本发明实施例公开了一种数据验证方法、相关设备和系统，该方法包括：客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。本发明实施例可以提高验证的安全性。
客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
2.如权利要求1所述的方法，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：所述服务端通过卷积神经网络CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过循环神经网络RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
3.如权利要求2所述的方法，其特征在于，所述客户端采集鼠标的移动轨迹数据，包括：所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述移动轨迹数据，包括：所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
4.如权利要求3所述的方法，其特征在于，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
6.如权利要求5所述的方法，其特征在于，所述客户端采集鼠标的移动轨迹数据，包括：所述客户端每单位时间内采集鼠标的移动轨迹数据；
所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
7.一种数据验证方法，其特征在于，包括：服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
8.如权利要求7所述的方法，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：所述服务端通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端通过RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
9.如权利要求8所述的方法，其特征在于，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
客户端，用于采集鼠标的移动轨迹数据；所述客户端还用于向服务端上报所述移动轨迹数据；
所述服务端，将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配；
所述服务端还用于若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
所述服务端还用于若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
所述移动轨迹数据包括移动速度数据和轨迹数据；所述服务端用于将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
所述服务端用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
11.如权利要求10所述的系统，其特征在于，所述移动轨迹数据还包括时间数据；
所述服务端用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
所述服务端用于通过RNN、所述时间数据、所述初步分类结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
12.如权利要求11所述的系统，其特征在于，所述客户端用于每单位时间内采集鼠标的移动轨迹数据；
所述客户端用于向服务端上报所述客户端每次采集的移动轨迹数据。
13.如权利要求10所述的系统，其特征在于，所述服务端用于通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
14.一种客户端，其特征在于，包括：采集模块，用于采集鼠标的移动轨迹数据；所述移动轨迹数据包括移动速度数据和轨迹数据；
上报模块，用于向服务端上报所述移动轨迹数据，以使所述服务端将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配，若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
第一转换模块，用于所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
第一计算模块，用于所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
第三确定模块，用于若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
第四确定模块，用于若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
接收模块，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；所述移动轨迹数据包括移动速度数据和轨迹数据；
判断模块，用于将所述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配；
第一确定模块，用于若所述移动轨迹数据匹配为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
第二确定模块，用于若所述移动轨迹数据匹配不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过；
第二转换模块，用于所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：所述服务端将所述移动轨迹数据作为轨迹矢量图并且转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
第二计算模块，用于所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
第五确定模块，用于若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
第六确定模块，用于若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
一种数据验证方法、相关设备和系统
技术领域
[0001] 本发明涉及网络技术领域，尤其涉及一种数据验证方法、相关设备和系统。
背景技术
[0002] 在网络技术领域中，客户端经常需要向服务端提交请求，例如：登录、提交评论、提交表单或者各种数据操作请求等等。目前为了提高提交请求的安全性，客户端需要向服务端提交验证信息，例如：图形验证码验证、数字验证或者滑条验证等等，服务端对客户端提交的验证信息进行验证，验证通过后，响应客户端的请求。然而，目前的验证方式都存在被机器人自动刷接口的风险，即机器人可以自动输入验证信息，从而导致验证的安全性比较低。
发明内容
[0003] 本发明实施例提供了一种数据验证方法、相关设备和系统，可以提高验证的安全性。
[0004] 第一方面，本发明实施例提供一种数据验证方法，包括：
[0005] 客户端采集鼠标的移动轨迹数据；
[0006] 所述客户端向服务端上报所述移动轨迹数据；
[0007] 所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0008] 若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
[0009] 若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
[0010] 第二方面，本发明实施例提供一种数据验证方法，包括：
[0011] 客户端采集鼠标的移动轨迹数据；
[0012] 所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0013] 第三方面，本发明实施例提供一种数据验证方法，包括：
[0014] 服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
[0015] 所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0016] 若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
[0017] 若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
[0018] 第四方面，本发明实施例提供一种数据验证系统，包括：
[0019] 客户端，用于采集鼠标的移动轨迹数据；
[0020] 所述客户端还用于向服务端上报所述移动轨迹数据；
[0021] 所述服务端，判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0022] 所述服务端还用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
[0023] 所述服务端还用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0024] 第五方面，本发明实施例提供一种客户端，包括：
[0025] 采集模块，用于采集鼠标的移动轨迹数据；
[0026] 上报模块，用于向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0027] 第六方面，本发明实施例提供一种服务端，包括：
[0028] 接收模块，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
[0029] 判断模块，用于判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0030] 第一确定模块，用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
[0031] 第二确定模块，用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0032] 上述技术方案中，客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。这样可以实现对鼠标的移动轨迹数据进行验证，从而可以识别是否为真人控制鼠标的轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
附图说明
[0033] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
[0034] 图1是本发明实施例可以应用于网络系统的结构图；
[0035] 图2是本发明实施例的一种数据验证方法的示意图；
[0036] 图3是本发明实施例的另一种数据验证方法的示意图；
[0037] 图4是本发明实施例的一种数据验证方法的举例示意图；
[0038] 图5是本发明实施例提供的另一种数据验证方法的流程图；
[0039] 图6是本发明实施例提供的另一种数据验证方法的流程图；
[0040] 图7是本发明实施例提供的一种数据验证系统的结构图；
[0041] 图8是本发明实施例提供的一种客户端的结构图；
[0042] 图9是本发明实施例提供的一种服务端的结构图；
[0043] 图10是本发明实施例提供的另一种服务端的结构图；
[0044] 图11是本发明实施例提供的另一种客户端的结构图；
[0045] 图12是本发明实施例提供的另一种服务端的结构图。
具体实施方式
[0046] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047] 请参考图1，图1是本发明实施例可以应用于网络系统的结构图，如图1所示，包括：客户端101和服务端102，其中，客户端101可以是安装在用户终端上的应用程序(例如：浏览器)，或者客户端可以理解为用户终端，例如：计算机、手机、平板电脑等等。客户端101可以向服务端102提交请求，而服务端102可以对客户端101进行验证，当验证通过时，则可以响应客户端101的请求，若验证不通过，则服务端102可以是不接收或者不响应客户端101提交的请求。另外，服务端102可以是服务器或者云端。
[0048] 请参考图2，图2是本发明实施例的一种数据验证方法的示意图，如图2所示，包括以下步骤：
[0049] 201、客户端采集鼠标的移动轨迹数据。
[0050] 其中，上述采集鼠标的移动轨迹数据可以是在输入框或者请求提交按钮附近采集鼠标的移动轨迹数据，例如：可以是预先设置或者指定一块轨迹收集区域，用户在进行输入，以及提交请求时，鼠标经过该区域，会形成一条轨迹，从而客户端可以采集到上述移动轨迹数据。
[0051] 202、所述客户端向服务端上报所述移动轨迹数据。
[0052] 该步骤可以是步骤201采集到后，立即进行上报，也可以是采用到上述移动轨迹数据后，定时上报给服务端，从而服务可以通过数据分析，得出是否为真人控制鼠标的轨迹数据。
[0053] 203、所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据。
[0054] 该步骤203可以是对上述移动轨迹数据的轨迹形态、移动速度或者时间等轨迹数据进行分析，以判断上述移动轨迹数据是否为真人控制鼠标的轨迹数据(可以简称真人轨迹数据)。优选的，可以是将上述移动轨迹数据与预先获取的真人控制鼠标的轨迹数据进行匹配，根据匹配结果确定上述移动轨迹数据是否为真人控制鼠标的轨迹数据。
[0055] 需要说明的是，真人控制鼠标的轨迹数据可以理解为，真人鼠标移动时的轨迹，即步骤203可以是判断上述移动轨迹数据是否为真人控制鼠标移动时产生的移动轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
[0056] 204、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过。
[0057] 其中，确定客户端验证通过后，就可以响应客户端提交的请求，例如：控制客户端登录成功、接收客户端提交评论、接收客户端提交表单或者响应客户端提交各种数据操作等等，对此本发明实施例不作限定。
[0058] 205、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
[0059] 若客户端验证不通过，则可以提示客户端再次进行验证，或者拒绝或者不响应客户端提交的请求，向客户端传递传统验证码进行验证等等，对此本发明实施例不作限定。
[0060] 另外，上述方法中客户端还可以向服务端发送请求，例如：登录、提交评论、提交表单或者各种数据操作请求等等，且这些请求可以携带客户端的设备标识(ID)、IP地址和以及客户端标识(例如：客户端的指纹信息)。当然，上述移动轨迹数据也可以携带这些信息。这样服务端接收到客户端提交的请求时，可以根据客户端的ID、IP地址和以及客户端标识上述移动轨迹数据的分析结果，然后根据结果返回相应的结果，例如：拒绝请求、提示需要再次校验或者通过等等。
[0061] 通过上述步骤可以实现客户端在提交请求时，记录其鼠标轨迹，并提交服务端进行数据分析与识别，最终返回识别结果，从而达到人机识别的目的。且可以实现在检测攻击请求时，可以根据更多用户行为，更加精准地得到人为信息，以达到防刷，以及提高用户体验的目的。例如：当用户进行登录时，在输入登录用户，这是鼠标会移动到登录框，并点击，将焦点设定到登录框，然后进行输入操作。这个过程中，真实人有很多数据，包括鼠标轨迹，鼠标速率等，从而通过上述方法，对这些数据进行验证，虽然，不同的用户行为可能不一样，但是，真人操作和机械操作之间，有一些区别，通过上述方法可以验证是否为真人操作，这样攻击者想要完全模拟出可以绕过检测的轨迹与行为，需要跟防守者拥有同样的数据源，这是很难实现，从而本发明实施例可以提高验证的安全性。
[0062] 上述技术方案中，客户端采集鼠标的移动轨迹数据；所述客户端向服务端上报所述移动轨迹数据；所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。这样可以实现对鼠标的移动轨迹数据进行验证，从而可以识别是否为真人控制鼠标的轨迹数据，以避免被机器人自动刷接口，从而提高验证的安全性。
[0063] 请参考图3，图3是本发明实施例的另一种数据验证方法的示意图，如图3所示，包括以下步骤：
[0064] 301、客户端采集鼠标的移动轨迹数据，其中，所述移动轨迹数据包括移动速度数据和轨迹数据。
[0065] 其中，上述移动速度数据表示鼠标的移动速度，而上述轨迹数据表示鼠标的移动轨迹。
[0066] 302、所述客户端向服务端上报所述移动轨迹数据。
[0067] 该步骤可以是步骤301采集到后，立即进行上报，也可以是采用到上述移动轨迹数据后，定时上报给服务端，从而服务可以通过数据分析，得出是否为真人控制鼠标的轨迹数据。
[0068] 303、所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条。
[0069] 该步骤可以是将移动轨迹数据作为一个轨迹矢量，将该轨迹矢量图转换成图片，其中，速度转换成深度，轨迹转换成线条。
[0070] 304、所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据。
[0071] 上述神经网络可以是预先训练好的神经网络，而上述大量真人控制鼠标的轨迹数据可以是服务端预先收集大量真人控制鼠标的轨迹数据，且这些真人控制鼠标的轨迹数据可以是图像数据。
[0072] 步骤304可以是通过上述神经网络将上述图像数据与大量真人控制鼠标的轨迹数据进行匹配，其中，上述图像数据命中越多真人控制鼠标的轨迹数据，则表示图像数据的真人概率越高，且这里的命名可以理解为上述图像数据与真人控制鼠标的轨迹数据的匹配度超过预设阈值。
[0073] 通过步骤304可以准确地计算出上述移动轨迹数据的真人概率，从而提高验证的安全性。
[0074] 另外，服务端可以建立轨迹库以存储上述大量真人控制鼠标的轨迹数据，且可以通过不断地收集轨迹数据，轨迹库会不断丰富，从而不断提高精准度。
[0075] 可选的，为了进一步提高移动轨迹数据的真人概率，客户端上报的移动轨迹数据还可以包括时间数据，且步骤304可以包括：
[0076] 所述服务端通过卷积神经网络(Convolutional Neural Network，CNN)和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
[0077] 所述服务端通过循环神经网络(Recurrent Neural Networks，RNN)、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
[0078] 其中，上述初步分类可以是确定上述图像数据的类型，例如：通过上述CNN将上述图像数据与大量真人控制鼠标的轨迹数据匹配，以得到该图像数据的初步分类结果。
[0079] 而上述通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，可以是给上述图像数据时间数据，通过上述RNN与真人控制鼠标的轨迹数据进行匹配，以得到图像数据的时序分类结果。其中，上述时间数据可以是上述移动轨迹数据的时间或者时长等时间信息。且通过上述RNN时可以是与上述初步分类结果对应的真人控制鼠标的轨迹数据进行分析，以得到时序分类结果，当然，这里上述初步分类结果对应的真人控制鼠标的轨迹数据也可以包括时间数据。而上述使用所述时序分类结果计算所述图像数据的真人概率可以是识别该时序分类结果命中真人控制鼠标的轨迹数据的数量，通过该命中数量确定上述图像数据的真人概率，其中，命中数量越多真人概率越高，反之越低。
[0080] 例如：如图4所示，将移动轨迹数据的速度数据转换成图像深度，将轨迹数据转换图像线条(例如：图像点阵)，之后通过CNN进行初步分类，再将初步分类结果和时间数据通过RNN进行时序分类，最后得到真人概率。
[0081] 可选的，本实施例中，所述客户端采集鼠标的移动轨迹数据，包括：
[0082] 所述客户端每单位时间内采集鼠标的移动轨迹数据；
[0083] 所述客户端向服务端上报所述移动轨迹数据，包括：
[0084] 所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
[0085] 该实施方式中，可以实现客户端采集每单位时间(例如：每N秒时间)内的轨迹数据，并上报给服务端，从而实现在用户输入以及编辑等操作时，可以多次上报，以提高验证的准确性。
[0086] 可选的，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
[0087] 所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
[0088] 该实施方式中，可以实现针对用户个体，建立轨迹规则库。如果用户进行其他验证通过，可以在这里进行轨迹的添加，以提高验证的准确度。
[0089] 305、若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据。
[0090] 306、若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
[0091] 307、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过。
[0092] 其中，确定客户端验证通过后，就可以响应客户端提交的请求，例如：控制客户端登录成功、接收客户端提交评论、接收客户端提交表单或者响应客户端提交各种数据操作等等，对此本发明实施例不作限定。
[0093] 308、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
[0094] 若客户端验证不通过，则可以提示客户端再次进行验证，或者拒绝或者不响应客户端提交的请求等等，对此本发明实施例不作限定。
[0095] 本实施例中，在图2所示的实施例的基础上增加了多种可选的实施方式，且可以进一步提高验证的安全性。
[0096] 请参考图5，图5是本发明实施例的另一种数据验证方法的示意图，如图5所示，包括以下步骤：
[0097] 501、客户端采集鼠标的移动轨迹数据；
[0098] 502、所述客户端向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0099] 可选的，所述客户端采集鼠标的移动轨迹数据，包括：
[0100] 所述客户端每单位时间内采集鼠标的移动轨迹数据；
[0101] 所述客户端向服务端上报所述移动轨迹数据，包括：
[0102] 所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
[0103] 需要说明的是，本实施例中作为图2和图3所示的实施例中客户端对应的实施例，其中，本实施例中，客户端的实施方式均可以参见图2和图3所示的实施例中客户端的实施方式，此处不作赘述，且可以达到相同的有益效果。
[0104] 请参考图6，图6是本发明实施例的另一种数据验证方法的示意图，如图5所示，包括以下步骤：
[0105] 601、服务端接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
[0106] 602、所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0107] 603、若所述移动轨迹数据为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证通过；
[0108] 604、若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则所述服务端确定所述客户端验证不通过。
[0109] 可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
[0110] 所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：
[0111] 所述服务端将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
[0112] 所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
[0113] 若所述图像数据的真人概率超过预设概率阈值，则所述服务端确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
[0114] 若所述图像数据的真人概率不超过预设概率阈值，则所述服务端确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
[0115] 可选的，所述移动轨迹数据还包括时间数据；
[0116] 所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
[0117] 所述服务端通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
[0118] 所述服务端通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
[0119] 可选的，所述服务端通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
[0120] 所述服务端通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
[0121] 需要说明的是，本实施例中作为图2和图3所示的实施例中客户端对应的实施例，其中，本实施例中，客户端的实施方式均可以参见图2和图3所示的实施例中客户端的实施方式，此处不作赘述，且可以达到相同的有益效果。
[0122] 请参考图7，图7是本发明实施例提供的一种数据验证系统的结构示意图，如图7所示，包括：
[0123] 客户端701，用于采集鼠标的移动轨迹数据；
[0124] 所述客户端701还用于向服务端702上报所述移动轨迹数据；
[0125] 所述服务端702，判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0126] 所述服务端702还用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端701验证通过；
[0127] 所述服务端702还用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端701验证不通过。
[0128] 可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
[0129] 所述服务端702用于将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
[0130] 所述服务端702用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
[0131] 若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
[0132] 若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
[0133] 可选的，所述移动轨迹数据还包括时间数据；
[0134] 所述服务端702用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
[0135] 所述服务端702用于通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
[0136] 可选的，所述客户端701用于每单位时间内采集鼠标的移动轨迹数据；
[0137] 所述客户端701用于向服务端702上报所述客户端701每次采集的移动轨迹数据。
[0138] 可选的，所述服务端702用于通过神经网络和预先为所述客户端701建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端701的大量真人控制鼠标的轨迹数据。
[0139] 需要说明的是，本实施例中作为图2和图3所示的实施例对应的系统实施例，系统实施例的实施方式可以参见图2和图3所示的实施例的实施方式，此处不作赘述，且可以达到相同的有益效果。
[0140] 请参考图8，图8是本发明实施例提供的一种客户端的结构示意图，如图8所示，包括：
[0141] 采集模块801，用于采集鼠标的移动轨迹数据；
[0142] 上报模块802，用于向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0143] 可选的，采集模块801用于每单位时间内采集鼠标的移动轨迹数据；
[0144] 上报模块802用于向服务端上报所述客户端每次采集的移动轨迹数据。
[0145] 本实施例中，客户端作为本发明实施例提供的数据验证方法中的客户端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
[0146] 请参考图9，图9是本发明实施例提供的一种服务端的结构示意图，如图9所示，包括：
[0147] 接收模块901，用于接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
[0148] 判断模块902，用于判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0149] 第一确定模块903，用于若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
[0150] 第二确定模块904，用于若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0151] 可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
[0152] 如图10所示，判断模块902包括：
[0153] 转换单元9021，用于将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
[0154] 计算单元9022，用于通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
[0155] 第一确定单元9023，用于若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
[0156] 第二确定单元9024，用于若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
[0157] 可选的，所述移动轨迹数据还包括时间数据；
[0158] 计算单元9022用于通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；以及通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
[0159] 可选的，计算单元9022用于通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
[0160] 本实施例中，服务端作为本发明实施例提供的数据验证方法中的服务端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
[0161] 请参阅图11，图11是本发明实施例提供的另一种客户端的示意图，如图11所示，包括：存储器111，以及与存储器111连接的处理器112，其中，存储器111用于存储程序代码，处理器112用于调用存储器111存储的程序，执行如下操作：
[0162] 采集鼠标的移动轨迹数据；
[0163] 向服务端上报所述移动轨迹数据，以使所述服务端判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过，若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0164] 可选的，处理器112执行的采集鼠标的移动轨迹数据，包括：
[0165] 每单位时间内采集鼠标的移动轨迹数据；
[0166] 处理器112执行的向服务端上报所述移动轨迹数据，包括：
[0167] 所述客户端向服务端上报所述客户端每次采集的移动轨迹数据。
[0168] 本实施例中，客户端作为本发明实施例提供的数据验证方法中的客户端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
[0169] 请参阅图12，图12是本发明实施例提供的另一种服务端的示意图，如图12所示，包括：存储器121，以及与存储器121连接的处理器122，其中，存储器121用于存储程序代码，处理器122用于调用存储器121存储的程序，执行如下操作：
[0170] 接收客户端上报的移动轨迹数据，所述移动轨迹数据为所述客户端采集的鼠标的移动轨迹数据；
[0171] 判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据；
[0172] 若所述移动轨迹数据为真人控制鼠标的轨迹数据，则确定所述客户端验证通过；
[0173] 若所述移动轨迹数据不为真人控制鼠标的轨迹数据，则确定所述客户端验证不通过。
[0174] 可选的，所述移动轨迹数据包括移动速度数据和轨迹数据；
[0175] 处理器122执行的判断所述移动轨迹数据是否为真人控制鼠标的轨迹数据，包括：
[0176] 将所述移动轨迹数据转换成图像数据，其中，所述移动速度数据转换成图像深度，所述轨迹数据转换成图像线条；
[0177] 通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，其中，所述大量真人控制鼠标的轨迹数据为数量超过预设数量阈值的真人控制鼠标的轨迹数据；
[0178] 若所述图像数据的真人概率超过预设概率阈值，则确定所述移动轨迹数据为真人控制鼠标的轨迹数据；
[0179] 若所述图像数据的真人概率不超过预设概率阈值，则确定所述移动轨迹数据不为真人控制鼠标的轨迹数据。
[0180] 可选的，所述移动轨迹数据还包括时间数据；
[0181] 处理器122执行的通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
[0182] 通过CNN和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行初步分类，得到初步分类结果；
[0183] 通过RNN、所述时间数据、所述初步结果和预先获取的大量真人控制鼠标的轨迹数据，对所述图像数据进行时序分类，得到时序分类结果，并使用所述时序分类结果计算所述图像数据的真人概率。
[0184] 可选的，处理器122执行的通过神经网络和预先获取的大量真人控制鼠标的轨迹数据，计算所述图像数据的真人概率，包括：
[0185] 通过神经网络和预先为所述客户端建立的轨迹数据库，计算所述图像数据的真人概率，其中，所述轨迹数据库包括所述客户端的大量真人控制鼠标的轨迹数据。
[0186] 本实施例中，服务端作为本发明实施例提供的数据验证方法中的服务端，其实施方式均可以参见方法的实施方式，此处不作赘述，且可以达到相同有益效果。
[0187] 本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供客户端侧的数据验证方法的步骤。
[0188] 本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例提供服务端侧的数据验证方法的步骤。
[0189] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random Access Memory，简称RAM)等。
[0190] 以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
