一种支付操作的控制方法和系统技术方案

本说明书实施例公开了一种支付操作的控制方法及系统，通过获取待识别目标对象处于目标场景中的目标脑波数据；然后，基于所述目标脑波数据以及机器学习模型判断所述待识别目标对象的身份；最后，基于判断结果确定是否生成支付操作请求；其中，所述支付操作请求包括与所述待识别目标对象的身份对应的账户信息。

A control method and system of payment operation

【技术实现步骤摘要】
一种支付操作的控制方法和系统
本说明书实施例涉及交易
，特别涉及一种支付操作的控制方法和系统。
技术介绍
随着移动支付技术的兴起，越来越多的用户已经习惯使用手机等移动终端进行货币支付，不再随身携带现金、银行卡等。但是，目前所使用的移动支付技术对于用户而言，都必须依赖于可用的移动终端，一旦移动终端未携带或不可用（例如：设备故障、电量用尽等），便无法进行支付操作。因此，有必要提出一种更便捷、更可靠的支付方案来提高用户的操作体验。
技术实现思路
本说明书实施例之一提供一种支付操作的控制方法，所述方法包括：获取待识别目标对象处于目标场景中的目标脑波数据；基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份；并基于判断结果确定是否生成支付操作请求；其中，所述支付操作请求包括与所述待识别目标对象的身份对应的账户信息。本说明书实施例之一提供一种支付操作的控制系统，所述系统包括：获取模块，用于获取待识别目标对象处于目标场景中的目标脑波数据；判断模块，用于基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份；生成模块，用于基于判断结果确定是否生成支付操作请求；其中，所述支付操作请求包括与所述待识别目标对象的身份对应的账户信息。本说明书实施例之一提供一种支付操作的控制装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上所述的支付操作的控制方法。>附图说明本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本说明书一些实施例所示的应用场景示意图；图2是根据本说明书一些实施例所示的支付操作的控制方法的示例性流程图；图3是根据本说明书一些实施例所示的机器学习模型的训练方法的示例性流程图；图4是根据本说明书一些实施例所示的支付操作的控制系统的模块示意图。具体实施方式为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。在一些实施例中，可以通过扫码支付、刷脸支付等方式进行线下支付，但是，这些支付方式目前均存在一定的缺陷。例如，就扫码支付而言，扫码支付必须依赖于手机等移动终端，一旦用户手机故障或未带手机，便无法进行支付操作。又例如，就刷脸支付而言，部分用户担心使用刷脸支付后会存在肖像公开或肖像盗用等问题，因此，对刷脸支付功能存在一定的抵触心理。在一些实施例中，可以使用脑波数据进行身份验证，其原理为：将采集到的脑波数据与数据库中的脑波数据进行比对，然后基于比对结果进行身份识别。但是，本领域技术人员应当知道，人的脑波会随情绪改变等大脑活动的变化而变化，而每个人每时每刻都可能有不同的情绪，换句话说，即每个人每时每刻都可能会产生不同的脑波信号，因此，在数据库不全的情况下，很难基于数据库比对准确地实现身份识别。并且，即使数据库录入了每个人在每种大脑活动下的脑波数据，由于数据处理量极其庞大，其识别过程也会相当漫长。因此，从另一个角度来讲，也很难基于数据库比对来实现身份识别。本说明书实施例提供一种基于机器学习模型的支付操作的控制方法和系统，通过机器学习模型来对用户的脑波数据进行处理，准确地识别出用户身份，并基于该身份完成支付操作，从而在提高身份验证过程的准确性的同时，提高用户的支付体验。下面结合附图对本说明书实施例所提供的支付操作的控制方法和系统进行详细说明。图1是根据本说明书的一些实施例所示的应用场景示意图。如图1所示，在一些实施例中，支付操作的控制系统100可以包括服务器110、脑波采集设备120、网络130、存储设备140以及至少一个终端150。其中，各个组件之间可以通过网络130互相连接。例如，脑波采集设备120可以通过网络130与服务器110连接或通信，服务器110可以通过网络130与存储设备140连接或通信。在一些实施例中，脑波采集设备120可以用于采集用户（例如支付操作的执行者）的脑波数据（即脑神经细胞的电生理活动的总体反映），并将该脑波数据反馈至服务器110以进行用户身份验证，进而实现账户登录以及与商品或服务相应的支付操作。在一些实施例中，该脑波采集设备120采集的脑波数据可以通过网络130直接发送至服务器110。可选地，在另一些实施例中，该脑波数据也可以发送至至少一个终端150，然后由至少一个终端150将其发送至服务器110。在一些实施例中，脑波采集设备120可以是一种头戴式设备，应当理解，在其他实施例中，也可以采用其他类型的脑波采集设备。在一些实施例中，脑波采集设备120还可以包括可视组件，例如VR（VirtualReality）眼镜等，用于给用户展示商品信息、支付信息等，或指示用户进行相应的大脑活动。服务器110可以对脑波采集设备120直接发送的，或经由至少一个终端150间接发送的脑波数据进行处理，得到该脑波数据所对应的身份信息以及账户信息，然后再基于该身份信息和账户信息完成后续的支付操作。例如，在得到用户的身份信息和账户信息之后，服务器110还可以进一步判断该账户是否满足支付条件。在一些实施例中，服务器110可以将支付结果（例如：支付成功或支付失败）发送至至少一个终端150。在一些实施例中，服务器110可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，服务器110可以是本地或远程的。例如，服务器110可以通过网络130从脑波采集设备120、存储设备140和/或至少一个终端150访问信息和/或数据。又例如，服务器110可以直接连接到脑波采集设备120、存储设备140和/或至少一个终端150以访问信息和/或数据。在一些本文档来自技高网...

【技术保护点】
1.一种支付操作的控制方法，所述方法包括：/n获取待识别目标对象处于目标场景中的目标脑波数据；/n基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份；并基于判断结果确定是否生成支付操作请求，所述支付操作请求包括与所述待识别目标对象的身份对应的账户信息。/n

【技术特征摘要】
1.一种支付操作的控制方法，所述方法包括：
获取待识别目标对象处于目标场景中的目标脑波数据；
基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份；并基于判断结果确定是否生成支付操作请求，所述支付操作请求包括与所述待识别目标对象的身份对应的账户信息。


2.根据权利要求1所述的方法，所述基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份包括：
基于所述目标脑波数据以及机器学习模型，确定与所述目标脑波数据匹配的身份信息及其匹配度；
基于所述匹配度判断所述待识别目标对象的身份。


3.根据权利要求2所述的方法，若所述匹配度大于预设阈值，则判断所述身份信息属于所述待识别目标对象；若所述匹配度小于预设阈值，则判断所述身份信息不属于所述待识别目标对象。


4.根据权利要求1所述的方法，所述机器学习模型通过如下训练方法获得：
获取样本数据，所述样本数据包括若干目标对象在历史场景中的历史脑波数据，以及所述若干目标对象的身份信息；所述历史脑波数据与所述目标对象的身份关联；
基于所述历史脑波数据确定对应的特征信息，作为输入数据；
基于所述若干目标对象的身份信息确定所述历史脑波数据的标记信息，作为输出数据；
将所述输入数据及其对应的输出数据输入初始机器学习模型进行训练。


5.根据权利要求4所述的方法，所述样本数据还包括所述若干目标对象的历史购物操作信息；所述训练方法还包括：
基于所述目标对象的历史购物操作信息确定对应的目标对象的历史脑波数据的标记信息。


6.根据权利要求1所述的方法，所述方法还包括：获取所述支付操作对应的商品信息；
所述基于所述目标脑波数据以及机器学习模型，判断所述待识别目标对象的身份还包括：
基于所述目标脑波数据、所述商品信息以及机器学习模型，判断所述待识别目标对象的身份。


7.根据权利要求6所述的方法，所述基于所述目标脑波数据、所述商品信息以及机器学习模型，判断所述待识别目标对象的身份还包括：
基于所述目标脑波数据以及机器学习模型，确定与所述目标脑波数据匹配的第一身份信息及其第一匹配度；
基于所述商品信息以及机器学习模型，确定与所述商品信息匹配的第二身份信息及其第二匹配度；
基于所述第一匹配度以及第二匹配度，判断所述待识别目标对象的身份。


8.根据权利要求1所述的方法，所述方法还包括：
对所述目标脑波数据进行预处理，确定对应的脑波频谱信号；
其中，所述预处理包括对所述脑波数据进行分段处理。


9.根据权利要求8所述的方法，所述脑波数据进行分段处理包括：
基于所述目标脑波数据确定若干个波段；
基于预设偏移量确定第N个波段上向第N+1个波段偏移的偏移波段；
基于所述偏移波段、所述预设偏移量以及第N+1个波段，确定偏移后的第N个波段；
对所述偏移后的第N个波段进行处理。


10.一种支付操作的控制系统，所述系统包括：
获取模块，用于获取待识别目标对象处于目...

【专利技术属性】
技术研发人员：张熠，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33