一种银行大额交易中身份认证方法、装置、系统和介质

技术领域

本申请涉及计算机技术领域，特别涉及一种银行大额交易中身份认证方法、装置、系统和介质。

背景技术

金融科技的发展使得用户身份核实和认证需求快速增长，为了弥补传统身份核实和认证技术的不足，生物特征识别系统在金融科技中得到广泛应用。

在银行业内，大额转账场景会伴随与提前预留大额联系人的核实动作，而此核实动作的第一步则是确认大额核实联系人的身份。目前使用场景最多的核实方案是通过电话核实，因此身份认证方案也就是为简单的问询，另一些使用手机银行完成核实的方案，身份认证是采用单一的认证方式，比如密码、手势密码、人脸识别等，极易被模拟替代，会给掌握相关信息的不法分子以可乘之机，银行大额交易风险较高。

因此，如何提高银行大额交易中身份认证的安全性，降低银行大额交易风险，是本领域需要解决的技术问题。

发明内容

有鉴于此，提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本申请的目的在于提供一种银行大额交易中身份认证方法、装置、系统和介质，可以提高银行大额交易中身份认证的安全性，降低银行大额交易风险。

为实现上述目的，本申请有如下技术方案：

第一方面，本申请实施例提供了一种银行大额交易中身份认证方法，包括：

获取所述银行大额交易客户预先选择的多模态生物特征识别组合；

当所述银行大额交易客户发生大额交易时，则根据所述预先选择的多模态生物特征识别组合，采集所述银行大额交易客户的当前多模态生物特征信息；

将所述当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到所述银行大额交易客户的身份认证结果。

在一种可能的实现方式中，所述预先训练的多模态生物特征识别模型通过以下步骤训练得到：

获取初始多模态生物特征识别模型的训练集，所述训练集包括：银行大额交易客户的预存储多模态生物特征信息，与，银行大额交易客户的身份认证为通过的结果；

利用所述训练集学习所述银行大额交易客户的预存储多模态生物特征信息，与，所述银行大额交易客户的身份认证为通过的结果之间的映射关系；

根据所述映射关系确定所述初始多模态生物特征识别模型的模型参数，以得到所述预先训练的多模态生物特征识别模型。

在一种可能的实现方式中，还包括：

根据预设期限提醒所述银行大额交易客户更新所述预存储多模态生物特征信息，以得到更新多模态生物特征信息。

在一种可能的实现方式中，所述预先训练的多模态生物特征识别模型，包括：

声纹识别模型、语音识别模型、活体人脸检测模型和视觉与语音合成验证模型构成的组合模型。

第二方面，本申请实施例提供了一种银行大额交易中身份认证装置，包括：

获取单元，用于获取所述银行大额交易客户预先选择的多模态生物特征识别组合；

采集单元，用于当所述银行大额交易客户发生大额交易时，则根据所述预先选择的多模态生物特征识别组合，采集所述银行大额交易客户的当前多模态生物特征信息；

输入单元，用于将所述当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到所述银行大额交易客户的身份认证结果。

在一种可能的实现方式中，还包括：

训练集单元，用于获取初始多模态生物特征识别模型的训练集，所述训练集包括：银行大额交易客户的预存储多模态生物特征信息，与，银行大额交易客户的身份认证为通过的结果；

学习单元，用于利用所述训练集学习所述银行大额交易客户的预存储多模态生物特征信息，与，所述银行大额交易客户的身份认证为通过的结果之间的映射关系；

确定单元，用于根据所述映射关系确定所述初始多模态生物特征识别模型的模型参数，以得到所述预先训练的多模态生物特征识别模型。

在一种可能的实现方式中，还包括：

提醒单元，用于根据预设期限提醒所述银行大额交易客户更新所述预存储多模态生物特征信息，以得到更新多模态生物特征信息。

在一种可能的实现方式中，所述预先训练的多模态生物特征识别模型，包括：

声纹识别模型、语音识别模型、活体人脸检测模型和视觉与语音合成验证模型构成的组合模型。

第三方面，本申请实施例提供了一种银行大额交易中身份认证系统，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述所述银行大额交易中身份认证方法的步骤。

第四方面，本申请实施例提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理执行时实现如上述所述银行大额交易中身份认证方法的步骤。

与现有技术相比，本申请实施例具有以下有益效果：

本申请实施例提供了一种银行大额交易中身份认证方法、装置、系统和介质，可应用于人工智能领域、大数据领域或金融领域。该方法包括：获取银行大额交易客户预先选择的多模态生物特征识别组合；当银行大额交易客户发生大额交易时，则根据预先选择的多模态生物特征识别组合，采集银行大额交易客户的当前多模态生物特征信息；将当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到银行大额交易客户的身份认证结果。本申请通过多模态生物特征进行身份认证，可以完成更难仿造的身份认证，且供客户预先选择识别组合，可以改善用户的使用体验，提高银行大额交易中身份认证的安全性，降低银行大额交易风险。

附图说明

为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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它的附图。

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1示出了本申请实施例提供的一种银行大额交易中身份认证方法的流程图；

图2示出了本申请实施例提供的一种银行大额交易中身份认证装置的示意图。

具体实施方式

需要说明的是，本发明提供的一种银行大额交易中身份认证方法、装置、系统和介质可用于人工智能领域、大数据领域或金融领域。上述仅为示例，并不对本发明提供的一种银行大额交易中身份认证方法、装置、系统和介质的应用领域进行限定。

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

正如背景技术中的描述，金融科技的发展使得用户身份核实和认证需求快速增长，为了弥补传统身份核实和认证技术的不足，生物特征识别系统在金融科技中得到广泛应用。

在银行业内，大额转账场景会伴随与提前预留大额联系人的核实动作，而此核实动作的第一步则是确认大额核实联系人的身份。目前使用场景最多的核实方案是通过电话核实，因此身份认证方案也就是为简单的问询，另一些使用手机银行完成核实的方案，身份认证是采用单一的认证方式，比如密码、手势密码、人脸识别等，极易被模拟替代，会给掌握相关信息的不法分子以可乘之机，银行大额交易风险较高。

因此，如何提高银行大额交易中身份认证的安全性，降低银行大额交易风险，是本领域需要解决的技术问题。

为了解决以上技术问题，本申请实施例提供了一种银行大额交易中身份认证方法、装置、系统和介质，可应用于人工智能领域、大数据领域或金融领域。该方法包括：获取银行大额交易客户预先选择的多模态生物特征识别组合；当银行大额交易客户发生大额交易时，则根据预先选择的多模态生物特征识别组合，采集银行大额交易客户的当前多模态生物特征信息；将当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到银行大额交易客户的身份认证结果。本申请通过多模态生物特征进行身份认证，可以完成更难仿造的身份认证，且供客户预先选择识别组合，可以改善用户的使用体验，提高银行大额交易中身份认证的安全性，降低银行大额交易风险。

示例性方法

参见图1所示，为本申请实施例提供的一种银行大额交易中身份认证方法的流程图，包括：

S101：获取所述银行大额交易客户预先选择的多模态生物特征识别组合。

在本申请实施例中，要对银行大额交易客户进行身份认证，首先需要获取银行大额交易客户预先选择的多模态生物特征识别组合。具体的，本申请实施例针对不同场景可采用不同多模态生物特征结合的身份认证方案。

举例来说，基于电话核实的场景，可采用较难模拟的声纹特征作为基础，辅以人脸、指纹、手势等特征来完成组合生物特征认证，来进一步解决单一特征认证容易被模拟的问题。

而手机银行核实的场景中，可以通过手机银行渠道身份认证的基础上，结合视频认证中，体现的声纹特征及唇语特征，通过视觉语音合成验证技术完成更难仿造的身份认证。通过这种多种生物特征融合的识别验证技术，让其身份认证方案更为完善，进一步降低交易风险。

S102：当所述银行大额交易客户发生大额交易时，则根据所述预先选择的多模态生物特征识别组合，采集所述银行大额交易客户的当前多模态生物特征信息。

S103：将所述当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到所述银行大额交易客户的身份认证结果。

大额金融动账交易，由于其交易场景涉及金额较大，一般会通过再次与客户进行交易核对来降低动账风险。当前银行业界使用方案较多的交易核对方式有电话核实与手机银行核实。当前的口头核对与手机银行通过手势、账号密码或者人脸这种单一的身份认证方式，由于认证思路单一，极易被不法分子利用，伪造核实结果，产生交易风险。

因此本申请实施例提出了一种基于不同核实方案下多模态生物特征的身份认证方式，可利用其多重生物特征结合的特点，增加身份认证的方案可选择性，极大增加身份认证伪造难度，降低大额金融动账风险。

即在本申请实施例中，当银行大额交易客户发生大额交易时，则可以根据预先选择的多模态生物特征识别组合，采集银行大额交易客户的当前多模态生物特征信息。

举例来说，在通过电话完成大额交易核实的场景下，需要通过结合声纹识别与其他种特征核实方式来完成身份验证，比如通过声纹识别与手势密码或者声纹识别与人脸活体检测的结合方式来完成身份验证。通过手机银行完成大额核实的场景下，在手机银行渠道的验证基础上，通过视频中包含的声纹与唇语特征，利用视觉语音合成验证技术完成身份验证。

即本申请实施例可以设置多种多模态生物特征识别组合，供银行大额交易客户预先选择，由客户明确大额核实的方案，并设置相关大额核实的身份验证方式，比如进行声纹识别与活体人脸识别、视频与语音匹配识别、声纹识别与手势密码识别等。以采集银行大额交易客户的当前多模态生物特征信息。可以完成更难仿造的身份认证，选择具有随机性，不易仿造，且可以改善用户的使用体验。

具体的，针对账户对应银行大额交易联系人，按照针对性进行定期生物特征的采集，比如活体人脸信息、指纹信息、虹膜信息、指动脉信息和声纹信息等。

举例来说，本申请实施例在电话核实或手机银行视频核实过程中，可以获取当时被核实人的相关生物特征，比如声纹数据、多帧人脸视频数据，以完成活体检测、声纹匹配以及口型与发声匹配等。

在本申请实施例中，当采集到了银行大额交易客户的当前多模态生物特征信息后，可以将当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到银行大额交易客户的身份认证结果。

在一种可能的实现方式中，本申请实施例提供的预先训练的多模态生物特征识别模型，具体可以包括：声纹识别模型、语音识别模型、活体人脸检测模型和视觉与语音合成验证模型构成的组合模型。

即本申请实施例可以利用多模态的组合模型进行身份认证，可以完成更难仿造的身份认证，且可以提高身份认证的准确度。

若身份认证成功后，即可进行交易信息核对，若身份认证失败，则根据流程进行重新认证或终止此笔交易，以达成降低交易风险的目标。

在一种可能的实现方式中，本申请实施例提供的预先训练的多模态生物特征识别模型通过以下步骤训练得到：

获取初始多模态生物特征识别模型的训练集，训练集包括：银行大额交易客户的预存储多模态生物特征信息，与，银行大额交易客户的身份认证为通过的结果；利用训练集学习银行大额交易客户的预存储多模态生物特征信息，与，银行大额交易客户的身份认证为通过的结果之间的映射关系；

根据映射关系确定初始多模态生物特征识别模型的模型参数，以得到预先训练的多模态生物特征识别模型。

即本申请实施例可以提前利用银行大额交易客户的预存储多模态生物特征信息对模型进行训练，以便提高后续利用预先训练的多模态生物特征识别模型进行身份认证的准确度。

在一种可能的实现方式中，本申请实施例提供的银行大额交易中身份认证方法具体还可以包括：

根据预设期限提醒银行大额交易客户更新预存储多模态生物特征信息，以得到更新多模态生物特征信息。

即在本申请实施例中，随着时间的演变，预存储多模态生物特征信息可能无法准确反映银行大额交易客户的特征，可能会影响银行大额交易身份认证的准确性。

因此，本申请实施例对预存储多模态生物特征信息进行定期更新，可以提高银行大额交易中身份认证的准确性和有效性，保证大额交易的安全。

本申请实施例给出的在金融业大额交易场景下的多模态生物特征的身份认证方案，相较于当前单一或简单的身份认证方案，具有较小的伪造替代可能，提升了身份认证的可行度，较大程度上满足了大额交易场景下针对交易信息核对降低业务风险的可能性。

本申请实施例提供了一种银行大额交易中身份认证方法，可应用于人工智能领域、大数据领域或金融领域。该方法包括：获取银行大额交易客户预先选择的多模态生物特征识别组合；当银行大额交易客户发生大额交易时，则根据预先选择的多模态生物特征识别组合，采集银行大额交易客户的当前多模态生物特征信息；将当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到银行大额交易客户的身份认证结果。本申请通过多模态生物特征进行身份认证，可以完成更难仿造的身份认证，且供客户预先选择识别组合，可以改善用户的使用体验，提高银行大额交易中身份认证的安全性，降低银行大额交易风险。

示例性装置

参见图2所示，为本申请实施例提供的一种银行大额交易中身份认证装置的示意图，包括：

获取单元201，用于获取所述银行大额交易客户预先选择的多模态生物特征识别组合；

采集单元202，用于当所述银行大额交易客户发生大额交易时，则根据所述预先选择的多模态生物特征识别组合，采集所述银行大额交易客户的当前多模态生物特征信息；

输入单元203，用于将所述当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到所述银行大额交易客户的身份认证结果。

在一种可能的实现方式中，还包括：

训练集单元，用于获取初始多模态生物特征识别模型的训练集，所述训练集包括：银行大额交易客户的预存储多模态生物特征信息，与，银行大额交易客户的身份认证为通过的结果；

学习单元，用于利用所述训练集学习所述银行大额交易客户的预存储多模态生物特征信息，与，所述银行大额交易客户的身份认证为通过的结果之间的映射关系；

确定单元，用于根据所述映射关系确定所述初始多模态生物特征识别模型的模型参数，以得到所述预先训练的多模态生物特征识别模型。

在一种可能的实现方式中，还包括：

提醒单元，用于根据预设期限提醒所述银行大额交易客户更新所述预存储多模态生物特征信息，以得到更新多模态生物特征信息。

在一种可能的实现方式中，所述预先训练的多模态生物特征识别模型，包括：

声纹识别模型、语音识别模型、活体人脸检测模型和视觉与语音合成验证模型构成的组合模型。

本申请实施例提供了一种银行大额交易中身份认证装置，可应用于人工智能领域、大数据领域或金融领域。应用于该装置的方法包括：获取银行大额交易客户预先选择的多模态生物特征识别组合；当银行大额交易客户发生大额交易时，则根据预先选择的多模态生物特征识别组合，采集银行大额交易客户的当前多模态生物特征信息；将当前多模态生物特征信息输入预先训练的多模态生物特征识别模型，得到银行大额交易客户的身份认证结果。本申请通过多模态生物特征进行身份认证，可以完成更难仿造的身份认证，且供客户预先选择识别组合，可以改善用户的使用体验，提高银行大额交易中身份认证的安全性，降低银行大额交易风险。

在上述实施例的基础上，本申请实施例提供了一种银行大额交易中身份认证系统，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述银行大额交易中身份认证方法的步骤。

在上述实施例的基础上，本申请实施例还提供了一种计算机可读介质，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理执行时实现如上述银行大额交易中身份认证方法的步骤。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述系统中所包含的；也可以是单独存在，而未装配入该系统中。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。

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它实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅是本申请的优选实施方式，虽然本申请已以较佳实施例披露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。