一种人机识别的方法和设备与流程

本发明涉及人机识别领域，特别涉及一种人机识别的方法和设备。

背景技术：

随着互联网的高速发展，早期传统的游戏外挂产业，也即利用机器槽孔目前已经深入到互联网风控业务安全领域，目前市场上大部分业务软件针对这种基于人机识别的反人机技术还未广泛使用甚至是未使用从而导致相关业务出现了一些安全问题。

现有的人机识别方式主要有限制ip、设备指纹、浏览器指纹、验证码、图形验证、手机短信等技术。

但是针对ip对客户端进行限制是网络资源限制，如今已经没有多大的限制效果，如若攻击者拥有大量的ip资源池还是能够较轻易的绕过此限制；至于针对设备指纹是物理资源限制，假若恶意攻击者拥有大量物理资源还是能够比较轻易的绕过客户端限制；针对浏览器指纹限制则为请求头部限制，一般情况下都可以修改伪装从而绕过对客户端的限制。

至于验证码识别、图形验证等识别方式如今大部分能够被快速破解；手机短信则是流程比较繁琐，成本也比较高。

目前已有的识别都无法简单有效的进行人机识别，因此目前需要一种简单有效的人机识别方法。

技术实现要素：

针对现有技术中的缺陷，本发明提出了一种人机识别的方法和设备，用以实现简单有效的人机识别。

具体的，本发明实施例提出了以下具体的实施例：

本发明实施例提出了一种人机识别的方法，包括：

获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；

若所述行为数据与预设的行为分析模型中对应人的行为特征匹配，则确定所述客户端的操作者是人；

若所述行为数据与预设的行为数据判断模型的人的行为数据不匹配，则确定所述客户端的操作者是机器。

在一个具体的实施例中，该方法还包括：

当确定所述客户端的操作者是机器时，对所述客户端启动预设的防御流程。

在一个具体的实施例中，该方法还包括：

当确定所述客户端的操作者是人时，将所述行为数据以及对应的分析结果生成标本数据并存储在人类行为数据库中。

在一个具体的实施例中，还包括：所述行为分析模型是通过所述人类分析数据库中数量超过预设阈值的标本数据来训练得到的。

在一个具体的实施例中，所述旋转数据是通过陀螺仪监测得到的、所述受力数据是通过所述加速计监测得到的、所述方位数据是通过所述磁力计定位设备监测得到的。

本发明实施例还提出了一种人机识别的设备，包括：

获取模块，用于获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；

识别模块，用于当所述行为数据与预设的行为分析模型中对应人的行为特征匹配时，确定所述客户端的操作者是人；以及当所述行为数据与预设的行为数据判断模型的人的行为数据不匹配时，确定所述客户端的操作者是机器。

在一个具体的实施例中，该设备还包括：

防御模块，用于当确定所述客户端的操作者是机器时，对所述客户端启动预设的防御流程。

在一个具体的实施例中，该设备还包括：

存储模块，用于当确定所述客户端的操作者是人时，将所述行为数据以及对应的分析结果生成标本数据并存储在人类行为数据库中。

在一个具体的实施例中，

所述行为分析模型是通过所述人类分析数据库中数量超过预设阈值的标本数据来训练得到的。

在一个具体的实施例中，所述旋转数据是通过陀螺仪监测得到的、所述受力数据是通过所述加速计监测得到的、所述方位数据是通过所述磁力计定位设备监测得到的。

以此，本发明实施例公开了一种人机识别的方法和设备，其中该方法包括：获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；若所述行为数据与预设的行为分析模型中对应人的行为特征，则确定所述客户端的操作者是人；若所述行为数据与预设的行为数据判断模型的人的行为数据不匹配，则确定所述客户端的操作者是机器。以此通过客户端在运行时的行为数据，也即通过客户端在运行时的旋转数据、受力数据、方位数据与预设的行为分析模型中对应人的行为特征是否匹配来确定为客户端的操作是人还是机器，以此基于人操作客户端的行为特征对是人还是机器进行识别，识别简单准确快捷。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提出的一种人机识别的方法的流程示意图；

图2为本发明实施例提出的一种人机识别的方法的流程示意图；

图3为本发明实施例提出的一种人机识别的设备的结构示意图；

图4为本发明实施例提出的一种人机识别的设备的结构示意图；

图5为本发明实施例提出的一种人机识别的设备的结构示意图。

具体实施方式

在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。

在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本公开的各种实施例中，表述“或”或“a或/和b中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“a或b”或“a或/和b中的至少一个”可包括a、可包括b或可包括a和b二者。

在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本公开的各种实施例中使用的术语“用户”可指示使用电子装置的人或使用电子装置的装置(例如，人工智能电子装置)。

在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。

实施例1

本发明实施例1公开了一种人机识别的方法，如图1以及图2所示，包括：

步骤101、获取客户端在运行状态下的行为数据；

其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；

具体的，在一个实际的实施例中，客户端为可移动的客户端，也即移动终端，例如手机，平板电脑等等、所述旋转数据是通过陀螺仪监测得到的、所述受力数据是通过所述加速计监测得到的、所述方位数据是通过所述磁力计定位设备监测得到的。

而目前的移动终端，例如手机，由于上述的陀螺仪、加速计、磁力计定位设备等都是已经内置于手机中，因此可以直接获取到行为数据，而不需要额外的增加设备来专门获取行为数据，节约了使用成本。

具体的，行为数据在进行传输时可以进行加密，以进一步提高识别的准确性，保证后续的识别过程是基于准确的未经篡改的信息来进行的；例如在客户端获取到行为数据之后，会进行加密，并将加密后的行为数据传送给服务器，而服务器在接收到加密的行为数据之后，先进行解密，再对解密后的行为数据进行处理。

具体的，步骤101的执行设备可以为服务器，在此情况下，客户端在监测到自身的行为数据之后，将其上报给服务器，后续服务器会对行为数据进行处理，具体的过程可以如下：

步骤102、若所述行为数据与预设的行为分析模型中对应人的行为特征，则确定所述客户端的操作者是人；

具体的，仍以上述为例来进行说明，服务器中可以通过机器学习端，具体的机器学习端中包含有人类行为数据库，在该人类行为数据库中包含有人操作客户端，例如用户操作手机的行为特征，例如移动的幅度，手握手机的力度，移动的频率等等，因此可以有效的对行为数据进行识别，识别出到底是人还是机器在进行操作。

具体的，在一个实际的实施例中，该方法还包括：

当确定所述客户端的操作者是人时，将所述行为数据以及对应的分析结果生成标本数据并存储在人类行为数据库中。

为了进一步提高准确性，在确定操作手机的是人之后，将此次识别的分析结果(是人在操作)以及对应的行为数据生成标本数据并存储在人类行为数据库中，以便在后续的识别过程中发挥作用。、

至于若是识别结果为机器操作时，则进行下述操作：

步骤103、若所述行为数据与预设的行为数据判断模型的人的行为数据不匹配，则确定所述客户端的操作者是机器。

当然，也可以基于识别为机器的行为数据生成反向数据，并存储在人类行为数据库中作为反面的数据存在，以此后续可以进行正反对比，提高识别的精确度。

在一个具体的实施例中，还包括：

当确定所述客户端的操作者是机器时，对所述客户端启动预设的防御流程。

具体的，当行为数据与预设的行为数据判断模型的人的行为数据不匹配时，则可以确认是机器在操作，在此情况下，由于机器操作为具有风险的操作，在此情况下，可以确定客户端的运行是有风险的，因此需要进行防御，可以启动防御流程，例如进行重新其他方式的认证，或者控制所述客户端关机等等。

在一个具体的实施例中，该方法还包括：所述行为分析模型是通过所述人类分析数据库中数量超过预设阈值的标本数据来训练得到的。

具体的，该行为分析模型是通过大数据来训练得到的，具体的标本数据的数量越多，训练得到的行为分析模型越准确，以此可以不断获取到标本数据，并不断进行训练。

以此，本发明实施例1公开了一种人机识别的方法包括：获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；若所述行为数据与预设的行为分析模型中对应人的行为特征，则确定所述客户端的操作者是人；若所述行为数据与预设的行为数据判断模型的人的行为数据不匹配，则确定所述客户端的操作者是机器。以此，基于正常状态下时，人操作客户端，例如移动终端时，会产生位置，压力等上的变化，而若是通过机器来对客户端进行的操作，或者不会有位置以及压力上的数据，或者位置以及压力上的数据与人为的数据是截然不同的，以此从在一个全新的角度对人与机器进行识别，简单，快捷，且准确不易被规避。

实施例2

为了对本发明进行进一步的说明，本发明实施例2还公开了一种人机识别的设备，如图3所示，包括：

获取模块201，用于获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；

识别模块202，用于当所述行为数据与预设的行为分析模型中对应人的行为特征时，确定所述客户端的操作者是人；以及当所述行为数据与预设的行为数据判断模型的人的行为数据不匹配时，确定所述客户端的操作者是机器。

在一个具体的实施例中，如图4所示，该设备还包括：

防御模块203，用于当确定所述客户端的操作者是机器时，对所述客户端启动预设的防御流程。

在一个具体的实施例中，如图5所示，该设备还包括：

存储模块204，用于当确定所述客户端的操作者是人时，将所述行为数据以及对应的分析结果生成标本数据并存储在人类行为数据库中。

在一个具体的实施例中，

所述行为分析模型是通过所述人类分析数据库中数量超过预设阈值的标本数据来训练得到的。

在一个具体的实施例中，所述旋转数据是通过陀螺仪监测得到的、所述受力数据是通过所述加速计监测得到的、所述方位数据是通过所述磁力计定位设备监测得到的。

以上的各模块可以根据需要进行灵活的搭配与组合，并不限于说明书附图中的几个具体的实施例。

以此，本发明实施例公开了一种人机识别的方法和设备，其中该方法包括：获取客户端在运行状态下的行为数据；其中，所述行为数据包括所述客户端的旋转数据、所述客户端的受力数据、所述客户端的方位数据；若所述行为数据与预设的行为分析模型中对应人的行为特征，则确定所述客户端的操作者是人；若所述行为数据与预设的行为数据判断模型的人的行为数据不匹配，则确定所述客户端的操作者是机器。以此通过客户端在运行时的行为数据，也即通过客户端在运行时的旋转数据、受力数据、方位数据与预设的行为分析模型中对应人的行为特征是否匹配来确定为客户端的操作是人还是机器，以此基于人操作客户端的行为特征对是人还是机器进行识别，识别简单准确快捷。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本发明的几个具体实施场景，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。