[发明专利]滑块验证的方法和系统及其模型训练方法

说明书

本公开提供了一种滑块验证模型的训练方法，包括：获取多条滑动轨迹的样本数据；基于所述样本数据得到每条滑动轨迹的多个特征集合；分别利用所述多个特征集合训练得到多组验证模型；其中，所述多组验证模型用于分别对待验证滑动轨迹的不同特征集合进行验证，以基于多种验证结果得到最终验证结果。本公开还提供了一种滑块验证模型的训练系统、滑块验证方法和系统。

技术领域

本公开涉及互联网技术领域，更具体地，涉及滑块验证方法和系统及其模型训练方法。

背景技术

随着科技的发展，互联网已经渗透至人们生活的方方面面，为了保障用户的信息和财产安全，许多情况下需要用户进行安全验证，以区分是机器或者是人类进行的操作，其中，相较于传统的验证码要识别字母、数字或者点选文字图像等方式，滑块验证以其便捷、用户体验友好、简单有效等优点越来越多地受到人们的关注。但是随着黑客技术的发展，很多黑客会把机器先伪装成人移动滑块完成验证，然后再对服务端进行攻击。所以如何利用滑动轨迹判断到底是人还是机器就变成了一个非常重要的课题。

在实现本发明公开构思的过程中，发明人发现现有技术中至少存在如下问题：

现有的滑块验证方法都非常简单，主要是通过一些简单的规则来判断，例如判断滑动轨迹是否笔直，鼠标的横纵坐标有没有变化等。这些简单规则仅仅可以分辨出伪装的非常粗糙的轨迹，对于那些模仿的非常像人类的轨迹是无法分辨的。

发明内容

有鉴于此，本公开提供了一种滑块验证模型的训练方法，包括：获取多条滑动轨迹的样本数据；基于所述样本数据得到每条滑动轨迹的多个特征集合；分别利用所述多个特征集合训练得到多组验证模型；其中，所述多组验证模型用于分别对待验证滑动轨迹的不同特征集合进行验证，以基于多种验证结果得到最终验证结果。

根据本公开的实施例，所述基于所述样本数据得到每条滑动轨迹的多个特征集合包括：基于所述样本数据得到每条滑动轨迹的多个基础特征集和一个辅助特征集；其中，每个特征集合包括所述辅助特征集和一个基础特征集，所述基础特征集为验证所需的必要特征，所述辅助特征集为非必要特征。

根据本公开的实施例，在所述分别利用所述多个特征集合训练得到多组验证模型中，对于其中每个特征集合有如下操作：利用一个特征集合训练一种或多种模型得到一种或多种验证模型，作为一组验证模型；其中，每个特征集合训练的模型的种类和数量相同。

根据本公开的实施例，所述样本数据分为训练集样本数据和测试集样本数据；所述利用一个特征集合训练一种或多种模型得到一种或多种验证模型，作为一组验证模型包括：利用训练集样本数据的基础特征集训练第一模型得到第一初始验证模型；基于所述第一初始验证模型和所述测试集样本数据选出部分测试集样本数据加入所述训练集样本数据；利用扩充后的训练集样本数据的基础特征集和辅助特征集训练一种或多种模型得到一种或多种验证模型，作为一组验证模型；其中，所述一种或多种模型包括或不包括所述第一模型。

根据本公开的实施例，所述利用扩充后的训练集样本数据的基础特征集和辅助特征集训练一种或多种模型得到一种或多种验证模型，作为一组验证模型包括：将选出的部分测试集样本数据分为多个子部分测试集样本数据；将训练集样本数据和每一子部分测试集样本数据作为一组训练数据，利用多组训练数据分别对所述一种或多种模型中的每种模型进行训练得到属于每种验证模型的多个子验证模型，将每种验证模型的多个子验证模型作为第一组验证模型。