[发明专利]分类器训练方法和装置、身份验证方法和系统

说明书

本发明提供了一种分类器训练方法，包括：获取训练样本集；根据一种预设分类条件特征确定根结点处的分类条件，根据根结点处的分类条件将训练样本集中的训练样本进行分类，获得对应根结点的孩子结点的分类子集；将根结点的孩子结点作为当前结点；循环执行根据另一种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叶结点；确定当前结点处的用户身份分类结果，获得决策树分类器。本发明提供的分类器训练方法训练获得的决策树分类器分类性能好。本发明还提供了一种分类器训练装置、身份验证方法和系统。

技术领域

本发明涉及计算机安全技术领域，特别是涉及一种分类器训练方法和装置、身份验证方法和系统。

背景技术

账号是用户在互联网中的数字化代表，是用于识别不同的用户的重要依据。然而账号有时会出现账号的真实拥有者无法使用自己账号的情况，比如用户自己可能忘记密码，或者账号被恶意用户盗取并恶意修改了密码等，这种情况下就需要对用户身份进行验证，从而进行账号归属判断，在确认其为账号的合法用户时才会应用户要求修改密码，使其具有对该账号的控制权。这个过程通常可称为账号申诉。

目前对用户进行身份验证并据以进行账号归属判断，需要用户提交证据，证据通常是证明用户曾经拥有这个账号的证明信息。然后服务器对提交的每项证据进行对错判断，然后依据对错判断结果加权打分，最后通过判断加权打分的分数是否超过分数阈值来判断提交证据的用户是否为该账号的合法用户。

然而，通过加权打分来对用户进行身份验证，验证结果的准确性依赖于用户提供证据的多少，其验证结果准确性并不高，尤其是用户提交的证据数量较少的情况下，即使提供的证据完全正确也无法验证成功。

发明内容

基于此，有必要针对通过加权打分来对用户进行身份验证准确性不高的问题，提供一种分类器训练方法和装置、身份验证方法和系统。

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，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，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。

一种分类器训练装置，所述装置包括：

训练样本集获取模块，用于获取训练样本集；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；

根结点训练模块，用于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，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；