[发明专利]验证码的人机识别方法

说明书

本发明公开了一种验证码的人机识别方法，包括：收集样本数据集，样本数据集包括一组或多组训练样本数据以及针对每组训练样本数据设定的相对应的标签，标签表示用户的属性；使用样本数据集来训练机器学习模型；采集实时用户数据；以及根据机器学习模型对实时用户数据进行预测，以确定用户的属性。

技术领域

本公开内容主要涉及机器学习的技术领域，更具体来说，涉及滑块验证码的人机识别方法。

背景技术

人机识别，是用于识别登录者是正常用户还是异常用户，区分计算机与人的安全自动化的公共图灵机测试。异常用户，即计算机或者机器，可以通过不断地访问网站来请求登陆，并模拟正常用户进行验证码的输入来对网站服务进行攻击。因此，通过识别发起登陆请求的是正常用户还是异常用户对大型网站进行防御攻击变得至关重要。

验证码(CAPTCHA)是“Completely Automated Public Turing test to tellComputers and Humans Apart”(全自动区分计算机和人类的图灵测试)的缩写，是一种区分用户是计算机还是正常用户的公共全自动程序，从而能够自动防止恶意用户用特定程序对网站进行不断的登录尝试。滑块验证码是验证码的一种，是指在验证码验证阶段，要求用户拖动滑块至某一位置，从而达到验证效果的一类验证码。

目前一种识别登录者是正常用户或异常用户的方法是利用从服务器日志中获取的数据建立例如隐半马尔科夫模型(Hidden Semi-Markov model，简称HsMM)的用户浏览行为模型来监测用户访问的正常性。这种模型通常属于统计模型，准确性较低并且识别速度较慢。此外，在验证码为滑块验证码的情况下，在用户拖动滑块验证码的阶段，如何有效地建立精确和鲁棒的模型来识别正常用户还是异常用户，依然没有一个很好的解决方案。

因此，目前需要本领域技术人员迫切解决的一个技术问题是：如何建立一个准确且鲁棒的用户识别模型，以准确快速识别登录验证的用户是正常用户还是异常用户。

发明内容

鉴于上面提及的现有技术中缺乏准确和鲁棒的模型来识别用户是正常用户还是异常用户的技术问题，本发明提出了一种利用机器学习模型来进行人机识别的方法。机器学习是人工智能的一种，它的主要目的在于利用以往的经验或数据，通过能让计算机自动“学习”的算法，从大量数据中获得一定的规律，从而对未来的数据进行预测或推理。

在一个实施例中，本发明提供了一种验证码的人机识别方法，包括：收集样本数据集，所述样本数据集包括一组或多组训练样本数据以及分别针对每组训练样本数据设定的标签，所述标签表示用户的属性；使用所述样本数据集来训练机器学习模型；采集实时用户数据；以及根据所述机器学习模型对所述实时用户数据进行预测，以确定所述用户的属性。

在另一个实施例中，本发明还提供了一种计算机设备，包括：处理器；存储设备，所述存储设备包括存储在其上的计算机指令，所述计算机指令在被所述处理器执行时，使得所述处理器执行以下操作：收集样本数据集，所述样本数据集包括一组或多组训练样本数据以及分别针对每组训练样本数据设定的标签，所述标签表示用户的属性；使用所述样本数据集来训练机器学习模型；采集实时用户数据；以及根据所述机器学习模型对所述实时用户数据进行预测，以确定所述用户的属性。

在又一个实施例中，本发明还提供了一种计算机可读存储介质，包括存储在其上的计算机指令，所述计算机指令在被处理器执行时，使得所述处理器执行以下方法：收集样本数据集，所述样本数据集包括一组或多组训练样本数据以及分别针对每组训练样本数据设定的标签，所述标签表示用户的属性；使用所述样本数据集来训练机器学习模型；采集实时用户数据；以及根据所述机器学习模型对所述实时用户数据进行预测，以确定所述用户的属性。