(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210903418.8 (22)申请日 2022.07.27 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 徐晓健　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 王天尧　汤在彦 (51)Int.Cl. G06F 21/31(2013.01) G06N 3/02(2006.01) G06Q 40/02(2012.01) (54)发明名称 用户身份验证方法及装置 (57)摘要 本发明公开了一种用户身份验证方法及装 置， 涉及人工智能技术领域， 该方法包括： 根据用 户的敲击键盘历史记录数据， 构建敲击键盘序列 矩阵； 所述敲击键盘序列矩阵用于描述用户每一 敲击键盘行为对应的键位、 与前后键盘敲击行为 的时间间隔、 和敲击键位停留时长； 将敲击键盘 序列矩阵， 输入至行为习惯特征信息神经网络模 型， 得到用户的行为习惯特征信息； 根据用户的 行为习惯特征信息， 对待验证的用户敲击键盘记 录数据， 进行用户身份验证； 在身份验证通过后， 发出用户身份验证通过的通知信息。 本发明可提 升用户身份认证的准确性和安全性， 提升银行信 息系统的安全性和保密性。 权利要求书5页 说明书14页 附图8页 CN 115238252 A 2022.10.25 CN 115238252 A 1.一种用户身份验证方法， 其特 征在于， 包括： 获取用户的敲击键盘历史记录数据； 所述敲击键盘历史记录数据包括： 用户每一敲击 键盘行为对应的键位、 敲击 键位起始时刻和敲击 键位结束时刻； 根据用户的敲击键盘历史记录数据， 构建敲击键盘序列矩阵； 所述敲击键盘序列矩阵 用于描述用户每一敲击键盘行为对应的键位、 与前后键盘敲击行为的时间间隔、 和 敲击键 位停留时长； 将敲击键盘序列矩阵， 输入至行为习惯特征信息神经网络模型， 得到用户的行为习惯 特征信息； 所述行为习惯特征信息神经网络模型根据不同用户的敲击键盘历史记录数据和 行为习惯特 征信息为训练集， 对神经网络模型进行训练得到； 根据用户的行为习惯特征信息， 对待验证的用户敲击键盘记录数据， 进行用户身份验 证； 在身份验证通过后， 发出用户身份验证通过的通知信息 。 2.如权利要求1所述的方法， 其特 征在于， 还 包括： 对用户的敲击键盘历史记录数据， 以敲击键盘行为的时间顺序， 进行序列化处理， 得到 用户的敲击 键盘历史记录数据的时间序列化数据； 根据用户的敲击 键盘历史记录数据， 构建敲击 键盘序列矩阵， 包括： 根据用户的敲击 键盘历史记录数据的时间序列化数据， 构建敲击 键盘序列矩阵。 3.如权利要求1所述的方法， 其特征在于， 根据用户的敲击键盘历史记录数据， 构建敲 击键盘序列矩阵， 包括： 根据用户每一敲击键盘行为对应的键位， 构建第一敲击键盘序列矩阵； 所述第一敲击 键盘序列矩阵以每一 敲击键盘行为对应的键位 为矩阵元 素； 根据用户每一敲击键盘行为对应的敲击键位起始时刻和敲击键位结束时刻， 构建第 二 敲击键盘序列矩阵； 所述第二敲击键盘序列 矩阵用于描述每一敲击键盘行为的与前后键盘 敲击行为的时间 间隔、 和每一 敲击键盘行为的敲击 键位停留时长； 对第一敲击键盘序列矩阵和第二敲击键盘序列矩阵进行合并， 得到敲击键盘序列矩 阵。 4.如权利要求3所述的方法， 其特征在于， 所述第 一敲击键盘序列矩阵以不同键位作为 行， 以每一敲击键盘行为作为列； 所述第二敲击键盘序列 矩阵以所述时间间隔、 和每一敲击 键盘行为的敲击 键位停留时长作为行， 以每一 敲击键盘行为作为列。 5.如权利要求3所述的方法， 其特征在于， 根据用户每一敲击键盘行为对应的敲击键位 起始时刻和敲击 键位结束时刻， 构建第二 敲击键盘序列矩阵， 包括： 针对用户每一 敲击键盘行为： 以该敲击键盘行为对应的敲击键位结束时刻和敲击键位起始时刻 之差， 作为该敲击键 盘行为的敲击 键位停留时长； 以该敲击键盘行为对应的敲击键位结束时刻、 和后次敲击键盘行为的敲击键位起始时 刻之差， 作为该敲击 键盘行为的与后次键盘敲击行为的时间 间隔； 以该敲击键盘行为对应的敲击键位起始时刻、 和前次敲击键盘行为的敲击键位结束时 刻之差， 作为该敲击 键盘行为的与前次键盘敲击行为的时间 间隔； 根据每一敲击键盘行为的敲击键位停留时长、 与后 次键盘敲击行为的时间间隔和、 与 前次键盘敲击行为的时间 间隔， 构建第二 敲击键盘序列矩阵。权　利　要　求　书 1/5 页 2 CN 115238252 A 26.如权利要求1所述的方法， 其特征在于， 所述用户的行为习惯特征信息， 包括用户的 语言习惯特征信息和运动习惯特征信息； 所述语言习惯特征信息为用户通过敲击键盘进 行 语言表达的习惯特征信息； 所述运动习惯特征信息为表征用户敲击键盘的动作差异的习惯 特征信息。 7.如权利要求1所述的方法， 其特 征在于， 还 包括： 按如下方式构建行为习惯特 征信息神经网络模型： 将获取的不同用户的敲击键盘历史记录数据、 和行为习惯特征信 息， 作为训练集， 对神 经网络模型进行训练； 以训练好的神经网络模型， 作为行为习惯特 征信息神经网络模型。 8.如权利要求7 所述的方法， 其特 征在于， 还 包括： 将获取的不同用户的敲击键盘历史记录数据、 和行为习惯特征信 息， 作为验证集， 对行 为习惯特征信息神经网络模型进行验证， 得到验证通过的行为习惯特征信息神经网络模 型； 将敲击键盘序列矩阵， 输入至行为习惯特征信息神经网络模型， 得到用户的行为习惯 特征信息， 包括： 将敲击键盘序列矩阵， 输入至验证通过的行为习惯特征信息神经网络模型， 得到用户 的行为习惯特 征信息。 9.如权利要求1所述的方法， 其特 征在于， 还 包括： 将用户的行为习惯特 征信息， 上传至云端服 务器； 根据用户的行为习惯特征信息， 对待验证的用户敲击键盘记录数据， 进行用户身份验 证； 在身份验证通过后， 发出用户身份验证通过的通知信息， 包括： 从云端服 务器中， 获取目标用户的行为习惯特 征信息； 根据获取目标用户的行为习惯特征信息， 对待验证的用户敲击键盘记录数据， 进行用 户身份验证； 在身份验证通过后， 发出用户身份验证通过的通知信息 。 10.如权利要求1所述的方法， 其特征在于， 根据用户的行为习惯特征信 息， 对待验证的 用户敲击 键盘记录数据， 进行用户身份验证， 包括： 将待验证的用户敲击键盘记录数据， 输入至行为习惯特征信息神经网络模型， 得到待 验证的用户行为习惯特 征信息； 将用户的行为习惯特 征信息、 和待验证的用户行为习惯特 征信息， 进行匹配； 根据匹配结果， 进行用户身份验证； 在身份验证通过后， 发出用户身份验证通过的通知信息， 包括： 在匹配结果表示进行匹配的匹配值超过预设数值 时， 发出用户身份验证通过的通知信 息。 11.如权利要求1所述的方法， 其特 征在于， 还 包括： 在身份验证未通过后， 发出用户身份验证未通过的告警信息， 并中止用户的身份验证 进程。 12.一种用户身份验证装置， 其特 征在于， 包括： 数据获取模块， 用于获取用户的敲击键盘历史记录数据； 所述敲击键盘历史记录数据 包括： 用户每一 敲击键盘行为对应的键位、 敲击 键位起始时刻和敲击 键位结束时刻；权　利　要　求　书 2/5 页 3 CN 115238252 A 3