[发明专利]轨迹数据处理方法、装置、设备及存储介质

说明书

本发明公开一种轨迹数据处理方法、装置、设备及存储介质，该方法包括：采集用户轨迹数据；对用户轨迹数据进行聚类并对聚类后的用户轨迹数据进行降维以获得低维轨迹数据；计算预设时段内低维轨迹数据的概率分布；根据概率分布检测是否存在概率值高于预设概率阈值的目标概率分布区域；若存在则提取目标概率分布区域中的待封禁数据，并对其进行封禁。由于是先对用户轨迹数据进行聚类，然后对聚类的数据进行降维，从而能够保证低维轨迹数据的有效性以及准确性，同时通过计算低维轨迹数据的概率分布并提取该概率分布中的目标概率分布区域，再对区域中的待封禁数据进行封禁，提高了对机器伪造的行为数据的识别准确度，减少了错判或误判的情况。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种轨迹数据处理方法、装置、设备及存储介质。

背景技术

验证码(Completely Automated Public Turing test to tell Computers andHumans Apart，CAPTCHA)是一种反图灵测试，用来进行人机区分，阻挡机器交互请求。传统验证码为字符类型，通过对图片中的字符进行变形、扭曲、增加干扰，对抗机器识别。

随着计算机技术的不断发展，使用光学字符识别(Optical Character Recognition，OCR)、机器学习等手段对传统验证码的识别成功率高达99％，为了对抗自动图像识别，传统验证码不得不变得越来越复杂，这导致正常用户的使用体验大幅下降。而行为验证的诞生给互联网提供了新的验证安全解决方案，从而变为更广泛的验证技术方案，越来越多地替换了网络上之前的传统字符验证。

行为验证大多是通过收集用户的验证行为数据，然后对验证行为数据进行识别从而判断当前的验证行为是否为机器行为。在滑动验证过程中，用户的验证轨迹往往能够用来进行人机区分。但现有的区分方式大多通过计算用户轨迹数据与机器轨迹数据之间的匹配相似度，然后根据计算出的匹配相似度判断当前验证行为是否为机器行为，这种方式的缺陷在于对于机器伪造的行为数据识别准确度不高，容易出现错判或误判的情况。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种轨迹数据处理方法、装置、设备及存储介质，旨在解决现有技术对于机器伪造的行为数据识别准确度不高，容易出现错判或误判的技术问题。

为实现上述目的，本发明提供了一种轨迹数据处理方法，所述方法包括以下步骤：

采集用户轨迹数据；

采用预设聚类模型对所述用户轨迹数据进行聚类，并对聚类后的用户轨迹数据进行数据降维，以获得低维轨迹数据；

计算预设时段内所述低维轨迹数据在低维空间中的概率分布；

根据所述概率分布检测是否存在概率值高于预设概率阈值的目标概率分布区域；

在存在所述目标概率分布区域时，获取所述目标概率分布区域对应的目标轨迹数据，并读取所述目标概率分布区域对应的历史轨迹数据；

将所述历史轨迹数据从所述目标轨迹数据中剔除以获得待封禁数据，并对所述待封禁数据进行封禁。

优选地，所述采用预设聚类模型对所述用户轨迹数据进行聚类，并对聚类后的用户轨迹数据进行数据降维，以获得低维轨迹数据的步骤，包括：

采用预设聚类模型按预设特征维度对所述用户轨迹数据进行聚类，获得所述预设特征维度对应的轨迹特征数据簇；

根据所述轨迹特征数据簇建立轨迹特征矩阵；

对所述轨迹特征矩阵进行奇异值分解，并根据奇异值分解结果对所述轨迹特征矩阵进行矩阵重构，获得目标特征矩阵；

基于所述目标特征矩阵获得数据降维后的低维轨迹数据。