CN111831991A - 输入操作检测方法、装置、计算设备和介质 - Google Patents
输入操作检测方法、装置、计算设备和介质 Download PDFInfo
- Publication number
- CN111831991A CN111831991A CN202010727397.XA CN202010727397A CN111831991A CN 111831991 A CN111831991 A CN 111831991A CN 202010727397 A CN202010727397 A CN 202010727397A CN 111831991 A CN111831991 A CN 111831991A
- Authority
- CN
- China
- Prior art keywords
- data
- input
- processing
- characteristic
- input operation
- 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.)
- Pending
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
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Social Psychology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种输入操作检测方法,包括:获取操作数据,其中,操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据;处理操作数据得到数据特征;利用经训练识别模型处理特征数据以得到识别结果,识别结果表征输入操作是否为人为操作;以及在识别结果表征输入操作为人为操作时,允许登录应用程序。本公开还提供了一种输入操作检测装置、一种计算设备以及一种介质。
Description
技术领域
本公开涉及计算机技术领域,特别是涉及一种输入操作检测方法、一种输入操作检测装置、一种计算设备以及一种计算机可读存储介质。
背景技术
随着互联网的不断发展,衍生出大量利用机器脚本进行撞库、暴力密码破解的攻击方法,以及使用脚本工具参与营销活动、恶意领券、抢红包和抽奖等行为。随着欺诈手段的不断进化,传统的人机验证技术遇到重大挑战。传统的验证码技术包括数字或中文验证码、图形验证码、语音验证码、图片验证码等。另外,传统的验证码技术需要用户手动输入验证码,从而打断用户的当前操作,用户体验不好。
在实现本公开构思的过程中,发明人发现相关技术中至少存在如下问题。
传统的验证码技术需要用户手动输入验证,打断用户的当前操作,用户体验不佳。
发明内容
有鉴于此,本公开提供了一种优化的输入操作检测方法、输入操作检测装置、计算设备和计算机可读存储介质。
本公开的一个方面提供了一种输入操作检测方法,包括:获取操作数据,其中,所述操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据,处理所述操作数据得到数据特征,利用经训练识别模型处理所述特征数据以得到识别结果,所述识别结果表征所述输入操作是否为人为操作,在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序。
根据本公开实施例,上述获取操作数据包括:获取第一操作数据,所述第一操作数据包括通过第一输入设备在应用程序的登录界面上执行输入操作生成的数据,获取第二操作数据,所述第二操作数据包括通过第二输入设备在应用程序的登录界面上执行输入操作生成的数据。所述处理所述操作数据得到数据特征包括:处理所述第一操作数据得到第一数据特征,处理所述第二操作数据得到第二数据特征。
根据本公开实施例,上述经训练识别模型包括第一识别子模型和第二识别子模型;所述利用经训练识别模型处理所述特征数据以得到识别结果包括:将所述第一特征数据输入所述第一识别子模型,得到第一输出数据,将所述第二特征数据输入所述第二识别子模型,得到第二输出数据,确定所述第一输出数据和所述第二输出数据为所述识别结果。
根据本公开实施例,上述在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序包括:在所述第一输出数据和所述第二输出数据中的至少一个表征所述输入操作为人为操作时,允许登录所述应用程序。
根据本公开实施例,上述利用经训练识别模型处理所述特征数据以得到识别结果包括:处理所述第一特征数据和所述第二特征数据,得到总体特征数据,将所述总体特征数据输入所述经训练识别模型,以得到识别结果。
根据本公开实施例,在处理所述操作数据得到数据特征之前,所述方法还包括:基于所述操作数据,确定所述输入操作是否为人为操作以得到初步识别结果。其中,所述处理所述操作数据得到数据特征包括:在所述初步识别结果表征所述输入操作为人为操作的情况下,处理所述操作数据得到数据特征。
根据本公开实施例,上述第一输入设备包括鼠标,所述第二输入设备包括键盘。
根据本公开实施例,上述第一操作数据包括通过所述第一输入设备在所述登录界面上执行输入的M个输入点的位置信息,M为大于1的整数;所述处理所述第一操作数据得到第一数据特征包括:基于所述M个输入点的位置信息,确定通过所述第一输入设备执行输入的移动速度特征,其中,所述移动速度特征包括以下至少一项:移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。
根据本公开实施例,上述第二操作数据包括通过对所述键盘的N个按键执行的点击数据,N为大于1的整数;所述处理所述第二操作数据得到第二数据特征包括:基于对所述N个按键执行的点击数据,确定通过所述键盘执行输入的点击速度特征,其中,所述点击速度特征包括以下至少一项:点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。
根据本公开实施例,上述方法还包括:在所述识别结果表征所述输入操作为机器操作时,发送验证信息。
根据本公开实施例,上述方法还包括:接收针对所述验证信息的反馈结果,在所述反馈结果表征通过验证的情况下,允许登录所述应用程序。
根据本公开实施例,上述经训练识别模型包括以下至少一种:单类支持向量机模型、孤立森林模型以及变分自编码器模型。
本公开的另一个方面提供了一种输入操作检测装置,包括:获取模块、第一处理模块、第二处理模块以及登录模块。其中,获取模块,获取操作数据,其中,所述操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据。第一处理模块,处理所述操作数据得到数据特征。第二处理模块,利用经训练识别模型处理所述特征数据以得到识别结果,所述识别结果表征所述输入操作是否为人为操作。登录模块,在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序。
根据本公开实施例,上述获取操作数据包括:获取第一操作数据,所述第一操作数据包括通过第一输入设备在应用程序的登录界面上执行输入操作生成的数据,获取第二操作数据,所述第二操作数据包括通过第二输入设备在应用程序的登录界面上执行输入操作生成的数据。所述处理所述操作数据得到数据特征包括:处理所述第一操作数据得到第一数据特征,处理所述第二操作数据得到第二数据特征。
根据本公开实施例,上述经训练识别模型包括第一识别子模型和第二识别子模型;所述利用经训练识别模型处理所述特征数据以得到识别结果包括:将所述第一特征数据输入所述第一识别子模型,得到第一输出数据,将所述第二特征数据输入所述第二识别子模型,得到第二输出数据,确定所述第一输出数据和所述第二输出数据为所述识别结果。
根据本公开实施例,上述在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序包括:在所述第一输出数据和所述第二输出数据中的至少一个表征所述输入操作为人为操作时,允许登录所述应用程序。
根据本公开实施例,上述利用经训练识别模型处理所述特征数据以得到识别结果包括:处理所述第一特征数据和所述第二特征数据,得到总体特征数据,将所述总体特征数据输入所述经训练识别模型,以得到识别结果。
根据本公开实施例,在处理所述操作数据得到数据特征之前,所述装置还包括:确定模块,基于所述操作数据,确定所述输入操作是否为人为操作以得到初步识别结果。其中,所述处理所述操作数据得到数据特征包括:在所述初步识别结果表征所述输入操作为人为操作的情况下,处理所述操作数据得到数据特征。
根据本公开实施例,上述第一操作数据包括通过所述第一输入设备在所述登录界面上执行输入的M个输入点的位置信息,M为大于1的整数;所述处理所述第一操作数据得到第一数据特征包括:基于所述M个输入点的位置信息,确定通过所述第一输入设备执行输入的移动速度特征,其中,所述移动速度特征包括以下至少一项:移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。
根据本公开实施例,上述第二操作数据包括通过对所述键盘的N个按键执行的点击数据,N为大于1的整数;所述处理所述第二操作数据得到第二数据特征包括:基于对所述N个按键执行的点击数据,确定通过所述键盘执行输入的点击速度特征,其中,所述点击速度特征包括以下至少一项:点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。
根据本公开实施例,上述装置还包括:发送模块,在所述识别结果表征所述输入操作为机器操作时,发送验证信息。
根据本公开实施例,上述装置还包括:接收模块以及附加登录模块。接收模块,接收针对所述验证信息的反馈结果。附加登录模块,在所述反馈结果表征通过验证的情况下,允许登录所述应用程序。
根据本公开实施例,上述经训练识别模型包括以下至少一种:单类支持向量机模型、孤立森林模型以及变分自编码器模型。
本公开的另一方面提供了一种计算设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序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所述的方法。
本公开的另一方面提供了一种非易失性可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,利用如上所述的输入操作检测方法,可以至少部分地解决相关技术中传统的验证码技术需要用户手动输入验证码,打断用户的当前操作,用户体验不佳的技术问题。因此可以实现提高了在登录过程中简化用户的操作,提高验证的处理效率的技术效果。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示意性示出了根据本公开实施例的输入操作检测方法和输入操作检测装置的***架构;
图2示意性示出了根据本公开实施例的输入操作检测方法的流程图;
图3示意性示出了根据本公开另一实施例的输入操作检测方法的流程图;
图4示意性示出了根据本公开再一实施例的输入操作检测方法的流程图;
图5示意性示出了根据本公开实施例的输入操作检测装置的框图;以及
图6示意性示出了根据本公开实施例的用于实现输入操作检测的计算机***的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程控制装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
因此,本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行***使用或者结合指令执行***使用。在本公开的上下文中,计算机可读存储介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,计算机可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体***、装置、器件或传播介质。计算机可读存储介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
本公开的实施例提供了一种输入操作检测方法,包括:获取操作数据,操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据,处理操作数据得到数据特征,利用经训练识别模型处理特征数据以得到识别结果,识别结果表征输入操作是否为人为操作,在识别结果表征输入操作为人为操作时,允许登录应用程序。
图1示意性示出了根据本公开实施例的输入操作检测方法和输入操作检测装置的***架构。需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的输入操作检测方法一般可以由服务器105执行。相应地,本公开实施例所提供的输入操作检测装置一般可以设置于服务器105中。本公开实施例所提供的输入操作检测方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的输入操作检测装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面结合图1的***架构,参考图2~图4来描述根据本公开示例性实施方式的输入操作检测方法。需要注意的是,上述***架构仅是为了便于理解本公开的精神和原理而示出,本公开的实施方式在此方面不受任何限制。
根据本公开实施例,在用户登录应用程序时,为了避免通过机器操作来登录应用程序导致用户账户受到损失,通常通过验证登录操作者是否为用户登录来确定是否允许本次登录,验证方式可以包括但不仅限于滑块验证方式、拼图验证方式和图片验证方式等等。如果验证结果为机器操作,则不允许本次登录,如果验证结果为人为操作,则允许本次登录。当本次登录为人为操作时,通过上述验证方式对用户进行验证将打断用户当前操作,导致用户体验不佳。因此,通过本公开实施例的方法,可以识别当前登录为人为操作或者机器操作,并且不需要打断用户的当前操作,提高用户的使用体验。
本公开实施例所涉及的人为操作例如是真人操作。与真人操作相对应的例如为机器操作,机器操作可以是通过模拟器、脚本等方式模拟人的行为产生的操作。
图2示意性示出了根据本公开实施例的输入操作检测方法的流程图。
如图2所示,本公开实施例的输入操作检测方法例如可以包括操作S210~操作S240。
在操作S210,获取操作数据,其中,操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据。
在本公开实施例中,输入设备例如包括鼠标、键盘、触控笔、触控板等触控设备等等。
例如,当通过鼠标输入时,操作数据例如包括光标在登录界面上移动时产生的移动数据。当通过键盘输入时,操作数据例如为对键盘上的按键进行点击操作产生的点击数据,点击数据例如包括每次点击的时间。操作数据可以包括鼠标的数据和键盘的数据。
在操作S220,处理操作数据得到数据特征。
在操作S230,利用经训练识别模型处理特征数据以得到识别结果,识别结果表征输入操作是否为人为操作。
根据本公开实施例,经训练识别模型可以包括以下至少一种:单类支持向量机(One Class Support Vector Machine,OCSVM)模型、孤立森林(Isolation Forest)模型以及变分自编码器(Variational Auto Encoder,VAE)模型。
接下来,在操作S240,在识别结果表征输入操作为人为操作时,允许登录应用程序。
根据本公开实施例,在利用经训练识别模型处理特征数据得到的识别结果为当前登录操作为人为操作时,允许本次登录应用程序。
可以理解,本公开实施例通过利用识别模型来处理输入操作的数据特征,以实现自动识别当前登录操作是否为人为操作。在识别结果表征当前操作为人为操作时,允许用户登录应用程序,而不需要通过滑块验证方式、拼图验证方式和图片验证方式等来打断用户的当前操作,从而提高了用户的使用体验。另外,本公开实施例利用识别模型来处理输入操作的数据特征,以实现自动识别当前登录操作对于用户来说是无感知的,即,用户无需中断当前操作即可实现成功登录应用程序。
图3示意性示出了根据本公开实施例的输入操作检测方法的流程图。
如图3所示,本公开实施例的输入操作检测方法例如可以包括操作S210~操作S240以及操作S310~操作S330。其中,操作S210~操作S240例如与图2所描述的操作相同或类似,在此不再赘述。
在操作S310,在识别结果表征输入操作为机器操作时,发送验证信息。
即,在基于经训练识别模型处理输入操作的数据特征得到的识别结果表征当前登录操作为机器操作时,可以进一步发送验证信息。验证信息例如包括但不仅限于通过滑块验证方式、拼图验证方式和图片验证方式等发送的验证信息。
在操作S320,接收针对验证信息的反馈结果。
接下来,在操作S330,在反馈结果表征通过验证的情况下,允许登录应用程序。
虽然通过经训练识别模型识别得到当前登录操作为机器操作,但是,为了避免经训练识别模型的识别误差,本公开实施例可以进一步通过滑块验证方式、拼图验证方式和图片验证方式等来验证当前操作。如果通过验证,可以进一步确定当前操作为人为操作,则可以允许本次登录应用程序。
根据本公开实施例,无感知的输入操作检测是在登录页面操作过程中,对用户无感地进行该操作是否为真人(用户)的判别,如果识别为真人(用户),则不影响用户正常使用和当前使用习惯。如果识别为脚本自动操作(机器操作),则再弹出滑块验证等增强型验证方式进行管控和拦截,确保提升风险管控的同时不影响正常用户的使用体验。在登录场景进行输入操作检测,可以抵御利用机器脚本进行撞库、暴力密码破解的攻击、使用脚本工具参与活动恶意领券、抢红包和抽奖的等行为。
根据本公开实施例,在处理操作数据得到数据特征之前,可以先基于操作数据确定输入操作是否为人为操作以得到初步识别结果。
然后,在初步识别结果表征输入操作为人为操作的情况下,可以进一步处理操作数据得到数据特征。
在一种示例中,操作数据可以包括第一操作数据和第二操作数据,第一操作数据可以是通过鼠标执行输入操作产生的数据,第二操作数据可以是通过键盘执行输入操作产生的数据。
根据本公开实施例,基于操作数据确定输入操作是否为人为操作包括:第一操作数据满足第一预设条件,并且第二操作数据满足第二预设条件的情况下,确定输入操作为机器操作。
其中,第一操作数据满足第一预设条件可以包括:当第一操作数据表征通过鼠标在登录界面上执行输入操作时,所采集的光标在登录界面上的输入点的数量小于等于预设数量。其中,输入点例如为所采集的光标在登录界面上的坐标点,预设数量可以根据实际应用情况来设定,例如预设数量可以是3、5等等,这是由于一般由用户执行输入操作时,光标在登录界面上的输入点的数量较多,如果是机器操作,则输入点的数量较少。或者,第一操作数据满足第一预设条件还可以包括:光标在登录界面上的移动速度为匀速,这是由于一般由用户执行输入操作时,光标在登录界面上的移动速度是变化的,如果是机器操作,则移动速度可以是匀速的。
其中,第二操作数据满足第二预设条件包括:第二操作数据为空数据,即,本次登录操作没有与键盘相关的数据。
相反地,在第一操作数据不满足第一预设条件,或者第二操作数据不满足第二预设条件的情况下,可以确定输入操作为人为操作。
根据本公开实施例,获取操作数据可以包括:获取第一操作数据和获取第二操作数据。其中,第一操作数据包括通过第一输入设备在应用程序的登录界面上执行输入操作生成的数据,第二操作数据包括通过第二输入设备在应用程序的登录界面上执行输入操作生成的数据。在一种示例中,第一输入设备可以是鼠标,第二输入设备可以是键盘。
根据本公开实施例,处理操作数据得到数据特征包括:处理第一操作数据得到第一数据特征,处理第二操作数据得到第二数据特征。
以下将说明第一数据特征和第二数据特征的提取方式。其中,例如通过特征工程从第一操作数据中提取第一数据特征,通过特征工程从第二操作数据中提取第二数据特征。
根据本公开实施例,第一操作数据包括通过第一输入设备在登录界面上执行输入的M个输入点的位置信息,M为大于1的整数。
处理第一操作数据得到第一数据特征包括:基于M个输入点的位置信息,确定通过第一输入设备执行输入的移动速度特征,其中,移动速度特征包括以下至少一项:移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。
例如,多个输入点可以包括输入点1、输入点2、输入点3等等。每隔时间间隔t在登录界面上采集一个输入点的坐标信息,例如所采集的输入点1、输入点2、输入点3在登录界面上的坐标信息分别为(x1,y1)、(x2,y2)、(x3,y3)。例如,针对输入点2来说,该输入点2沿横轴方向的移动速度投影大小为vx_2=(x3-x1)/2t,沿纵轴方向的移动速度投影大小为vy_2=(y3-y1)/2t,总体移动速度大小为vx=((vx_2)2+(vy_2)2)1/2。然后,计算该输入点2沿横轴方向的移动速度均值、移动速度标准差、移动速度峰度、移动速度散度,计算该输入点2沿纵轴方向的移动速度均值、移动速度标准差、移动速度峰度、移动速度散度,计算该输入点2总体移动速度的移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。同理,可以计算出每个输入点的移动速度特征。然后,基于多个输入点移动速度特征构建特征向量,该特征向量即为第一数据特征。
根据本公开实施例,第二操作数据包括通过对键盘的N个按键执行的点击数据,N为大于1的整数。其中,
处理第二操作数据得到第二数据特征包括:基于对N个按键执行的点击数据,确定通过键盘执行输入的点击速度特征,其中,点击速度特征包括以下至少一项:点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。
例如,以点击一个按键为例,针对该按键的点击操作,该点击速度例如为以敲下该按键的时间戳和松开该按键的时间戳之间的时间差来表征。然后,基于点击速度计算针对该按键的点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。同理,可以计算出针对每个按键的点击速度特征。然后,基于多个按键的点击速度特征构建特征向量,该特征向量即为第二数据特征。
根据本公开实施例,除了使用速度的均值、标准差、偏度、散度等特征,还可以使用更多的数据,例如可以使用更高阶的数据来构造数据特征。更高阶的数据例如包括速度的五阶矩、六阶矩等等。
接下来,将描述利用经训练识别模型处理第一数据特征和第二数据特征的过程。
在一种实施例中,经训练识别模型可以包括第一识别子模型和第二识别子模型。
其中,利用经训练识别模型处理第一特征数据和第二特征数据,以得到识别结果包括:将第一特征数据输入第一识别子模型,得到第一输出数据,将第二特征数据输入第二识别子模型,得到第二输出数据,然后,确定第一输出数据和第二输出数据为识别结果。
其中,第一识别子模型包括以下至少一种:单类支持向量机模型、孤立森林模型以及变分自编码器模型。该第一识别子模型例如是基于第一输入设备的历史操作数据训练得到的。将第一特征数据输入第一识别子模型得到的第一输出数据例如为表征输入操作为人为操作的第一概率。
其中,第二识别子模型包括以下至少一种:单类支持向量机模型、孤立森林模型以及变分自编码器模型。该第二识别子模型例如是基于第二输入设备的历史操作数据训练得到的。将第二特征数据输入第二识别子模型得到的第二输出数据例如为表征输入操作为人为操作的第二概率。
根据本公开实施例,在识别结果表征输入操作为人为操作时,允许登录应用程序包括:在第一输出数据和第二输出数据中的至少一个表征输入操作为人为操作时,允许登录应用程序。
例如,当第一概率表征输入操作为人为操作,或者第二概率表征输入操作为用户概率,则最终确定输入操作为人为操作,并允许登录应用程序。
例如,当第一概率表征输入操作为机器操作,并且第二概率表征输入操作为机器操作,则最终确定输入操作为机器操作,则继续发送验证信息以进一步验证。
在另一种实施例中,经训练识别模型为一个识别模型。上述操作S230中关于利用经训练识别模型处理特征数据以得到识别结果包括:处理第一特征数据和第二特征数据,得到总体特征数据,然后将总体特征数据输入经训练识别模型,以得到识别结果。
根据本公开实施例,例如将第一特征数据和第二特征数据进行关联结合得到总体特征数据。将第一特征数据和第二特征数据进行关联结合例如可以是将第一特征数据和第二特征数据进行拼接。然后将总体特征数据输入至经训练识别模型中得到表征输入操作为人为操作的总体概率。基于该总体概率可以确定输入操作为人为操作或机器操作。
图4示意性示出了根据本公开再一实施例的输入操作检测方法的流程图。
如图4所示,本公开实施例的输入操作检测方法例如包括操作S410~S450。
在操作S410,获取操作数据。例如获取鼠标的操作数据和键盘的操作数据。基于操作数据,确定输入操作是否为人为操作以得到初步识别结果。当初步识别结果表征输入操作为人为操作时,执行操作S420,当初步识别结果表征输入操作为机器操作时,执行操作S440。
在操作S420,提取数据特征。例如在初步识别结果表征输入操作为人为操作时,提取操作数据的数据特征,以便基于数据特征进一步识别输入操作是否为人为操作。
在操作S430,利用识别模型处理数据特征。例如将数据特征输入识别模型中,识别模型的输出数据能够表征输入操作为人为操作或机器操作。
在操作S440,在初步识别结果为机器操作或者识别模型输出的识别结果为机器操作时,确定最终识别结果为机器操作。
接下来,在操作S450,当识别模型的输出数据表征输入操作为人为操作时,确定最终的识别结果为人为操作。
图5示意性示出了根据本公开实施例的输入操作检测装置的框图。
如图5所示,输入操作检测装置500例如可以包括获取模块510、第一处理模块520、第二处理模块530以及登录模块540。
获取模块510可以用于获取操作数据,其中,操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据。根据本公开实施例,获取模块510例如可以执行上文参考图2描述的操作S210,在此不再赘述。
第一处理模块520可以用于处理操作数据得到数据特征。根据本公开实施例,第一处理模块520例如可以执行上文参考图2描述的操作S220,在此不再赘述。
第二处理模块530可以用于利用经训练识别模型处理特征数据和特征数据以得到识别结果,识别结果表征输入操作是否为人为操作。根据本公开实施例,第二处理模块530例如可以执行上文参考图2描述的操作S230,在此不再赘述。
登录模块540可以用于在识别结果表征输入操作为人为操作时,允许登录应用程序。根据本公开实施例,登录模块540例如可以执行上文参考图2描述的操作S240,在此不再赘述。
根据本公开实施例,获取操作数据包括:获取第一操作数据,第一操作数据包括通过第一输入设备在应用程序的登录界面上执行输入操作生成的数据,获取第二操作数据,第二操作数据包括通过第二输入设备在应用程序的登录界面上执行输入操作生成的数据。处理操作数据得到数据特征包括:处理第一操作数据得到第一数据特征,处理第二操作数据得到第二数据特征。
根据本公开实施例,经训练识别模型包括第一识别子模型和第二识别子模型。利用经训练识别模型处理特征数据以得到识别结果包括:将第一特征数据输入第一识别子模型,得到第一输出数据,将第二特征数据输入第二识别子模型,得到第二输出数据,确定第一输出数据和第二输出数据为识别结果。
根据本公开实施例,在识别结果表征输入操作为人为操作时,允许登录应用程序包括:在第一输出数据和第二输出数据中的至少一个表征输入操作为人为操作时,允许登录应用程序。
根据本公开实施例,利用经训练识别模型处理特征数据以得到识别结果包括:处理第一特征数据和第二特征数据,得到总体特征数据,将总体特征数据输入经训练识别模型,以得到识别结果。
根据本公开实施例,在处理操作数据得到数据特征之前,装置500还可以包括:确定模块,基于操作数据,确定输入操作是否为人为操作以得到初步识别结果。其中,处理操作数据得到数据特征包括:在初步识别结果表征输入操作为人为操作的情况下,处理操作数据得到数据特征。
根据本公开实施例,第一输入设备包括鼠标,第二输入设备包括键盘。
根据本公开实施例,第一操作数据包括通过第一输入设备在登录界面上执行输入的M个输入点的位置信息,M为大于1的整数;处理第一操作数据得到第一数据特征包括:基于M个输入点的位置信息,确定通过第一输入设备执行输入的移动速度特征,其中,移动速度特征包括以下至少一项:移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。
根据本公开实施例,第二操作数据包括通过对键盘的N个按键执行的点击数据,N为大于1的整数;处理第二操作数据得到第二数据特征包括:基于对N个按键执行的点击数据,确定通过键盘执行输入的点击速度特征,其中,点击速度特征包括以下至少一项:点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。
根据本公开实施例,装置500还可以包括:发送模块,在识别结果表征输入操作为机器操作时,发送验证信息。
根据本公开实施例,装置500还可以包括:接收模块以及附加登录模块。接收模块,接收针对验证信息的反馈结果。附加登录模块,在反馈结果表征通过验证的情况下,允许登录应用程序。
根据本公开实施例,经训练识别模型包括以下至少一种:单类支持向量机模型、孤立森林模型以及变分自编码器模型。
本公开还提供了一种计算设备,该计算设备可以包括:一个或多个处理器和存储装置。存储装置可以用于存储一个或多个程序。其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器可以执行图2~图4所示的方法。
本公开的另一方面提供了一种非易失性可读存储介质,存储有计算机可执行指令,该指令在被执行时用于实现图2~图4所示的方法。
本公开的另一方面提供了一种计算机程序,计算机程序包括计算机可执行指令,该指令在被执行时用于实现图2~图4所示的方法。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块510、第一处理模块520、第二处理模块530以及登录模块540中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、第一处理模块520、第二处理模块530以及登录模块540中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块510、第一处理模块520、第二处理模块530以及登录模块540中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的用于实现输入操作检测的计算机***的方框图。图6示出的计算机***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6所示,计算机***600包括处理器601、计算机可读存储介质602。该***600可以执行根据本公开实施例的方法。
具体地,处理器601例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质602,例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如,可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体***、装置、器件或传播介质。可读存储介质的具体示例包括:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;和/或有线/无线通信链路。
计算机可读存储介质602可以包括计算机程序603,该计算机程序603可以包括代码/计算机可执行指令,其在由处理器601执行时使得处理器601执行根据本公开实施例的方法或其任何变形。
计算机程序603可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序603中的代码可以包括一个或多个程序模块,例如包括603A、模块603B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器601执行时,使得处理器601可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,获取模块510、第一处理模块520、第二处理模块530以及登录模块540中的至少一个可以实现为参考图6描述的计算机程序模块,其在被处理器601执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现上述方法。
根据本公开的实施例,计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。而在本公开中,计算机可读的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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、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。计算机可读存储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、射频信号等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (15)
1.一种输入操作检测方法,包括:
获取操作数据,其中,所述操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据;
处理所述操作数据得到数据特征;
利用经训练识别模型处理所述特征数据以得到识别结果,所述识别结果表征所述输入操作是否为人为操作;以及
在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序。
2.根据权利要求1所述的方法,其中:
所述获取操作数据包括:
获取第一操作数据,所述第一操作数据包括通过第一输入设备在应用程序的登录界面上执行输入操作生成的数据;以及
获取第二操作数据,所述第二操作数据包括通过第二输入设备在应用程序的登录界面上执行输入操作生成的数据;
所述处理所述操作数据得到数据特征包括:
处理所述第一操作数据得到第一数据特征;以及
处理所述第二操作数据得到第二数据特征。
3.根据权利要求2所述的方法,其中,所述经训练识别模型包括第一识别子模型和第二识别子模型;所述利用经训练识别模型处理所述特征数据以得到识别结果包括:
将所述第一特征数据输入所述第一识别子模型,得到第一输出数据;
将所述第二特征数据输入所述第二识别子模型,得到第二输出数据;以及
确定所述第一输出数据和所述第二输出数据为所述识别结果。
4.根据权利要求3所述的方法,其中,所述在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序包括:
在所述第一输出数据和所述第二输出数据中的至少一个表征所述输入操作为人为操作时,允许登录所述应用程序。
5.根据权利要求2所述的方法,其中,所述利用经训练识别模型处理所述特征数据以得到识别结果包括:
处理所述第一特征数据和所述第二特征数据,得到总体特征数据;以及
将所述总体特征数据输入所述经训练识别模型,以得到识别结果。
6.根据权利要求1所述的方法,其中:
在处理所述操作数据得到数据特征之前,所述方法还包括:基于所述操作数据,确定所述输入操作是否为人为操作以得到初步识别结果;
其中,所述处理所述操作数据得到数据特征包括:在所述初步识别结果表征所述输入操作为人为操作的情况下,处理所述操作数据得到数据特征。
7.根据权利要求2所述的方法,其中,所述第一输入设备包括鼠标,所述第二输入设备包括键盘。
8.根据权利要求7所述的方法,其中,所述第一操作数据包括通过所述第一输入设备在所述登录界面上执行输入的M个输入点的位置信息,M为大于1的整数;所述处理所述第一操作数据得到第一数据特征包括:
基于所述M个输入点的位置信息,确定通过所述第一输入设备执行输入的移动速度特征,
其中,所述移动速度特征包括以下至少一项:移动速度均值、移动速度标准差、移动速度峰度、移动速度散度。
9.根据权利要求7所述的方法,其中,所述第二操作数据包括通过对所述键盘的N个按键执行的点击数据,N为大于1的整数;所述处理所述第二操作数据得到第二数据特征包括:
基于对所述N个按键执行的点击数据,确定通过所述键盘执行输入的点击速度特征,
其中,所述点击速度特征包括以下至少一项:点击速度均值、点击速度标准差、点击速度峰度、点击速度散度。
10.根据权利要求1所述的方法,还包括:
在所述识别结果表征所述输入操作为机器操作时,发送验证信息。
11.根据权利要求10所述的方法,还包括:
接收针对所述验证信息的反馈结果;以及
在所述反馈结果表征通过验证的情况下,允许登录所述应用程序。
12.根据权利要求1至11中任意一项所述的方法,其中,所述经训练识别模型包括以下至少一种:
单类支持向量机模型、孤立森林模型以及变分自编码器模型。
13.一种输入操作检测装置,包括:
获取模块,获取操作数据,其中,所述操作数据包括通过至少一个输入设备在应用程序的登录界面上执行输入操作生成的数据;
第一处理模块,处理所述操作数据得到数据特征;
第二处理模块,利用经训练识别模型处理所述特征数据以得到识别结果,所述识别结果表征所述输入操作是否为人为操作;以及
登录模块,在所述识别结果表征所述输入操作为人为操作时,允许登录所述应用程序。
14.一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序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执行根据权利要求1至12中任一项所述的方法。
15.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1至12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727397.XA CN111831991A (zh) | 2020-07-24 | 2020-07-24 | 输入操作检测方法、装置、计算设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010727397.XA CN111831991A (zh) | 2020-07-24 | 2020-07-24 | 输入操作检测方法、装置、计算设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111831991A true CN111831991A (zh) | 2020-10-27 |
Family
ID=72926290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010727397.XA Pending CN111831991A (zh) | 2020-07-24 | 2020-07-24 | 输入操作检测方法、装置、计算设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111831991A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113179281A (zh) * | 2021-05-26 | 2021-07-27 | 中国银行股份有限公司 | 一种撞库攻击的确定方法、装置、设备及存储介质 |
CN113723988A (zh) * | 2021-08-06 | 2021-11-30 | 银盛通信有限公司 | 一种券码抽奖方法、计算机设备及其存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106549920A (zh) * | 2015-09-21 | 2017-03-29 | 华为终端(东莞)有限公司 | 登录信息输入方法、登录信息保存方法及相关装置 |
WO2019153604A1 (zh) * | 2018-02-06 | 2019-08-15 | 平安科技(深圳)有限公司 | 人机识别模型的建立装置、方法及计算机可读存储介质 |
CN110808995A (zh) * | 2019-11-08 | 2020-02-18 | 中国工商银行股份有限公司 | 安全防护方法和装置 |
-
2020
- 2020-07-24 CN CN202010727397.XA patent/CN111831991A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106549920A (zh) * | 2015-09-21 | 2017-03-29 | 华为终端(东莞)有限公司 | 登录信息输入方法、登录信息保存方法及相关装置 |
WO2019153604A1 (zh) * | 2018-02-06 | 2019-08-15 | 平安科技(深圳)有限公司 | 人机识别模型的建立装置、方法及计算机可读存储介质 |
CN110808995A (zh) * | 2019-11-08 | 2020-02-18 | 中国工商银行股份有限公司 | 安全防护方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113179281A (zh) * | 2021-05-26 | 2021-07-27 | 中国银行股份有限公司 | 一种撞库攻击的确定方法、装置、设备及存储介质 |
CN113723988A (zh) * | 2021-08-06 | 2021-11-30 | 银盛通信有限公司 | 一种券码抽奖方法、计算机设备及其存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10055611B2 (en) | Secure remote application shares | |
CN113595968B (zh) | 一种基于云应用实例的登录方法、***及相关设备 | |
CN111931678B (zh) | 一种视频信息处理方法、装置、电子设备及存储介质 | |
CN106453209B (zh) | 一种身份验证方法和装置 | |
WO2017197826A1 (zh) | 图像特征关系的匹配方法、装置和*** | |
CN105471811A (zh) | 处理隐私空间的方法及隐私空间处理装置 | |
CN111831991A (zh) | 输入操作检测方法、装置、计算设备和介质 | |
Mohamed et al. | Dynamic cognitive game CAPTCHA usability and detection of streaming-based farming | |
CN107211030A (zh) | 使用智能图像的用于反钓鱼的方法和*** | |
US11640450B2 (en) | Authentication using features extracted based on cursor locations | |
CN114139135B (zh) | 设备登录管理方法、装置及存储介质 | |
CN113938697B (zh) | 直播间内的虚拟发言方法、装置及计算机设备 | |
CN110059064B (zh) | 日志文件处理方法、装置和计算机可读存储介质 | |
CN111090849A (zh) | 存储器、验证码实现方法、装置和设备 | |
CN107346197B (zh) | 一种信息显示方法及装置 | |
CN113496017A (zh) | 验证方法、装置、设备和存储介质 | |
CN111191143A (zh) | 应用推荐方法及装置 | |
CN115643049A (zh) | 一种基于加密流量分析的挖矿行为实时检测方法 | |
US11303672B2 (en) | Detecting replay attacks using action windows | |
CN110543754A (zh) | 存储器、验证码实现方法、装置和设备 | |
CN113413590A (zh) | 一种信息验证方法、装置、计算机设备及存储介质 | |
US9968844B2 (en) | Server and user device for providing a computer implemented game reward | |
JP2014074966A (ja) | タスク処理方法、プログラム及びシステム | |
Jin et al. | Ar captcha: Recognizing robot by augmented reality | |
CN112738065B (zh) | 验证方法及装置、计算设备和介质 |
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 |