认证方法、装置、非易失性存储介质及电子设备

技术领域

本发明涉及计算机领域，具体而言，涉及一种认证方法、装置、非易失性存储介质及电子设备。

背景技术

生存认证是退休人员生存认证，即国家规定退休人员每年到当地的社保局进行一次生存认证，即证明领取养老金的老年居民还健在、符合继续领取养老金的必要条件。生存认证目的在于防止养老金流失，避免冒领养老金行为的发生。

传统的生存认证包括首次生存认证和周期生存认证，其中，进行首次生存认证时，需要采集退休人员活体信息用来建档，退休人员需要前往办事大厅进行认证。进行周期生存认证时，如果退休人员前往社保机构进行周期生存认证，则需要工作人员协助认证，并进行退休人员的信息确认和比对分析，人力和资源成本投入较高；如果退休人员在网上实现活体认证，由于退休人员年龄较大，不擅长线上操作认证，导致认证效率与成功率大大下降；如果退休人员未进行生存认证，则无法领取养老金。此外，如果没有及时进行生存认证或认证周期过长时，不能准确、及时地掌握离退休人员的生存状况，仍存在养老金冒领的现象。

针对上述传统的生存认证效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种认证方法、装置、非易失性存储介质及电子设备，以至少解决传统的生存认证效率低的技术问题。

根据本发明实施例的一个方面，提供了一种认证方法，包括：获取目标对象的目标特征信息，其中，所述目标特征信息包括多个预设特征项目；从所述特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对所述目标特征集进行分析，确定目标认证结果，其中，所述预设决策树为使用多组训练数据通过机器学习训练出的，所述多组训练数据中的每组训练数据均包括：预设特征集和所述预设特征集对应的预设认证结果。

可选地，获取目标对象的特征信息包括：获取所述目标对象的目标身份信息；在预设特征数据库中，查询与所述目标身份信息匹配的所述目标特征信息，其中，所述预设特征数据库中预先存有多个预设特征信息，每个所述预设特征信息包括多个预设特征项目。

可选地，在预设待认证数据库中，查询所述目标对象的目标身份信息之前，所述方法还包括：获取多个预设对象的预设社保信息，其中，所述预设社保信息携带有所述预设对象的预设身份信息；在多个所述预设对象中筛选所述预设社保信息符合预设条件的目标对象；将所述目标对象的目标身份信息存入所述预设待认证数据库。

可选地，在使用预设决策树对所述目标特征集进行分析，确定目标认证结果之前，所述方法还包括：获取至少一个已认证的预设对象的预设特征信息和对应的预设认证结果；将所述预设特征信息和所述预设认证结果存入预设认证数据库，所述预设认证数据库用于记录多个预设对象的预设特征信息和预设认证结果的对应关系；对所述预设认证数据库中记录的多个所述预设特征信息进行数据抽取和数据清洗，生成预设样本集合，其中，所述预设样本集合包括多个样本特征信息和每个所述样本特征信息对应的样本认证结果，所述样本特征信息为已清洗的所述预设特征信息；以所述预设样本集合为样本通过机器学习训练所述预设决策树。

可选地，对所述预设认证数据库中记录的多个所述预设特征信息进行数据清洗包括：识别每个所述预设特征信息的目标缺陷类型，其中，目标缺陷类型包括以下任一：重复缺陷、缺失缺陷、一致化缺陷、异常缺陷；获取用于解除所述目标缺陷类型的目标清洗操作；按照所述目标清洗操作对存在所述目标缺陷类型的预设特征信息进行数据清洗。

可选地，按照所述目标清洗操作对存在所述目标缺陷类型的预设特征信息进行数据清洗包括：在所述目标缺陷类型为重复缺陷的情况下，删除所述预设认证数据库中重复的预设特征信息；或在所述目标缺陷类型为缺失缺陷的情况下，补全所述预设认证数据库中存在缺失的预设特征信息；或在所述目标缺陷类型为一致化缺陷的情况下，对所述预设认证数据库中存在一致化缺陷的预设特征信息进行一致化处理；或在所述目标缺陷类型为异常缺陷的情况下，修改所述预设认证数据库中存在异常缺陷的预设特征信息。

可选地，以所述预设样本集合为样本通过机器学习训练所述预设决策树包括：从所述预设样本集合中获取样本对象的样本特征信息和样本认证结果；从所述样本特征信息中获取预设数量的样本特征项目作为样本特征集；将每个所述样本特征集和对应的样本认证结果作为一组训练数据；使用多组所述训练数据通过机器学习训练预设决策树，其中，所述预设决策树用于表示所述样本特征集和样本认证结果的对应关系。

根据本发明实施例的另一方面，还提供了一种认证装置，包括：获取模块，用于获取目标对象的目标特征信息，其中，所述目标特征信息包括多个预设特征项目；选取模块，用于从所述特征信息选取预设数量的目标特征项目作为目标特征集；分析模块，用于使用预设决策树对所述目标特征集进行分析，确定目标认证结果，其中，所述预设决策树为使用多组训练数据通过机器学习训练出的，所述多组训练数据中的每组训练数据均包括：预设特征集和所述预设特征集对应的预设认证结果。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述所述认证方法。

根据本发明实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行上述所述的认证方法。

在本发明实施例中，获取目标对象的目标特征信息；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果，由预设认证结果标识目标对象的生存状态，达到了根据目标对象的目标特征信息即可实现对目标对象的生存认证，无需对目标对象进行专项的生存认证，从而实现了提高生存认证效率的技术效果，进而解决了传统的生存认证效率低技术问题。

附图说明

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

图1是根据本发明实施例的一种认证方法的流程图；

图2是根据本发明实施例的一种生存认证方法流程的示意图；

图3是根据本发明实施例的一种生存认证方法的部分流程的示意图；

图4是根据本发明实施例的一种认证装置的示意图；

图5是根据本发明实施例的一种计算机终端的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种认证方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种认证方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取目标对象的目标特征信息，其中，目标特征信息包括多个预设特征项目；

步骤S104，从目标特征信息选取预设数量的目标特征项目作为目标特征集；

步骤S106，使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果。

在本发明实施例中，获取目标对象的目标特征信息；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果，由预设认证结果标识目标对象的生存状态，达到了根据目标对象的目标特征信息即可实现对目标对象的生存认证，无需对目标对象进行专项的生存认证，从而实现了提高生存认证效率的技术效果，进而解决了传统的生存认证效率低技术问题。

在上述步骤S102中，目标对象可以是退休人员，目标特征信息可以是退休人员的特征信息。

在上述步骤S104中，目标特征集包括目标身份信息、健康检测结果等多个目标特征项目。

在上述步骤S106中，预设认证结果和目标认证结果用于表示生存状态。

可选地，生存状态用于表示退休人员的生存或死亡，其中，生存的退休人员可以通过认证，领取退休金；死亡的退休人员不可以通过认证，无法继续领取退休金。

作为一种可选的实施例，获取目标对象的特征信息包括：获取目标对象的目标身份信息；在预设特征数据库中，查询与目标身份信息匹配的目标特征信息，其中，预设特征数据库中预先存有多个预设特征信息，每个预设特征信息包括多个预设特征项目。

本发明上述实施例，预设特征数据库中预先存有多个对象的预设特征信息，在预设特征数据库中可以根据目标对象的目标身份信息，获取目标对象的目标特征信息，进而根据目标特征信息完成对目标对象的生存认证，得到目标认证结果。

作为一种可选的实施例，在预设待认证数据库中，查询目标对象的目标身份信息之前，方法还包括：获取多个预设对象的预设社保信息，其中，预设社保信息携带有预设对象的预设身份信息；在多个预设对象中筛选预设社保信息符合预设条件的目标对象；将目标对象的目标身份信息存入预设待认证数据库。

本发明上述实施例，预设对象可以表示通过社保系统确认的退休人员，通过社保系统可以获取预设社保信息，并按照预设社保信息筛选退休人员的目标身份信息，实现了对目标身份信息的获取。

可选地，预设条件用于根据预设对象的预设社保信息判断该预设对象是否满足退休条件，进而在预设对象满足退休条件的情况下，确定该预设对象为目标对象，进而获取目标对象的目标身份信息。

作为一种可选的实施例，在使用预设决策树对目标特征集进行分析，确定目标认证结果之前，方法还包括：获取至少一个已认证的预设对象的预设特征信息和对应的预设认证结果；将预设特征信息和预设认证结果存入预设认证数据库，预设认证数据库用于记录多个预设对象的预设特征信息和预设认证结果的对应关系；对预设认证数据库中记录的多个预设特征信息进行数据抽取和数据清洗，生成预设样本集合，其中，预设样本集合包括多个样本特征信息和每个样本特征信息对应的样本认证结果，样本特征信息为已清洗的预设特征信息；以预设样本集合为样本通过机器学习训练预设决策树。

本发明上述实施例，预设认证数据库存有多个预设对象的预设特征信息和预设认证结果，通过对预设认证数据库中存储的预设特征信息和预设认证结果进行数据抽取和数据清洗，可以得到符合训练预设决策树的训练条件的预设样本集合，进而根据预设样本集合中的多个样本特征信息和每个样本特征信息对应的样本认证结果可以时间对预设决策树的训练，根据训练好的预设决策树可以根据目标对象的目标特征信息确定目标对象的目标认证结果，完成对目标对象的生成认证。

作为一种可选的实施例，对预设认证数据库中记录的多个预设特征信息进行数据清洗包括：识别每个预设特征信息的目标缺陷类型，其中，目标缺陷类型包括以下任一：重复缺陷、缺失缺陷、一致化缺陷、异常缺陷；获取用于解除目标缺陷类型的目标清洗操作；按照目标清洗操作对存在目标缺陷类型的预设特征信息进行数据清洗。

本发明上述实施例，针对预设特征信息的目标缺陷类型，按照各目标缺陷类型对应的目标清洗操作对预设特征信息进行数据清洗，可以得到符合训练预设决策树的训练条件的样本特征信息。

作为一种可选的实施例，按照目标清洗操作对存在目标缺陷类型的预设特征信息进行数据清洗包括：在目标缺陷类型为重复缺陷的情况下，删除预设认证数据库中重复的预设特征信息；或在目标缺陷类型为缺失缺陷的情况下，补全预设认证数据库中存在缺失的预设特征信息；或在目标缺陷类型为一致化缺陷的情况下，对预设认证数据库中存在一致化缺陷的预设特征信息进行一致化处理；或在目标缺陷类型为异常缺陷的情况下，修改预设认证数据库中存在异常缺陷的预设特征信息。

作为一种可选的实施例，以预设样本集合为样本通过机器学习训练预设决策树包括：从预设样本集合中获取样本对象的样本特征信息和样本认证结果；从样本特征信息中获取预设数量的样本特征项目作为样本特征集；将每个样本特征集和对应的样本认证结果作为一组训练数据；使用多组训练数据通过机器学习训练预设决策树，其中，预设决策树用于表示样本特征集和样本认证结果的对应关系。

本发明上述实施例，可以从样本特征信息中的部分样本特征项目，作为训练预设决策树的样本特征集，减少训练预设决策树的无效特征，提高预设决策树模型的训练效率。

可选地，样本特征信息的多个样本特征项目包括：样本身份信息、健康检测结果等，样本特征集可以包括样本特征信息中的部分样本特征项目。

本发明还提供了一种可选的实施例，提供了一种生存认证方案，可以基于社保信息和特征信息的生存认证信息数据库，由于退休人员需通过手机操作、线下社保大厅进行生存认证，可能会出现由于年龄大出行不便、不会操作智能手机等导致无法及时进行生存认证或养老金被冒领，将特征信息与社保信息结合进行退休人员身份信息进行筛查匹配，缓解退休人员养老金被冒领的问题，同时，系统通过社保信息和特征信息进行退休人员生存状态筛查识别，缓解生存认证不方便、不会操作等问题。同时，系统为退休人员减少进行生存认证的时间和跑腿次数，为办事人员提高工作效率，优化生存认证服务流程。

图2是根据本发明实施例的一种生存认证方法流程的示意图，如图2所示，包括步骤如下：

步骤S1，获取社保系统内存储的社保信息和身份信息，并按照养老金领取条件筛选出退休人员信息(即确定目标对象的目标身份信息)。

具体的，工作人员从社保系统内下载下来社保信息和身份信息后，按照领取基本养老金必须具备的条件筛选出退休人员的社保信息和身份信息，并将信息上传至生存认证信息系统(如预设待认证数据库)并进行存储。

步骤S2，获取卫生健康系统发送的退休人员的特征信息，并将该身份信息与社保系统内的身份信息进行比对。

具体的，通过读卡装置采集退休人员身份证上的身份信息，并与社保系统内预存的身份信息进行比对，以判断是否为同一退休人员。

可选地，特征信息包括：个人身份信息、个人健康检测结果等。

步骤S3，将该特征信息中的身份信息与社保系统内的身份信息进行匹配；若匹配，将退休人员的社保信息、身份信息及特征信息形成一一映射，并存储到生存认证信息数据库(如预设认证数据库)中；若不匹配，则输出退休人员生存认证失败的信息。

步骤S4，对存入生存认证信息数据库(如预设认证数据库)的数据进行数据抽取和数据清洗，清洗过程包括删除重复值、缺失值处理、一致化处理、异常值处理等。

可选地，删除重复值表示对所述生存认证信息数据库的重复数据值进行删除，只保留重复数据的第一条数据；缺失值处理表示对所述生存认证信息数据库的数据缺失值进行处理，主要是对缺失数据值的单元格进行补全；一致化处理表示对所述生存认证信息数据库的数据列名重复列内数据标准不一致进行一致化处理；异常值处理表示对所述生存认证信息数据库的数据进行异常值处理。

步骤S5，根据数据清理后数据间的逻辑判定规则，利用随机森林算法分析所述特征信息的多项指标信息，综合判定最终的生存状态，并输出最终模型(如预设决策树)。

图3是根据本发明实施例的一种生存认证方法的部分流程的示意图，如图3所示，包括步骤如下：

步骤S6，从原始的数据集T中采取有放回的抽样，构造子数据集Dt(如预设样本集合)，得到包含t个样本的采样集Dt(如预设样本集合)。不同子数据集的元素可以重复，同一个子数据集中的元素也可以重复。

步骤S7，基于特征信息中的个人身份信息、个人健康检测结果等N个维度指标特征空间，随机选取n个特征组成新的特征集(n

步骤S8，将每个子数据集Dt(如样本特征集)放到每个子决策树GT(即预设决策树)中，用采样集Dt(如样本特征集)训练决策树模型GT(即预设决策树)，每个子决策树(即预设决策树)输出一个“生存”或“死亡”分类结果。

步骤S9，通过对子决策树(即预设决策树)的结果进行投票，对子数据集Dt(如样本特征集)中的样本进行“生存”或“死亡”分类。

本发明上述实施例，人力资源和社会保障局工作人员对退休人员的生存状态进行判定时，通过对包含特征数据样本进行身份核验和数据清洗等步骤，筛选出需要进行生存认证的群体信息，其信息包括个人身份信息、个人健康检测结果等。基于随机森林算法模型，识别出退休人员的活动状态，进而判定样本所属“生存”或“死亡”分类情况，同时可以将核验结果传输至社保生存认证终端，通过后台审计、脱敏等处理步骤，再将业务代理结果输出到用户终端设备上，并在客户端设备的屏幕上进行显示，从而完成社保待遇领取资格业务的办理。

根据本发明实施例，还提供了一种认证装置实施例，需要说明的是，该认证装置可以用于执行本发明实施例中的认证方法，本发明实施例中的认证方法可以在该认证装置中执行。

图4是根据本发明实施例的一种认证装置的示意图，如图4所示，该装置可以包括：获取模块42，用于获取目标对象的目标特征信息，其中，目标特征信息包括多个预设特征项目；选取模块44，用于从目标特征信息选取预设数量的目标特征项目作为目标特征集；分析模块46，用于使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果。

需要说明的是，该实施例中的获取模块42可以用于执行本申请实施例中的步骤S102，该实施例中的选取模块44可以用于执行本申请实施例中的步骤S104，该实施例中的分析模块46可以用于执行本申请实施例中的步骤S106。上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。

在本发明实施例中，获取目标对象的目标特征信息；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果，由预设认证结果标识目标对象的生存状态，达到了根据目标对象的目标特征信息即可实现对目标对象的生存认证，无需对目标对象进行专项的生存认证，从而实现了提高生存认证效率的技术效果，进而解决了传统的生存认证效率低技术问题。

作为一种可选的实施例，获取模块包括：第一获取单元，用于获取目标对象的目标身份信息，其中，预设待认证数据库中预先存有多个预设对象的预设身份信息的对应关系；查询单元，用于在预设特征数据库中，查询与目标身份信息匹配的目标特征信息，其中，预设特征数据库中预先存有多个预设特征信息，每个预设特征信息包括多个预设特征项目。

作为一种可选的实施例，装置还包括：第一获取子模块，用于在预设待认证数据库中，查询目标对象的目标身份信息之前，获取多个预设对象的预设社保信息，其中，预设社保信息携带有预设对象的预设身份信息；筛选子模块，用于在多个预设对象中筛选预设社保信息符合预设条件的目标对象；第一存储子模块，用于将目标对象的目标身份信息存入预设待认证数据库。

作为一种可选的实施例，装置还包括：第二获取子模块，用于在使用预设决策树对目标特征集进行分析，确定目标认证结果之前，获取至少一个已认证的预设对象的预设特征信息和对应的预设认证结果；第二存储子模块，用于将预设特征信息和预设认证结果存入预设认证数据库，预设认证数据库用于记录多个预设对象的预设特征信息和预设认证结果的对应关系；预处理子模块，用于对预设认证数据库中记录的多个预设特征信息进行数据抽取和数据清洗，生成预设样本集合，其中，预设样本集合包括多个样本特征信息和每个样本特征信息对应的样本认证结果，样本特征信息为已清洗的预设特征信息；训练子模块，用于以预设样本集合为样本通过机器学习训练预设决策树。

作为一种可选的实施例，预处理子模块包括：识别子模块，用于识别每个预设特征信息的目标缺陷类型，其中，目标缺陷类型包括以下任一：重复缺陷、缺失缺陷、一致化缺陷、异常缺陷；第三获取子模块，用于获取用于解除目标缺陷类型的目标清洗操作；清洗子模块，用于按照目标清洗操作对存在目标缺陷类型的预设特征信息进行数据清洗。

作为一种可选的实施例，清洗子模块包括：第一清洗单元，用于在目标缺陷类型为重复缺陷的情况下，删除预设认证数据库中重复的预设特征信息；或第二清洗单元，用于在目标缺陷类型为缺失缺陷的情况下，补全预设认证数据库中存在缺失的预设特征信息；或第三清洗单元，用于在目标缺陷类型为一致化缺陷的情况下，对预设认证数据库中存在一致化缺陷的预设特征信息进行一致化处理；或第四清洗单元，用于第一清洗子模块，用于在目标缺陷类型为异常缺陷的情况下，修改预设认证数据库中存在异常缺陷的预设特征信息。

作为一种可选的实施例，训练子模块包括：第二获取单元，用于从预设样本集合中获取样本对象的样本特征信息和样本认证结果；第三获取单元，用于从样本特征信息中获取预设数量的样本特征项目作为样本特征集；确定单元，用于将每个样本特征集和对应的样本认证结果作为一组训练数据；训练单元，用于使用多组训练数据通过机器学习训练预设决策树，其中，预设决策树用于表示样本特征集和样本认证结果的对应关系。

本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。

可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。

在本实施例中，上述计算机终端可以执行认证方法中以下步骤的程序代码：获取目标对象的目标特征信息，其中，目标特征信息包括多个预设特征项目；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果。

可选地，图5是根据本发明实施例的一种计算机终端的结构框图。如图5所示，该计算机终端50可以包括：一个或多个(图中仅示出一个)处理器52、和存储器54。

其中，存储器可用于存储软件程序以及模块，如本发明实施例中的认证方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的认证方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端50。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取目标对象的目标特征信息，其中，目标特征信息包括多个预设特征项目；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果。

可选的，上述处理器还可以执行如下步骤的程序代码：获取目标对象的目标身份信息；在预设特征数据库中，查询与目标身份信息匹配的目标特征信息，其中，预设特征数据库中预先存有多个预设特征信息，每个预设特征信息包括多个预设特征项目。

可选的，上述处理器还可以执行如下步骤的程序代码：在预设待认证数据库中，查询目标对象的目标身份信息之前，获取多个预设对象的预设社保信息，其中，预设社保信息携带有预设对象的预设身份信息；在多个预设对象中筛选预设社保信息符合预设条件的目标对象；将目标对象的目标身份信息存入预设待认证数据库。

可选的，上述处理器还可以执行如下步骤的程序代码：在使用预设决策树对目标特征集进行分析，确定目标认证结果之前，获取至少一个已认证的预设对象的预设特征信息和对应的预设认证结果；将预设特征信息和预设认证结果存入预设认证数据库，预设认证数据库用于记录多个预设对象的预设特征信息和预设认证结果的对应关系；对预设认证数据库中记录的多个预设特征信息进行数据抽取和数据清洗，生成预设样本集合，其中，预设样本集合包括多个样本特征信息和每个样本特征信息对应的样本认证结果，样本特征信息为已清洗的预设特征信息；以预设样本集合为样本通过机器学习训练预设决策树。

可选的，上述处理器还可以执行如下步骤的程序代码：识别每个预设特征信息的目标缺陷类型，其中，目标缺陷类型包括以下任一：重复缺陷、缺失缺陷、一致化缺陷、异常缺陷；获取用于解除目标缺陷类型的目标清洗操作；按照目标清洗操作对存在目标缺陷类型的预设特征信息进行数据清洗。

可选的，上述处理器还可以执行如下步骤的程序代码：在目标缺陷类型为重复缺陷的情况下，删除预设认证数据库中重复的预设特征信息；或在目标缺陷类型为缺失缺陷的情况下，补全预设认证数据库中存在缺失的预设特征信息；或在目标缺陷类型为一致化缺陷的情况下，对预设认证数据库中存在一致化缺陷的预设特征信息进行一致化处理；或在目标缺陷类型为异常缺陷的情况下，修改预设认证数据库中存在异常缺陷的预设特征信息。

可选的，上述处理器还可以执行如下步骤的程序代码：从预设样本集合中获取样本对象的样本特征信息和样本认证结果；从样本特征信息中获取预设数量的样本特征项目作为样本特征集；将每个样本特征集和对应的样本认证结果作为一组训练数据；使用多组训练数据通过机器学习训练预设决策树，其中，预设决策树用于表示样本特征集和样本认证结果的对应关系。

采用本发明实施例，提供了一种认证的方案。通过获取目标对象的目标特征信息；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果，由预设认证结果标识目标对象的生存状态，达到了根据目标对象的目标特征信息即可实现对目标对象的生存认证，无需对目标对象进行专项的生存认证，从而实现了提高生存认证效率的技术效果，进而解决了传统的生存认证效率低技术问题。

本领域普通技术人员可以理解，图5所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternetDevices，MID)、PAD等终端设备。图5其并不对上述电子装置的结构造成限定。例如，计算机终端50还可包括比图5中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图5所示不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。

本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例所提供的认证方法所执行的程序代码。

可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取目标对象的目标特征信息，其中，目标特征信息包括多个预设特征项目；从目标特征信息选取预设数量的目标特征项目作为目标特征集；使用预设决策树对目标特征集进行分析，确定目标认证结果，其中，预设决策树为使用多组训练数据通过机器学习训练出的，多组训练数据中的每组训练数据均包括：预设特征集和预设特征集对应的预设认证结果。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：获取目标对象的目标身份信息；在预设特征数据库中，查询与目标身份信息匹配的目标特征信息，其中，预设特征数据库中预先存有多个预设特征信息，每个预设特征信息包括多个预设特征项目。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：在预设待认证数据库中，查询目标对象的目标身份信息之前，获取多个预设对象的预设社保信息，其中，预设社保信息携带有预设对象的预设身份信息；在多个预设对象中筛选预设社保信息符合预设条件的目标对象；将目标对象的目标身份信息存入预设待认证数据库。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：在使用预设决策树对目标特征集进行分析，确定目标认证结果之前，获取至少一个已认证的预设对象的预设特征信息和对应的预设认证结果；将预设特征信息和预设认证结果存入预设认证数据库，预设认证数据库用于记录多个预设对象的预设特征信息和预设认证结果的对应关系；对预设认证数据库中记录的多个预设特征信息进行数据抽取和数据清洗，生成预设样本集合，其中，预设样本集合包括多个样本特征信息和每个样本特征信息对应的样本认证结果，样本特征信息为已清洗的预设特征信息；以预设样本集合为样本通过机器学习训练预设决策树。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：识别每个预设特征信息的目标缺陷类型，其中，目标缺陷类型包括以下任一：重复缺陷、缺失缺陷、一致化缺陷、异常缺陷；获取用于解除目标缺陷类型的目标清洗操作；按照目标清洗操作对存在目标缺陷类型的预设特征信息进行数据清洗。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：在目标缺陷类型为重复缺陷的情况下，删除预设认证数据库中重复的预设特征信息；或在目标缺陷类型为缺失缺陷的情况下，补全预设认证数据库中存在缺失的预设特征信息；或在目标缺陷类型为一致化缺陷的情况下，对预设认证数据库中存在一致化缺陷的预设特征信息进行一致化处理；或在目标缺陷类型为异常缺陷的情况下，修改预设认证数据库中存在异常缺陷的预设特征信息。

可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：从预设样本集合中获取样本对象的样本特征信息和样本认证结果；从样本特征信息中获取预设数量的样本特征项目作为样本特征集；将每个样本特征集和对应的样本认证结果作为一组训练数据；使用多组训练数据通过机器学习训练预设决策树，其中，预设决策树用于表示样本特征集和样本认证结果的对应关系。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。