[发明专利]一种身份验证方法及装置

权利要求书

1.一种身份验证方法，其特征在于，包括：

获取用户在业务平台中的用户数据，所述用户数据包含用户的登录环境信息以及业务执行信息，所述业务执行信息至少包含业务执行时间以及业务指标；

将所述用户的用户数据作为输入，输入预先训练的决策模型，确定所述决策模型输出的所述用户的可信度；

根据所述用户数据的业务执行信息，确定所述用户的密码设置时间，并根据所述用户的密码设置时间以及预设的记忆时效函数，确定所述用户当前的记忆指数，所述记忆指数用于表征用户对密码的记忆程度；

根据所述用户的可信度以及所述用户的记忆指数，确定所述用户进行身份验证的方式，并采用确定出的身份验证的方式，进行身份验证。

2.如权利要求1所述的方法，其特征在于，将所述用户的用户数据作为输入，输入预先训练的决策模型，确定所述决策模型输出的所述用户的可信度，具体包括：

根据所述用户的用户数据，确定所述用户的用户特征；

将所述用户的用户特征作为输入，输入预先训练的决策模型中，确定所述决策模型输出的所述用户的可信度。

3.如权利要求2所述的方法，其特征在于，根据所述用户的用户数据，确定所述用户的用户特征，具体包括：

根据所述用户的用户数据中当前的登录环境信息，以及历史的登录环境信息，确定所述用户的登录环境特征；和/或

根据所述用户的用户数据中的业务执行信息包含的业务执行时间，确定所述用户的时间特征；和/或

根据所述用户的用户数据中的业务执行信息包含的业务指标，确定所述用户的业务指标特征；

根据所述用户的登录环境特征、时间特征以及业务指标特征中的至少一种，确定所述用户的用户特征。

4.如权利要求1所述的方法，其特征在于，训练决策模型，具体包括：

获取历史上若干用户在所述业务平台中的用户数据，所述用户数据包含用户的登录环境信息以及业务执行信息；

根据确定出的各用户的用户数据，确定训练样本集，并根据各用户在所述业务平台中的异常信息，对所述训练样本集中的各训练样本进行标注；

针对所述训练样本集中的每个训练样本，将该训练样本作为输入，输入待训练的决策模型中，确定所述决策模型输出的该训练样本对应的用户的可信度；

以最小化所述用户的可信度与所述训练样本的标注之间的差异为目标，调整所述待训练的决策模型中的模型参数。

5.如权利要求1所述的方法，其特征在于，确定记忆时效函数，具体包括：

根据艾宾浩斯记忆曲线，确定记忆函数的标准表达式；

获取若干用户在所述业务平台中的业务执行信息，并根据各用户的业务执行信息，确定各用户的密码操作时间，所述密码操作时间至少包含密码设置时间以及密码找回时间中的一种；

根据各用户的密码操作时间，解算所述记忆函数的标准表达式中的参数，并根据解算结果以及所述记忆函数的标准表达式，确定所述用户记忆密码的记忆时效函数。

6.如权利要求5所述的方法，其特征在于，所述密码操作时间中还包含密码验证时间；

确定所述用户记忆密码的记忆时效函数，具体包括：

针对每个用户，根据该用户的密码操作时间中的各密码验证时间，以及确定出的记忆时效函数，确定对应该用户的记忆时效函数。

7.如权利要求1所述的方法，其特征在于，根据所述用户的可信度以及所述用户的记忆指数，确定所述用户进行身份验证的方式，具体包括：

根据所述用户的可信度，判断所述用户是否可信，并根据所述用户的记忆指数，判断所述用户是否记得密码；

当确定所述用户可信且记得密码时，确定所述用户进行身份验证的方式为密码验证；

当确定所述用户可信且忘记密码时，确定所述用户身份验证通过；

当确定所述用户不可信时，确定所述用户进行身份验证的方式为密码验证和/或其它验证，其中，所述其它验证至少包含生物特征验证。