CN111552937A - 用户身份验证方法、装置、介质、电子设备 - Google Patents

Abstract

本公开涉及人工智能技术领域，揭示了一种用户身份验证方法、装置、介质及电子设备。该方法包括：响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。此方法下，以用户与终端界面进行人机交互产生的行为数据作为验证用户身份真实性的依据，提高了对于用户身份真实性验证的安全性。本发明还涉及区块链技术，所述第一特征数据序列存储于区块链中。

Description

用户身份验证方法、装置、介质、电子设备

技术领域

本公开涉及人工智能技术领域，特别地，涉及一种用户身份验证方法、装置、介质和电子设备。

背景技术

在如今，验证用户身份是计算机安全管理和互联网安全管理的一个重要部分。目前，随着生物认证技术的发展成熟，验证用户身份已经由密码验证方式逐步转变为生物特征验证方式，例如，通过用户的指纹、人脸以及声音等生物特征方式来验证用户的身份。

然而，随着人工智能的发展，人的生物特征很容易被模仿和复制，例如，通过“换脸”技术复制人脸。

可见，在如上通过生物特征验证用户身份的方式中，依然存在着用户身份验证安全性低的技术问题。

发明内容

本公开的目的在于提供一种用户身份验证方法及装置、计算机可读存储介质、电子设备，进而至少可以提高用户身份验证的安全性。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种用户身份验证方法，所述方法包括：响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

根据本公开实施例的一个方面，提供了一种用户身份验证装置，包括：采集单元，被用于响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；确定单元，被用于基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；输入单元，被用于将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；响应单元，被用于根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

根据本公开实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序包括可执行指令，当该可执行指令被处理器执行时，实现如上述实施例中所述的用户身份验证方法。

根据本公开实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储所述处理器的可执行指令，当所述可执行指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的用户身份验证方法。

在本公开一些实施例的技术方案中，通过所采集到的用户的第一行为数据集合得到第一特征数据序列，进一步由事先确定的用户身份验证模型对所述第一特征数据序列进行验证，得到可以用于验证用户身份真实性的用户身份验证指数。由于不同用户在与终端界面进行交互时所产生的行为数据是存在区别和差异的，且所述行为数据很难被复制，故以用户与终端界面进行人机交互产生的行为数据作为验证用户身份真实性的依据，可以提高对于用户身份真实性验证的安全性，进而可以解决现有技术中存在的用户身份验证安全性低的技术问题。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过参照附图详细描述其示例性实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一个实施例的用户身份验证方法的应用场景示意图；

图2示出了根据本公开一个实施例的示出的用户身份验证的流程图；

图3示出了根据本公开一个实施例的在终端界面中进行点触或者滑动时场景示意图；

图4示出了根据本公开一个实施例的确定用于验证用户身份的第一特征数据序列的细节流程图；

图5示出了根据本公开一个实施例的确定用户身份验证模型的细节流程图；

图6示出了根据本公开一个实施例的将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数的细节流程图；

图7示出了根据本公开一个实施例的根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应的细节流程图；

图8示出了根据本公开一个实施例的一种用户身份验证装置的框图；

图9示出了根据本公开一个实施例的一种实现用户身份验证方法的计算机可读存储介质；

图10示出了根据本公开一个实施例的一种实现用户身份验证方法的电子设备示例框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

首先，本公开对于用户身份验证方法的应用场景进行简单说明。

在本申请的一个实施例中，用户身份验证方法可以是实施在如图1所示的场景中，参照图1，示出了根据本公开一个实施例的用户身份验证方法的应用场景示意图。

在图1中，示出了通过验证用户身份登录设备的应用场景。具体的，所述用户身份验证方法是基于如图所示的手机来实现的，当然，如图所示的手机也可以由平板电脑、笔记本电脑等具有触摸式屏幕的电子设备来替代。

在如图所示例的场景中，当用户需要登录自己在设备中注册的账号时，首先打开设备，即显示如图1中101所示的手机界面，在所示的界面101中，用户可以选择包括密码登录和人机交互登录在内的一种登录方式。若用户点击“人机交互登录”字样，手机界面立即跳到如102所示的界面，界面102中显示有输入框，输入框通过“请任意输入至少20个字符……”提醒用户输入字符，用户点击如界面102所示输入框中的空白处，并通过手机界面中安装的键盘输入“JJNjnOjkn515H874664@！#％311！”的字样(如界面103所示)。在用户输入所述字样的过程中，采集用户在所述界面中进行点击或者滑动时所产生的人机交互的第一行为数据。进一步的，当用户点击所述“登录”字样的虚拟触摸按钮时，手机便根据所述采集的第一行为数据验证登陆的用户是否合法，若合法，便授权用户登录所述设备，在手机界面上显示如界面104所示的“登陆成功”字样，若不合法，则在手机界面上显示如界面105所示的“登陆失败”字样，还显示“密码登录”和“人机交互登录”字样，以供用户重新选择相应的登录方式进行登录。

需要注意的是，在上述实施例中，也可以是用户登录网站或者APP账号的应用场景。

在本申请的一个实施例中，用户身份验证方法也可以是实施在其它的的场景中，比如实时监测用户身份真实性的的场景。具体而言，比如，在现有的一些场景中，用户在登陆完账号或者设备之后，就不再需要验证其用户身份的真实性，这种情况就有可能带来一些严重的问题，例如，当用户的账号在设备处于登陆状态时，而设备又不在用户的可控制范围之类，那么对于非法用户而言，就有可能对设备进行控制或者操作，进一步可能导致的结果就是给真实用户带来损失。鉴于此，在用户的账号在设备处于登陆状态时，实时对控制或者操作设备的用户的身份真实性进行验证和监控就显得十分必要。

在本申请中，在用户的账号在设备处于登陆状态时，且设备又处于用户***作(例如，用户通过设备界面操作查看设备中的一些隐私信息)之中，此时，通过采集用户在所述界面中进行点击或者滑动操作时所产生的人机交互的第一行为数据，并根据所述采集的第一行为数据验证操作设备的用户是否合法，若合法，则允许用户继续操作所述设备，若不合法，则强制退出真实用户的账号在设备中的登陆状态。

以下对本申请实施例的技术方案的实现细节进行详细阐述：

根据本公开的第一方面，提供了一种用户身份验证方法。

参见图2，示出了根据本公开一个实施例的示出的用户身份验证的流程图。该用户身份验证方法可以由具有计算处理功能的设备来执行，比如可以由图1中所示的手机来执行。如图2所示，该用户身份验证方法至少包括步骤210至步骤270：

步骤210，响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合。

步骤230，基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列。

步骤250，将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度。

步骤270，根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

下面将对如上实施步骤进行详细说明：

在步骤210中，响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合。

在本申请中，所述用户在终端界面上的人机交互可以是指用户通过在终端界面上进行点触或者滑动来操作和控制终端。

具体的，所述采集用户的第一行为数据集合，可以是具体包括如下至少一种：

第一种、采集用户在终端界面中不同位置点触时的点触压力值和点触时间值的集合。

用户在与终端界面进行交互的过程中，由于实际需要会在终端界面中进行点触操作，进而实现用户的目的。具体而言，由于每一个用户在操作终端界面过程中的操作行为和操作习惯不同，会使得在终端界面中进行点触时对终端界面的点触压力和在终端界面中停留的点触时间有所区别。因而在本申请中，可以采集用户在终端界面中不同位置点触时的点触压力值和点触时间值的集合。

为了使得本领域技术人员更容易的理解本技术特征，下面将参照图3进行进一步的说明。

如图3，示出了根据本公开一个实施例的在终端界面中进行点触或者滑动时的场景示意图。在本申请中，可以将终端界面划分为若干个单元格，例如图3中所示的60个单元格。其中每一个单元格表示一个位置，当用户在终端界面中某一个位置(即某一个单元格)中进行点触时，会对这个位置产生一定的压力和在这个位置上停留一定的时间，例如图3所示，用户点触终端界面中的6号位置时，会对6号位置产生一个压力和停留一定的时间。

在实际操作中，根据不同的需要，用户会在终端界面中连续的任意选择位置(单元格)进行点触，进而采集用户在终端界面中的任意位置进行点触时的点触压力值和点触时间值的集合。

需要注意的是，对于本领域技术人员而言，应该理解，对于同一个用户而言，由于不同单元格在终端界面中的位置不同，用户点触不同单元格的难易程度也有所不同，进而使得用户在终端界面中不同单元格点触时产生的点触压力值和点触时间值不同。例如，某一个用户习惯用右手握住手机，用大拇指在手机界面上进行点触操作，那么，由于距离的原因，这一个用户点触如图3所示的1号单元格所产生的点触压力值就可以小于点触如图3所示的28号单元格所产生的点触压力值，且产生的点触时间值也可以有所不同。

第二种、采集用户在终端界面中不同位置滑动时的滑动压力值和滑动速度值的集合。

在一种情况下，用户在与终端界面进行交互的过程中，由于实际需要也可以在终端界面中进行滑动操作。具体而言，用户在终端界面中进行滑动操作时，可以采集用户在终端界面中滑动时对终端界面产生的滑动压力值和在界面中的滑动速度值的集合

第三种、采集用户在终端界面中点触时的点触频率值；

第四种、采集用户在终端界面中不同位置滑动时的滑动轨迹。

具体而言，在本申请中，可以根据用户在终端界面中不同位置滑动时的滑动轨迹得到终端界面中不同位置滑动轨迹的轨迹弧度或者轨迹半径，因此可以根据滑动轨迹的轨迹弧度或者轨迹半径对用户的身份进行验证。

需要注意的是，所述第一行为数据集合还可以是如上四种数据类型中多种数据类型的组合。

如上所述，可以理解的是，采集用户的第一行为数据集合方式可以是任意的，并不限于如上所示出的那些。

继续参照图2，在步骤230中，基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列。

在本申请的一个实施例中，基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列可以是通过如图4所示的步骤实施。需要强调的是，为进一步保证上述第一特征数据序列的私密和安全性，上述第一特征数据序列还可以存储于一区块链的节点中。

参见图4，示出了根据本公开一个实施例的确定用于验证用户身份的第一特征数据序列的细节流程图。具体包括步骤231至232：

步骤231，从所述第一行为数据集合中确定第一行为数据片段，所述第一行为数据片段中包括至少一次用户在所述终端界面中点触或者滑动时产生的行为数据。

步骤232，对所述第一行为数据片段进行无量纲化预处理，得到第一特征数据序列。

在本实施例的一个具体实现中，从所述第一行为数据集合中确定第一行为数据片段可以是指用户在终端界面中连续的点触或者滑动时而产生的一个片段的第一行为数据。

为了使得本领域技术人员更容易的理解本具体实现，下面将参照图3进行进一步的说明。例如用户在如图3所示的终端界面中依次点触1号至60号界面位置，得到包括60个第一行为数据的集合。从所述第一行为数据集合中确定第一行为数据片段可以是从1号至60号界面位置对应第一行为数据的集合中确定28号至48号界面位置对应第一行为数据。

在本实施例的一个具体实现中，对所述第一行为数据片段进行无量纲化预处理，可以是对所述第一行为数据片段中的第一行为数据进行标准化预处理。

例如，所述第一行为数据包括用户在终端界面中不同位置点触时的点触压力值和点触时间值。具体的，包括对5个位置点触时的点触压力值和点触时间值，通过对所述5个位置点触时的点触压力值和点触时间值进行标准化预处理，得到包括5个第一特征数据的第一特征数据序列。如表1。

位置(单元格)	点触压力值	压力特征数据(序列)	点触时间值	时间特征数据(序列)
					1号	0.001N(牛顿)	1	0.01S(秒)	1
2号	0.002N	2	0.02S	2
					3号	0.003N	3	0.03S	3
4号	0.004N	4	0.04S	4
					5号	0.005N	5	0.05S	5

表1

在本实施例的一个具体实现中，对所述第一行为数据片段进行无量纲化预处理，还可以是对所述第一行为数据片段中的第一行为数据进行归一化预处理。

在本实施例的一个具体实现中，对所述第一行为数据片段进行无量纲化预处理，还可以是对所述第一行为数据片段中的第一行为数据进行区间缩放预处理。

在本申请的一个实施例中，基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列还可以是从所述第一行为数据集合中随机选取至少一次用户在所述终端界面中点触或者滑动时产生的行为数据，并对所述随机选取的至少一次用户在所述终端界面中点触或者滑动时产生的行为数据进行无量纲化预处理，得到第一特征数据序列。

继续参照图2，在步骤250中，将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度。

在本申请的一个实施例中，所述用户身份验证模型可以通过如图5所示的步骤确定。

参见图5，示出了根据本公开一个实施例的确定用户身份验证模型的细节流程图。具体包括步骤251至254：

步骤251，获取真实用户在所述终端界面中各个位置上进行点触或者滑动时产生的第二行为数据集合。

在一个实施例的具体实现中，所述获取真实用户在所述终端界面中各个位置上进行点触或者滑动时产生的第二行为数据集合，可以是具体包括如下至少一种：

第一种、获取真实用户在所述终端界面中各个位置上进行点触时的点触压力值和点触时间值的集合。

第二种、获取真实用户在所述终端界面中各个位置上进行滑动时的滑动压力值和滑动速度值的集合。

第三种、获取真实用户在所述终端界面中进行点触时的点触频率值；

第四种、获取真实用户在所述终端界面中各个位置上进行滑动时的滑动轨迹。

需要注意的是，所述终端界面上的各个位置是指终端界面上的所有位置，例如图3中所示的1号至60号的所有位置。

还需要注意的是，所述第二行为数据集合还可以是如上四种数据类型中多种数据类型的组合。

步骤252，将所述第二行为数据集合中第二行为数据进行无量纲化预处理，得到第二特征数据序列。

步骤253，基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据。

步骤254，通过初始用户身份验证模型学习所述模型学习数据，得到所述用户身份验证模型。

需要理解的是，在本申请中，所述通过初始用户身份验证模型学习所述模型学习数据，实际上是学习真实用户在终端界面中进行点触或者滑动时行为特征，例如，点触终端界面中不同位置的压力大小，或者是在终端界面中不同位置滑动的速度大小，还或者是在终端界面中点触时的频率大小等等。

在一个实施例的具体实现中，所述第二行为数据集合包括所述真实用户在终端界面中各个位置上进行点触时的点触压力值和点触时间值的集合，所述基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据，包括：

基于所述第二特征数据序列，构建如下模型学习数据矩阵S，所述模型学习数据矩阵S的每一列作为一条模型学习数据：

其中，n表示真实用户在所述终端界面中的第n个位置上进行点触操作，F表示压力特征数据，T表示时间特征数据，“1”表示学习目标，所述学习目标用于表征所述真实用户在点触终端界面中的各个位置时的真实程度。

需要解释的是，在上述模型学习数据矩阵S中，所述学习目标“1”表示一种概率，将每一条模型学习数据中的学习目标设置为“1”，其原因在于每一条模型学习数据中的压力特征数据和时间特征数据都来自于真实用户，所以“1”表示其所对应的压力特征数据和时间特征数据在绝对程度上来自于真实用户。因此，对于本领域技术人员而言，可以理解的是，所述学习目标还设置为“100％”、“100”、“10”等等。

在一个实施例的具体实现中，所述第二行为数据集合包括所述真实用户在终端界面中各个位置上进行滑动时的滑动压力值和滑动速度值的集合，所述基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据，包括：

基于所述第二特征数据序列，构建如下模型学习数据矩阵T，所述模型学习数据矩阵T的每一列作为一条模型学习数据：

其中，n表示真实用户在所述终端界面中的第n个位置上进行滑动操作，R表示压力特征数据，V表示时间特征数据，“1”表示学习目标，所述学习目标用于表征所述真实用户在终端界面中的各个位置进行滑动时的真实程度。

在本申请的一个实施例中，所述第一特征数据序列中包括至少一条第一特征数据，所述将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，可以通过如图6所示的步骤实现。

参见图6，示出了根据本公开一个实施例的将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数的细节流程图。具体包括步骤255至256：

步骤255，将所述至少一条第一特征数据输入事先确定的用户身份验证模型，得到至少一个用户身份验证子指数。

具体的，在一种实现中，所述用户身份验证子指数可以是一种概率值，即将所述在终端界面中某一个位置进行点触或者滑动的用户判断为真实用户的概率值。

步骤256，对所述至少一个用户身份验证子指数进行数学统计，得到用户身份验证指数。

在一个实施例的具体实现中，对所述至少一个用户身份验证子指数进行数学统计，可以是对所述至少一个用户身份验证子指数进行求平均值，例如表2，对5个用户身份验证子指数进行求平均值。

用户身份验证子指数1	0.7
		用户身份验证子指数2	0.9
用户身份验证子指数3	0.8
		用户身份验证子指数4	0.6
用户身份验证子指数5	1.0
		用户身份验证指数(求平均值)	0.8

表2

在一个实施例的具体实现中，对所述至少一个用户身份验证子指数进行数学统计，可以是对所述至少一个用户身份验证子指数进行求和。

在一个实施例的具体实现中，对所述至少一个用户身份验证子指数进行数学统计，可以是在所述至少一个用户身份验证子指数中统计所述用户身份验证子指数超过预定阈值的个数。

继续参照图2，在步骤270中，根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

在本申请的一个实施例中，根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应可以根据如图7所示的步骤实现。

参见图7，示出了根据本公开一个实施例的根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应的细节流程图。具体包括步骤271至272：

步骤271，在所述用户身份验证指数属于预定指数区间时，对所述用户身份的真实性作出验证通过的响应。

例如，在通过验证用户身份登录设备的应用场景中，在所述用户身份验证指数属于预定指数区间时，则授权所述用户登录所述设备。

还例如，在实时监测用户身份真实性的的场景中，在所述用户身份验证指数属于预定指数区间时，则允许用户继续操作设备。

步骤272，在所述用户身份验证指数不属于预定指数区间时，对所述用户身份的真实性作出验证失败的响应。

例如，在通过验证用户身份登录设备的应用场景中，在所述用户身份验证指数不属于预定指数区间时，则拒绝所述用户登录所述设备。

还例如，在实时监测用户身份真实性的的场景中，在所述用户身份验证指数不属于预定指数区间时，则强制退出真实用户的账号在设备中的登陆状态。

综上所述，在本公开一些实施例的技术方案中，通过所采集到的用户的第一行为数据集合得到第一特征数据序列，进一步由事先确定的用户身份验证模型对所述第一特征数据序列进行验证，得到可以用于验证用户身份真实性的用户身份验证指数。由于不同用户在与终端界面进行交互时所产生的行为数据是存在区别和差异的，且所述行为数据很难被复制，故以用户与终端界面进行人机交互产生的行为数据作为验证用户身份真实性的依据，可以提高对于用户身份真实性验证的安全性，进而可以解决现有技术中存在的用户身份验证安全性低的技术问题。

以下介绍本公开的装置实施例，可以用于执行本公开上述实施例中的用户身份验证方法。对于本公开装置实施例中未披露的细节，请参照本公开上述的用户身份验证方法的实施例。

图8示出了根据本公开的一个实施例的用户身份验证装置的框图。

参照图8所示，根据本公开的一个实施例的用户身份验证装置800，包括：采集单元801、确定单元802、输入单元803、响应单元804。

其中，采集单元801，被用于响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；确定单元802，被用于基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；输入单元803，被用于将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；响应单元804，被用于根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

在本公开的一些实施例中，基于前述方案，所述采集单元801配置为：采集包括如下至少一种用户的第一行为数据集合：采集用户在终端界面中不同位置点触时的点触压力值和点触时间值的集合；采集用户在终端界面中不同位置滑动时的滑动压力值和滑动速度值的集合；采集用户在终端界面中点触时的点触频率值；采集用户在终端界面中不同位置滑动时的滑动轨迹。

在本公开的一些实施例中，基于前述方案，所述确定单元802配置为：从所述第一行为数据集合中确定第一行为数据片段，所述第一行为数据片段中包括至少一次用户在所述终端界面中点触或者滑动时产生的行为数据；对所述第一行为数据片段进行无量纲化预处理，得到第一特征数据序列。需要强调的是，为进一步保证上述第一特征数据序列的私密和安全性，上述第一特征数据序列还可以存储于一区块链的节点中。

在本公开的一些实施例中，基于前述方案，所述用户身份验证模型通过如下方式确定：获取真实用户在所述终端界面中各个位置上进行点触或者滑动时产生的第二行为数据集合；将所述第二行为数据集合中第二行为数据进行无量纲化预处理，得到第二特征数据序列；基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据；通过初始用户身份验证模型学习所述模型学习数据，得到所述用户身份验证模型。

在本公开的一些实施例中，基于前述方案，所述第二行为数据集合包括所述真实用户在终端界面中各个位置上进行点触时的点触压力值和点触时间值的集合，所述输入单元803还配置为：基于所述第二特征数据序列，构建如下模型学习数据矩阵S，所述模型学习数据矩阵S的每一列作为一条模型学习数据：

其中，n表示真实用户在所述终端界面中的第n个位置上进行点触操作，F表示压力特征数据，T表示时间特征数据，“1”表示学习目标，所述学习目标用于表征所述真实用户在点触终端界面中的各个位置时的真实程度。

在本公开的一些实施例中，基于前述方案，所述第一特征数据序列中包括至少一条第一特征数据，所述输入单元803还配置为：将所述至少一条第一特征数据输入事先确定的用户身份验证模型，得到至少一个用户身份验证子指数；对所述至少一个用户身份验证子指数进行数学统计，得到用户身份验证指数。

在本公开的一些实施例中，基于前述方案，所述响应单元804配置为：在所述用户身份验证指数属于预定指数区间时，对所述用户身份的真实性作出验证通过的响应；在所述用户身份验证指数不属于预定指数区间时，对所述用户身份的真实性作出验证失败的响应。

应当注意，尽管在上文详细描述中提及了用户身份验证方法以及用户身份验证装置的若干单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

作为另一方面，本公开还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图9所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

作为另一方面，本公开还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为***、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同***组件(包括存储单元1020和处理单元1010)的总线1030。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1010执行，使得所述处理单元1010执行本说明书上述“实施例方法”部分中描述的根据本公开各种示例性实施方式的步骤。

存储单元1020可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1021和/或高速缓存存储单元1022，还可以进一步包括只读存储单元(ROM)1023。

存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024，这样的程序模块1025包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1030可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1000也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且，电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1000使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式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)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种用户身份验证方法，其特征在于，所述方法包括：

响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；

基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；

将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；

根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

2.根据权利要求1所述的方法，其特征在于，所述采集用户的第一行为数据集合，具体包括如下至少一种：

采集用户在终端界面中不同位置点触时的点触压力值和点触时间值的集合；

采集用户在终端界面中不同位置滑动时的滑动压力值和滑动速度值的集合；

采集用户在终端界面中点触时的点触频率值；

采集用户在终端界面中不同位置滑动时的滑动轨迹。

3.根据权利要求1所述的方法，其特征在于，所述第一特征数据序列存储于区块链中，所述基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列，包括：

从所述第一行为数据集合中确定第一行为数据片段，所述第一行为数据片段中包括至少一次用户在所述终端界面中点触或者滑动时产生的行为数据；

对所述第一行为数据片段进行无量纲化预处理，得到第一特征数据序列。

4.根据权利要求1所述的方法，其特征在于，所述用户身份验证模型通过如下方式确定：

获取真实用户在所述终端界面中各个位置上进行点触或者滑动时产生的第二行为数据集合；

将所述第二行为数据集合中第二行为数据进行无量纲化预处理，得到第二特征数据序列；

基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据；

通过初始用户身份验证模型学习所述模型学习数据，得到所述用户身份验证模型。

5.根据权利要求4所述的方法，其特征在于，所述第二行为数据集合包括所述真实用户在终端界面中各个位置上进行点触时的点触压力值和点触时间值的集合，所述基于所述第二特征数据序列，构建用于确定所述用户身份验证模型的模型学习数据，包括：

基于所述第二特征数据序列，构建如下模型学习数据矩阵S，所述模型学习数据矩阵S的每一列作为一条模型学习数据：

其中，n表示真实用户在所述终端界面中的第n个位置上进行点触操作，F表示压力特征数据，T表示时间特征数据，“1”表示学习目标，所述学习目标用于表征所述真实用户在点触终端界面中的各个位置时的真实程度。

6.根据权利要求1所述的方法，其特征在于，所述第一特征数据序列中包括至少一条第一特征数据，所述将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，包括：

将所述至少一条第一特征数据输入事先确定的用户身份验证模型，得到至少一个用户身份验证子指数；

对所述至少一个用户身份验证子指数进行数学统计，得到用户身份验证指数。

7.根据权利要求1所述的方法，其特征在于，所述根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应，包括：

在所述用户身份验证指数属于预定指数区间时，对所述用户身份的真实性作出验证通过的响应；

在所述用户身份验证指数不属于预定指数区间时，对所述用户身份的真实性作出验证失败的响应。

8.一种用户身份验证装置，其特征在于，所述装置包括：

采集单元，被用于响应于用户在终端界面上的人机交互，采集用户的第一行为数据集合；

确定单元，被用于基于所述第一行为数据集合，确定用于验证用户身份的第一特征数据序列；

输入单元，被用于将所述第一特征数据序列输入事先确定的用户身份验证模型，得到用户身份验证指数，所述用户身份验证指数用于表征所述用户身份的真实程度；

响应单元，被用于根据所述用户身份验证指数，对所述用户身份的真实性作出验证响应。

9.一种计算机可读存储介质，其特征在于，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至7中任一项所述的方法。

10.一种用户身份验证电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，所述存储器上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，实现如权利要求1至7任一项所述的方法。

Images