[发明专利]一种判断识别对象是人类还是机器的方法

说明书

技术领域

本发明涉及互联网对象识别技术，尤其涉及到一种判断识别对象是人类还是机器的方法。

背景技术

当前互联网存在这样一种负面现象，即利用机器或软件替代人在特定网站注册、登录，从事抢票或灌水等非正常活动，给网站的正常经营造成极大干扰。一个典型的例子是针对铁路购票网站的机器注册活动。由于票源紧张，尤其是各大节日期间，火车票成为抢购的对象。为此，催生了抢票软件或“抢票机”。抢票软件或“抢票机”显然属于一种购票取巧行为，绝大多数没有利用抢票软件的购票者处于很明显的劣势，造成了购票活动的不公平。

大多数网站为遏制机器注册，通常使用图形验证码来识别操作对象是否是人类。图形验证码就是将一串随机的数字或者符号，生成一幅图片，然后在图片上加上一些干扰像素，用来迫使用户用肉眼来判断其中的随即字符串输入表单，提交到服务器验证。其工作流程大致如下：

1.服务端即时生成或者从现有的图库中产生一张待识别图片和其对应的识别码，图片需要进行防OCR(Optical Character Recognition)的一些处理。如加上背景杂色，字体连接等。

2.将待识别的图片发送到客户端，用户识别图片后输入用户识别出来的码。

3.服务端将用户输入的码与对应的识别码对比，如果用户输入与生成的识别码一致则识别通过。

这样有效地防止非法用户利用特定的破解程序进行不断地尝试来破解密码，在网站应用中可以有效地防止非法用户利用机器人注册，登录，灌水等。

但是，为了提升OCR机器识别的难度,图形验证码往往使用的一些图片人类肉眼也难以识别，所以真实的人类用户往往需要尝试多次才能将验证码输入正确，影响使用体验。并且，目前主流的图形验证码并没有充分考虑到色盲、色弱导致识别错误，不利于真实的人类用户登录。

发明内容

本发明所要解决的技术问题是提供一种判断识别对象是人类还是机器的方法，以克服现有技术的不足。

为解决上述技术问题，本发明提出了一种判断识别对象是人类还是机器的方法，包括以下步骤：

i.统计足够量的正常用户在登录前的鼠标移动轨迹；

ii.以所述正常登录用户的鼠标移动轨迹数据作为训练数据，使用K均值聚类算法，获取n个有效聚类；

iii.计算各个聚类边界轨迹与该聚类中心轨迹的弗雷歇距离D(i),i在1至n之间，代表聚类的序数；

iv.在未知用户登录验证时，以一定采样时间间隔采集该未知用户在发起登录请求之前一段时间内在网页上的鼠标位置；

v.所述未知用户发起登录请求后，分析所采集的鼠标位置时间序列数据；

vi.如果没有鼠标移动轨迹的，则判断该未知用户是非正常用户；如果所述鼠标位置时间序列数据形成鼠标移动轨迹，则

vii.计算所述鼠标移动轨迹相对所述第i个聚类中心轨迹的弗雷歇距离d(i)；

viii.按下列公式计算

W(i)＝|d(i)-D(i)|/D(i)*100％

ix.如果存在W(i)小于一定阈值，则判断该未知用户是正常用户，否则判断该未知用户是非正常用户。

优选的，所述n个有效聚类中n取值范围为10～15。

优选的，所述步骤iv中的采样时间间隔的取值范围为0.05～0.1秒。

优选的，所述步骤iv中的该未知用户在发起登录请求之前一段时间的取值范围为30秒～1分钟。

优选的，所述阈值的取值范围为50％～70％。

本发明摒弃了现有常规的OCR机器识别登录判别方式，通过比对未知用户在登录前的鼠标移动轨迹相对正常用户登录前的鼠标轨迹的弗雷歇距离，判断未知用户是正常用户还是非正常用户。本发明具有用户识别方便、准确，使用体验好的优点，值得广泛推广应用。

附图说明

下面结合附图和具体实施方式对本发明的技术方案作进一步具体说明。

图1为本发明具体实施方式的两大部分整体框图。

图2为生成验证模板的具体流程图。

图3为实际登录验证的具体流程图。

具体实施方式

如图1所示，本发明包括两大部分，即生成验证模板P1部分和实际登录验证P2。

如图2所示，生成验证模板包括以下步骤：

S1.统计足够量的正常用户在登录前的鼠标移动轨迹；

S2.以所述正常登录用户的鼠标移动轨迹数据作为训练数据，使用K均值聚类算法，获取n个有效聚类；