[发明专利]人机识别方法、设备和介质

权利要求书

1.一种非感知方式的人机识别方法，包括：

响应于来自终端设备的人机识别请求，接收由所述终端设备采集的原始数据，其中，所述原始数据是在所述终端设备上实时地收集的多种类别的数据，并且包括由终端设备在前端采集的多种行为数据、以及关于所述终端设备的本地属性数据和基础环境数据，其中所述多种行为数据包括针对所述终端设备处的操作行为的行为数据，所述本地属性数据包括关于所述终端设备自身的属性数据，所述操作行为与基于有感知的验证码方式的用户操作行为不同；

从所述原始数据中提取第一数量的多个维度的特征，其中，所述第一数量与所述原始数据的类别数量彼此独立；

将所述第一数量的多个维度的特征分别输入至第二数量的多个用户行为模型，并且从所述第二数量的多个用户行为模型输出第二数量的多个人机预测子概率，其中，所述第一数量与所述第二数量彼此独立，并且所述第二数量的多个用户行为模型是关于同一样本库分别基于不同的监督分类算法来训练而得到的；

基于所述第二数量的多个人机预测子概率的平均值来确定人机预测概率；

将所述人机预测概率与所述终端设备相关联地存储在一数据库中；

从所述数据库中搜索并获取所述终端设备的多个历史人机预测概率；以及

将当前的人机预测概率和所述多个历史人机预测概率输入到一加权模型，并以所述加权模型的输出来更新所述人机预测概率，其中，与所述当前的人机预测概率对应的权重最大，与时间越早的所述历史人机预测概率对应的权重越小；以及

基于更新的所述人机预测概率，得到关于所述终端设备处的操作行为的人机识别结果。

2.根据权利要求1所述的方法，其中所述第二数量的多个用户行为模型是关于同一样本库分别基于不同的监督分类算法来训练而得到的。

3.根据权利要求1所述的方法，进一步包括：

基于所述数据库更新所述样本库；以及

以更新后的样本库重新训练所述第二数量的多个用户行为模型。

4.根据权利要求1所述的方法，其中在从所述原始数据中提取第一数量的多个维度的特征的步骤之后，进一步包括：

对提取出的特征执行增强处理，以得到第三数量的多个维度的特征。

5.根据权利要求1所述的方法，进一步包括：

响应于来自终端设备的人机识别请求，向所述终端设备发送一令牌，其中所述令牌与所述终端设备的人机预测概率相关联。

6.一种非感知方式的人机识别设备，包括：

通信单元，用于响应于来自终端设备的人机识别请求，接收由所述终端设备采集的原始数据，其中，所述原始数据是在所述终端设备上实时地收集的多种类别的数据，并且包括由终端设备在前端采集的多种行为数据、以及关于所述终端设备的本地属性数据和基础环境数据，其中所述多种行为数据包括针对所述终端设备处的操作行为的行为数据，所述本地属性数据包括关于所述终端设备自身的属性数据，所述操作行为与基于有感知的验证码方式的用户操作行为不同；

提取单元，用于所述原始数据中提取第一数量的多个维度的特征，其中，所述第一数量与所述原始数据的类别数量彼此独立；以及

处理单元，用于将所述第一数量的多个维度的特征分别输入至第二数量的多个用户行为模型，从所述第二数量的多个用户行为模型输出第二数量的多个人机预测子概率；基于所述第二数量的多个人机预测子概率的平均值来确定人机预测概率，其中，所述第一数量与所述第二数量彼此独立，并且所述第二数量的多个用户行为模型是关于同一样本库分别基于不同的监督分类算法来训练而得到的；。

存储单元，用于存储一数据库，并且，其中，将所述人机预测概率与所述终端设备相关联地存储在所述数据库中；

历史查询单元，用于从所述数据库中搜索并获取所述终端设备的多个历史人机预测概率，并且

其中所述处理单元进一步被配置为：将当前的人机预测概率和所述多个历史人机预测概率输入到一加权模型，并以所述加权模型的输出来更新所述人机预测概率，并基于更新的所述人机预测概率，得到关于所述终端设备处的操作行为的人机识别结果，其中，与所述当前的人机预测概率对应的权重最大，与时间越早的所述历史人机预测概率对应的权重越小。