[发明专利]识别机器脚本操作的方法、装置和电子设备

说明书

本公开提供了一种识别机器脚本操作的方法、装置和电子设备，应用于人工智能或金融领域等。该方法包括：获取操作数据，操作数据包括基于机器脚本产生的操作数据或者基于用户操作产生的操作数据中至少一种；以及利用经训练的操作识别模型处理操作数据，得到操作主体类型；其中，操作识别模型包括依次连接的卷积层、门控循环单元层和全连接层，卷积层输入的第一序列数据的第一长度和卷积层输出的第二序列数据的第二长度相同，门控循环单元层输出的第三序列数据的长度与时序长度和门控循环单元层包括的神经元的数量相关。

技术领域

本公开涉及人工智能和金融技术领域，更具体地，涉及一种识别机器脚本操作的方法、装置和电子设备。

背景技术

人机操作分类是一种无感知的识别方式，可以同时提高用户对App的体验效果和防范机器脚本的恶意操作。

在实现本公开构思的过程中，申请人发现相关技术中至少存在如下问题。人机操作分类的结果不够准确。

发明内容

有鉴于此，本公开提供了一种用于降低持续维护业务架构的资产难度的识别机器脚本操作的方法、装置和电子设备。

本公开的一个方面提供了一种由电子设备执行的识别机器脚本操作的方法，包括：获取操作数据，操作数据包括基于机器脚本产生的操作数据或者基于用户操作产生的操作数据中至少一种；以及利用经训练的操作识别模型处理操作数据，得到操作主体类型；其中，操作识别模型包括依次连接的卷积层、门控循环单元(Gated Recurrent Unit，简称GRU)层和全连接层(Full Connect layer，简称FC)，卷积层输入的第一序列数据的第一长度和卷积层输出的第二序列数据的第二长度相同，门控循环单元层输出的第三序列数据的长度与时序长度和门控循环单元层包括的神经元的数量相关。

根据本公开的实施例，卷积层包括至少两个维度的卷积层以及分别与至少两维度的卷积层各自连接的池化层，每个维度的卷积层采用的卷积核的尺寸不同。

根据本公开的实施例，卷积核的深度取值和/或跨度取值小于设定值。

根据本公开的实施例，卷积层基于卷积核对与传感器个数和传感器的向量维度数相关的第一序列数据进行处理，输出与滤波器数量和传感器个数相关的第二序列数据。

根据本公开的实施例，门控循环单元层包括至少两个并列的门控循环单元，至少两个并列的门控循环单元各自的输入相同，门控循环单元层的输出是至少两个并列的门控循环单元各自的输出的融合结果。

根据本公开的实施例，基于机器脚本产生的操作数据和基于用户操作产生的操作数据是由设置在终端设备上的传感器采集的操作数据，操作数据包括：线性加速度数据、加速度数据、方向数据、陀螺仪数据或磁力计数据中至少一种。

根据本公开的实施例，操作数据是终端设备的使用者处于走路、阅读、打字、导航、静坐或者站立状态中至少一种时，基于机器脚本操作终端设备时产生的第一传感器数据，和/或，用户操作终端设备时产生的第二传感器数据，和/或，操作数据的采集无需用户授权。

根据本公开的实施例，上述方法还包括：采用操作数据集中的训练样本，以反向传播算法对操作识别模型进行训练，得到经训练的操作识别模型和模型训练用时，其中，训练样本具有标注信息，标注信息包括表征机器脚本操作的第一标注信息和表征用户操作的第二标注信息；和/或采用操作数据集的测试样本对经训练的操作识别模型进行测试，得到测试准确度。