用于文档认证的机器学习制造技术

提供一种计算机系统和方法，用于使用机器学习系统分析认证信息。接收用于第一交易的第一认证信息，其至少包括与第一身份证明文件对应的第一图像。从验证系统接收与第一验证缺陷对应的第一验证信息。机器学习系统的数据存储器存储第一验证信息。接收用于第二交易的第二认证信息，其包括与接收到的第二图像对应的第二图像。机器学习系统确定第一验证值，第一验证值对应于第二图像包含第一验证缺陷的概率。使用第一验证值确定是否满足缺陷审查标准。在确定为满足缺陷审查标准时，将第二图像发送到验证系统。

【技术实现步骤摘要】
【国外来华专利技术】用于文档认证的机器学习
本申请一般地涉及用户认证，更具体地涉及使用机器学习来生成用于分析图像数据的算法的认证。
技术介绍
对于很多网络通信和交易，远程用户的识别和核验很重要。对于用户相互不熟悉且彼此远离时的敏感通信和重要交易，尤其如此。传统上，个人提交物理身份证明文件，由代理进行审查，代理将身份证明文件的面部图像与该个人的物理外观进行比较。然而，常规的识别和核验用户的机制不方便而且效率低，增加了用户的负担。
技术实现思路
因此，需要有这样的系统和/或设备，其采用更高效、准确和直观的方法分析用于认证用户的图像。可选地，这样的系统、设备和方法补充或取代常规的用于分析对用户进行认证的图像的系统、设备和方法。在一些实施例中，机器学习系统用于生成用来分析图像数据的模型。图像数据包括，例如，身份证明文件(例如，包含用户图像的身份证明文件，例如护照或政府签发的其它文件)的图像、和/或用户的捕获图像(例如，用户最近的“自拍照”图像)。实施机器学习的计算系统对包括图像数据(例如，大量认证请求中包括的图像数据)的训练数据的集合进行分析。机器学习系统用于生成这样的模型：该模型可用于分析新传入的认证请求。在一些实施例中，机器学习系统的监督训练模块使用人工标注的数据来训练认证模型(例如，通过对数据进行迭代分类，将测试数据与人工标记进行比较，并执行优化以将分类错误最小化)。在一些实施例中，机器学习系统的非监督训练模块在不使用用于分类的人工输入的情况下训练认证模型(例如，通过对数据进行编码和聚类以找到潜在的组和离群值)。在一些实施例中，将对认证请求数据的集合应用认证模型(例如，通过监督学习和/或非监督学习进行训练)得到的结果与对同一认证请求数据的集合进行人工审查的结果进行比较，并利用机器学习结果和人工审查结果之间的差异来改变认证模型。在一个方面，所公开的主题包括一种计算机化方法，用于接收用于第一交易的第一认证信息。第一认证信息至少包括与第一身份证明文件对应的第一图像。该方法还包括：从验证系统接收与第一验证缺陷对应的第一验证信息。该方法还包括：由机器学习系统的数据存储器存储第一验证信息。该方法还包括：接收用于第二交易的第二认证信息。第二认证信息包括与第二身份证明文件对应的第二图像。该方法还包括：使用机器学习系统确定第一验证值，第一验证值对应于第二图像包含第一验证缺陷的概率。该方法还包括：使用第一验证值确定是否满足缺陷审查标准。该方法还包括：在确定为满足缺陷审查标准时，将第二图像发送到验证系统。在一些实施例中，计算机可读存储介质存储存储一个或多个程序。所述一个或多个程序包括这样的指令，该指令在被执行时使得设备接收用于第一交易的第一认证信息。第一认证信息至少包括与第一身份证明文件对应的第一图像。所述一个或多个程序还包括这样的指令，该指令使得所述设备从验证系统接收与第一验证缺陷对应的第一验证信息。所述一个或多个程序还包括这样的指令，该指令使得所述设备由机器学习系统的数据存储器存储第一验证信息。所述一个或多个程序还包括这样的指令，该指令使得所述设备接收用于第二交易的第二认证信息。第二认证信息包括与第二身份证明文件对应的第二图像。所述一个或多个程序还包括这样的指令，该指令使得所述设备使用机器学习系统确定第一验证值，所述第一验证值对应于第二图像包含第一验证缺陷的概率。所述一个或多个程序还包括这样的指令，该指令使得所述设备使用第一验证值确定是否满足缺陷审查标准。所述一个或多个程序还包括这样的指令，该指令使得所述设备在确定为满足缺陷审查标准时，将第二图像发送到验证系统。在一些实施例中，系统包括：一个或多个处理器、存储器和一个或多个程序。所述一个或多个程序存储在所述存储器中且配置成由所述一个或多个处理器执行。所述一个或多个程序包括这样的指令，该指令用于接收用于第一交易的第一认证信息。第一认证信息至少包括与第一身份证明文件对应的第一图像。所述一个或多个程序还包括这样的指令，该指令用于从验证系统接收与第一验证缺陷对应的第一验证信息。所述一个或多个程序还包括这样的指令，该指令用于由机器学习系统的数据存储器存储第一验证信息。所述一个或多个程序还包括这样的指令，该指令用于接收用于第二交易的第二认证信息。第二认证信息包括与第二身份证明文件对应的第二图像。所述一个或多个程序还包括这样的指令，该指令用于使用机器学习系统确定第一验证值，第一验证值对应于第二图像包含第一验证缺陷的概率。所述一个或多个程序还包括这样的指令，该指令用于使用第一验证值确定是否满足缺陷审查标准。所述一个或多个程序还包括这样的指令，该指令用于在确定为满足缺陷审查标准时，将第二图像发送到验证系统。附图说明为了更详细地理解本申请，在附图中示出了各实施例的特征。然而，附图仅示出了本申请的相关特征，因此不是限制性的。图1是根据一些实施例的认证系统及其上下游的系统图。图2是根据一些实施例的验证设备的系统图。图3A示出了根据一些实施例的参考图像。图3B示出了根据一些实施例的认证图像。图4示出了根据一些实施例的包含缺陷的参考图像的示例。图5-9示出了根据一些实施例的接收缺陷标注输入的验证用户界面。图10-11示出了根据一些实施例的、在确定针对参考图像确定的验证值满足审查标准时，向用户显示的验证用户界面。图12是根据一些实施例的捕获参考图像和/或认证图像的用户设备的系统图。图13示出了显示摄像头用户界面的用户设备，其包括关于由该用户设备的摄像头捕获的图像的反馈。图14A至图14C示出根据一些实施例的一种方法的流程图，该方法用于使用机器学习来生成用于分析图像数据的认证模型。图15示出根据一些实施例的一种方法的流程图，该方法用于在捕获用于认证请求的图像的设备处，使用机器学习提供反馈。图16示出根据一些实施例的用于生成对抗性测试以教导机器学习系统的方法的流程图。根据惯例，有一些附图中可能没有绘出给定系统、方法或设备的全部组成部分。最后，在整个说明书和附图中，相同的附图标记表示相同的特征。具体实施方式本文描述了许多细节以提供对附图所示的示例性实施例的透彻理解。然而，在没有这些具体细节的情况下一些实施例也可以实现，权利要求书的范围仅受权利要求书中具体记载的那些特征和方面的限制。此外，公知的过程、部件和材料没有详尽地描述，以免不必要地模糊本文中描述的实施例的相关方面。本文描述的系统和方法涉及用于确定与认证请求对应的一个或多个图像的有效性的机器学习算法。这些系统和方法改进了用于根据认证请求确定图像的图像有效性的现有技术。在一些实施例中，从请求设备接收认证请求(例如，结合支付或其它安全交易)。在一些实施例中，认证请求包括诸如护照的身份证明文件(例如，与正在为其执行安全交易的用户相关联的身份证明文件)的图像。在一些实施例中，认证请求包括用户的图像(例如，最近的“自拍照”图像)。响应于认证请求，认证系统确定身份证明文件的图像的有效性，和/或，将用户的图像与身份证明文件的图本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n在包括一个或多个处理器和存储用于由所述一个或多个处理器执行的一个或多个程序的存储器的服务器系统中，/n接收用于第一交易的第一认证信息，其中所述第一认证信息至少包括与第一身份证明文件对应的第一图像；/n从验证系统接收与第一验证缺陷对应的第一验证信息；/n由机器学习系统的数据存储器存储所述第一验证信息；/n接收用于第二交易的第二认证信息，其中，所述第二认证信息包括与第二身份证明文件对应的第二图像；/n使用所述机器学习系统确定第一验证值，所述第一验证值对应于所述第二图像包含所述第一验证缺陷的概率；/n使用所述第一验证值确定是否满足缺陷审查标准；以及/n在确定为满足所述缺陷审查标准时，将所述第二图像发送到所述验证系统。/n

【技术特征摘要】
【国外来华专利技术】20180530 US 15/993,3661.一种计算机实现的方法，包括：
在包括一个或多个处理器和存储用于由所述一个或多个处理器执行的一个或多个程序的存储器的服务器系统中，
接收用于第一交易的第一认证信息，其中所述第一认证信息至少包括与第一身份证明文件对应的第一图像；
从验证系统接收与第一验证缺陷对应的第一验证信息；
由机器学习系统的数据存储器存储所述第一验证信息；
接收用于第二交易的第二认证信息，其中，所述第二认证信息包括与第二身份证明文件对应的第二图像；
使用所述机器学习系统确定第一验证值，所述第一验证值对应于所述第二图像包含所述第一验证缺陷的概率；
使用所述第一验证值确定是否满足缺陷审查标准；以及
在确定为满足所述缺陷审查标准时，将所述第二图像发送到所述验证系统。


2.根据权利要求1所述的方法，其中，所述第一验证信息指示所述第一图像中与所述第一验证缺陷对应的位置。


3.根据权利要求1-2中任一项所述的方法，包括：
在确定为不满足所述缺陷审查标准时，将认证信息发送到远程设备。


4.根据权利要求1-3中任一项所述的方法，其中，
在确定为满足所述缺陷审查标准时，
确定是否满足提示标准；且
在确定为满足所述提示标准时，发送所述第二图像包括：针对与所述第一身份证明文件中所述第一验证缺陷对应的信息，发送用于显示提示的信息。


5.根据权利要求4所述的方法，包括：
接收与所述第一验证缺陷对应的信息；以及
通过监督机器学习系统的所述数据存储器存储与所述第一验证缺陷对应的所述信息。


6.根据权利要求1-5中任一项所述的方法，包括：
使用所述机器学习系统确定第二验证值，所述第二验证值对应于所述第二身份证明文件的所述第二图像包含第二验证缺陷的概率，其中所述第二验证值用于确定是否满足所述缺陷审查标准。


7.根据权利要求6所述的方法，包括：
使用所述机器学习系统分析新传入的认证请求的集合；以及
由非监督学习系统确定与无效认证请求活动对应的所述新传入的认证请求集合的子集；
其中，所述第二验证缺陷是所述新传入的认证请求集合的所述子集的无效特征。


8.根据权利要求1-7中任一项所述的方法，包括：
使用所述机器学习系统生成测试认证请求的集合，其中，所述测试认证请求的集合中的每个测试认证请求包括相应的测试验证缺陷；
由所述机器学习系统分析所述测试认证请求的集合，以生成与所述测试认证请求的集合对应的验证值的集合；
确定所述验证值的集合中的相应的验证值不满足缺陷审查标准；以及
在确定为所述验证值的集合中的所述相应的验证值不满足缺陷审查标准时，使用与所述相应的验证值对应的所述相应的测试验证缺陷来调整所述机器学习系统。


9.一种计算机可读存储介质，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令在被执行时使设备执行以下操作：
接收用于第一交易的第一认证信息，其中所述第一认证信息至少包括与第一身份证明文件对应的第一图像；
从验证系统接收与第一验证缺陷对应的第一验证信息；
由机器学习系统的数据存储器存储所述第一验证信息；
接收用于第二交易的第二认证信息，其中，所述第二认证信息包括与第二身份证明文件对应的第二图像；
使用所述机器学习系统确定第一验证值，所述第一验证值对应于所述第二图像包含所述第一验证缺陷的概率；
使用所述第一验证值确定是否满足缺陷审查标准；以及
在确定为满足所述缺陷审查标准时，将所述第二图像发送到所述验证系统。


10.根据权利要求9所述的计算机可读存储介质，其中，所述第一验证信息指示所述第一图像中与所述第一验证缺陷对应的位置。


11.根据权利要求9-10中任一项所述的计算机可读存储介质，其中，所述一个或多个程序包括使设备执行以下操作的指令：
在确定为不满足所述缺陷审查标准时，将认证信息发送到远程设备。


12.根据权利要求9-11中任一项所述的计算机可读存储介质，其中，所述一个或多个程序包括使设备执行以下操作的指令：
在确定为满足所述缺陷审查标准时，
确定是否满足提示标准；且
在确定为满足所述提示标准时，发送所述第二图像包括：针对与所述第一身份证明文件中的所述第一验证缺陷对应的信息，发送用于显示提示的信息。


13.根据权利要求12所述的计算机可读存储介质，其中，所述一个或多个程序包括使设备执行以下操作的指令：
接收与所述第一验证缺陷对应的信息；以及
通过监督机器学习系统的所述数据存储...

【专利技术属性】
技术研发人员：阿提拉·巴洛格，莱因哈德·霍奇里瑟，拉杜·罗戈加努，
申请(专利权)人：居米奥公司，
类型：发明
国别省市：美国;US