用于验证,用户只有在理解了验证语句后,才能够在验证字符中挑选正确的字符进行验证,因此,只要具有提示性的意思表示,且验证字符中具有与该提示性意思表示具有映射关系的字符时,该文字字段就能够作为验证语句。
S1300、识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符,其中,所述验证字符中至少有一个字符与所述验证方式具有映射关系;
通过随机抽取得到验证语句后,对该验证语句记载的文字字段所表征的验证方式进行识别。识别的方式为根据深度学习训练能够识别语义的神经网络模型,然后采用神经网络模型对验证语句的语义进行识别。
本实施方式中,验证语句表征的验证方式能够划分为:根据发音选择字符、根据结构选择字符、根据字形形态选择字符或根据字义选择字符等方式。例如,“选择下列字符中声母为y的字符”的验证语句表征的验证方式为根据发音选择字符;“选择下列文字中带有“女”字旁的文字”的验证语句表征的验证方式为根据结构选择字符;“请选择下列文字中字形扭曲”的验证语句表征的验证方式为根据字形形态选择字符;“请选择下列文字中表达喜悦情感的词语”的验证语句表征的验证方式根据字义选择文字。
根据验证语句表征的验证方式,在预设的字符数据库中提取对应的验证字符,提取的验证字符中至少有一个字符与验证语句映射。例如,验证语句为:“选择下列文字中带有“女”字旁的文字”,验证字符分别为:“妇”“高”“率”“祯”。
验证字符为多个文字字符组成的承载正确的字符的文字字段,各个文字字符之间能够相互独立不组成特定词语,但是验证字符的组成方式不局限于此,根据具体应用场景的不同,在一些实施方式中,验证字符由多个词语组成。验证字符中包括常规字符以及与验证语句具有映射关系的字符。其中,与验证语句具有映射关系的字符及为正确的字符,用户选择上述字符就能够完成字符验证,否则,则无法完成字符验证。
S1400、将所述验证语句与所述验证字符发送至所述目标终端。
将生成的验证语句与验证字符发送至目标终端,以使该目标终端进行字符验证。
在一些实施方式中,服务器端发送至目标终端的验证数据中还包括:背景图像,将验证字符与验证语句设置在背景图像上,合成验证图片,然后将验证图片发送至目标终端进行验证。
上述实施方式,服务器端在验证时同时向目标终端同时发送验证语句与验证字符,用户只有在正确的理解验证语句的语义提示后,才能够在验证字符中选择正确的字符完成验证。因此,图像识别技术也只有在理解了验证语句的语义后才能够在验证字符中进行选择验证,避免直接输入式的验证方式容易被图像识别技术破解的漏洞,提高了验证的安全性,保护网络资源能够被安全的使用。
进一步地,请参阅图2,在一可选实施方式中,图1所示的S1300步骤包括:
S1311、调用所述验证语句并读取所述验证语句中的文字字段;
验证语句是由字符组成的具有特定语义的文字字段,对验证语句进行字符验证时首先读取验证语句的文字字段。
S1312、根据预设的转换方式将所述文字字段转换为数组矩阵;
在读取了文字字段后,将文字字段通过matlab软件应用软件转换为数组矩阵。其中,构成文字字段的每一个字或者单词,均被映射替换为数组矩阵的一个元素,且元素的排列次序与文字字段的排列次序一致。
S1313、将所述数据矩阵输入至预设的语义识别模型中,其中,所述语义识别模型为预先训练至收敛状态用于对文字进行语义识别的神经网络模型;
检测验证语句的语义通过语义识别模型进行。语义识别模型为训练至收敛状态的用于对验证语句表达的语义进行分类的神经网络模型。具体地,将需要检测的验证语句通过matlab软件,将待检测的验证语句转换为能够被神经网络模型识别的数组矩阵,然后将数组矩阵输入到语义识别模型中,得到模型输出的表达验证语句语义的分类结果。
本实施方式中语义识别模型能够为已经训练至收敛状态的卷积神经网络模型(CNN),但是,不局限于此,语义识别模型还能够是:深度神经网络模型(DNN)、循环神经网络模型(RNN)或者上述三种网络模型的变形模型。
作为语义识别模型的初始神经网络模型在训练时,通过收集大量的验证语句转换后的数组矩阵作为训练样本,通过人工在阅读了训练样本的原验证语句后对各个训练样本进行标定(标定是指训练样本真实表达的语义)。然后将训练样本输入到初始的神经网络模型中,并获取模型输出的分类结果(分类结果为模型得到的训练样本的语义分类),并通过神经网络模型的损失函数计算该分类结果与标定结果之间的距离(例如:欧氏距离、马氏距离或余弦距离等),将计算结果与设定的距离阈值进行比对,若计算结果小于等于距离阈值(例如,0.05)则通过验证,继续进行下一个训练样本的训练,若计算结果大于距离阈值则通过损失函数计算二者之间的差值,并通过反向传播校正神经网络模型内的权值,使神经网络模型能够提高训练样本中能够准确表达文本语义的词语对应的元素的权重,以此,增大判断的准确率。通过循环执行上述方案和大量的训练样本训练后,训练得到的神经网络模型对数组矩阵表征的语义判断准确率大于一定数值的,例如,97%,则该神经网络模型训练至收敛状态,则该训练至收敛的神经网络即为语义识别模型。
训练至收敛状态的语义识别模型能够准确的提取数组矩阵表征的语义。
S1314、根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符。
根据语义识别模型输出的语义分类结果,在字符数据库中抽取第一字符长度的验证字符。
例如,当验证语句为:请选择下列文字中排列序号为第四位和第六位的字符。此时,语义识别模型输出的语义分类结果为:“根据字符序号进行验证,最大字符需要为第六位”。则在验证字库中抽取大于等于六个字符的验证字符。
当验证语句为:请选择下列文字中具有“女”字旁的字符时,语义识别模型输出的语义分类结果为:“根据偏旁进行验证,验证偏旁为女”。则在字符数据库中抽取至少有个一字符为女字旁的验证字符。
当验证语句为:请选择下列文字中字体加粗处理后的字符等语句时,语义识别模型输出的语义分类结果为:“根据字形进行验证,验证字形为加粗”。
通过神经网络模型对验证语句进行语义识别,能够使终端根据语义识别结果对应生成验证字符,提高了验证字符生成的效率和准确度,进而提高了验证的效率。
在一些实施方式中,验证语句表征的验证方式为:根据字体的形态的进行验证,因此,在生成验证字符时,需要针对验证语句的语义对部分字符进行变形。
进一步地,请参阅图3,在一可选实施方式中,图2所示的S1314步骤之后,还包括:
S1321、在所述验证字符中筛选至少一个形变字符;
当验证语句所表征的验证方式为通过字形选取字符进行验证时,在获取了组成验证字符的字符后,在验证字符中选取至少一个形变字符。本实施方式中,验证字符中选取作为形变字符的字符数量不局限于1个,根据具体应用场景的不同,在一些实施方式中,形变字符的数量能够更多,直至验证字符中的所有字符均为形变字符。
S1322、根据所述验证方式表征的形变类型对所述至少一个形变字符进行形变处理以生成语义字符,其中,所述语义字符与所述验证语句具有映射关系;
根据语义识别模型判断得到的语义分类结果,所表征的形变类型对至少一个形变字符进行形变处理生成语义字符。
本实施方式中形变类型包括(不限于):对字符进行放大、缩小、加粗、倾斜、旋转、扭曲或者变色。
形变处理后生成的字符定义为语义字符,语义字符与验证语句之间具有映射关系,即语音字符为字符验证的标准答案。
S1323、将所述验证字符中的形变字符替换为所述语义字符。
将验证字符中的形变字符替换为生成的语义字符,即将验证的正确答案写入验证字符中,完成验证字符的形变处理。同时,将语义字符进行存储,语义字符作为验证语句的正确答案,用于验证比对。
通过使用字符形变处理,能够使字符验证的结果更加的突出,有利于用户进行选择,同时,字形变化不容易被图像识别技术辨识,提高了字符验证的安全性。
在一些实施方式中,验证字符与验证语句需要通过图片的格式进行显示。因此,需要将验证字符与验证语句进行图像化处理。
进一步地,请参阅图4,在一可选实施方式中,图1所示的S1400步骤包括:
S1411、在预设的图像数据库中筛选背景图像;
本实施方式中,服务器端设有图像数据库,图像数据库中预存储有各类的图片,存储在图像数据库中的图片能够被用于字符验证。
当语义字符替换形变字符后,在图像数据库中通过随机筛选的方式,抽取一张图片作为背景图像。但是筛选的方式不局限于此,根据具体应用场景的不同,在一些实施方式中,筛选背景图像时,需要筛选与验证字符字体颜色之间色差值等于2或者3的背景图像,以增加验证字符与背景图像之间的融合度,使图像识别技术难以识别验证字符,提高了机器辨识的难度。
S1412、将所述验证语句与所述验证字符覆盖在所述背景图像上生成验证图像,其中,所述验证字符中包括所述语义字符;
将验证语句与验证字符设置在背景图像上,设置图像层级时验证语句与验证字符均置顶设置,以使验证语句与验证字符覆盖在背景图像上。,设置完成后生成携带验证语句与验证字符的验证图像。
S1413、将所述验证图像发送至所述目标终端。
生成验证图像后将验证图像发送至目标终端,以使目标终端能够将验证图像用于字符验证。
将验证字符与验证语句设置在背景图像中,能够增加验证语句与验证字符的与背景之间混淆度,增大识别难度。
在一些实施方式中,为防止同一个终端通过虚拟验证的方式,快速的对验证***进行刷单,服务器端记录各个目标终端的验证记录,并根据验证记录对虚拟刷单的行为进行核查。请参阅图5,图5为本实施例对反复验证的目标终端进行显示验证的流程示意图。
进一步地,请参阅图5,在一可选实施方式中,图4所示的S1413步骤之后,还包括:
S1421、在历史验证列表中查找所述目标终端的验证记录;
本实施方式中,每个目标终端在服务器端进行验证的记录,均记录在历史验证列表中,记录的方式为:记录目标终端的身份信息,例如,目标终端的IP地址或Mac地址。然后将目标终端的每一次验证请求均记录在历史验证列表中对应目标终端的身份信息下方。因此,只要得到验证请求中目标终端的身份信息,就能够在历史验证列表中查找到对应的验证记录。
S1422、当所述目标终端的验证记录符合预设的第一验证条件时,向所述目标终端调用所述验证图像在验证页面中的截图画面;
验证记录中记载有目标终端在设定的时间段内的验证频次,例如,在一个小时内目标终端验证了100次。验证记录中统计验证频次的时间段的长度能够根据具体应用场景的不同加以调整。
当检测到目标终端在设定的时间段内的频次是否符合设定的第一验证条件,其中,第一验证条件是指在设定时间段内验证频次的数值。例如,在设定的1小时内,目标终端进行验证的次数不得超过10次,但是第一验证条件的设定的频次数值不局限于此,根据具体应用场景的不同,能够根据场景需要进行适应性的增大或者减小。
当目标终端在设定时间段内的验证频次大于等于第一验证条件设定的验证频次时,服务器端向目标终端发送调用请求,调取目标终端在验证页面中显示验证图像的截图画面,以辨识用户是否使用虚拟验证的方式进行验证。
目标终端对验证图像进行显示时,需要将包括验证图像的验页面存储在帧缓冲存储器内,即帧缓冲存储器内是屏幕所显示画面的一个直接映像,又称为位映射图(BitMap),也即显示数据。
由于,验证图像在位映射图中的具有设定的区域,根据设定区域的信息,在位映射图提取表征验证区域内容的数据区域生成局部位映射图,即表征验证图像显示内容的目标数据。
最后将目标数据转换为常规的图片格式,例如(不限于)JPG、PNG或者TIF等格式,生成验证图像。
在一些实施方式中,在帧缓冲存储器内无法获取到验证图像时,则表明该验证方式为虚拟验证。
当目标终端在设定时间段内的验证频次小于第一验证条件设定的验证频次时,则无需向目标终端调用截图画面。
S1423、将所述截图画面与所述验证图像输入至预设的验证判断模型中,其中,所述验证判断模型为预先训练至收敛状态,用于判断图像相似度的神经网络模型;
将截图画面与验证图像输入至预设的验证判断模型中,其中,验证判断模型为预先训练至收敛状态用于判断图像相似度的神经网络模型。
本实施方式中验证判断模型能够为已经训练至收敛状态的卷积神经网络模型(CNN),但是,不局限于此,验证判断模型还能够是:深度神经网络模型(DNN)、循环神经网络模型(RNN)或者上述三种网络模型的变形模型。
验证判断模型为收敛形态的神经网络模型,因此,能够准确快速地判断出验证图像是否相同或者不相同。
S1424、根据所述验证判断模型输出的判断结果确认所述目标终端是否为虚拟验证。
验证判断模型输出的判断结果中,记载有验证判断模型判断截图画面与验证图像是否相同的判断结论。当截图画面与验证图像相同时,则确认目标终端的验证为非虚拟验证;否则,则判断目标终端进行虚拟验证,禁止响应目标终端访问服务器端的请求。
服务器端对验证图像和截图画面是否相同进行判断,能够避免虚拟验证者通过欺骗手段往帧缓冲存储器随意写入图像数据避免检测的手段,提高了验证的准确率,进一步地保证了网络数据的安全性。
在一些实施方式中,服务器端获取目标终端上传的用户选择的用于验证的目标字符,并通过目标字符与语义字符是否一致,判断验证的结果。
进一步地,请参阅图6,在一可选实施方式中,图1所示的S1400步骤之后,还包括:
S1431、获取所述目标终端上传的验证信息,其中,所述验证信息中包括用户根据所述验证语句在所述验证字符中筛选的用于验证的目标字符;
将验证语句与验证字符发送至目标终端后,服务器端等待接收目标终端上传的验证信息,其中,验证信息中包括目标字符。
目标字符是根据用户的点选指令,在验证字符中选择的字符,其中,目标字符中的字符有可能均与验证语句具有映射关系;有可能只有个别字符或者没有字符与验证语句具有映射关系。当目标字符中的字符均与验证语句具有映射关系时,验证通过;否则,则验证失败。
S1432、将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致;
服务器端将目标字符与语义字符进行比对,比对的方式为计算目标字符与语义字符之间的汉明距离或者海明距离。当目标字符与语义字符之间的汉明距离或者海明距离为零时,目标字符与语义字符一致;否则,目标字符与语义字符不一致。
S1433、当所述目标字符与所述语义字符一致时,确认所述目标终端通过验证。
当目标字符与语义字符一致时,服务器端确认目标终端字符验证通过;否则,则确认目标终端验证失败。
在一些实施方式中,通过计算目标字符与语义字符之间的汉明距离或者海明距离确定目标字符与语音字符是否一致。
进一步地,请参阅图7,在一可选实施方式中,图6所示的S1432步骤包括:
S1441、计算所述目标字符与所述语义字符之间的汉明距离;
计算目标字符与语义字符之间的汉明距离,汉明距离为两个字段(相同长度)对应位不同的数量,例如,"toned"与"roses"之间的汉明距离是3。
S1442、当所述汉明距离为零时,确认所述目标字符与所述语义字符一致;否则,则确认所述目标字符与所述语义字符不一致。
当目标字符与语义字符之间的汉明距离为零时,目标字符与语义字符一致;否则,目标字符与语义字符不一致。
通过汉明距离能够快速的对目标字符和语义字符进行比对,提高了比对的效率,进而提高了服务器端的验证效率。
为解决上述技术问题,本发明实施例还提供一种字符验证装置。
具体请参阅图8,图8为本实施例字符验证装置基本结构示意图。
如图8所示,一种字符验证装置,包括:获取模块2100、处理模块2200、识别模块2300和执行模块2400。其中,获取模块2100用于接收目标终端发送的验证请求;处理模块2200用于根据验证请求在预设的语句数据库中抽取验证语句,其中,验证语句用于验证提示;识别模块2300用于识别验证语句并根据验证语句的语义所表征的验证方式生成验证字符,其中,验证字符中至少有一个字符与验证方式具有映射关系;执行模块2400用于将验证语句与验证字符发送至目标终端。
字符验证装置在验证时同时向目标终端同时发送验证语句与验证字符,用户只有在正确的理解验证语句的语义提示后,才能够在验证字符中选择正确的字符完成验证。因此,图像识别技术也只有在理解了验证语句的语义后才能够在验证字符中进行选择验证,避免直接输入式的验证方式容易被图像识别技术破解的漏洞,提高了验证的安全性,保护网络资源能够被安全的使用。
在一些实施方式中,字符验证装置还包括:第一获取子模块、第一处理子模块、第一识别子模块和第一执行子模块。其中,第一获取子模块用于获取验证语句的文字字段;第一处理子模块用于根据预设的转换方式将文字字段转换为数组矩阵;第一识别子模块用于将数据矩阵输入至预设的语义识别模型中,其中,语义识别模型为预先训练至收敛状态用于对文字进行语义识别的神经网络模型;第一执行子模块用于根据语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取验证字符。
在一些实施方式中,验证方式为字形验证,字符验证装置还包括:第一筛选子模块、第二处理子模块和第二执行子模块。其中,第一筛选子模块用于在验证字符中筛选至少一个形变字符;第二处理子模块用于根据验证方式表征的形变类型对至少一个形变字符进行形变处理生成语义字符,其中,语义字符与验证语句具有映射关系;第二执行子模块用于将验证字符中的形变字符替换为语义字符。
在一些实施方式中,字符验证装置还包括:第二筛选子模块、第三处理子模块和第三执行子模块。其中,第二筛选子模块用于在预设的图像数据库中筛选背景图像;第三处理子模块用于将验证语句与验证字符覆盖在背景图像上生成验证图像,其中,验证字符中包括语义字符;第三执行子模块用于将验证图像发送至目标终端。
在一些实施方式中,字符验证装置还包括:第一查找子模块、第四处理子模块、第一输入子模块和第四执行子模块。其中,第一查找子模块用于在历史验证列表中查找目标终端的验证记录;第四处理子模块用于当目标终端的验证记录符合预设的第一验证条件时,向目标终端调用验证图像在验证页面中的截图画面;第一输入子模块用于将截图画面与验证图像输入至预设的验证判断模型中,其中,验证判断模型为预先训练至收敛状态,用于判断图像相似度的神经网络模型;第四执行子模块用于根据验证判断模型输出的判断结果确认目标终端是否为虚拟验证。
在一些实施方式中,字符验证装置还包括:第二获取子模块、第五处理子模块和第五执行子模块。其中,第二获取子模块用于获取目标终端上传的验证信息,其中,验证信息中包括用户根据验证语句在验证字符中筛选的用于验证的目标字符;第五处理子模块用于将目标字符与语义字符进行比对,以判断目标字符与语义字符是否一致;第五执行子模块用于当目标字符与语义字符一致时,确认目标终端通过验证。
在一些实施方式中,字符验证装置还包括:第一计算子模块和第六执行子模块。其中,第一计算子模块用于计算目标字符与语义字符之间的汉明距离;第六执行子模块用于当汉明距离为零时,确认目标字符与语义字符一致;否则,则确认目标字符与语义字符不一致。
为解决上述技术问题,本发明实施例还提供计算机设备。具体请参阅图9,图9为本实施例计算机设备基本结构框图。
如图9所示,计算机设备的内部结构示意图。该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种字符验证方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种字符验证方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本实施方式中处理器用于执行图8中获取模块2100、处理模块2200、识别模块2300和执行模块2400的具体功能,存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备在验证时同时向目标终端同时发送验证语句与验证字符,用户只有在正确的理解验证语句的语义提示后,才能够在验证字符中选择正确的字符完成验证。因此,图像识别技术也只有在理解了验证语句的语义后才能够在验证字符中进行选择验证,避免直接输入式的验证方式容易被图像识别技术破解的漏洞,提高了验证的安全性,保护网络资源能够被安全的使用。
本发明还提供一种存储有计算机可读指令的存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例字符验证方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
Claims (10)
1.一种字符验证方法,其特征在于,包括:
接收目标终端发送的验证请求;
根据所述验证请求在预设的语句数据库中随机抽取验证语句,其中,所述验证语句用于验证提示;
识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符,其中,所述验证字符中至少有一个字符与所述验证方式具有映射关系;
将所述验证语句与所述验证字符发送至所述目标终端。
2.根据权利要求1所述的字符验证方法,其特征在于,所述识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符包括:
调用所述验证语句并读取所述验证语句中的文字字段;
根据预设的转换方式将所述文字字段转换为数组矩阵;
将所述数据矩阵输入至预设的语义识别模型中,其中,所述语义识别模型为预先训练至收敛状态用于对文字进行语义识别的神经网络模型;
根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符。
3.根据权利要求2所述的字符验证方法,其特征在于,所述验证方式为字形验证,所述根据所述语义识别模型输出的语义分类结果表征的验证方式,在预设的字符数据库中抽取所述验证字符之后,所述方法还包括:
在所述验证字符中筛选至少一个形变字符;
根据所述验证方式表征的形变类型对所述至少一个形变字符进行形变处理以生成语义字符,其中,所述语义字符与所述验证语句具有映射关系;
将所述验证字符中的形变字符替换为所述语义字符。
4.根据权利要求3所述的字符验证方法,其特征在于,所述将所述验证语句与所述验证字符发送至所述目标终端包括:
在预设的图像数据库中筛选背景图像;
将所述验证语句与所述验证字符覆盖在所述背景图像上生成验证图像,其中,所述验证字符中包括所述语义字符;
将所述验证图像发送至所述目标终端。
5.根据权利要求4所述的字符验证方法,其特征在于,所述将所述验证图像发送至所述目标终端之后,所述方法还包括:
在历史验证列表中查找所述目标终端的验证记录;
当所述目标终端的验证记录符合预设的第一验证条件时,向所述目标终端调用所述验证图像在验证页面中的截图画面;
将所述截图画面与所述验证图像输入至预设的验证判断模型中,其中,所述验证判断模型为预先训练至收敛状态,用于判断图像相似度的神经网络模型;
根据所述验证判断模型输出的判断结果确认所述目标终端是否为虚拟验证。
6.根据权利要求3所述的字符验证方法,其特征在于,所述将所述验证语句与所述验证字符发送至所述目标终端之后,所述方法还包括:
获取所述目标终端上传的验证信息,其中,所述验证信息中包括用户根据所述验证语句在所述验证字符中筛选的用于验证的目标字符;
将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致;
当所述目标字符与所述语义字符一致时,确认所述目标终端通过验证。
7.根据权利要求6所述的字符验证方法,其特征在于,所述将目标字符与所述语义字符进行比对,以判断所述目标字符与所述语义字符是否一致包括:
计算所述目标字符与所述语义字符之间的汉明距离;
当所述汉明距离为零时,确认所述目标字符与所述语义字符一致;否则,则确认所述目标字符与所述语义字符不一致。
8.一种字符验证装置,其特征在于,包括:
获取模块,用于接收目标终端发送的验证请求;
处理模块,用于根据所述验证请求在预设的语句数据库中随机抽取验证语句,其中,所述验证语句用于验证提示;
识别模块,用于识别所述验证语句的语义并根据所述验证语句的语义所表征的验证方式生成验证字符,其中,所述验证字符中至少有一个字符与所述验证方式具有映射关系;
执行模块,用于将所述验证语句与所述验证字符发送至所述目标终端。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述字符验证方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述字符验证方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601303.1A CN110351094B (zh) | 2019-07-03 | 2019-07-03 | 字符验证方法、装置、计算机设备及存储介质 |
PCT/CN2019/103061 WO2021000407A1 (zh) | 2019-07-03 | 2019-08-28 | 字符验证方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601303.1A CN110351094B (zh) | 2019-07-03 | 2019-07-03 | 字符验证方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110351094A true CN110351094A (zh) | 2019-10-18 |
CN110351094B CN110351094B (zh) | 2024-03-15 |
Family
ID=68177523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910601303.1A Active CN110351094B (zh) | 2019-07-03 | 2019-07-03 | 字符验证方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110351094B (zh) |
WO (1) | WO2021000407A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699348A (zh) * | 2020-12-25 | 2021-04-23 | 中国平安人寿保险股份有限公司 | 核身信息校验的方法、装置、计算机设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726595B (zh) * | 2022-03-24 | 2023-09-29 | 中科吉芯(昆山)信息科技有限公司 | 一种利用时空信息认证人机身份的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923702A (zh) * | 2010-08-25 | 2010-12-22 | 郝红卫 | 一种图片验证码的生成方法 |
CN102006163A (zh) * | 2009-09-01 | 2011-04-06 | 阿里巴巴集团控股有限公司 | 用户验证方法、装置及服务器 |
CN102710607A (zh) * | 2012-05-10 | 2012-10-03 | 北京像素软件科技股份有限公司 | 一种基于图形标记的安全验证方法 |
CN104852885A (zh) * | 2014-02-14 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 一种进行验证码验证的方法、装置和*** |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106330439A (zh) * | 2016-10-25 | 2017-01-11 | 先锋智道(北京)科技有限公司 | 验证码生成方法、生成装置及生成*** |
CN106572049A (zh) * | 2015-10-09 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 一种身份验证方法及装置 |
CN107360137A (zh) * | 2017-06-15 | 2017-11-17 | 深圳市牛鼎丰科技有限公司 | 用于验证码识别的神经网络模型的构建方法和装置 |
CN109033798A (zh) * | 2018-09-14 | 2018-12-18 | 北京金堤科技有限公司 | 一种基于语义的点选验证码识别方法及其装置 |
CN109272043A (zh) * | 2018-09-21 | 2019-01-25 | 北京京东金融科技控股有限公司 | 用于光学字符识别的训练数据生成方法、***和电子设备 |
CN109284584A (zh) * | 2017-07-21 | 2019-01-29 | 北京京东尚科信息技术有限公司 | 验证方法和装置 |
CN109858542A (zh) * | 2019-01-25 | 2019-06-07 | 广州云测信息技术有限公司 | 一种字符识别方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101197678B (zh) * | 2007-12-27 | 2011-04-06 | 腾讯科技(深圳)有限公司 | 图片验证码生成方法和图片验证码生成装置 |
CN103701600A (zh) * | 2013-12-13 | 2014-04-02 | 百度在线网络技术(北京)有限公司 | 一种输入验证方法及装置 |
CN108154148A (zh) * | 2018-01-22 | 2018-06-12 | 厦门美亚商鼎信息科技有限公司 | 训练样本的人工合成方法及基于该样本的验证码识别方法 |
-
2019
- 2019-07-03 CN CN201910601303.1A patent/CN110351094B/zh active Active
- 2019-08-28 WO PCT/CN2019/103061 patent/WO2021000407A1/zh active Application Filing
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102006163A (zh) * | 2009-09-01 | 2011-04-06 | 阿里巴巴集团控股有限公司 | 用户验证方法、装置及服务器 |
CN101923702A (zh) * | 2010-08-25 | 2010-12-22 | 郝红卫 | 一种图片验证码的生成方法 |
CN102710607A (zh) * | 2012-05-10 | 2012-10-03 | 北京像素软件科技股份有限公司 | 一种基于图形标记的安全验证方法 |
CN104852885A (zh) * | 2014-02-14 | 2015-08-19 | 腾讯科技(深圳)有限公司 | 一种进行验证码验证的方法、装置和*** |
CN104915664A (zh) * | 2015-05-22 | 2015-09-16 | 腾讯科技(深圳)有限公司 | 联系对象标识获取方法和装置 |
CN106572049A (zh) * | 2015-10-09 | 2017-04-19 | 腾讯科技(深圳)有限公司 | 一种身份验证方法及装置 |
CN106330439A (zh) * | 2016-10-25 | 2017-01-11 | 先锋智道(北京)科技有限公司 | 验证码生成方法、生成装置及生成*** |
CN107360137A (zh) * | 2017-06-15 | 2017-11-17 | 深圳市牛鼎丰科技有限公司 | 用于验证码识别的神经网络模型的构建方法和装置 |
CN109284584A (zh) * | 2017-07-21 | 2019-01-29 | 北京京东尚科信息技术有限公司 | 验证方法和装置 |
CN109033798A (zh) * | 2018-09-14 | 2018-12-18 | 北京金堤科技有限公司 | 一种基于语义的点选验证码识别方法及其装置 |
CN109272043A (zh) * | 2018-09-21 | 2019-01-25 | 北京京东金融科技控股有限公司 | 用于光学字符识别的训练数据生成方法、***和电子设备 |
CN109858542A (zh) * | 2019-01-25 | 2019-06-07 | 广州云测信息技术有限公司 | 一种字符识别方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699348A (zh) * | 2020-12-25 | 2021-04-23 | 中国平安人寿保险股份有限公司 | 核身信息校验的方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021000407A1 (zh) | 2021-01-07 |
CN110351094B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360550B (zh) | 语音交互***的测试方法、装置、设备和存储介质 | |
CN110085210B (zh) | 交互信息测试方法、装置、计算机设备及存储介质 | |
US20170169822A1 (en) | Dialog text summarization device and method | |
CN109450850A (zh) | 身份验证方法、装置、计算机设备和存储介质 | |
CN111191067A (zh) | 绘本识别方法、终端设备及计算机可读存储介质 | |
CN109462603A (zh) | 基于盲检测的声纹认证方法、设备、存储介质及装置 | |
CN107800672A (zh) | 一种信息验证方法、电子设备、服务器及信息验证*** | |
CN109194689B (zh) | 异常行为识别方法、装置、服务器及存储介质 | |
US20220269796A1 (en) | Method and system for securely deploying an artificial intelligence model | |
CN109977277A (zh) | 基于检索***的汽车信息查询方法、装置及电子设备 | |
CN109902285A (zh) | 语料分类方法、装置、计算机设备及存储介质 | |
CN113158656B (zh) | 讽刺内容识别方法、装置、电子设备以及存储介质 | |
CN109558723A (zh) | 密码字典生成方法、装置以及计算机设备 | |
CN110148007A (zh) | 商品信息检测方法、装置、计算机设备和存储介质 | |
CN110351094A (zh) | 字符验证方法、装置、计算机设备及存储介质 | |
CN108268602A (zh) | 分析文本话题点的方法、装置、设备和计算机存储介质 | |
CN113762303B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
CN109635810A (zh) | 一种确定文本信息的方法、装置、设备及存储介质 | |
CN111107074B (zh) | 一种防止网络爬虫窃取隐私数据的方法、训练方法及装置 | |
CN108268443A (zh) | 确定话题点转移以及获取回复文本的方法、装置 | |
CN110874326A (zh) | 测试用例生成方法、装置、计算机设备及存储介质 | |
US20220058530A1 (en) | Method and device for optimizing deep learning model conversion, and storage medium | |
CN109726398A (zh) | 一种实体识别及属性判断方法、***、设备及介质 | |
CN110675308A (zh) | 字符验证方法、装置、计算机设备及存储介质 | |
CN109815658A (zh) | 一种验证方法和装置、计算机设备以及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |