[发明专利]基于大数据和人工智能的规则确定方法

权利要求书

1.一种基于大数据和人工智能的规则确定方法，其特征在于，包括：

基于目标匹配结果在第二目标数据库中进行查找，得到目标安全等级信息，其中，该第二目标数据库中存在多个不同匹配结果与多个不同安全等级信息之间的对应关系，且该目标匹配结果的匹配度越高，对应的目标安全等级信息的安全等级越低；

基于所述目标安全等级信息在预先形成的多个识别规则中确定出一个识别规则，作为目标识别规则，其中，该目标安全等级信息的安全等级越低，对应的目标识别规则的识别精度越低，该目标识别规则用于对目标人脸图像进行识别。

2.根据权利要求1所述的基于大数据和人工智能的规则确定方法，其特征在于，所述基于所述目标安全等级信息在预先形成的多个识别规则中确定出一个识别规则，作为目标识别规则的步骤，包括：

基于所述目标安全等级信息在预先形成的多个识别模型中确定出目标识别模型，其中，不同识别模型基于不同数量的样本数据和不同的损失阈值训练形成，使得具有不同的识别精度；

将所述目标识别模型作为目标识别规则。

3.根据权利要求1或2所述的基于大数据和人工智能的规则确定方法，其特征在于，所述基于所述目标匹配结果在第二目标数据库中进行查找，得到目标安全等级信息的步骤，包括：

对获取的目标用户的历史行为数据进行解析处理，得到目标解析结果；

基于所述目标解析结果和所述目标匹配结果在第二目标数据库中进行查找，得到目标安全等级信息。

4.根据权利要求3所述的基于大数据和人工智能的规则确定方法，其特征在于，所述对获取的目标用户的历史行为数据进行解析处理，得到目标解析结果的步骤，包括：

获取目标用户的第一类型历史行为数据和第二类型历史行为数据，其中，该第一类型历史行为数据包括目标用户在人脸识别平台预先注册的目标账号每一次通过该人脸识别平台进行人脸识别的时间信息，该第二类型历史行为数据包括拍摄形成目标图像的目标设备至少基于一个账号通过该人脸识别平台进行人脸识别的时间信息；

针对所述第一类型历史行为数据包括的多个时间信息，以该多个时间信息中最早的一个时间信息为起点、以该多个时间信息中最晚的一个时间信息为终点，按照第一预设数量进行滑窗处理，得到多个第一时间序列，其中，每一个所述第一时间序列包括的时间信息的数量为所述第一预设数量，每两个相邻的所述第一时间序列之间对应排序的时间信息相邻；

针对每一个所述第一时间序列，基于该第一时间序列的时间变化趋势确定该第一时间序列中的最晚的一个时间信息之后的一个预测时间信息，得到每一个所述第一时间序列对应的预测时间信息；

针对每一个所述第一时间序列，计算该第一时间序列对应的预测时间信息与对应的目标时间信息之间的第一预测误差值，其中，每一个所述第一时间序列对应的目标时间信息为下一个所述第一时间序列中最晚的一个时间信息，且最后一个所述第一时间序列对应的目标时间信息为获取到所述目标图像的时间信息；

针对每一个所述第一预测误差值，基于预设的加权系数确定规则对该第一预测误差值进行加权系数确定处理，得到该第一预测误差值的第一加权系数，其中，得到的多个第一加权系数中，从第一个第一加权系数到中间第一加权系数按照第一预设递增系数依次递增，从中间第一加权系数到最后一个第一加权系数按照第一预设递减系数依次递减，且该第一预设递减系数小于该第一预设递增系数，全部的第一加权系数的和为1；

基于每一个所述第一预测误差值和对应的每一个所述第一加权系数，进行加权计算处理得到第一目标误差值；

针对所述第二类型历史行为数据包括的多个时间信息，以该多个时间信息中最早的一个时间信息为起点、以该多个时间信息中最晚的一个时间信息为终点，按照第二预设数量进行滑窗处理，得到多个第二时间序列，其中，每一个所述第二时间序列包括的时间信息的数量为所述第二预设数量，每两个相邻的所述第二时间序列之间对应排序的时间信息相邻，且该第二预设数量大于所述第一预设数量；

针对每一个所述第二时间序列，基于该第二时间序列的时间变化趋势确定该第二时间序列中的最晚的一个时间信息之后的一个预测时间信息，得到每一个所述第二时间序列对应的预测时间信息；

针对每一个所述第二时间序列，计算该第二时间序列对应的预测时间信息与对应的目标时间信息之间的第二预测误差值，其中，每一个所述第二时间序列对应的目标时间信息为下一个所述第二时间序列中最晚的一个时间信息，且最后一个所述第二时间序列对应的目标时间信息为获取到所述目标图像的时间信息；

针对每一个所述第二预测误差值，基于预设的加权系数确定规则对该第二预测误差值进行加权系数确定处理，得到该第二预测误差值的第二加权系数，其中，得到的多个第二加权系数中，从第一个第二加权系数到最后一个第二加权系数按照第二预设递增系数依次递增，且全部的第二加权系数的和为1；

基于每一个所述第二预测误差值和对应的每一个所述第二加权系数，进行加权计算处理得到第二目标误差值；

计算所述第一目标误差值和所述第二目标误差值之间的加权和值，其中，该第二目标误差值的权重系数基于所述第二类型历史行为数据中通过所述人脸识别平台进行人脸识别的账号的数量的增加而减小，且该第二目标误差值的权重系数与该第一目标误差值的权重系数的和为1；

将所述加权和值与最后一个所述第一预测误差值之间的差值作为目标解析结果，其中，该差值越大，确定的目标安全等级信息的安全等级越低。