身份认证方法、设备

技术领域

本申请涉及金融领域，尤其涉及一种身份认证方法、设备。

背景技术

随着金融行业的快速发展，金融机构的业务所面向的人群越来越广，在客户办理业务时，银行需要进行身份认证的客户数量也越来越多，因此如何快速对客户进行身份认证，成为金融机构所重点关注的问题。

现有技术通常在客户办理业务时，采集客户的身份信息并基于银行服务器中预存的身份信息对客户的进行身份认证，在采集的身份信息与银行服务器中预存的身份信息一致时，确定客户身份认证通过，允许客户办理业务。

由于银行的客户接待量巨大，因此客户办理业务时采集客户的身份信息并认证，往往需要占用大量的业务办理时间，导致客户等待周期长。现有技术中的身份认证方法存在身份认证效率低的技术问题。

发明内容

本申请提供一种身份认证方法、设备，用以解决现有的身份认证效率低的技术问题。

第一方面，本申请提供一种身份认证方法，该方法包括：

获取多个客户类别对应的历史业务数据，确定多个可控客户类别；

获取多个银行网点对应的历史业务数据，确定多个可控网点；

在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；其中，目标客户属于可控客户类别；目标银行网点属于可控网点；

在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；其中，身份信息与认证结果一一对应，认证结果包括对应的身份信息的匹配值。

可选地，获取多个客户类别对应的历史业务数据，确定多个可控客户类别，包括：

获取多个客户类别对应的历史业务数据，确定多个客户类别对应的客户风险熵和客户风险阈值；其中，客户风险熵用于表征客户类别办理业务时的风险信息量；

判断客户风险熵是否小于或等于客户风险阈值，若是则将客户类别确定为可控客户类别。

可选地，获取多个客户类别对应的历史业务数据，确定多个客户类别对应的客户风险熵，包括：

获取多个客户类别对应的历史业务数据，将历史业务数据中涉及风险的历史业务数据确定为客户类别的风险业务数据；

基于多个数据类别，将客户类别的风险业务数据划分为多个风险业务数据子集；

将风险业务数据子集对应的交易数量与客户类别的历史业务数据对应的交易数量的比值作为风险比例；

基于风险比例，确定风险比例对应的客户子风险熵：

S＝-s×log

其中，S为风险比例对应的客户子风险熵，s为风险比例；

基于客户类别对应的多个风险比例的和值，确定客户类别的剩余风险熵：

T＝-(1-t)×log

其中，T为剩余风险熵，t为多个风险比例的和值；

将多个客户子风险熵与剩余风险熵的和值确定为客户类别对应的客户风险熵。

可选地，获取多个银行网点对应的历史业务数据，确定多个可控网点，包括：

获取多个银行网点的历史业务数据，确定银行网点对应的网点风险熵；其中，网点风险熵用于表征在银行网点办理业务时有关风险的信息量；

将网点风险熵小于网点风险阈值的银行网点确定为可控网点。

可选地，获取多个银行网点的历史业务数据，确定银行网点对应的网点风险熵，包括：

将银行网点的历史业务数据中涉及风险的历史业务数据确定为银行网点的风险业务数据；

基于多个网点数据类别，将银行网点的风险业务数据划分为多个网点风险数据子集；

将网点风险数据子集对应的交易数量与历史业务数据对应的交易数量的比值确定为网点风险比例；

基于网点风险比例，确定银行网点对应的网点子风险熵：

U＝-u×log

其中，U为网点子风险熵，u为网点风险比例；

基于多个网点风险比例的和值，确定银行网点的剩余风险熵：

V＝-(1-v)×log

其中，V为剩余风险熵，v为多个网点风险比例的和值；

将多个网点子风险熵与剩余风险熵的和值确定为银行网点对应的网点风险熵。

可选地，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证，包括：

基于银行服务器基于多个身份信息确定的多个认证结果，确定对应的身份认证类别；

基于认证结果对应的身份信息的匹配值、身份认证类别对应的匹配值和认证风险熵的对应关系，确定认证结果对应的认证风险熵；

基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证。

可选地，该方法还包括确定身份认证类别对应的匹配值和认证风险熵的对应关系：

获取身份认证类别对应的历史认证数据，并确定身份认证类别的历史认证数据的匹配值；

将历史认证数据的匹配值大于或等于预设匹配数值的历史认证数据确定为预设匹配数值对应的历史认证数据；

基于预设匹配数值对应的历史认证数据，确定预设匹配数值对应的认证风险熵：

基于认证风险熵，确定身份认证类别对应的匹配值和认证风险熵的对应关系。

可选地，基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证，包括：

将多个认证风险熵中的最小值确定为第一认证风险熵；

获取目标客户办理业务类型的业务时对应的身份认证数据；

基于身份认证数据，确定目标客户对应的第二认证风险熵；

基于第一认证风险熵和第二认证风险熵，对目标客户进行身份认证。

第二方面，本申请提供一种身份认证设备，包括：

第一确定模块，用于获取多个客户类别对应的历史业务数据，确定多个可控客户类别；

第二确定模块，用于获取多个银行网点对应的历史业务数据，确定多个可控网点；

处理模块，用于在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；其中，目标客户属于可控客户类别；目标银行网点属于可控网点；

认证模块，用于在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；其中，身份信息与认证结果一一对应，认证结果包括对应的身份信息的匹配值。

可选地，第一确定模块还用于：

获取多个客户类别对应的历史业务数据，确定多个客户类别对应的客户风险熵和客户风险阈值；其中，客户风险熵用于表征客户类别办理业务时的风险信息量；

判断客户风险熵是否小于或等于客户风险阈值，若是则将客户类别确定为可控客户类别。

可选地，第一确定模块还用于：

获取多个客户类别对应的历史业务数据，将历史业务数据中涉及风险的历史业务数据确定为客户类别的风险业务数据；

基于多个数据类别，将客户类别的风险业务数据划分为多个风险业务数据子集；

将风险业务数据子集对应的交易数量与客户类别的历史业务数据对应的交易数量的比值作为风险比例；

基于风险比例，确定风险比例对应的客户子风险熵：

S＝-s×log

其中，S为风险比例对应的客户子风险熵，s为风险比例；

基于客户类别对应的多个风险比例的和值，确定客户类别的剩余风险熵：

T＝-(1-t)×log

其中，T为剩余风险熵，t为多个风险比例的和值；

将多个客户子风险熵与剩余风险熵的和值确定为客户类别对应的客户风险熵。

可选地，第二确定模块还用于：

获取多个银行网点的历史业务数据，确定银行网点对应的网点风险熵；其中，网点风险熵用于表征在银行网点办理业务时有关风险的信息量；

将网点风险熵小于网点风险阈值的银行网点确定为可控网点。

可选地，第二确定模块还用于：

将银行网点的历史业务数据中涉及风险的历史业务数据确定为银行网点的风险业务数据；

基于多个网点数据类别，将银行网点的风险业务数据划分为多个网点风险数据子集；

将网点风险数据子集对应的交易数量与历史业务数据对应的交易数量的比值确定为网点风险比例；

基于网点风险比例，确定银行网点对应的网点子风险熵：

U＝-u×log

其中，U为网点子风险熵，u为网点风险比例；

基于多个网点风险比例的和值，确定银行网点的剩余风险熵：

V＝-(1-v)×log

其中，V为剩余风险熵，v为多个网点风险比例的和值；

将多个网点子风险熵与剩余风险熵的和值确定为银行网点对应的网点风险熵。

可选地，认证模块还用于：

基于银行服务器基于多个身份信息确定的多个认证结果，确定对应的身份认证类别；

基于认证结果对应的身份信息的匹配值、身份认证类别对应的匹配值和认证风险熵的对应关系，确定认证结果对应的认证风险熵；

基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证。

可选地，该设备还用于：

获取身份认证类别对应的历史认证数据，并确定身份认证类别的历史认证数据的匹配值；

将历史认证数据的匹配值大于或等于预设匹配数值的历史认证数据确定为预设匹配数值对应的历史认证数据；

基于预设匹配数值对应的历史认证数据，确定预设匹配数值对应的认证风险熵：

基于认证风险熵，确定身份认证类别对应的匹配值和认证风险熵的对应关系。

可选地，该设备还用于：

将多个认证风险熵中的最小值确定为第一认证风险熵；

获取目标客户办理业务类型的业务时对应的身份认证数据；

基于身份认证数据，确定目标客户对应的第二认证风险熵；

基于第一认证风险熵和第二认证风险熵，对目标客户进行身份认证。

本申请的第三方面，提供了一种身份认证设备，包括：

处理器和存储器；

存储器存储计算机执行指令；

处理器执行存储器存储的计算机执行指令，使得身份认证设备执行第一方面中任一项的身份认证方法。

第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面任一项的身份认证方法。

第五方面，本申请提供了一种程序产品，该程序产品包括计算机程序，计算机程序被处理器执行实现如第一方面的身份认证方法。

本申请提供的身份认证方法、设备，通过获取多个客户类别对应的历史业务数据，确定多个可控客户类别；获取多个银行网点对应的历史业务数据，确定多个可控网点；在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；从而通过提前获取多个客户类别和多个银行网点的历史业务数据，确定可控客户类别和可控网点，在识别到可控客户类别的目标客户进入目标银行网点时，采集目标客户的身份信息对目标客户进行身份认证，身份认证通过后目标客户办理业务时无需等待身份认证结果直接办理业务，大大缩短了银行的业务办理时长；身份认证未通过则目标客户无需继续排队等待，节省了客户的时间；因此，本申请提供的身份认证方法实现了提高银行对客户的身份认证效率的技术效果。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请实施例的身份认证方法的流程示意图一；

图2是本申请实施例的身份认证方法的流程示意图二；

图3为本申请实施例提供的身份认证设备的结构示意图一；

图4为本申请实施例提供的身份认证设备的结构示意图二。

通过上述附图，以示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的设备和方法的例子。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

需要说明的是，本申请身份认证方法和设备可用于金融领域，也可用于除金融领域之外的任意领域，本申请身份认证的方法和设备的应用领域不做限定。

随着银行的业务拓展，在客户办理业务时，银行需要进行身份认证的客户数量越来越多，如何提升对客户进行身份认证的效率，成为银行的关注重点。

现有技术通常在客户办理业务时，通过采集客户的身份信息并基于银行服务器中预存的身份信息进行对比完成对客户的身份认证，允许身份认证通过的客户办理相应的银行业务。

由于银行每天的客户接待量巨大，因此客户办理业务时采集客户的身份信息并认证，往往需要占用大量的业务办理时间，导致客户等待周期长。现有技术中的身份认证方法存在身份认证效率低的技术问题。

本申请提供的身份认证方法、设备，通过获取多个客户类别对应的历史业务数据，确定多个可控客户类别；获取多个银行网点对应的历史业务数据，确定多个可控网点；在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；从而通过提前获取多个客户类别和多个银行网点的历史业务数据，确定可控客户类别和可控网点，在识别到可控客户类别的目标客户进入目标银行网点时，采集目标客户的身份信息对目标客户进行身份认证，身份认证通过后目标客户办理业务时无需等待身份认证结果直接办理业务，大大缩短了银行的业务办理时长；身份认证未通过则目标客户无需继续排队等待，节省了客户的时间；因此，本申请提供的身份认证方法实现了提高银行对客户的身份认证效率的技术效果。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1是本申请实施例的身份认证方法的流程示意图一。如图1所示，本申请实施例的身份认证方法，包括：

S101、获取多个客户类别对应的历史业务数据，确定多个可控客户类别；

S102、获取多个银行网点对应的历史业务数据，确定多个可控网点；

S103、在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；其中，目标客户属于可控客户类别；目标银行网点属于可控网点；

S104、在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；其中，身份信息与认证结果一一对应，认证结果包括对应的身份信息的匹配值。

本申请提供的身份认证方法，通过获取多个客户类别对应的历史业务数据，确定多个可控客户类别；获取多个银行网点对应的历史业务数据，确定多个可控网点；在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；从而通过提前获取多个客户类别和多个银行网点的历史业务数据，确定可控客户类别和可控网点，在识别到可控客户类别的目标客户进入目标银行网点时，采集目标客户的身份信息对目标客户进行身份认证，身份认证通过后目标客户办理业务时无需等待身份认证结果直接办理业务，大大缩短了银行的业务办理时长；身份认证未通过则目标客户无需继续排队等待，节省了客户的时间；因此，本申请提供的身份认证方法实现了提高银行对客户的身份认证效率的技术效果。

图2是本申请实施例的身份认证方法的流程示意图二。如图2所示，本申请实施例的身份认证方法，包括：

S201、获取多个客户类别对应的历史业务数据，将历史业务数据中涉及风险的历史业务数据确定为客户类别的风险业务数据；

S202、基于多个数据类别，将客户类别的风险业务数据划分为多个风险业务数据子集；

本实施例中，数据类别可以为交易类别，或者渠道类别，或者风险类别。

S203、将风险业务数据子集对应的交易数量与客户类别的历史业务数据对应的交易数量的比值作为风险比例，基于风险比例，确定风险比例对应的客户子风险熵；

本实施例中，客户子风险熵基于以下方式确定：

S＝-s×log

其中，S为风险比例对应的客户子风险熵，s为风险比例。

S204、基于客户类别对应的多个风险比例的和值，确定客户类别的剩余风险熵；

本实施例中，客户类别的剩余风险熵基于以下方式确定：

T＝-(1-t)×log

其中，T为剩余风险熵，t为多个风险比例的和值。

S205、将多个客户子风险熵与剩余风险熵的和值确定为客户类别对应的客户风险熵；基于多个客户类别对应的历史业务数据，确定客户风险阈值；其中，客户风险熵用于表征客户类别办理业务时的风险信息量；

S206、判断客户风险熵是否小于或等于客户风险阈值，若是则将客户类别确定为可控客户类别，并将银行网点的历史业务数据中涉及风险的历史业务数据确定为银行网点的风险业务数据；

S207、基于多个网点数据类别，将银行网点的风险业务数据划分为多个网点风险数据子集；将网点风险数据子集对应的交易数量与银行网点的历史业务数据对应的交易数量的比值确定为网点风险比例；基于网点风险比例，确定银行网点对应的网点子风险熵；

本实施例中，网点数据类别可以为交易类别，或者客户类别，或者风险类别。

本实施例中，网点子风险熵基于以下方式确定：

U＝-u×log

其中，U为网点子风险熵，u为网点风险比例；

S208、基于多个网点风险比例的和值，确定银行网点的剩余风险熵；

本实施例中，银行网点的剩余风险熵基于以下方式确定：

V＝-(1-v)×log

其中，V为剩余风险熵，v为多个网点风险比例的和值。

S209、将多个网点子风险熵与银行网点的剩余风险熵的和值确定为银行网点对应的网点风险熵；其中，网点风险熵用于表征在银行网点办理业务时有关风险的信息量；将网点风险熵小于网点风险阈值的银行网点确定为可控网点；

S210、在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；其中，目标客户属于可控客户类别；目标银行网点属于可控网点；

S211、在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，确定对应的身份认证类别；其中，身份信息与认证结果一一对应，认证结果包括对应的身份信息的匹配值；

本实施例中，身份认证类别包括人脸认证识别、指纹认证识别、虹膜认证识别和声纹认证识别。

S212、基于认证结果对应的身份信息的匹配值、身份认证类别对应的匹配值和认证风险熵的对应关系，确定认证结果对应的认证风险熵；基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证。

本申请实施例提供的身份认证方法，还包括确定身份认证类别对应的匹配值和认证风险熵的对应关系：

获取身份认证类别对应的历史认证数据，并确定身份认证类别的历史认证数据的匹配值；

将历史认证数据的匹配值大于或等于预设匹配数值的历史认证数据确定为预设匹配数值对应的历史认证数据；

基于预设匹配数值对应的历史认证数据，确定预设匹配数值对应的认证风险熵：

基于认证风险熵，确定身份认证类别对应的匹配值和认证风险熵的对应关系。

本实施例中，基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证，包括：

将多个认证风险熵中的最小值确定为第一认证风险熵；

获取目标客户办理业务类型的业务时对应的身份认证数据；

基于身份认证数据，确定目标客户对应的第二认证风险熵；

基于第一认证风险熵和第二认证风险熵，对目标客户进行身份认证。

本实施例中，基于第一认证风险熵和第二认证风险熵，对目标客户进行身份认证包括：在目标客户对应的业务类型的第二认证风险熵大于第一认证风险熵时，确定目标客户身份认证通过，在目标客户对应的业务类型的第二认证风险熵小于或等于第一认证风险熵时，确定目标客户身份认证不通过。

一种可能的方式中，按照如下方法确定客户风险阈值：

获取多个客户类别模型；其中，客户类别模型用于确定任意两个客户类别的风险之间的相对大小关系；

基于多个客户类别模型，逐一确定客户类别与多个客户类别中的其他客户类别的风险之间的相对大小关系；

在客户类别的风险小于多个客户类别中的其他客户类别的风险时，将该客户类别确定为安全类别；

将安全类别对应的多个客户风险熵中的最大值确定为客户风险阈值。

一种可能的方式中，按照如下方法确定多个客户类别模型：

获取多个客户类别样本数据，每一客户类别样本数据对应两个客户类别，且每一客户类别样本数据包含两个客户类别的客户属性关系和风险关系；其中，客户属性关系包括两个客户类别对应各个客户属性的二元关系，风险关系包括两个客户类别的风险的大小关系；

初始化客户类别模型为空，以及初始化待覆盖客户数据集合为空；

循环执行如下步骤，直到多个客户类别样本数据组成的集合和待覆盖客户数据集合相同，当多个客户类别样本数据组成的集合和待覆盖客户数据集合相同时，获得了多个客户类别模型：

从多个客户类别样本数据中选取出一个不属于待覆盖客户数据集合的客户类别样本数据；

依据规则学习和该客户类别样本数据，确定目标规则；其中，目标规则用于确定两个客户类别的风险的大小关系；

将目标规则添加到客户类别模型；

确定多个客户类别样本数据中，目标规则覆盖的客户类别样本数据，并将目标规则覆盖的客户类别样本数据添加到待覆盖客户数据集合中。

一种可能的方式中，获取目标客户办理业务类型时的身份认证数据，包括：

在目标客户办理业务类型时的身份认证数据小于预设数量值时，确定目标客户的多个相似客户；

将目标客户的多个相似客户办理业务类型时的身份认证数据添加到目标客户办理业务类型时的身份认证数据。

一种可能的方式中，确定目标客户的多个相似客户，包括：

获取多个非目标客户对应的历史业务数据；

依据目标客户的历史业务数据，确定目标客户对应各个业务类别的业务数量，以及依据非目标客户的历史业务数据，确定非目标客户对应各个业务类别的业务数量；

对于每一业务类别，将目标客户对应该业务类别的业务数量与非目标客户对应该业务类别的业务数量中的最大值和最小值作为第一业务数量和第二业务数量；

将第二业务数量和第一业务数量的比值作为目标客户和非目标客户对应该业务类别的业务数量比；

按照公式确定目标客户和非目标客户对应该业务类别的相似熵：

当

W

其中，W是目标客户和非目标客户对应该业务类别的相似熵，w是目标客户和非目标客户对应该业务类别的业务数量比；

将目标客户和非目标客户对应各个业务类别的相似熵的和值作为目标客户和非目标客户的相似熵；

将多个非目标客户中，和目标客户的相似熵大于预设相似阈值的非目标客户确定为目标客户的相似客户。

本申请提供的身份认证方法，通过获取多个客户类别对应的历史业务数据，确定多个可控客户类别；获取多个银行网点对应的历史业务数据，确定多个可控网点；在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；从而通过提前获取多个客户类别和多个银行网点的历史业务数据，确定可控客户类别和可控网点，在识别到可控客户类别的目标客户进入目标银行网点时，采集目标客户的身份信息对目标客户进行身份认证，身份认证通过后目标客户办理业务时无需等待身份认证结果直接办理业务，大大缩短了银行的业务办理时长；身份认证未通过则目标客户无需继续排队等待，节省了客户的时间；因此，本申请提供的身份认证方法实现了提高银行对客户的身份认证效率的技术效果。

图3为本申请实施例提供的一种身份认证设备的结构示意图一。本实施例的设备可以为软件和/或硬件的形式。如图3所示，本申请实施例提供的一种身份认证设备300，该设备包括：第一确定模块301、第二确定模块302、处理模块303以及认证模块304，

第一确定模块301，用于获取多个客户类别对应的历史业务数据，确定多个可控客户类别；

第二确定模块302，用于获取多个银行网点对应的历史业务数据，确定多个可控网点；

处理模块303，用于在识别到可控客户类别的目标客户进入目标银行网点时，基于多个信息采集终端采集目标客户的多个身份信息，并将多个身份信息发送至目标银行网点对应的银行服务器；其中，目标客户属于可控客户类别；目标银行网点属于可控网点；

认证模块304，用于在目标客户在目标银行网点办理业务时，基于银行服务器基于多个身份信息确定的多个认证结果，对目标客户进行身份认证；其中，身份信息与认证结果一一对应，认证结果包括对应的身份信息的匹配值。

一种可能的实现方式中，第一确定模块还用于：

获取多个客户类别对应的历史业务数据，确定多个客户类别对应的客户风险熵和客户风险阈值；其中，客户风险熵用于表征客户类别办理业务时的风险信息量；

判断客户风险熵是否小于或等于客户风险阈值，若是则将客户类别确定为可控客户类别。

一种可能的实现方式中，第一确定模块还用于：

获取多个客户类别对应的历史业务数据，将历史业务数据中涉及风险的历史业务数据确定为客户类别的风险业务数据；

基于多个数据类别，将客户类别的风险业务数据划分为多个风险业务数据子集；

将风险业务数据子集对应的交易数量与客户类别的历史业务数据对应的交易数量的比值作为风险比例；

基于风险比例，确定风险比例对应的客户子风险熵：

S＝-s×log

其中，S为风险比例对应的客户子风险熵，s为风险比例；

基于客户类别对应的多个风险比例的和值，确定客户类别的剩余风险熵：

T＝-(1-t)×log

其中，T为剩余风险熵，t为多个风险比例的和值；

将多个客户子风险熵与剩余风险熵的和值确定为客户类别对应的客户风险熵。

一种可能的实现方式中，第二确定模块还用于：

获取多个银行网点的历史业务数据，确定银行网点对应的网点风险熵；其中，网点风险熵用于表征在银行网点办理业务时有关风险的信息量；

将网点风险熵小于网点风险阈值的银行网点确定为可控网点。

一种可能的实现方式中，第二确定模块还用于：

将银行网点的历史业务数据中涉及风险的历史业务数据确定为银行网点的风险业务数据；

基于多个网点数据类别，将银行网点的风险业务数据划分为多个网点风险数据子集；

将网点风险数据子集对应的交易数量与历史业务数据对应的交易数量的比值确定为网点风险比例；

基于网点风险比例，确定银行网点对应的网点子风险熵：

U＝-u×log

其中，U为网点子风险熵，u为网点风险比例；

基于多个网点风险比例的和值，确定银行网点的剩余风险熵：

V＝-(1-v)×log

其中，V为剩余风险熵，v为多个网点风险比例的和值；

将多个网点子风险熵与剩余风险熵的和值确定为银行网点对应的网点风险熵。

一种可能的实现方式中，认证模块还用于：

基于银行服务器基于多个身份信息确定的多个认证结果，确定对应的身份认证类别；

基于认证结果对应的身份信息的匹配值、身份认证类别对应的匹配值和认证风险熵的对应关系，确定认证结果对应的认证风险熵；

基于多个认证风险熵和目标客户对应的业务类型，对目标客户进行身份认证。

一种可能的实现方式中，该设备还用于：

获取身份认证类别对应的历史认证数据，并确定身份认证类别的历史认证数据的匹配值；

将历史认证数据的匹配值大于或等于预设匹配数值的历史认证数据确定为预设匹配数值对应的历史认证数据；

基于预设匹配数值对应的历史认证数据，确定预设匹配数值对应的认证风险熵：

基于认证风险熵，确定身份认证类别对应的匹配值和认证风险熵的对应关系。

一种可能的实现方式中，该设备还用于：

将多个认证风险熵中的最小值确定为第一认证风险熵；

获取目标客户办理业务类型的业务时对应的身份认证数据；

基于身份认证数据，确定目标客户对应的第二认证风险熵；

基于第一认证风险熵和第二认证风险熵，对目标客户进行身份认证。

图4为本申请实施例提供的一种身份认证设备的结构示意图二，该设备包括：

处理器401和存储器402；

存储器存储计算机执行指令；

处理器执行存储器402存储的计算机执行指令，使得身份认证设备执行如上述的身份认证方法。

应理解，上述处理器401可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital SignalProcessor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。存储器402可能包含高速随机存取存储器(英文：Random Access Memory，简称：RAM)，也可能还包括非易失性存储器(英文：Non-volatilememory，简称：NVM)，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

本申请实施例相应还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如上述的身份认证方法。

本公开实施例提供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述的身份认证方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其他实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息、客户身份信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。