[发明专利]一种验证方法及装置

权利要求书

1.一种验证方法，其特征在于，包括：

获取用户验证数据，所述用户验证数据为经用户行为产生的验证数据；

根据所述用户验证数据，通过机器模拟生成机器验证数据；所述机器验证数据用于表征经机器行为产生的验证数据；具体包括：将所述用户验证数据根据预设规则转换为第一图片；通过深度卷积生产对抗网络，对所述第一图片进行特征提取，并根据提取的特征生成第二图片；将所述第二图片根据所述预设规则转换为机器验证数据；

将所述用户验证数据作为正样本，所述机器验证数据作为负样本，经机器学习生成用户验证行为模型；所述用户验证行为模型用于判断验证请求为用户行为还是机器行为。

2.如权利要求1所述的方法，其特征在于，所述将所述用户验证数据根据预设规则转换为第一图片，包括：

若确定所述用户验证数据为3维数据，则将所述3维数据转换为所述第一图片的3维颜色数据；

若确定所述用户验证数据为4维数据，则将所述4维数据转换所述第一图片的3维颜色数据和透明度数据。

3.如权利要求2所述的方法，其特征在于，所述用户验证数据包括以下至少之一：用户鼠标移动数据，用户滑动轨迹数据，用户鼠标点击数据，用户光标变化数据，用户设备的传感器数据；所述用户验证数据包括位置数据和时间数据；

所述用户鼠标点击数据还包括点击键数据，所述用户光标变化数据还包括光标变化触发类型数据；所述用户设备的传感器数据还包括压力传感数据或陀螺仪传感数据。

4.如权利要求1所述的方法，其特征在于，所述将所述用户验证数据作为正样本，所述机器验证数据作为负样本，经机器学习生成用户验证行为模型，包括：

根据所述用户验证数据，确定M个特征点；将所述M个特征点划分为N个特征集；

从所述正样本和所述负样本中，确定训练样本和测试样本；

通过集成机器学习模型和所述训练样本，训练所述N个特征集对应的N个模型；根据所述测试样本，确定所述N个模型的准确率；

根据各模型的准确率，确定从各模型对应的特征集中选取的特征点的数量；根据选取的特征点更新所述N个特征集，并返回至训练所述N个特征集对应的N个模型的步骤；其中，选取的特征点的数量与准确率呈正向关系；

若确定相邻两次训练的N个模型的准确率小于预设阈值，则将最后一次训练的N个模型作为所述用户验证行为模型；所述N为大于1的正整数。

5.如权利要求3所述的方法，其特征在于，最后一次训练为第P次；

根据各模型的准确率，确定从各模型对应的特征集中选取的特征点的数量，包括：

针对第2至第P-1次中的每一次，执行：

从当前N个模型和前一次N个模型中，选取准确率最高的N个模型；

根据所述准确率最高的N个模型的准确率，确定从各模型对应的特征集中选取的特征点的数量；

所述根据选取的特征点更新所述N个特征集，包括：

将选取的特征点随机交叉，生成N个特征集。

6.一种验证方法，其特征在于，包括：

获取验证请求中的用户验证数据；将所述用户验证数据输入用户验证行为模型，确定所述验证请求为用户行为还是机器行为，所述用户验证行为模型为根据权利要求1至5任一项所述的方法得到的。

7.一种验证装置，其特征在于，包括：

获取单元，用于获取用户验证数据，所述用户验证数据为经用户行为产生的验证数据；

处理单元，用于根据所述用户验证数据，通过机器模拟生成机器验证数据；所述机器验证数据用于表征经机器行为产生的验证数据；所述处理单元具体用于：将所述用户验证数据根据预设规则转换为第一图片；通过深度卷积生产对抗网络，对所述第一图片进行特征提取，并根据提取的特征生成第二图片；将所述第二图片根据所述预设规则转换为机器验证数据；将所述用户验证数据作为正样本，所述机器验证数据作为负样本，经机器学习生成用户验证行为模型；所述用户验证行为模型用于判断验证请求为用户行为还是机器行为。