基于用户等级的核身策略确定方法、装置及电子设备

摘要

本申请实施例公开了一种基于用户等级的核身策略确定方法、装置和电子设备，该方法包括：基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；确定与所述目标用户的用户等级相匹配的身份核实策略。

权利要求

1.一种基于用户等级的核身策略确定方法，包括：基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，基于所述目标用户的等级评分，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的，所述目标用户的用户等级是用来量化定义所述目标用户的生物特征数据以及所述目标用户的生物特征数据的置信度的标准；

确定与所述目标用户的用户等级相匹配的身份核实策略。

2.根据权利要求1所述的方法，所述基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，包括：基于所述目标用户的生物特征数据，确定所述目标用户的特征向量；

基于所述预设评分模型和所述目标用户的特征向量，确定所述目标用户的等级评分；

其中，所述预设评分模型是基于样本用户的特征向量训练得到的。

3.根据权利要求2所述的方法，所述生物特征数据包括：人脸特征数据；

其中，所述目标用户的特征向量中包括下列参数中的一种或多种：预设时段内获取到的所述目标用户的人脸图像的数量，所述目标用户的人脸图像的质量，以及所述目标用户的历史人脸识别准确程度。

4.根据权利要求1所述的方法，所述基于所述目标用户的等级评分，确定所述目标用户的用户等级，包括：

基于所述目标用户的等级评分，确定所述目标用户的排名；

基于所述目标用户的排名，确定所述目标用户的用户等级。

5.根据权利要求1所述的方法，所述获取目标用户的特征数据，包括：从预设数据库中获取所述目标用户的历史生物特征数据，所述历史生物特征数据是历史上对所述目标用户进行身份核实时所采集的。

6.根据权利要求5所述的方法，所述获取目标用户的特征数据，还包括：获取所述目标用户的当前生物特征数据，所述当前生物特征数据是接收到所述当前身份核实请求时所采集的。

7.根据权利要求6所述的方法，所述方法还包括：将所述当前生物特征数据保存至所述预设数据库。

8.根据权利要求1‑7任一项所述的方法，所述方法还包括：获取所述目标用户的非生物特征数据；

其中，所述基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，包括：

基于预设评分模型和所述目标用户的生物特征数据和非生物特征数据，确定所述目标用户的等级评分，所述预设评分模型是基于样本用户的生物特征数据和非生物特征数据训练得到的。

9.根据权利要求1‑7任一项所述的方法，所述方法还包括：基于所述身份核实策略，对所述目标用户进行身份核实。

10.一种基于用户等级的核身策略确定装置，包括：第一获取模块，用于基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

用户等级确定模块，用于基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，基于所述目标用户的等级评分，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的，所述目标用户的用户等级是用来量化定义所述目标用户的生物特征数据以及所述目标用户的生物特征数据的置信度的标准；

核身策略确定模块，用于确定与所述目标用户的用户等级相匹配的身份核实策略。

11.一种电子设备，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，基于所述目标用户的等级评分，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的，所述目标用户的用户等级是用来量化定义所述目标用户的生物特征数据以及所述目标用户的生物特征数据的置信度的标准；

确定与所述目标用户的用户等级相匹配的身份核实策略。

12.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：

基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，基于所述目标用户的等级评分，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的，所述目标用户的用户等级是用来量化定义所述目标用户的生物特征数据以及所述目标用户的生物特征数据的置信度的标准；

确定与所述目标用户的用户等级相匹配的身份核实策略。

说明书

基于用户等级的核身策略确定方法、装置及电子设备

技术领域

[0001] 本申请涉及计算机技术领域，尤其涉及一种基于用户等级的核身策略确定方法、装置及电子设备。

背景技术

[0002] 随着互联网技术和计算机技术的发展，能够向用户提供服务的网站和应用程序(Application，APP)越来越多。这些网站或APP的运营者为了吸引新用户和维护老用户，会
将用户划分至不同的用户等级，并针对不同用户等级的用户采用不同的运营策略，以在提
升用户体验的同时提高用户黏性。

[0003] 目前，这些网站或APP，主要基于用户在网站或APP中的使用行为数据，进行用户等级的划分。例如，出售商品的网站会基于用户的充值金额和消费金额等消费记录，进行用户
等级的划分；一些论坛会基于用户发表的文章或帖子数量等产出内容，进行用户等级的划
分。

[0004] 但是，消费记录或产出内容与用户账号的合法所有者本身并没有很强的直接关系，例如，假设一个用户账号的合法所有者是自然人A，如果自然人B使用该用户账号充了大
量的金钱或者发表了很多帖子，仍然改变不了该用户账号归属于自然人A的事实。并且，因
为该用户账号对应的用户使用行为数据中包含自然人B的使用行为数据，导致依据该用户
账号对应的用户使用行为数据划分出的用户等级出现偏差，无法真实、直接地描述自然人
A。

发明内容

[0005] 本申请实施例提供了一种基于用户等级的核身策略确定方法、装置及电子设备，以提高确定出的用户等级的准确性的基础上，使得确定出的身份核实策略更为恰当。

[0006] 为解决上述技术问题，本申请实施例是这样实现的：

[0007] 第一方面，提出了一种基于用户等级的核身策略确定方法，包括：

[0008] 基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0009] 基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；

[0010] 确定与所述目标用户的用户等级相匹配的身份核实策略。

[0011] 第二方面，提出了一种基于用户等级的核身策略确定装置，包括：

[0012] 第一获取模块，用于基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0013] 用户等级确定模块，用于基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训
练得到的；

[0014] 核身策略确定模块，用于确定与所述目标用户的用户等级相匹配的身份核实策略。

[0015] 第三方面，提出了一种电子设备，包括：

[0016] 处理器；以及

[0017] 被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

[0018] 基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0019] 基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；

[0020] 确定与所述目标用户的用户等级相匹配的身份核实策略。

[0021] 第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电
子设备执行以下操作：

[0022] 基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0023] 基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；

[0024] 确定与所述目标用户的用户等级相匹配的身份核实策略。

[0025] 由以上本申请实施例提供的技术方案可见，本申请实施例提供的方案至少具备如下一种技术效果：由于目标用户的生物特征数据能够真实、直接地描述目标用户的账号的
所有者，因此，基于目标用户的生物特征数据确定目标用户的用户等级，可以提高确定出的
用户等级的准确性，进而使得基于目标用户的用户等级确定出的身份核实策略更恰当。

附图说明

[0026] 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

[0027] 图1是本说明书实施例提供的基于用户等级的核身策略确定方法的一种实现流程示意图。

[0028] 图2是本说明书实施例提供的基于用户等级的核身策略确定方法的原理示意图；

[0029] 图3是本说明书实施例提供的基于用户等级的核身策略确定方法的另一种实现流程示意图；

[0030] 图4是本说明书实施例提供的一种电子设备的结构示意图。

[0031] 图5是本说明书实施例提供的基于用户等级的核身策略确定装置的一种结构示意图。

[0032] 图6是本说明书实施例提供的基于用户等级的核身策略确定装置的另一种结构示意图。

具体实施方式

[0033] 为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一
部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做
出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0034] 为提高确定出的用户等级的准确性，从而确定出更恰当的身份核实策略，本说明书实施例提供一种基于用户等级的核身策略确定方法。本说明书实施例提供的基于用户等
级的核身策略确定方法的执行主体包括但不限于服务器、个人电脑等能够被配置为执行本
发明实施例提供的该方法的终端中的至少一种。

[0035] 图1是本说明书的一个实施例提供的基于用户等级的核身策略确定方法的流程图。

[0036] 如图1所示，在步骤102处，基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据。

[0037] 需要说明的是，在本说明书中，核身是身份核实的简称，相应的，核身请求时身份核实请求的简称。

[0038] 目标用户，是待确定用户等级、待确定身份核实策略或待核实身份的用户，在此处，目标用户的数量可以是一个，也可以是多个。

[0039] 生物特征，是人体的生物器官(例如五官)或指标(例如眼间距等)经过对应模型产出的一组向量，该向量是可解释的也可以是不可解释的。比如人脸特征，有的模型算法计算
出的向量是可解释的，其特征例如可以描述为某个用户的眼睛的样子、眼睛在人脸区域的
占比等等；而目前占据主流的深度学习模型算法计算出的生物特征通常为不可解释的向
量。本说明书实施例中所涉及到的生物特征，既可以是可解释的，也可以是不可解释的。

[0040] 生物特征数据，包括可采集的人体生物信息，如人脸、虹膜、指纹、眼纹、耳纹和心电图等数据中的一种或多种。且这些生物特征数据的数量可以是多个，例如，当可采集的人
体生物信息为人脸时，采集到的生物特征数据可以是一段时间内的多张人脸图像等等，以
此类推。

[0041] 在一个例子中，步骤102中获取的生物特征数据包括：人脸特征数据；其中，所述目标用户的特征向量中包括下列参数中的一种或多种：预设时段内获取到的所述目标用户的
人脸图像的数量，所述目标用户的人脸图像的质量，以及所述目标用户的历史人脸识别准
确程度，等等。

[0042] 在实际应用中，可以预先将采集到的不同用户的生物特征数据，按照该生物特征数据所含的生物特征的所有者的用户标识，以及该生物特征数据所含的生物特征的质量等
对应存储在预设数据库中，其中，用户标识，例如可以是用户ID，更为具体的，当用户为中国
大陆公民时，用户ID可以是用户可用身份证标识(如身份证号)。

[0043] 并且，由于网站或APP等应用常在核实用户身份时(例如，登录或支付时)采集用户的生物特征，因此，在此基础上，作为一个例子，上述步骤102可以包括：从预设数据库中获
取所述目标用户的历史生物特征数据，所述历史生物特征数据是历史上对所述目标用户进
行身份核实时所采集的。

[0044] 可选地，作为另一个例子，上述步骤102还可以包括：获取所述目标用户的当前生物特征数据，所述当前生物特征数据是接收到所述目标用户的当前身份核实请求时所采集
的。不难理解，结合目标用户的历史生物特征数据和当前生物特征数据确定出的用户等级
的这一方案，由于考虑了目标用户的实时生物特征，因此可以更进一步地提高确定出的用
户等级的准确性。

[0045] 在该另一个例子的基础上，可选地，本说明书提供的一种基于用户等级的核身策略确定方法还可以包括：将所述当前生物特征数据保存至所述预设数据库，以对所述预设
数据库中存储的目标用户的用户生物特征数据进行实时更新，从而使得基于下述步骤104
确定出的目标用户的用户等级也能够实时更新。

[0046] 在步骤104处，基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级。

[0047] 其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的。

[0048] 用户等级，可以是为了更好的管理用户或为了向用户提供个性化的服务，按一定标准对不同的用户进行区分。或者，在本说明提供的实施例中，用户等级，可以是用来量化
定义用户的生物特征数和/或非生物特征数据，以及这些生物特征数据和/或非生物特征数
据的置信度的一个标准，为相关产品的运营提供了简明的依据。例如，可以将某一网站或
APP的用户群体由高到低依次划分为钻石、铂金、黄金和白银四个级别。

[0049] 在一个例子中，上述步骤104可以包括：基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分；基于所述目标用户的等级评分，确定所述目标用
户的用户等级。

[0050] 更为详细地，所述基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分，包括：基于所述目标用户的生物特征数据，确定所述目标用户的特征
向量；基于所述预设评分模型和所述目标用户的特征向量，确定所述目标用户的等级评分；
其中，所述预设评分模型是基于样本用户的特征向量训练得到的。

[0051] 在一个例子中，所述基于所述目标用户的等级评分，确定所述目标用户的用户等级，具体可以包括：基于所述目标用户的等级评分，确定所述目标用户的排名；基于所述目
标用户的排名(具体可以是在所有用户的排名)，确定所述目标用户的用户等级。例如，可以
将排名在前5％的目标用户的用户等级确定为钻石，将排名在5％‑20％之间的目标用户的
用户等级确定为黄金，将排名在20％‑50％之间的目标用户的用户等级确定为白银，将排名
在50％‑100％之间的目标用户的用户等级确定为青铜，等等。

[0052] 在另一个例子中，所述基于所述目标用户的等级评分，确定所述目标用户的用户等级，具体可以包括：基于所述目标用户的等级评分所在的数值范围，以及所述数值范围对
应用户等级，确定所述目标用户的用户等级。例如，将等级评分在[95,100]内的目标用户的
用户等级确定为钻石，将等级评分在[80,95]内的目标用户的用户等级确定为黄金，将等级
评分在[50,80]内的目标用户的用户等级确定为白银，将等级评分在[0,50]内的目标用户
的用户等级确定为青铜。

[0053] 当然，在实际应用中，基于所述目标用户的等级评分，确定所述目标用户的用户等级的方式并不限于上述两个例子。

[0054] 可选地，在另一个例子中，本说明书提供的一种基于用户等级的核身策略确定方法还可以包括：获取所述目标用户的非生物特征数据；相应的，上述步骤104具体可以包括：
基于预设评分模型和所述目标用户的生物特征数据和非生物特征数据，确定所述目标用户
的用户等级。此时，上述预设评分模型，是基于样本用户的生物特征数据和非生物特征数据
训练得到的，相应的，上述特征向量包括：表征生物特征数据的向量和表征非生物特征数据
的特征向量。

[0055] 其中，目标用户的非生物特征数据，可以包括目标用户的使用行为数据和目标用户的基本信息等数据中的一种或多种。例如，当目标用户为一款购物APP的用户时，目标用
户的使用行为数据可以是目标用户的消费记录数据，具体如日均或月均消费金额等，目标
用户的基本信息数据可以是用户身份信息、社交关系等。其中，社交关系，可以是好友关系
或因相互关注而产生的关注关系等。

[0056] 需要说明的是，在本说明书提供的实施例中，既可以仅根据生物特征数据进行目标用户等级的划分，也可以将生物特征数据和非生物特征数据结合在一起进行用户等级的
划分。可以理解，当结合生物特征数据和非生物特征数据进行用户等级的划分时，可以使确
定出的用户等级能更全面、更直接地描述目标用户。而在仅根据目标用户的生物特征数据
确定目标用户等级(预设评分模型也是基于样本用户的生物特征数据训练得到的)的例子
中，一方面，可以取得确定出的用户等级能够真实、直接地描述目标用户的所有者的效果；
另一方面，由于目标用户的生物特征数据可以在离线状态下从预设数据库中获得到，且预
设评分模型是预先训练好的，因此，在不接入互联网的情况下，就可以实现用户等级的划
分，这对网站或APP来说不仅简单易行，而且能减少流量消耗。

[0057] 可以理解，在训练获得所述预设评分模型时，具体可以基于已标注出等级评分的样本用户，以及已标出等级评分的样本用户的特征向量进行训练，最终目标是得到一个可
以利用用户的生物特征数据和/或非生物特征数据对用户进行评分的评分模型。下文会结
合图2对训练获得预设评分模型，以及应用该评分模型进行用户等级及身份核实策略(简称
核身策略)确定的过程进行说明，详见下文。

[0058] 在步骤106处，确定与所述目标用户的用户等级相匹配的身份核实策略。

[0059] 为了方便举例，下面现将身份核实场景中存在的两种具体场景分别进行说明，一种是1:1场景，即用户输入账号(例如手机号)等可以表示自己身份的数据，由系统从数据库
中提取其对应生物特征留底(例如人脸图像留底)，然后将系统采集的用户当前的生物特征
(例如由摄像头拍摄得到的人脸图像)与生物特征留底进行比对，如果接近程度大于预设阈
值，则认为身份核实通过，否则不通过；另一种是1：N场景，即用户输入较少的数据或不输入
数据，系统提供一组备选的生物特征留底，由系统将采集到的生物特征与该组备选生物特
征留底中的生物特征留底依次比对，从中选出一个最接近的(例如欧式距离最短的)，以对
目标用户的身份进行核实。

[0060] 这样，以目标用户在机场进行值机或进入火车站候车的1：N场景为例，当目标用户为高级用户时，可以将目标用户的生物特征与高级用户集合中的用户的生物特征留底进行
一一比对确定为具体的身份核实策略，以找到与目标用户最接近的用户，实现目标用户的
身份核实。不难理解，将目标用户仅与高级用户集合中的用户进行比对，而不是与所有用户
进行比对，可以缩小N的取值范围，从而可以提高用户身份核实的速度。

[0061] 再如，对于用户通过刷脸进入火车站的1:N的应用场景，采集装置在采集到用户A的人脸图像后，会与数据库中存储的一批人脸一一进行对比，找到最接近的人脸B之后(假
设相似度为80％)，基于人脸B对应的用户标识确定该人脸B的用户等级为高级，则可以将相
似度大于90％确定为与高级用户匹配的身份核实策略，以提高安全性，相应的可以要求用
户A摆正姿态后，再次获取用户A的人脸图像，并将再次获取的人脸图像与人脸B比对，如果
相似度大于90％则放行；否则确定身份核实失败，不予放行。

[0062] 可选地，在1：N场景中，还可以通过目标用户的手机号前3位或后4位，以及用户接入的无线网络(WiFi)或基于位置的服务(Location Based Service，LBS)(如地理围栏)等
方式，进一步缩小N的范围，以进一步地提升用户身份核实的速度。

[0063] 再如，对于目标用户登录支付APP的1:1场景，当确定出目标用户为高级用户时，可以将更高的比对阈值确定为与高级用户匹配的核身策略，以提高支付安全性。

[0064] 除了上述例子中所说的值机、进站和登录等应用场景，本说明书图1提供的实施例还可以应用于门禁、在线支付等需要进行身份核实的场景，以及其他需要根据用户等级选
择运营策略的场景(例如，线上的优惠活动等)。

[0065] 图1所示的实施例提供的一种基于用户等级的核身策略确定方法，由于生物特征数据能够真实、直接地描述用户的账号的所有者，因此，基于目标用户的生物特征数据确定
目标用户的用户等级，可以提高确定出的用户等级的准确性，进而使得基于目标用户的用
户等级确定出的身份核实策略更恰当，这在提升用户体验的同时，也提高了用户黏性。

[0066] 下面结合图2对训练获得预设评分模型的过程，以及应用该预设评分模型进行评分的过程进行说明。

[0067] 如图2所示，在建模部分200：

[0068] 首先执行步骤201、采样。

[0069] 具体是从存储部分300中的生物特征数据库301和非生物特征数据库302中，分别以用户标识为主键，抽取已标注过一些用户作为样本用户，同时将样本用户的生物特征数
据和非生物特征数据提取出来。其中，生物特征数据库301中可以包括人脸特征数据、虹膜
特征数据、眼纹特征数据和指纹特征数据等，非生物特征数据库302中可以包括：行为数据、
社交关系、消费记录和产出内容等等，执行步骤201采样得到的数据结构的形式可以如下：

[0070] [

[0071] {用户ID，生物特征数据：{人脸数据集：[人脸数据1，人脸数据2，……]，指纹数据集：[指纹数据1，指纹数据2，……]，……}，

[0072] 非生物特征数据：{身份信息：[姓名，籍贯，生日，……]，社交关系：[……]，……}

[0073] }，……]

[0074] 执行步骤203、选取特征。

[0075] 具体可以基于步骤201采样得到的样本用户的生物特征数据和非生物特征数据计算样本用户的特征向量。

[0076] 例如，对于获取到的人脸特征数据集合，可以计算得到由如下特征构成的特征向量：预设历史时段内(例如近三个月、近半年或近一年内)样本用户的人脸图片数量，样本用
户的人脸图片的质量最高分、最低分、平均分、标准差，以及样本用户的人脸核身比对分值
的最高分、最低分、平均分和标准差等。

[0077] 其中，人脸核身比对分值，可以是利用人脸特征比对核实用户身份时，采集到的人脸特征与预存的人脸特征的相似程度。

[0078] 对于获取到的其他生物特征数据集合，可以提取与人脸特征数据类似的特征，具体特征可以根据该生物特征数据的特点确定，本说明书不一一列举。

[0079] 对于获取到的非生物特征数据，例如对于样本用户的身份信息，可以提取出样本用户的身份信息是否齐全或完善程度，以及是否与预设的可信数据的比对结果等特征；再
如，对于样本用户的消费记录，可以提取出日均消费额等特征，等等，以此类推。

[0080] 将上述提取出的所有特征集成在一起，最终得到样本用户的特征向量。

[0081] 执行步骤205、训练。

[0082] 具体基于样本用户的特征向量可以训练得到预设评分模型303。此处可以采用监督式建模方法(本质是一个多分类的模型训练过程)、证据权重(Weight of Evidence，WOE)
评分卡或聚类等方法进行建模，最终目标是得到一个可以利用用户的生物特征数据和非生
物特征数据对用户进行评分的评分模型，也即得到上述预设评分模型303，在实际应用中，
需要将预设评分模型303存储下来，以便在实际的生产环境中应用该模型。

[0083] 当然，训练得到上述预设评分模型的方法可以不限于上述几种，可以采用其他机器学习方法，甚至人为确定几个属性来制定一个评分模型，例如，当人脸图片数量大于预设
数量(例如20)，并且每张质量都为“好”的用户就可以被划分为高级用户(例如钻石用户)。

[0084] 执行步骤207，统计分布。

[0085] 具体是统计样本用户的等级评分分布，最终得到基于用户的等级评分确定用户等级的规则，具体的规则可以按照实际需要进行定义。

[0086] 如前文所述，作为一个例子，可以将排名在前5％的目标用户的用户等级确定为钻石，将排名在5％‑20％之间的目标用户的用户等级确定为黄金，将排名在20％‑50％之间的
目标用户的用户等级确定为白银，将排名在50％‑100％之间的目标用户的用户等级确定为
青铜，等等；作为另一个例子，可以将等级评分在[95,100]内的目标用户的用户等级确定为
钻石，将等级评分在[80,95]内的目标用户的用户等级确定为黄金，将等级评分在[50,80]
内的目标用户的用户等级确定为白银，将等级评分在[0,50]内的目标用户的用户等级确定
为青铜。

[0087] 同预设评分模型一样，也可以将确定出的用户等级确定规则进行保存，以便在实际的生产环境中应用该确定规则。

[0088] 总之，参考图2可知，经过建模部分200中的几个步骤，可以训练得到预设评分模型，以及确定出用户等级确定规则，并存储至存储部分300中的相应存储空间。

[0089] 继续参考图2可知，在应用部分400中：

[0090] 在步骤401处，可以接收目标用户的身份核实请求，该身份核实请求中可以携带目标用户的当前生物特征数据；可选地，在步骤401处，还可以将当前生物特征数据保存至生
物特征数据库301中。

[0091] 在步骤403处，可以结合目标用户的历史生物特征数据和当前生物特征数据，计算目标用户的特征向量；当然，在步骤403处，也可以仅基于目标用户的历史生物特征数据，计
算目标用户的特征向量；或者，可选地，在步骤403除，还可以将目标用户的历史生物特征数
据和非生物特征数据结合在一起，计算目标用户的特征向量。

[0092] 在步骤405处，可以将步骤403中计算得到的特征向量输入预设评分模型，得到目标用户的等级评分。

[0093] 可选地，在步骤405中，为了方便排序对比，还可以在预设评分模型中对目标用户的等级评分进行归一化处理。

[0094] 在步骤407处，可以基于步骤405中计算出的等级评分结合用户等级确定规则，确定目标用户的用户等级。

[0095] 最后，在步骤409处，可以基于确定出的用户等级，根据不同的应用场景确定出合适的用户身份核实策略。当然，基于确定出的用户等级，还可以确定其他业务的业务策略，
本说明书对此不做限制，在此处，仅仅是以用户身份核实这一场景进行举例。

[0096] 同样的，在图2所示的实施例中，由于生物特征数据能够真实、直接地描述用户的账号的所有者，因此，基于目标用户的生物特征数据确定目标用户的用户等级，可以提高确
定出的用户等级的准确性，进而使得基于目标用户的用户等级确定出的身份核实策略更恰
当。

[0097] 可选地，如图3所示，在另一个实施例中，本说明书提供的一种基于用户等级的核身策略确定方法，还可以包括如下步骤：

[0098] 步骤108、基于所述身份核实策略，对所述目标用户进行身份核实。

[0099] 沿用步骤106中的例子，以目标用户在机场进行值机或进入火车站候车的1：N场景为例，当目标用户为高级用户时，可以将目标用户的生物特征与高级用户集合中的用户的
生物特征留底进行一一比对确定为具体的身份核实策略，以找到与目标用户最接近的用
户，实现目标用户的身份核实。不难理解，将目标用户仅与高级用户集合中的用户进行比
对，而不是与所有用户进行比对，可以缩小N的取值范围，从而可以提高用户身份核实的速
度、降低误识别率。

[0100] 再如，对于用户通过刷脸进入火车站的1:N的应用场景，采集装置在采集到用户A的人脸图像后，会与数据库中存储的一批人脸一一进行对比，找到最接近的人脸B之后(假
设相似度为80％)，基于人脸B对应的用户标识确定该人脸B的用户等级为高级，则可以将相
似度大于90％确定为与高级用户匹配的身份核实策略，以提高安全性，相应的可以要求用
户A摆正姿态后，再次获取用户A的人脸图像，并将再次获取的人脸图像与人脸B比对，如果
相似度大于90％则放行；否则确定身份核实失败，不予放行。

[0101] 再如，对于目标用户登录支付APP的1:1场景，当确定出目标用户为高级用户时，可以将更高的比对阈值确定为与高级用户匹配的核身策略，以提高支付安全性。

[0102] 除了上述例子中所说的值机、进站和登录等应用场景，本说明书图3提供的实施例还可以应用于门禁、在线支付等需要进行身份核实的场景，以及其他需要根据用户等级选
择运营策略的场景(例如，线上的优惠活动等)。

[0103] 图3所示的实施例提供的一种基于用户等级的核身策略确定方法，由于生物特征数据能够真实、直接地描述用户的账号的所有者，因此，基于目标用户的生物特征数据确定
目标用户的用户等级，可以提高确定出的用户等级的准确性，使得基于目标用户的用户等
级确定出的身份核实策略更恰当，从而使得基于该身份核实策略，对所述目标用户进行身
份核实时，能够取得提高核实速度、提高安全性或降低误识别率等效果。

[0104] 图4是本说明书的一个实施例提供的电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可
能包含内存，例如高速随机存取存储器(Random‑Access Memory，RAM)，也可能还包括非易
失性存储器(non‑volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能
包括其他业务所需要的硬件。

[0105] 处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral 
Component Interconnect，外设部件互连标准)总线或EISA(Extended Industry Standard 
Architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总
线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的
总线。

[0106] 存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

[0107] 处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于用户等级的核身策略确定装置。处理器，执行存储器所存放的程序，并具体用
于执行以下操作：

[0108] 基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0109] 基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；

[0110] 确定与所述目标用户的用户等级相匹配的身份核实策略。

[0111] 上述如本说明书图1所示实施例揭示的基于用户等级的核身策略确定方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能
力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件
形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing 
Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital 
Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，
ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑
器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个
实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也
可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直
接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完
成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可
编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储
器中的信息，结合其硬件完成上述方法的步骤。

[0112] 该电子设备还可执行图1的基于用户等级的核身策略确定方法，本说明书在此不再赘述。

[0113] 当然，除了软件实现方式之外，本说明书的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个
逻辑单元，也可以是硬件或逻辑器件。

[0114] 本说明书实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电
子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下
操作：

[0115] 基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据；

[0116] 基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的用户等级；其中，所述预设评分模型是基于样本用户的生物特征数据训练得到的；

[0117] 确定与所述目标用户的用户等级相匹配的身份核实策略。

[0118] 图5是本说明书提供的基于用户等级的核身策略确定装置500的结构示意图。请参考图5，在一种软件实施方式中，基于用户等级的核身策略确定装置500可包括：第一获取模
块501、用户等级确定模块502和核身策略确定模块503。

[0119] 第一获取模块501，用于基于针对目标用户的当前身份核实请求，获取目标用户的生物特征数据。

[0120] 可选地，作为一个例子，所述第一获取模块501，可用于从预设数据库中获取所述目标用户的历史生物特征数据，所述历史生物特征数据是历史上对所述目标用户进行身份
核实时所采集的。

[0121] 可选地，作为另一个例子，所述第一获取模块501，可用于获取所述目标用户的当前生物特征数据，所述当前生物特征数据是接收到所述目标用户的当前身份核实请求时所
采集的。

[0122] 可选地，作为另一个例子，装置500还可以包括：存储模块，用于将所述当前生物特征数据保存至所述预设数据库。

[0123] 可选地，作为另一个例子，上述生物特征数据包括：人脸、虹膜、指纹、眼纹、耳纹和心电图数据中的一种或多种，更为具体的，所述生物特征数据包括：人脸特征数据；其中，所
述目标用户的特征向量中包括下列参数中的一种或多种：预设时段内获取到的所述目标用
户的人脸图像的数量，所述目标用户的人脸图像的质量，以及所述目标用户的历史人脸识
别准确程度。

[0124] 用户等级确定模块502，用于基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分；其中，所述预设评分模型是基于样本用户的生物特征数据
训练得到的。

[0125] 可选地，在一个例子中，用户等级确定模块502，可用于基于预设评分模型和所述目标用户的生物特征数据，确定所述目标用户的等级评分；基于所述目标用户的等级评分，
确定所述目标用户的用户等级。

[0126] 更为具体的，在一个例子中，用户等级确定模块502，可用于基于所述目标用户的生物特征数据，确定所述目标用户的特征向量；基于所述预设评分模型和所述目标用户的
特征向量，确定所述目标用户的等级评分；其中，所述预设评分模型是基于样本用户的特征
向量训练得到的。

[0127] 更为具体的，在另一个例子中，用户等级确定模块502，可用于基于所述目标用户的等级评分，确定所述目标用户的排名；基于所述目标用户的排名，确定所述目标用户的用
户等级。

[0128] 可选地，在另一个例子中，装置500还可以包括：第二获取模块，用于获取所述目标用户的非生物特征数据。其中，所述等级评分确定模块，具体用于基于预设评分模型和所述
目标用户的生物特征数据和非生物特征数据，确定所述目标用户的等级评分，此时，所述预
设评分模型是基于样本用户的生物特征数据和非生物特征数据训练得到的。

[0129] 核身策略确定模块503，用于确定与所述目标用户的用户等级相匹配的身份核实策略。

[0130] 图5所示的基于用户等级的核身策略确定装置，由于生物特征数据能够真实、直接地描述用户的账号的所有者，因此，基于目标用户的生物特征数据确定目标用户的用户等
级，可以提高确定出的用户等级的准确性，进而使得基于目标用户的用户等级确定出的身
份核实策略更恰当。

[0131] 如图6所示，在另一个实施例中，本说明书提供的一种基于用户等级的核身策略确定装置500，还可以包括：身份核实模块504。

[0132] 身份核实模块504，用于基于所述身份核实策略，对所述目标用户进行身份核实。

[0133] 图6所示的实施例提供的一种基于用户等级的核身策略确定装置，由于生物特征数据能够真实、直接地描述用户的账号的所有者，因此，基于目标用户的生物特征数据确定
目标用户的用户等级，可以提高确定出的用户等级的准确性，使得基于目标用户的用户等
级确定出的身份核实策略更恰当，从而使得基于该身份核实策略，对所述目标用户进行身
份核实时，能够取得提高核实速度、提高安全性或降低误识别率等效果。

[0134] 基于用户等级的核身策略确定装置500能够实现图1的方法实施例的方法，具体可参考图1所示实施例的基于用户等级的核身策略确定方法，不再赘述。

[0135] 总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改
进等，均应包含在本说明书一个或多个实施例的保护范围之内。

[0136] 上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可
以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放
器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何
设备的组合。

[0137] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动
态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除
可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、
数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备
或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算
机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

[0138] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要
素。在没有更多限制时，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过
程、方法、商品或者设备中还存在另外的相同要素。

[0139] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实
施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例
的部分说明即可。