[发明专利]分类器训练方法和装置、身份验证方法和系统

权利要求书

1.一种分类器训练方法，所述方法包括：

获取训练样本集；所述训练样本集中的每个训练样本包括用户身份属性和对应预设分类条件特征的特征值；

根据一种所述预设分类条件特征确定根结点处的分类条件，包括：统计训练样本集中每种预设分类条件特征的每种特征值所对应的用户身份属性为合法用户的训练样本的数量，根据训练样本集中对应统计的数量最多的特征值所对应的预设分类条件特征来确定根结点处的分类条件；

根据根结点处的分类条件将所述训练样本集中的训练样本进行分类，获得对应所述根结点的孩子结点的分类子集；将所述根结点的孩子结点作为当前结点；

根据另一种所述预设分类条件特征确定当前结点处的分类条件，包括：确定当前结点所对应的除去已用于确定当前路径中的结点处的分类条件的预设分类条件特征的剩余预设分类条件特征，统计当前结点所对应的分类子集中每种所述剩余预设分类条件特征的每种特征值所对应的用户身份属性为合法用户的训练样本的数量，根据当前结点所对应的统计的数量最多的特征值所对应的剩余预设分类条件特征来确定当前结点处的分类条件；

根据当前结点处的分类条件对当前结点所对应的分类子集中的训练样本进行分类，获得对应当前结点的孩子结点的分类子集；

将当前结点的孩子结点作为当前结点，继续执行所述根据另一种所述预设分类条件特征确定当前结点处的分类条件，根据当前结点处的分类条件对当前结点所对应的分类子集中的训练样本进行分类，获得对应当前结点的孩子结点的分类子集的步骤，直至当前结点所对应的分类子集中各个训练样本的相同的预设分类条件特征所对应的特征值分别相同或者当前结点的层数达到指定层数；

根据当前结点所对应的分类子集中对应最多训练样本的用户身份属性确定当前结点处的用户身份分类结果，获得决策树分类器。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本集，包括：

获取用于训练分类器的身份验证数据样本，所述身份验证数据样本包括用户证据数据以及经过验证而确定的证据验证结果和身份判定结果；

根据所述用户证据和所述证据验证结果提取对应预设分类条件特征的特征值；

根据所述身份验证数据样本所对应的提取的特征值和所述身份判定结果构建训练样本集中的训练样本。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取检验样本集；所述检验样本集中的每个检验样本包括用户身份属性和对应预设分类条件特征的特征值；

根据所述检验样本集中的每个检验样本的特征值，从所述决策树分类器的根结点处的分类条件开始逐层判断分类直至叶结点，根据该叶结点处的用户身份分类结果确定对应所述每个检验样本的身份判定结果；

根据所述检验样本集中的检验样本所对应的身份判定结果和用户身份属性计算所述决策树分类器的各个判断路径的准确率；

调整准确率低于预设准确率阈值的判断路径中的结点。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取用户反馈信息，根据所述反馈信息调整所述决策树分类器中与所述反馈信息相关的判断路径中的结点。

5.一种身份验证方法，所述方法包括：

接收用户终端发来的携带有待验证用户标识和待验证用户证据数据的身份验证请求；

获取对应所述待验证用户标识的用户数据，根据所述获取的用户数据对所述待验证用户证据数据进行验证而获得证据验证结果；

根据所述待验证用户证据数据和所述获得的证据验证结果提取对应预设分类条件特征的待验证特征值；

从决策树分类器的根结点处的分类条件开始，根据所述对应预设分类条件特征的待验证特征值逐层判断分类直至叶结点，根据该叶结点处的用户身份分类结果确定对应所述待验证用户标识的身份验证结果；所述决策树分类器根据权利要求1-4中任意一项所述的分类器训练方法训练获得。