本發(fā)明涉及通信領(lǐng)域，更為具體而言，涉及用戶身份的驗證方法及裝置。

背景技術(shù)：

隨著電子商務(wù)的不斷發(fā)展，非現(xiàn)金的電子渠道已經(jīng)成為用戶資金交易的主要途徑，資金交易的安全性是各個交易平臺重點關(guān)注的內(nèi)容。在現(xiàn)有技術(shù)當(dāng)中，通常采用用戶設(shè)置的方式來確定進行用戶身份驗證的驗證手段(例如，靜態(tài)密碼、短信驗證碼、以及生物特征識別等)，即由用戶自行設(shè)置針對某金額范圍或某交易可以只使用靜態(tài)密碼或者短信驗證碼這樣安全性較低但便捷的驗證手段。然而，由于用戶的安全意識參差不齊，因此用戶可能會進行不當(dāng)?shù)脑O(shè)置，進而產(chǎn)生較大的安全隱患。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明提供了用戶身份的驗證方法及裝置。

一方面，本發(fā)明的實施方式提供了一種用戶身份的驗證方法，所述方法包括：

基于交易數(shù)據(jù)計算用戶所進行的交易的風(fēng)險等級；

識別與所述風(fēng)險等級對應(yīng)的驗證手段；

利用所述驗證手段對所述用戶的身份進行驗證。

另一方面，本發(fā)明的實施方式提供了一種用戶身份的驗證裝置，所述裝置包括：

計算模塊，用于基于交易數(shù)據(jù)計算用戶所進行的交易的風(fēng)險等級；

識別模塊，用于識別與所述風(fēng)險等級對應(yīng)的驗證手段；

驗證模塊，用于利用所述驗證手段對所述用戶的身份進行驗證。

在本發(fā)明實施方式中，基于交易數(shù)據(jù)計算交易的風(fēng)險等級，避免了人為主觀因素的影響，使得風(fēng)險等級的確定更加客觀、合理，從而提高了用戶身份驗證的可靠性以及交易的安全性。

附圖說明

圖1是根據(jù)本發(fā)明方法實施方式1的用戶身份的驗證方法的流程圖；

圖2示出了圖1所示的處理S11的一種實施方式；

圖3示出了圖1所示的處理S11的另一種實施方式；

圖4示出了圖3所示的處理S114’的一種實施方式；

圖5是根據(jù)本發(fā)明裝置實施方式1的用戶身份的驗證裝置的結(jié)構(gòu)示意圖；

圖6示出了圖5所示的計算模塊11的一種實施方式；

圖7示出了圖5所示的計算模塊11的另一種實施方式。

具體實施方式

以下結(jié)合附圖和具體實施方式對本發(fā)明的各個方面進行詳細(xì)闡述。其中，在本發(fā)明的各個具體實施方式中，眾所周知的模塊、單元及其相互之間的連接、鏈接、通信或操作沒有示出或未作詳細(xì)說明。

并且，所描述的特征、架構(gòu)或功能可在一個或一個以上實施例中以任何方式組合。

此外，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下述的各種實施方式只用于舉例說明，而非用于限制本發(fā)明的保護范圍。本領(lǐng)域的技術(shù)人員還可以容易理解，本文所述和附圖所示的各實施方式中的模塊或單元或步驟可以按多種不同配置進行組合和設(shè)計。

對于未在本說明書中進行具體說明的技術(shù)術(shù)語，除非另有特定說明，都應(yīng)以本領(lǐng)域最寬泛的意思進行解釋。

【方法實施方式1】

圖1是根據(jù)本發(fā)明方法實施方式1的用戶身份的驗證方法的流程圖。參見圖1，在本實施方式中，所述方法包括：

S11：基于交易數(shù)據(jù)計算用戶所進行的交易的風(fēng)險等級。

S12：識別與所述風(fēng)險等級對應(yīng)的驗證手段。

S13：利用所述驗證手段對所述用戶的身份進行驗證。

其中，交易數(shù)據(jù)中的數(shù)據(jù)項(或者屬性)例如包括但不限于：執(zhí)行交易的終端設(shè)備的硬件信息、該終端設(shè)備的地理位置信息、交易時間信息、交易類型信息、交易對象信息、以及交易金額信息等。

此外，驗證手段例如包括但不限于：靜態(tài)密碼、短信驗證碼、生物特征識別、以及數(shù)字證書等。

在本發(fā)明中，基于交易數(shù)據(jù)計算交易的風(fēng)險等級，避免了人為主觀因素的影響，使得風(fēng)險等級的確定更加客觀、合理，從而提高了用戶身份驗證的可靠性以及交易的安全性。

【方法實施方式2】

本實施方式所提供的方法包括了方法實施方式1中的全部內(nèi)容，在此不再贅述。其中，在本實施方式中，處理S11通過下述處理實現(xiàn)：

將所述交易的交易數(shù)據(jù)輸入到分類模型中以得到所述風(fēng)險等級。

其中，所述分類模型又稱為分類器，能夠把數(shù)據(jù)映射到給定類別中的某一個，從而可以應(yīng)用于數(shù)據(jù)預(yù)測，其中用到的算法包括決策樹、邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等。

下面對構(gòu)造所述分類模型(分類器)的過程進行具體說明。

首先，從用戶的歷史交易數(shù)據(jù)中選定樣本數(shù)據(jù)，對樣本數(shù)據(jù)進行分類，標(biāo)記每一條樣本數(shù)據(jù)對應(yīng)的類型，即添加分類標(biāo)記，將添加分類標(biāo)記后的樣本數(shù)據(jù)分為訓(xùn)練集和驗證集，其中，訓(xùn)練集和驗證集的交集為空；然后執(zhí)行下述處理：

1、選取一個分類算法，例如樸素貝葉斯算法，讀取訓(xùn)練集數(shù)據(jù)從而計算出分類器中的各項參數(shù)，根據(jù)訓(xùn)練結(jié)果調(diào)整訓(xùn)練集或?qū)Ψ诸惼髟黾宇A(yù)設(shè)的輸入?yún)?shù)；

2、在訓(xùn)練集的分類結(jié)果符合預(yù)期后(評估指標(biāo)例如包括但不限于：魯棒性、執(zhí)行速度、算法的準(zhǔn)確率和召回率以及F1值(準(zhǔn)確率與召回率的調(diào)和平均))，對驗證集數(shù)據(jù)進行分類，并將分類結(jié)果與分類標(biāo)記進行對比，并得出分類模型的準(zhǔn)確率等；

3、基于驗證集分類結(jié)果的準(zhǔn)確率判斷是否采用此分類器，若是，則采用此分類器，若否，則返回處理1。

【方法實施方式3】

本實施方式所提供的方法包括了方法實施方式1中的全部內(nèi)容，在此不再贅述。其中，如圖2所示，在本實施方式中，處理S11包括下述處理：

S111：利用預(yù)測模型預(yù)測所述交易的預(yù)測交易數(shù)據(jù)。

S112：基于所述交易的實際交易數(shù)據(jù)和所述預(yù)測交易數(shù)據(jù)得到所述風(fēng)險等級。

其中，類似于分類模型的構(gòu)建過程，先利用訓(xùn)練集構(gòu)建預(yù)測模型，其中，采用與分類模型相同的評估指標(biāo)，再利用驗證集對預(yù)測模型進行驗證，但用于構(gòu)建預(yù)測模型的訓(xùn)練集和驗證集無需引入分類標(biāo)記。

由于樣本數(shù)據(jù)的具體數(shù)值可能存在離散程度較大的問題，因此，優(yōu)選地，在本發(fā)明的一些其他實施方式中，可以根據(jù)實際情況對樣本數(shù)據(jù)進行變換或歸約，如數(shù)據(jù)的等比例縮小，或?qū)?shù)據(jù)進行泛化。

此外，在本發(fā)明的一些其他實施方式中，預(yù)測模型可以采用回歸模型與時間序列模型的二維預(yù)測方式，在二維預(yù)測中對回歸模型和時間序列模型給予不同的權(quán)重。

當(dāng)然本發(fā)明的實施方式不限于此，本領(lǐng)域的技術(shù)人員可以根據(jù)實際需要合理選擇其他多種數(shù)學(xué)模型以組成多維預(yù)測方式。例如，預(yù)測模型也可以采用回歸模型、時間序列模型和灰色預(yù)測模型的三維預(yù)測方式。

【方法實施方式4】

本實施方式所提供的方法包括了方法實施方式1中的全部內(nèi)容，在此不再贅述。其中，如圖3所示，在本實施方式中，處理S11包括下述處理：

S111’：利用預(yù)測模型預(yù)測所述交易的預(yù)測交易數(shù)據(jù)。

S112’：基于所述交易的實際交易數(shù)據(jù)和所述預(yù)測交易數(shù)據(jù)得到所述交易的第一子風(fēng)險等級。

S113’：將所述實際交易數(shù)據(jù)輸入到分類模型中以得到所述交易的第二子風(fēng)險等級。

S114’：依據(jù)所述第一子風(fēng)險等級和所述第二子風(fēng)險等級得到所述風(fēng)險等級。

當(dāng)然，本發(fā)明的實施方式不限于此，本領(lǐng)域的技術(shù)人員可以根據(jù)實際需要調(diào)整上述各處理的執(zhí)行順序，例如，可以先執(zhí)行處理S113’再執(zhí)行S111’至S112’。

【方法實施方式5】

本實施方式所提供的方法包括了方法實施方式4中的全部內(nèi)容，在此不再贅述。其中，如圖4所示，在本實施方式中，處理S114’包括下述處理：

S1141’：對所述第一子風(fēng)險等級和所述第二子風(fēng)險等級分別進行加權(quán)。

S1142’：依據(jù)經(jīng)加權(quán)的所述第一子風(fēng)險等級和經(jīng)加權(quán)的所述第二子風(fēng)險等級得到所述風(fēng)險等級。

在本實施方式中，對所述第一子風(fēng)險等級和所述第二子風(fēng)險等級分別設(shè)置權(quán)重。因此可以通過調(diào)整權(quán)重來平衡第一子風(fēng)險等級和第二子風(fēng)險等級，從而能夠更加合理地確定最終的風(fēng)險等級。

為提高分類和預(yù)測的準(zhǔn)確度，在本發(fā)明的一些其他實施方式中，可以對樣本數(shù)據(jù)進行預(yù)處理。首先，由于用戶的數(shù)據(jù)分散在各個服務(wù)的數(shù)據(jù)庫中，且這些數(shù)據(jù)庫中部分?jǐn)?shù)據(jù)可能對于數(shù)據(jù)挖掘是冗余的，因此，需要預(yù)先定義樣本數(shù)據(jù)的數(shù)據(jù)類型。根據(jù)定義創(chuàng)建數(shù)據(jù)庫，將各個服務(wù)中的數(shù)據(jù)提取到建模中使用的數(shù)據(jù)庫中。然后，再設(shè)定數(shù)據(jù)類型的取值范圍，對缺失數(shù)據(jù)進行補充(用某個最常用的值代替或者根據(jù)統(tǒng)計用某個最可能的值代替)，并且剔除錯誤數(shù)據(jù)。

【裝置實施方式1】

圖5是根據(jù)本發(fā)明裝置實施方式1的用戶身份的驗證裝置的結(jié)構(gòu)示意圖。參見圖5，裝置1包括：計算模塊11、識別模塊12、以及驗證模塊13，具體地：

計算模塊11用于基于交易數(shù)據(jù)計算用戶所進行的交易的風(fēng)險等級。

識別模塊12用于識別與計算模塊11計算出的風(fēng)險等級對應(yīng)的驗證手段。

驗證模塊13用于利用識別模塊12識別出的驗證手段對所述用戶的身份進行驗證。

其中，交易數(shù)據(jù)中的數(shù)據(jù)項(或者屬性)例如包括但不限于：執(zhí)行交易的終端設(shè)備的硬件信息、該終端設(shè)備的地理位置信息、交易時間信息、交易類型信息、交易對象信息、以及交易金額信息等。

此外，驗證手段例如包括但不限于：靜態(tài)密碼、短信驗證碼、生物特征識別、以及數(shù)字證書等。

在本發(fā)明中，基于交易數(shù)據(jù)計算交易的風(fēng)險等級，避免了人為主觀因素的影響，使得風(fēng)險等級的確定更加客觀、合理，從而提高了用戶身份驗證的可靠性以及交易的安全性。

【裝置實施方式2】

本實施方式所提供的裝置包括了裝置實施方式1中的全部內(nèi)容，在此不再贅述。其中，在本實施方式中，計算模塊11包括用于將所述交易的交易數(shù)據(jù)輸入到分類模型中以得到所述風(fēng)險等級的計算單元。

其中，所述分類模型又稱為分類器，能夠把數(shù)據(jù)映射到給定類別中的某一個，從而可以應(yīng)用于數(shù)據(jù)預(yù)測，其中用到的算法包括決策樹、邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等。

下面對構(gòu)造所述分類模型(分類器)的過程進行具體說明。

首先，從用戶的歷史交易數(shù)據(jù)中選定樣本數(shù)據(jù)，對樣本數(shù)據(jù)進行分類，標(biāo)記每一條樣本數(shù)據(jù)對應(yīng)的類型，即添加分類標(biāo)記，將添加分類標(biāo)記后的樣本數(shù)據(jù)分為訓(xùn)練集和驗證集，其中，訓(xùn)練集和驗證集的交集為空；然后執(zhí)行下述處理：

1、選取一個分類算法，例如樸素貝葉斯算法，讀取訓(xùn)練集數(shù)據(jù)從而計算出分類器中的各項參數(shù)，根據(jù)訓(xùn)練結(jié)果調(diào)整訓(xùn)練集或?qū)Ψ诸惼髟黾宇A(yù)設(shè)的輸入?yún)?shù)；

2、在訓(xùn)練集的分類結(jié)果符合預(yù)期后(評估指標(biāo)例如包括但不限于：魯棒性、執(zhí)行速度、算法的準(zhǔn)確率和召回率以及F1值(準(zhǔn)確率與召回率的調(diào)和平均))，對驗證集數(shù)據(jù)進行分類，并將分類結(jié)果與分類標(biāo)記進行對比，并得出分類模型的準(zhǔn)確率等；

3、基于驗證集分類結(jié)果的準(zhǔn)確率判斷是否采用此分類器，若是，則采用此分類器，若否，則返回處理1。

【裝置實施方式3】

本實施方式所提供的裝置包括了裝置實施方式1中的全部內(nèi)容，在此不再贅述。其中，如圖6所示，在本實施方式中，計算模塊11包括：預(yù)測單元111和計算單元112，具體地：

預(yù)測單元111用于利用預(yù)測模型預(yù)測所述交易的預(yù)測交易數(shù)據(jù)。

計算單元112用于基于所述交易的實際交易數(shù)據(jù)和預(yù)測單元111預(yù)測出的預(yù)測交易數(shù)據(jù)得到所述風(fēng)險等級。

其中，類似于分類模型的構(gòu)建過程，先利用訓(xùn)練集構(gòu)建預(yù)測模型，其中，采用與分類模型相同的評估指標(biāo)，再利用驗證集對預(yù)測模型進行驗證，但用于構(gòu)建預(yù)測模型的訓(xùn)練集和驗證集無需引入分類標(biāo)記。

由于樣本數(shù)據(jù)的具體數(shù)值可能存在離散程度較大的問題，因此，優(yōu)選地，在本發(fā)明的一些其他實施方式中，可以根據(jù)實際情況對樣本數(shù)據(jù)進行變換或歸約，如數(shù)據(jù)的等比例縮小，或?qū)?shù)據(jù)進行泛化。

此外，在本發(fā)明的一些其他實施方式中，預(yù)測模型可以采用回歸模型與時間序列模型的二維預(yù)測方式，在二維預(yù)測中對回歸模型和時間序列模型給予不同的權(quán)重。

當(dāng)然本發(fā)明的實施方式不限于此，本領(lǐng)域的技術(shù)人員可以根據(jù)實際需要合理選擇其他多種數(shù)學(xué)模型以組成多維預(yù)測方式。例如，預(yù)測模型也可以采用回歸模型、時間序列模型和灰色預(yù)測模型的三維預(yù)測方式。

【裝置實施方式4】

本實施方式所提供的裝置包括了裝置實施方式1中的全部內(nèi)容，在此不再贅述。其中，如圖7所示，在本實施方式中，計算模塊11包括：預(yù)測單元111’、第一計算單元112’、第二計算單元113’、以及第三計算單元114’，具體地：

預(yù)測單元111’用于利用預(yù)測模型預(yù)測所述交易的預(yù)測交易數(shù)據(jù)。

第一計算單元112’用于基于所述交易的實際交易數(shù)據(jù)和預(yù)測單元111’預(yù)測出的預(yù)測交易數(shù)據(jù)得到所述交易的第一子風(fēng)險等級。

第二計算單元113’用于將所述實際交易數(shù)據(jù)輸入到分類模型中以得到所述交易的第二子風(fēng)險等級。

第三計算單元114’用于依據(jù)第一計算單元112’得到的第一子風(fēng)險等級和第二計算單元113’得到的第二子風(fēng)險等級得到所述風(fēng)險等級。

【裝置實施方式5】

本實施方式所提供的裝置包括了裝置實施方式4中的全部內(nèi)容，在此不再贅述。其中，在本實施方式中，第三計算單元114’包括加權(quán)組件以及計算組件，具體地：

加權(quán)組件用于對所述第一子風(fēng)險等級和所述第二子風(fēng)險等級分別進行加權(quán)。

計算組件用于依據(jù)經(jīng)加權(quán)的所述第一子風(fēng)險等級和經(jīng)加權(quán)的所述第二子風(fēng)險等級得到所述風(fēng)險等級。

在本實施方式中，對所述第一子風(fēng)險等級和所述第二子風(fēng)險等級分別設(shè)置權(quán)重。因此可以通過調(diào)整權(quán)重來平衡第一子風(fēng)險等級和第二子風(fēng)險等級，從而能夠更加合理地確定最終的風(fēng)險等級。

本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可全部通過軟件實現(xiàn)，也可借助軟件結(jié)合硬件平臺的方式來實現(xiàn)?；谶@樣的理解，本發(fā)明的技術(shù)方案對背景技術(shù)做出貢獻的全部或者部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，所述計算機軟件產(chǎn)品可以存儲在存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，智能手機或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施方式或者實施方式的某些部分所述的方法。

本發(fā)明說明書中使用的術(shù)語和措辭僅僅為了舉例說明，并不意味構(gòu)成限定。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，在不脫離所公開的實施方式的基本原理的前提下，對上述實施方式中的各細(xì)節(jié)可進行各種變化。因此，本發(fā)明的范圍只由權(quán)利要求確定，在權(quán)利要求中，除非另有說明，所有的術(shù)語應(yīng)按最寬泛合理的意思進行理解。