CN118297600B - 对用户进行支付身份验证的方法、设备、介质及程序产品 - Google Patents
对用户进行支付身份验证的方法、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN118297600B CN118297600B CN202410684040.6A CN202410684040A CN118297600B CN 118297600 B CN118297600 B CN 118297600B CN 202410684040 A CN202410684040 A CN 202410684040A CN 118297600 B CN118297600 B CN 118297600B
- Authority
- CN
- China
- Prior art keywords
- payment
- user
- information
- identity verification
- time sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012795 verification Methods 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 78
- 239000013598 vector Substances 0.000 claims description 45
- 230000015654 memory Effects 0.000 claims description 43
- 238000000605 extraction Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 23
- 238000003066 decision tree Methods 0.000 claims description 20
- 230000000295 complement effect Effects 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 19
- 206010044565 Tremor Diseases 0.000 description 18
- 238000004891 communication Methods 0.000 description 8
- 238000012011 method of payment Methods 0.000 description 7
- 230000005291 magnetic effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
- G06Q20/40145—Biometric identity checks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请的目的是提供一种对用户进行支付身份验证的方法、设备、介质及程序产品，本申请通过引入用户手部抖动数据采集，提取用户手部动态生物特征，基于用户手部动态生物特征来动态确定支付身份验证方案并对用户进行支付身份验证，可以在满足支付高效率要求的场景下尽可能保障支付安全，能够在惯用和高频的场景下尽可能简化身份验证以提高支付效率，在未知和不确定性支付条件下尽可能提高身份验证手段以尽可能保障支付安全。
Description
技术领域
本申请涉及数据处理领域，尤其涉及一种用于对用户进行支付身份验证的技术。
背景技术
现有技术中，买方通过线上或者线下与卖方进行沟通，达成交易意愿，通过手机进行支付，第三方支付公司在支付环节需验证买方身份，验证通过后形成扣款指令，双方交易达成情况下，将资金结算给卖方。
手机支付的付款过程可概述为，付款人通过手机设备将支付账户中的资金支付给收款方。支付过程中的身份验证在于验证实际操作手机的付款人是支付账户的所有人，并且确认可将资金转移到收款人账户。而为了达到这个目的，支付行业逐步发展出了支付密码验证、短信验证码验证、人脸识别、指纹识别等手段进行身份验证，每一种手段都有侧重验证的方向，如果在一次支付过程中都用上无疑是更为安全的，但在实际支付过程中需要在安全支付的要求下，还要解决手机支付的便捷性、时效性的问题。
发明内容
本申请的一个目的是提供一种对用户进行支付身份验证的方法、设备、介质及程序产品。
根据本申请的一个方面，提供了一种对用户进行支付身份验证的方法，该方法包括：
接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息；
根据所述第一匹配度信息确定所述用户对应的支付身份验证方案；
若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息；
若所述第二匹配度信息大于或等于预定匹配度阈值，确定所述用户通过支付身份验证。
根据本申请的一个方面，提供了一种用于对用户进行支付身份验证的计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现如上所述任一方法的操作。
根据本申请的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如上所述任一方法的操作。
根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述任一方法的步骤。
根据本申请的一个方面，提供了一种用于对用户进行支付身份验证的网络设备，该设备包括：
一一模块，用于接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息；
一二模块，用于根据所述第一匹配度信息确定所述用户对应的支付身份验证方案；
一三模块，用于若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息；
一四模块，用于若所述第二匹配度信息大于或等于预定匹配度阈值，确定所述用户通过支付身份验证。
与现有技术相比，本申请接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息；根据所述第一匹配度信息确定所述用户对应的支付身份验证方案；若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息；若所述第二匹配度信息大于或等于预定匹配度阈值，确定所述用户通过支付身份验证，从而通过引入用户手部抖动数据采集，提取用户手部动态生物特征，基于用户手部动态生物特征来动态确定支付身份验证方案并对用户进行支付身份验证，可以在满足支付高效率要求的场景下尽可能保障支付安全，能够在惯用和高频的场景下尽可能简化身份验证以提高支付效率，在未知和不确定性支付条件下尽可能提高身份验证手段以尽可能保障支付安全。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图；
图2示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图；
图3示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图；
图4示出根据本申请一个实施例的一种用于对用户进行支付身份验证的网络设备结构图；
图5示出可被用于实施本申请中所述的各个实施例的示例性系统。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器（Central Processing Unit，CPU）)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(Flash Memory)。内存是计算机可读介质的示例。
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（Phase-Change Memory，PCM）、可编程随机存取存储器(Programmable Random Access Memory，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器 (Dynamic Random AccessMemory，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 (Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disc ,DVD)或其他光学存储、磁盒式磁带，磁带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。
本申请所指设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互（例如通过触摸板进行人机交互）的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程逻辑器件（Programmable Logic Device，PLD）、现场可编程门阵列（Field Programmable Gate Array，FPGA）、数字信号处理器（Digital Signal Processor，DSP）、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算（Cloud Computing）的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络（Ad Hoc网络）等。优选地，所述设备还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。
当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。
图1示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图，该方法包括步骤S11、步骤S12、步骤S13和步骤S14。在步骤S11中，网络设备接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息；在步骤S12中，网络设备根据所述第一匹配度信息确定所述用户对应的支付身份验证方案；在步骤S13中，若所述支付身份验证方案表征所述用户需要输入身份验证信息，网络设备向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息；在步骤S14中，若所述第二匹配度信息大于或等于预定匹配度阈值，网络设备确定所述用户通过支付身份验证。
在步骤S11中，网络设备接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息。在一些实施例中，生理性震颤是所有人都会在一定程度上出现的正常震颤，例如，大多数人的手在伸出时通常会轻微震颤。这种轻微的快速震颤反应了神经对肌肉的准确的持续控制。大多数人的震颤几乎不明显，但正常震颤可能在某些情况下更显著，并可能会引起人们担忧（翻译自《默沙东诊疗手册-震颤》，原文在【震颤的类型】部分，默沙东诊疗手册，The Merck's Manual，最早出版于 1899 年），即用户在手持用户设备（例如，手机）进行支付的过程中均会出现一定程度的手部抖动。在一些实施例中，用户设备响应于用户执行的第一支付触发操作，获取用户在执行第一支付触发操作的操作过程中对应的第一用户手部抖动时序数据，然后用户设备将第一用户手部抖动时序数据发送给网络设备，由网络设备来执行匹配操作。在一些实施例中，第一支付触发操作包括但不限于用户针对某个支付码（例如，支付二维码或支付条形码等）的扫描操作、用户针对某个支付按钮的访问操作（例如，点击操作）等，例如，若第一支付触发操作为扫码操作，则获取用户在扫码过程中对应的第一用户手部抖动时序数据，若第一支付触发操作为点击操作，则获取用户在点击支付按钮的操作过程中对应的第一用户手部抖动时序数据，或者，获取用户从打开购买确认页到点击支付按钮为止的过程中对应的第一用户手部抖动时序数据。在一些实施例中，第一用户手部抖动时序数据可以包括用户使用的用户设备上的加速度传感器模块在用户执行第一支付触发操作的操作过程中采集获得的时间序列数据（time，x，y，z）和/或用户设备上的陀螺仪（角速度传感器）模块在用户执行第一支付触发操作的操作过程中采集获得的时间序列数据（time，x，y，z），其中，x、y、z分别是指三个坐标轴方向上的加速度值，或者，三个坐标轴方向上的角速度值。在一些实施例中，该用户在之前的历史支付事件中曾经执行过至少一次第二支付触发操作，用户设备在该至少一次第二支付触发操作的操作过程中采集得到该用户对应的第二用户手部抖动时序数据，其中，第二用户手部抖动时序数据可以包括多组时序数据，每组时序数据对应于一次第二支付触发操作。在一些实施例中，所述第一支付触发操作与所述至少一次第二支付触发操作属于相同的支付触发类型，其中，支付触发类型包括但不限于扫码类型（例如，用户针对支付二维码或支付条形码执行的扫码操作属于扫码类型）、访问类型（例如，用户针对支付按钮执行的点击操作属于访问类型）等。在一些实施例中，不同用户在支付过程中执行属于相同支付触发类型的支付操作（例如，扫描支付二维码的扫码操作）的操作过程中对应的手部抖动时序数据通常都是存在个体差异的，可以通过提取手部抖动时序数据对应的特征数据（例如，特征向量）进行匹配来体现不同用户的个体差异，从而实现基于用户在当前支付过程中执行某种操作类型的支付操作的操作过程中的手部抖动时序数据来对该用户进行支付身份验证，其中，支付操作包括支付触发操作及身份验证信息输入操作。在一些实施例中，将第一用户手部抖动时序数据与第二用户手部抖动时序数据进行特征匹配，即对第一用户手部抖动时序数据进行特征提取，得到对应的第一特征数据（例如，特征向量），对第二用户手部抖动时序数据进行特征提取，得到对应的第二特征数据（例如，特征向量），然后对第一特征数据与第二特征数据进行匹配操作，匹配获得两者之间的相似度（例如，特征向量之间的距离），根据该相似度可以确定第一支付触发操作对应的第一匹配度，两者之间的相似度越高，则第一支付触发操作对应的第一匹配度越高，例如，第二用户手部抖动时序数据是多组时序数据，则可以分别匹配得到每组时序数据对应的特征数据与第一用户手部抖动时序数据对应的特征数据之间的相似度，然后根据匹配得到的多个相似度确定第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征数据相似度，例如，通过对该多个相似度（例如，特征向量之间的距离）求平均计算得到第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征数据相似度（例如，平均距离），再通过将该平均距离与一个或多个阈值范围进行比较，来确定第一支付触发操作对应的第一匹配度。
在步骤S12中，网络设备根据所述第一匹配度信息确定所述用户对应的支付身份验证方案。在一些实施例中，根据第一支付触发操作对应的第一匹配度，确定该用户在本次支付中的支付身份验证方案，支付身份验证方案包括但不限于豁免验证、动态验证码验证、支付密码验证、人脸验证、指纹验证中的其中一项或其中多项的组合，可以将第一匹配度输入一个预定的函数关系式，得到该函数关系式输出的支付身份验证方案，或者，还可以将第一匹配度输入一个预先构建的决策树，得到该决策树输出的支付身份验证方案，或者，还可以基于预先生成的动态身份验证策略来得到该用户在本次支付中的支付身份验证方案，其中，该动态身份验证策略的生成依据包括但不限于该用户在本次支付中使用的用户设备的相关信息、该用户在本次支付中所位于的地理位置的相关信息、第一支付触发操作对应的第一匹配度信息、该用户的过往支付周期频率、该用户在本次支付中所要支付金额所处的梯度等。在一些实施例中，根据第一匹配度、用户的本次支付信息以及该用户的支付画像信息，确定该用户在本次支付中的支付身份验证方案，若该支付身份验证方案仅包括豁免验证，则直接判断该用户通过支付身份验证，无需该用户再行输入额外的身份验证信息，若该支付身份验证方案包括除了豁免验证以外的其他至少一个方案（例如，动态验证码验证、支付密码验证、人脸验证、指纹验证等方案），则向对应的用户设备发送该支付身份验证方案所对应的身份验证提示信息，其中，该用户的支付画像信息用于表征该用户的过往支付习惯，该支付画像信息包括但不限于过往支付周期频率、过往习惯支付时间（支付月份、支付星期、交易时段等多维）、过往习惯支付地理位置（是否为该账户长居城市）、过往习惯支付设备（设备是否为常用设备）、过往惯常支付金额范围、过往惯常支付对象（商品/服务）的类别、过往习惯支付行为类型（扫码行为、确认支付点击行为、键盘输入行为、手机相机人脸识别行为、指纹识别行为等）等，该用户的本次支付信息是指用户在本次支付事件中产生的支付数据信息，该支付数据信息包括但不限于支付设备信息、支付位置信息、支付金额信息、支付时间信息、支付的收款方信息等。
在步骤S13中，若所述支付身份验证方案表征所述用户需要输入身份验证信息，网络设备向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息。在一些实施例中，若支付身份验证方案为豁免验证，则该支付身份验证方案表征该用户不需要输入额外的身份验证信息，可以直接确认该用户通过支付身份验证，若支付身份验证方案为除了豁免验证以外的其他方案，则该支付身份验证方案表征该用户需要输入身份验证信息，此时可以向用户设备发送该支付身份验证方案对应的身份验证提示信息，用户设备接收并向用户呈现该身份验证提示信息，使得该用户可以在用户设备上基于该身份验证提示信息执行第一身份验证信息输入操作，输入相应的身份验证要素，用户设备会将该身份验证要素发送给网络设备，由网络设备来对该身份验证要素进行验证，其中，身份验证信息输入操作包括但不限于支付密码输入操作、短信验证码输入操作、人脸识别操作、指纹识别操作中的其中一项或其中多项的组合，身份验证要素包括但不限于支付密码、短信验证码、人脸信息、指纹信息中的其中一项或其中多项的组合。在一些实施例中，会对用户输入的身份验证要素进行验证，若验证通过，网络设备会根据用户在执行第一身份验证信息输入操作的操作过程中对应的第三用户手部抖动时序数据执行后续的匹配操作，其中，第三用户手部抖动时序数据与前文所述的第一用户手部抖动时序数据相似，在此不再赘述。在一些实施例中，该用户在之前的历史支付事件中曾经执行过至少一次第二身份验证信息输入操作，用户设备在该至少一次第二身份验证信息输入操作的操作过程中采集得到该用户对应的第四用户手部抖动时序数据，其中，第四用户手部抖动时序数据与前文所述的第二用户手部抖动时序数据相似，在此不再赘述。在一些实施例中，所述第一身份验证信息输入操作与所述至少一次第二身份验证信息输入操作属于相同的验证输入类型，其中，验证输入类型包括但不限于支付密码输入类型、短信验证码输入类型、人脸识别类型、指纹识别类型等。在一些实施例中，将第三用户手部抖动时序数据与第四用户手部抖动时序数据进行特征匹配操作，该特征匹配操作与前文所述的第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征匹配操作相似，在此不再赘述。
在步骤S14中，若所述第二匹配度信息大于或等于预定匹配度阈值，网络设备确定所述用户通过支付身份验证。在一些实施例中，若第二匹配度大于或等于预定匹配度阈值，则确认该用户通过支付身份验证，可以继续执行后续的实际支付操作，并在操作完成后将对应的支付结果通知给该用户。在一些实施例中，若第二匹配度小于预定匹配度阈值，则确认该用户未通过支付身份验证，不会继续执行后续的实际支付操作。
在一些实施例中，所述第一支付触发操作包括针对支付二维码的扫描操作。在一些实施例中，第一支付触发操作可以是用户针对用户设备上呈现的支付二维码或其他地方展示的支付二维码的扫描操作。
在一些实施例中，所述支付身份验证方案包括以下至少一项：豁免验证；动态验证码验证；支付密码验证；人脸验证；指纹验证。在一些实施例中，豁免验证是指用户不需要进行身份验证确认即支付。在一些实施例中，动态验证码验证是指对用户输入的支付密码进行身份验证，人脸验证是指对用户的人脸信息进行验证，指纹验证是指对用户的指纹信息进行验证。
在一些实施例中，所述支付身份验证方案包括豁免验证，所述豁免验证表征所述用户豁免输入身份验证信息；其中，所述方法还包括：网络设备直接确定所述用户通过支付身份验证。在一些实施例中，豁免验证是指用户的本次支付信息符合网络设备的风控系统中该用户的支付画像信息，风控系统将第一匹配度与一个预设的阈值范围进行比较，若判断第一匹配度处于该预设的阈值范围之内，则直接判定该用户通过支付身份验证，不需要再进行支付身份验证，无需用户再行输入其他额外的身份验证信息。
在一些实施例中，所述第一身份验证信息输入操作包括以下至少一项：支付密码输入操作；短信验证码输入操作；人脸识别操作；指纹识别操作。在一些实施例中，支付密码输入操作是指用户在用户设备输入支付密码并提交至网络设备的操作，短信验证码输入操作是指用户在用户设备输入短信验证码并提交至网络设备的操作，人脸识别操作是指用户在用户设备上进行人脸识别的操作，指纹识别操作是指用户在用户设备上进行指纹识别的操作。
在一些实施例中，所述方法还包括：网络设备接收所述用户设备中的加速度传感器模块在所述第一支付触发操作的操作过程中采集到的第一时间序列数据及所述用户设备中的陀螺仪模块在所述第一支付触发操作的操作过程中采集到的第二时间序列数据；根据所述第一时间序列数据及所述第二时间序列数据，确定所述第一用户手部抖动时序数据。在一些实施例中，接收用户设备上的加速度传感器模块在用户执行第一支付触发操作的操作过程中采集获得的三维时间序列数据（time，x，y，z）以及用户设备上的陀螺仪（角速度传感器）模块在用户执行第一支付触发操作的操作过程中采集获得的三维时间序列数据（time，x，y，z），根据这两个三维时间序列数据，生成一个六维时间序列数据即第一用户手部抖动时序数据，以便保留用户手部抖动的特征数据在加速度传感器和陀螺仪时间维度上表现的密不可分的关系，其中，x、y、z分别是指三个坐标轴方向上的加速度值，或者，三个坐标轴方向上的角速度值。
在一些实施例中，所述方法还包括：若所述第二匹配度信息小于所述预定匹配度阈值，根据所述第二匹配度信息确定所述用户对应的补充支付身份验证方案，响应于所述用户针对所述补充支付身份验证方案执行的补充身份验证信息输入操作，对所述用户输入的补充身份验证要素进行验证，若验证通过，确定所述用户通过支付身份验证。在一些实施例中，若第二匹配度小于预定匹配度阈值，则需要根据第二匹配度来确定该用户在本次支付中的补充支付身份验证方案，补充支付身份验证方案需要区别于之前的支付身份验证方案，两者不能相同，补充支付身份验证方案包括但不限于动态验证码验证、支付密码验证、人脸验证、指纹验证中的其中一项或其中多项的组合，可以将第二匹配度输入一个预定的函数关系式，得到该函数关系式输出的补充支付身份验证方案，或者，还可以将第二匹配度输入一个预先构建的决策树，得到该决策树输出的补充支付身份验证方案，或者，还可以根据第二匹配度并基于预先生成的动态身份验证策略来得到该用户在本次支付中的补充支付身份验证方案。在一些实施例中，会在用户设备上向该用户提供该补充支付身份验证方案对应的补充身份验证信息输入入口，使得该用户可以在用户设备上基于该补充身份验证信息输入入口执行补充身份验证信息输入操作，输入相应的补充身份验证要素，用户设备会将该补充身份验证要素发送给网络设备，由网络设备来对该补充身份验证要素进行验证，若验证通过，则可以确定该用户通过支付身份验证，否则，确定该用户未通过支付身份验证。
在一些实施例中，所述根据所述第一匹配度信息确定所述用户对应的支付身份验证方案，包括：根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，其中，所述支付参考信息包括所述用户在本次支付事件中对应的支付数据信息。在一些实施例中，可以根据第一匹配度及该用户对应的支付参考信息，来确定该用户对应的支付身份验证方案，支付参考信息是指在支付事件中产生的、可对支付身份验证方案的确定过程起到参考作用的信息。在一些实施例中，支付参考信息包括用户在本次支付事件中产生的支付数据信息，该支付数据信息包括但不限于支付设备信息、支付位置信息、支付金额信息、支付时间信息、支付的收款方信息等。在一些实施例中，可以通过将第一匹配度信息及该用户对应的支付参考信息输入一个预定的函数关系式，得到该函数关系式输出的支付身份验证方案，或者，还可以将第一匹配度信息及该用户对应的支付参考信息输入一个预先构建的决策树，得到该决策树输出的支付身份验证方案。
在一些实施例中，所述支付数据信息包括以下至少一项：支付设备信息；支付位置信息；支付金额信息；支付时间信息；支付的收款方信息。在一些实施例中，支付设备信息包括但不限于用户在本次支付中所使用的用户设备的相关信息，支付位置信息包括但不限于用户在本次支付中所位于的地理位置的相关信息，支付金额信息包括但不限于用户在本次支付中所要支付金额的相关信息（例如，支付金额所处的梯度等）、支付时间信息包括但不限于用户在本次支付中的支付时间的相关信息，支付的收款方信息是指用户在本次支付中的收款方的相关信息（例如，收款方的姓名、账号信息等）。
在一些实施例中，所述支付参考信息还包括基于所述用户的至少一个历史支付事件提炼得到的所述用户对应的支付画像信息。在一些实施例中，可以根据该用户的至少一个历史支付事件中的支付数据提炼得到所述用户对应的支付画像信息，支付画像信息用于表征该用户的过往支付习惯，该支付画像信息包括但不限于过往支付周期频率、过往习惯支付时间（支付月份、支付星期、交易时段等多维）、过往习惯支付地理位置（是否为该账户长居城市）、过往习惯支付设备（设备是否为常用设备）、过往惯常支付金额范围、过往惯常支付对象（商品/服务）的类别、过往习惯支付行为类型（扫码行为、确认支付点击行为、键盘输入行为、手机相机人脸识别行为、指纹识别行为等）等。
在一些实施例中，所述根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，包括：将所述第一匹配度信息及所述用户对应的支付参考信息输入目标决策树，得到所述目标决策树输出的所述用户对应的支付身份验证方案，其中，所述目标决策树是根据至少一个用户在历史支付事件中的支付采样数据构建的。在一些实施例中，支付采样数据包括但不限于历史支付事件中的支付所涉及商品/服务的类别、支付设备信息（设备是否为常用设备）、支付发起地理位置（是否为该账户长居城市）、支付行为类型（扫码行为、确认支付点击行为、键盘输入行为、手机相机人脸识别行为、指纹识别行为等）、用户手部抖动时序数据匹配信息、支付时间（支付月份、支付星期、交易时段等多维）、支付金额、该用户同时段惯常支付金额范围、该用户历史是否反生支付风险事件等。在一些实施例中，通过对至少一个用户的历史支付事件进行采样，获得对应的支付采样数据，由专业风控人员基于这部分采样数据进行分类标记，完成数据准备，然后对支付采样数据进行特征工程，划分训练集和验证集，进行训练、验证、剪枝与调优，构建部署相应的决策树，后续定期依据风险实践发生情况，对决策树进行回归验证和调优。在一些实施例中，将第一匹配度信息及该用户对应的支付参考信息输入该决策树提供的服务接口，获得该接口输出的分类信息，进而确定该分类信息对应的支付身份验证方案。
在一些实施例中，所述将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息，包括：获取所述第一用户手部抖动时序数据对应的第一特征向量；将所述第一特征向量与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据对应的第二特征向量进行特征匹配，根据所述第一特征向量与所述第二特征向量之间的距离信息，确定所述第一支付触发操作对应的第一匹配度信息。在一些实施例中，可以通过对第一用户手部抖动时序数据进行特征提取得到第一特征向量，通过对第二用户手部抖动时序数据进行特征提取得到第二特征向量，例如，第二特征向量包括多个向量，根据第二特征向量中的每个向量与第一特征向量之间的距离来确定第二特征向量与第一特征向量之间的距离（例如，求平均）。在一些实施例中，可以根据第一特征向量与第二特征向量之间的距离来确定第一支付触发操作对应的第一匹配度，两个向量之间的距离越短，则第一匹配度越高，两个向量之间的距离越长，则第一匹配度越低。
在一些实施例中，所述获取所述第一用户手部抖动时序数据对应的第一特征向量，包括：将所述第一用户手部抖动时序数据输入已训练的支付操作特征提取模型，以获得所述支付操作特征提取模型输出的、所述第一用户手部抖动时序数据对应的第一特征向量，其中，所述支付操作特征提取模型是基于长短期记忆神经网络结构的。在一些实施例中，可以将第一用户手部抖动时序数据输入已训练的支付操作特征提取模型，可以得到该支付操作特征提取模型输出的第一用户手部抖动时序数据对应的第一特征向量，其中，该支付操作特征提取模型是基于长短期记忆（LSTM，Long Short-Term Memory）神经网络结构构建的。
在一些实施例中，所述方法还包括：网络设备根据多个用户关于多种不同类型的支付操作的手部抖动时序样本数据对所述支付操作特征提取模型进行训练，得到已训练的支付操作特征提取模型，其中，所述手部抖动时序样本数据被打上对应的用户标记和支付操作类型标记。在一些实施例中，支付操作特征提取模型通过用户标记和支付操作类型标记可以知道哪些样本数据来自相同的用户，从而提取出该用户的每种类型的支付操作的共性的特征向量。在一些实施例中，在用户授权的情况下采集大量用户关于多种不同类型（包括键盘输入类型、扫描类型）人脸识别类型、指纹识别类型）的支付操作的手部抖动时序样本数据，并对手部抖动时序样本数据做预处理和标签化，预处理包括异常处理、标准化、统一长度等，标签化包括将手部抖动时序样本数据打上对应的用户标记和支付操作类型标记，然后定义LSTM神经网络结构的支付操作特征提取模型（例如，定义模型的输入数据特征维度、网络隐藏层中的单元数量、网络的层数等），还需要将手部抖动时序样本数据转化成PyTorch（PyTorch 是一个开源机器学习和深度学习框架，PyTorch 允许开发者使用Python（派森，一种编程语言）代码操作和处理数据并编写深度学习算法） 张量，并设置支付操作特征提取模型的损失函数和优化算法，基于转化后的手部抖动时序样本数据对该支付操作特征提取模型进行训练，得到已训练的支付操作特征提取模型。
图2示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图。
如图2所示，商户系统生成支付二维码向用户展示，用户使用第三方支付客户端执行扫码操作，第三方支付客户端会向第三方支付服务端提交相应的扫码信息，第三方支付服务端在对扫码信息进行验证之后，对该扫码操作进行动态生物特征验证（即对扫码操作对应的用户手部抖动时序数据进行特征匹配），并基于预先生成的动态身份验证策略生成本次支付的支付身份验证方案，由第三方支付客户端向用户提供身份信息输入入口，用户输入身份验证要素后由第三方支付客户端提交给第三方支付服务端进行验证，验证通过后对该用户的身份信息输入操作进行动态生物特征验证（即对身份信息输入操作对应的用户手部抖动时序数据进行特征匹配），根据验证结果（即匹配结果）确定该用户是否通过支付身份验证，若通过，则继续执行后续的实际支付操作，并在操作完成后将对应的支付结果通知给该用户，若未通过，则会基于预先生成的动态身份验证策略生成本次支付的补充支付身份验证方案，由第三方支付客户端提供补充身份信息输入入口，用户输入补充身份验证要素后由第三方支付客户端提交给第三方支付服务端进行验证，若验证通过，则确认该用户通过支付身份验证，继续执行后续的实际支付操作，并在操作完成后将对应的支付结果通知给该用户，否则，确认该用户未通过支付身份验证，不会继续执行后续的实际支付操作。
图3示出根据本申请一个实施例的一种对用户进行支付身份验证的方法流程图。
如图3所示，用户提交支付订单后，网关对订单数据（支付数据+支付行为）进行组装，由风控模块生成支付身份验证方案，网关向该用户返回该支付身份验证方案对应的用户身份信息输入方案，网关对用户输入的身份验证信息进行身份验证，验证通过之后，再对该支付行为进行动态生物特征验证（即对该支付行为对应的用户手部抖动时序数据进行特征匹配），由风控模块生成补充支付身份验证方案，关向该用户返回该补充支付身份验证方案对应的补充用户身份信息输入方案，网关对用户输入的补充身份验证信息进行身份验证。
图4示出根据本申请一个实施例的一种用于对用户进行支付身份验证的网络设备结构图，该设备包括一一模块11、一二模块12、一三模块13和一四模块14。一一模块11，用于接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息；一二模块12，用于根据所述第一匹配度信息确定所述用户对应的支付身份验证方案；一三模块13，用于若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息；一四模块14，若所述第二匹配度信息大于或等于预定匹配度阈值，确定所述用户通过支付身份验证。
一一模块11，用于接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息。在一些实施例中，生理性震颤是所有人都会在一定程度上出现的正常震颤，例如，大多数人的手在伸出时通常会轻微震颤。这种轻微的快速震颤反应了神经对肌肉的准确的持续控制。大多数人的震颤几乎不明显，但正常震颤可能在某些情况下更显著，并可能会引起人们担忧（翻译自《默沙东诊疗手册-震颤》，原文在【震颤的类型】部分，默沙东诊疗手册，TheMerck's Manual，最早出版于 1899 年），即用户在手持用户设备（例如，手机）进行支付的过程中均会出现一定程度的手部抖动。在一些实施例中，用户设备响应于用户执行的第一支付触发操作，获取用户在执行第一支付触发操作的操作过程中对应的第一用户手部抖动时序数据，然后用户设备将第一用户手部抖动时序数据发送给网络设备，由网络设备来执行匹配操作。在一些实施例中，第一支付触发操作包括但不限于用户针对某个支付码（例如，支付二维码或支付条形码等）的扫描操作、用户针对某个支付按钮的访问操作（例如，点击操作）等，例如，若第一支付触发操作为扫码操作，则获取用户在扫码过程中对应的第一用户手部抖动时序数据，若第一支付触发操作为点击操作，则获取用户在点击支付按钮的操作过程中对应的第一用户手部抖动时序数据，或者，获取用户从打开购买确认页到点击支付按钮为止的过程中对应的第一用户手部抖动时序数据。在一些实施例中，第一用户手部抖动时序数据可以包括用户使用的用户设备上的加速度传感器模块在用户执行第一支付触发操作的操作过程中采集获得的时间序列数据（time，x，y，z）和/或用户设备上的陀螺仪（角速度传感器）模块在用户执行第一支付触发操作的操作过程中采集获得的时间序列数据（time，x，y，z），其中，x、y、z分别是指三个坐标轴方向上的加速度值，或者，三个坐标轴方向上的角速度值。在一些实施例中，该用户在之前的历史支付事件中曾经执行过至少一次第二支付触发操作，用户设备在该至少一次第二支付触发操作的操作过程中采集得到该用户对应的第二用户手部抖动时序数据，其中，第二用户手部抖动时序数据可以包括多组时序数据，每组时序数据对应于一次第二支付触发操作。在一些实施例中，所述第一支付触发操作与所述至少一次第二支付触发操作属于相同的支付触发类型，其中，支付触发类型包括但不限于扫码类型（例如，用户针对支付二维码或支付条形码执行的扫码操作属于扫码类型）、访问类型（例如，用户针对支付按钮执行的点击操作属于访问类型）等。在一些实施例中，不同用户在支付过程中执行属于相同支付触发类型的支付操作（例如，扫描支付二维码的扫码操作）的操作过程中对应的手部抖动时序数据通常都是存在个体差异的，可以通过提取手部抖动时序数据对应的特征数据（例如，特征向量）进行匹配来体现不同用户的个体差异，从而实现基于用户在当前支付过程中执行某种操作类型的支付操作的操作过程中的手部抖动时序数据来对该用户进行支付身份验证，其中，支付操作包括支付触发操作及身份验证信息输入操作。在一些实施例中，将第一用户手部抖动时序数据与第二用户手部抖动时序数据进行特征匹配，即对第一用户手部抖动时序数据进行特征提取，得到对应的第一特征数据（例如，特征向量），对第二用户手部抖动时序数据进行特征提取，得到对应的第二特征数据（例如，特征向量），然后对第一特征数据与第二特征数据进行匹配操作，匹配获得两者之间的相似度（例如，特征向量之间的距离），根据该相似度可以确定第一支付触发操作对应的第一匹配度，两者之间的相似度越高，则第一支付触发操作对应的第一匹配度越高，例如，第二用户手部抖动时序数据是多组时序数据，则可以分别匹配得到每组时序数据对应的特征数据与第一用户手部抖动时序数据对应的特征数据之间的相似度，然后根据匹配得到的多个相似度确定第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征数据相似度，例如，通过对该多个相似度（例如，特征向量之间的距离）求平均计算得到第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征数据相似度（例如，平均距离），再通过将该平均距离与一个或多个阈值范围进行比较，来确定第一支付触发操作对应的第一匹配度。
一二模块12，用于根据所述第一匹配度信息确定所述用户对应的支付身份验证方案。在一些实施例中，根据第一支付触发操作对应的第一匹配度，确定该用户在本次支付中的支付身份验证方案，支付身份验证方案包括但不限于豁免验证、动态验证码验证、支付密码验证、人脸验证、指纹验证中的其中一项或其中多项的组合，可以将第一匹配度输入一个预定的函数关系式，得到该函数关系式输出的支付身份验证方案，或者，还可以将第一匹配度输入一个预先构建的决策树，得到该决策树输出的支付身份验证方案，或者，还可以基于预先生成的动态身份验证策略来得到该用户在本次支付中的支付身份验证方案，其中，该动态身份验证策略的生成依据包括但不限于该用户在本次支付中使用的用户设备的相关信息、该用户在本次支付中所位于的地理位置的相关信息、第一支付触发操作对应的第一匹配度信息、该用户的过往支付周期频率、该用户在本次支付中所要支付金额所处的梯度等。在一些实施例中，根据第一匹配度、用户的本次支付信息以及该用户的支付画像信息，确定该用户在本次支付中的支付身份验证方案，若该支付身份验证方案仅包括豁免验证，则直接判断该用户通过支付身份验证，无需该用户再行输入额外的身份验证信息，若该支付身份验证方案包括除了豁免验证以外的其他至少一个方案（例如，动态验证码验证、支付密码验证、人脸验证、指纹验证等方案），则向对应的用户设备发送该支付身份验证方案所对应的身份验证提示信息，其中，该用户的支付画像信息用于表征该用户的过往支付习惯，该支付画像信息包括但不限于过往支付周期频率、过往习惯支付时间（支付月份、支付星期、交易时段等多维）、过往习惯支付地理位置（是否为该账户长居城市）、过往习惯支付设备（设备是否为常用设备）、过往惯常支付金额范围、过往惯常支付对象（商品/服务）的类别、过往习惯支付行为类型（扫码行为、确认支付点击行为、键盘输入行为、手机相机人脸识别行为、指纹识别行为等）等，该用户的本次支付信息是指用户在本次支付事件中产生的支付数据信息，该支付数据信息包括但不限于支付设备信息、支付位置信息、支付金额信息、支付时间信息、支付的收款方信息等。
一三模块13，用于若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息。在一些实施例中，若支付身份验证方案为豁免验证，则该支付身份验证方案表征该用户不需要输入额外的身份验证信息，可以直接确认该用户通过支付身份验证，若支付身份验证方案为除了豁免验证以外的其他方案，则该支付身份验证方案表征该用户需要输入身份验证信息，此时可以向用户设备发送该支付身份验证方案对应的身份验证提示信息，用户设备接收并向用户呈现该身份验证提示信息，使得该用户可以在用户设备上基于该身份验证提示信息执行第一身份验证信息输入操作，输入相应的身份验证要素，用户设备会将该身份验证要素发送给网络设备，由网络设备来对该身份验证要素进行验证，其中，身份验证信息输入操作包括但不限于支付密码输入操作、短信验证码输入操作、人脸识别操作、指纹识别操作中的其中一项或其中多项的组合，身份验证要素包括但不限于支付密码、短信验证码、人脸信息、指纹信息中的其中一项或其中多项的组合。在一些实施例中，会对用户输入的身份验证要素进行验证，若验证通过，网络设备会根据用户在执行第一身份验证信息输入操作的操作过程中对应的第三用户手部抖动时序数据执行后续的匹配操作，其中，第三用户手部抖动时序数据与前文所述的第一用户手部抖动时序数据相似，在此不再赘述。在一些实施例中，该用户在之前的历史支付事件中曾经执行过至少一次第二身份验证信息输入操作，用户设备在该至少一次第二身份验证信息输入操作的操作过程中采集得到该用户对应的第四用户手部抖动时序数据，其中，第四用户手部抖动时序数据与前文所述的第二用户手部抖动时序数据相似，在此不再赘述。在一些实施例中，所述第一身份验证信息输入操作与所述至少一次第二身份验证信息输入操作属于相同的验证输入类型，其中，验证输入类型包括但不限于支付密码输入类型、短信验证码输入类型、人脸识别类型、指纹识别类型等。在一些实施例中，将第三用户手部抖动时序数据与第四用户手部抖动时序数据进行特征匹配操作，该特征匹配操作与前文所述的第一用户手部抖动时序数据与第二用户手部抖动时序数据之间的特征匹配操作相似，在此不再赘述。
一四模块14，用于若所述第二匹配度信息大于或等于预定匹配度阈值，网络设备确定所述用户通过支付身份验证。在一些实施例中，若第二匹配度大于或等于预定匹配度阈值，则确认该用户通过支付身份验证，可以继续执行后续的实际支付操作，并在操作完成后将对应的支付结果通知给该用户。在一些实施例中，若第二匹配度小于预定匹配度阈值，则确认该用户未通过支付身份验证，不会继续执行后续的实际支付操作。
在一些实施例中，所述第一支付触发操作包括针对支付二维码的扫描操作。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述支付身份验证方案包括以下至少一项：豁免验证；动态验证码验证；支付密码验证；人脸验证；指纹验证。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述支付身份验证方案包括豁免验证，所述豁免验证表征所述用户豁免输入身份验证信息；其中，所述设备还用于：直接确定所述用户通过支付身份验证。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述第一身份验证信息输入操作包括以下至少一项：支付密码输入操作；短信验证码输入操作；人脸识别操作；指纹识别操作。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述设备还用于：接收所述用户设备中的加速度传感器模块在所述第一支付触发操作的操作过程中采集到的第一时间序列数据及所述用户设备中的陀螺仪模块在所述第一支付触发操作的操作过程中采集到的第二时间序列数据；根据所述第一时间序列数据及所述第二时间序列数据，确定所述第一用户手部抖动时序数据。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述设备还用于：若所述第二匹配度信息小于所述预定匹配度阈值，根据所述第二匹配度信息确定所述用户对应的补充支付身份验证方案，响应于所述用户针对所述补充支付身份验证方案执行的补充身份验证信息输入操作，对所述用户输入的补充身份验证要素进行验证，若验证通过，确定所述用户通过支付身份验证。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述根据所述第一匹配度信息确定所述用户对应的支付身份验证方案，包括：根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，其中，所述支付参考信息包括所述用户在本次支付事件中对应的支付数据信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述支付数据信息包括以下至少一项：支付设备信息；支付位置信息；支付金额信息；支付时间信息；支付的收款方信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述支付参考信息还包括基于所述用户的至少一个历史支付事件提炼得到的所述用户对应的支付画像信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，包括：将所述第一匹配度信息及所述用户对应的支付参考信息输入目标决策树，得到所述目标决策树输出的所述用户对应的支付身份验证方案，其中，所述目标决策树是根据至少一个用户在历史支付事件中的支付采样数据构建的。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息，包括：获取所述第一用户手部抖动时序数据对应的第一特征向量；将所述第一特征向量与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据对应的第二特征向量进行特征匹配，根据所述第一特征向量与所述第二特征向量之间的距离信息，确定所述第一支付触发操作对应的第一匹配度信息。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述获取所述第一用户手部抖动时序数据对应的第一特征向量，包括：将所述第一用户手部抖动时序数据输入已训练的支付操作特征提取模型，以获得所述支付操作特征提取模型输出的、所述第一用户手部抖动时序数据对应的第一特征向量，其中，所述支付操作特征提取模型是基于长短期记忆神经网络结构的。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
在一些实施例中，所述设备还用于：根据多个用户关于多种不同类型的支付操作的手部抖动时序样本数据对所述支付操作特征提取模型进行训练，得到已训练的支付操作特征提取模型，其中，所述手部抖动时序样本数据被打上对应的用户标记和支付操作类型标记。在此，相关操作与图1所示实施例相同或相近，故不再赘述，在此以引用方式包含于此。
除上述各实施例介绍的方法和设备外，本申请还提供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有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。
图5示出了可被用于实施本申请中所述的各个实施例的示例性系统；
如图5所示在一些实施例中，系统300能够作为各所述实施例中的任意一个设备。在一些实施例中，系统300可包括具有指令的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备320)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器305)。
对于一个实施例，系统控制模块310可包括任意适当的接口控制器，以向(一个或多个)处理器305中的至少一个和/或与系统控制模块310通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块310可包括存储器控制器模块330，以向系统存储器315提供接口。存储器控制器模块330可以是硬件模块、软件模块和/或固件模块。
系统存储器315可被用于例如为系统300加载和存储数据和/或指令。对于一个实施例，系统存储器315可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器315可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块310可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备320及(一个或多个)通信接口325提供接口。
例如，NVM/存储设备320可被用于存储数据和/或指令。NVM/存储设备320可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备320可包括在物理上作为系统300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备320可通过网络经由(一个或多个)通信接口325进行访问。
(一个或多个)通信接口325可为系统300提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。
对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器(例如，存储器控制器模块330)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统300可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
除上述各实施例介绍的方法和设备外，本申请还提供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有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路（ASIC）、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序（包括相关的数据结构）可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM, DRAM, SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM, EPROM, EEPROM)、磁性和铁磁/铁电存储器(MRAM, FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。
在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (14)
1.一种对用户进行支付身份验证的方法，应用于网络设备，其中，所述方法包括：
接收并响应于用户在用户设备上执行的第一支付触发操作，获取所述第一支付触发操作对应的第一用户手部抖动时序数据，将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息，其中，所述第一用户手部抖动时序数据用于表征所述用户在执行所述第一支付触发操作的操作过程中的手部抖动，所述第一用户手部抖动时序数据包括加速度传感器模块在所述用户执行所述第一支付触发操作的操作过程中采集获得的时间序列数据和/或陀螺仪模块在所述用户执行所述第一支付触发操作的操作过程中采集获得的时间序列数据，所述第一支付触发操作包括所述用户针对支付码的扫描操作、所述用户针对支付按钮的访问操作中的至少一项；
根据所述第一匹配度信息确定所述用户对应的支付身份验证方案，其中，所述支付身份验证方案包括以下至少一项：动态验证码验证；支付密码验证；人脸验证；指纹验证；
若所述支付身份验证方案表征所述用户需要输入身份验证信息，向所述用户设备发送所述支付身份验证方案所对应的身份验证提示信息，接收并响应于所述用户在所述用户设备上针对所述支付身份验证提示信息执行的第一身份验证信息输入操作，对所述用户输入的身份验证要素进行验证；若验证通过，获取所述第一身份验证信息输入操作对应的第三用户手部抖动时序数据，将所述第三用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二身份验证信息输入操作对应的第四用户手部抖动时序数据进行特征匹配，以获取所述第一身份验证信息输入操作对应的第二匹配度信息，其中，所述第一身份验证信息输入操作包括以下至少一项：支付密码输入操作；短信验证码输入操作；人脸识别操作；指纹识别操作；
若所述第二匹配度信息大于或等于预定匹配度阈值，确定所述用户通过支付身份验证。
2.根据权利要求1所述的方法，其中，所述支付身份验证方案还包括豁免验证，所述豁免验证表征所述用户豁免输入身份验证信息；
其中，所述方法还包括：
直接确定所述用户通过支付身份验证。
3.根据权利要求1所述的方法，其中，所述方法还包括：
接收所述用户设备中的加速度传感器模块在所述第一支付触发操作的操作过程中采集到的第一时间序列数据及所述用户设备中的陀螺仪模块在所述第一支付触发操作的操作过程中采集到的第二时间序列数据；
根据所述第一时间序列数据及所述第二时间序列数据，确定所述第一用户手部抖动时序数据。
4.根据权利要求1所述的方法，其中，所述方法还包括：
若所述第二匹配度信息小于所述预定匹配度阈值，根据所述第二匹配度信息确定所述用户对应的补充支付身份验证方案，响应于所述用户针对所述补充支付身份验证方案执行的补充身份验证信息输入操作，对所述用户输入的补充身份验证要素进行验证，若验证通过，确定所述用户通过支付身份验证。
5.根据权利要求1所述的方法，其中，所述根据所述第一匹配度信息确定所述用户对应的支付身份验证方案，包括：
根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，其中，所述支付参考信息包括所述用户在本次支付事件中对应的支付数据信息。
6.根据权利要求5所述的方法，其中，所述支付数据信息包括以下至少一项：
支付设备信息；
支付位置信息；
支付金额信息；
支付时间信息；
支付的收款方信息。
7.根据权利要求5所述的方法，其中，所述支付参考信息还包括基于所述用户的至少一个历史支付事件提炼得到的所述用户对应的支付画像信息。
8.根据权利要求5至7中任一项所述的方法，其中，所述根据所述第一匹配度信息及所述用户对应的支付参考信息，确定所述用户对应的支付身份验证方案，包括：
将所述第一匹配度信息及所述用户对应的支付参考信息输入目标决策树，得到所述目标决策树输出的所述用户对应的支付身份验证方案，其中，所述目标决策树是根据至少一个用户在历史支付事件中的支付采样数据构建的。
9.根据权利要求1所述的方法，其中，所述将所述第一用户手部抖动时序数据与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据进行特征匹配，以获取所述第一支付触发操作对应的第一匹配度信息，包括：
获取所述第一用户手部抖动时序数据对应的第一特征向量；
将所述第一特征向量与所述用户在历史支付事件中执行过的至少一次第二支付触发操作对应的第二用户手部抖动时序数据对应的第二特征向量进行特征匹配，根据所述第一特征向量与所述第二特征向量之间的距离信息，确定所述第一支付触发操作对应的第一匹配度信息。
10.根据权利要求9所述的方法，其中，所述获取所述第一用户手部抖动时序数据对应的第一特征向量，包括：
将所述第一用户手部抖动时序数据输入已训练的支付操作特征提取模型，以获得所述支付操作特征提取模型输出的、所述第一用户手部抖动时序数据对应的第一特征向量，其中，所述支付操作特征提取模型是基于长短期记忆神经网络结构的。
11.根据权利要求10所述的方法，其中，所述方法还包括：
根据多个用户关于多种类型支付操作的手部抖动时序样本数据对所述支付操作特征提取模型进行训练，得到已训练的支付操作特征提取模型，其中，所述手部抖动时序样本数据被打上对应的用户标记和支付操作类型标记。
12.一种用于对用户进行支付身份验证的计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至11中任一项所述方法的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至11中任一项所述方法的步骤。
14.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至11中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410684040.6A CN118297600B (zh) | 2024-05-29 | 2024-05-29 | 对用户进行支付身份验证的方法、设备、介质及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410684040.6A CN118297600B (zh) | 2024-05-29 | 2024-05-29 | 对用户进行支付身份验证的方法、设备、介质及程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118297600A CN118297600A (zh) | 2024-07-05 |
| CN118297600B true CN118297600B (zh) | 2024-08-30 |
Family
ID=91679941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410684040.6A Active CN118297600B (zh) | 2024-05-29 | 2024-05-29 | 对用户进行支付身份验证的方法、设备、介质及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118297600B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119005992B (zh) * | 2024-10-24 | 2025-02-07 | 四川纷领信息技术有限公司 | 一种基于多源信息融合的安全支付防护方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108022102A (zh) * | 2017-12-04 | 2018-05-11 | 阿里巴巴集团控股有限公司 | 一种身份验证方法、装置及设备 |
| CN108564374A (zh) * | 2018-04-12 | 2018-09-21 | 出门问问信息科技有限公司 | 支付认证方法、装置、设备及存储介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2922672B1 (fr) * | 2007-10-19 | 2011-01-21 | Auchan France | Systeme d'authentification biometrique sans contact et procede d'authentification |
| US20090133078A1 (en) * | 2007-11-16 | 2009-05-21 | United Video Properties, Inc | Systems and methods for automatically purchasing and recording popular pay programs in an interactive media delivery system |
| US9508072B2 (en) * | 2011-08-26 | 2016-11-29 | Paypal, Inc. | Secure payment instruction system |
| CN105930765A (zh) * | 2016-02-29 | 2016-09-07 | 中国银联股份有限公司 | 一种支付方法及装置 |
| CN107274174A (zh) * | 2017-05-18 | 2017-10-20 | 青岛海信移动通信技术股份有限公司 | 一种移动支付的身份验证方法和移动终端 |
| CN109034815B (zh) * | 2017-06-09 | 2021-06-18 | 创新先进技术有限公司 | 基于生物特征进行安全验证的方法及装置 |
| CN109460998A (zh) * | 2018-09-27 | 2019-03-12 | 珠海横琴现联盛科技发展有限公司 | 屏幕指纹触按身份认证方法 |
| KR20190090732A (ko) * | 2019-05-29 | 2019-08-02 | 엘지전자 주식회사 | 생체 인식 기반의 결제 방법 및 이를 이용하는 사용자 디바이스 및 결제 시스템 |
| CN111178868B (zh) * | 2019-06-20 | 2024-10-22 | 腾讯科技（深圳）有限公司 | 一种支付验证的方法及相关装置 |
| CN113570360B (zh) * | 2021-06-30 | 2024-03-19 | 中国银联股份有限公司 | 支付方法、装置、设备及介质 |
| CN116308369A (zh) * | 2021-12-03 | 2023-06-23 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备、介质及程序产品 |
| CN115760107A (zh) * | 2022-11-14 | 2023-03-07 | 中国银联股份有限公司 | 支付识别方法、可穿戴设备、介质及产品 |
| CN118037299A (zh) * | 2024-02-20 | 2024-05-14 | 三星电子（中国）研发中心 | 基于手势的支付方法和装置 |
-
2024
- 2024-05-29 CN CN202410684040.6A patent/CN118297600B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108022102A (zh) * | 2017-12-04 | 2018-05-11 | 阿里巴巴集团控股有限公司 | 一种身份验证方法、装置及设备 |
| CN108564374A (zh) * | 2018-04-12 | 2018-09-21 | 出门问问信息科技有限公司 | 支付认证方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118297600A (zh) | 2024-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12340374B2 (en) | Systems and methods for blockchain based payment networks | |
| US10140479B1 (en) | Systems and methods for a wearable user authentication factor | |
| US8701983B2 (en) | Systems and methods for gesture-based interaction with computer systems | |
| US12107972B2 (en) | System and method for dynamic knowledge-based authentication | |
| US9076171B2 (en) | Automatic electronic payments via mobile communication device with imaging system | |
| AU2019253872A1 (en) | Seamless transaction minimizing user input | |
| US20170364920A1 (en) | Security approaches for virtual reality transactions | |
| KR102135998B1 (ko) | 바코드 생성 및 바코드에 기초한 인증 | |
| US20160092878A1 (en) | Method and apparatus for streamlined digital wallet transactions | |
| CN113826135B (zh) | 使用话音识别进行非接触式认证的系统、方法和计算机系统 | |
| US20180032996A1 (en) | Data sharing with card issuer via wallet app in payment-enabled mobile device | |
| MX2014006488A (es) | Un sistema, agente de pagos y medio de almacenamiento legible en computadora para facilitar transacciones de pagos movil sin contacto. | |
| US20160092876A1 (en) | On-device shared cardholder verification | |
| US11632367B2 (en) | System and method for agnostic authentication of a client device | |
| CN118297600B (zh) | 对用户进行支付身份验证的方法、设备、介质及程序产品 | |
| EP3642776A1 (en) | Facial biometrics card emulation for in-store payment authorization | |
| WO2019125621A1 (en) | Haptic feedback for authentication and security in computer systems | |
| US20240046272A1 (en) | Systems and methods for bypassing contactless payment transaction limit | |
| US11797992B2 (en) | Providing computer-generated contextual data to an end-point during a digital transaction | |
| US10083443B1 (en) | Persistent authentication of a wearable device | |
| CN112037020A (zh) | 海外客户开通境内移动支付的方法、装置、设备及介质 | |
| US20240112015A1 (en) | Training a recurrent neural network machine learning model with behavioral data | |
| US20200184451A1 (en) | Systems and methods for account event notification | |
| CN111355722A (zh) | 一种将生物特征同虚拟资源关联的方法、系统及非暂时性存储介质 | |
| US20190228405A1 (en) | Provisioning of payment acceptance to payment account holders |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |