登录判定模型训练及登录判定方法、系统、设备、介质与流程

1.本技术涉及登录检测技术领域，更具体地说，涉及登录判定模型训练及登录判定方法、系统、设备、介质。


背景技术：

2.当前，用户借助用户端等访问网站等时，需要进行登录操作，在此过程中，用户端等将用户输入的登录信息发送给对应的网站等的服务器，服务器对登录信息进行检测后返回登录结果给用户端，用户端根据登录结果判断是否登录成功并执行相应的操作，然而，由于用户登陆网站的多样性，服务器返回的登录结果各不相同，这就需要用户端等依据登录结果进行登录成功与否的判定。
3.比如可以通过正则匹配来对登录结果进行判定，例如匹配“登录成功”、“登录失败”、“success:true”、“isok:false”等来判断用户登录成功或者失败。然而，如果正则匹配中没有预设某条登录结果的相应匹配规则的话，后续便无法准确对该登录结果进行判定，出现漏判等情况，准确性和灵活性较差。
4.综上所述，如何提高登录判定的准确性和灵活性是目前本领域技术人员亟待解决的问题。


技术实现要素：

5.本技术的目的是提供一种登录判定方法，其能在一定程度上解决如何提高登录判定的准确性和灵活性的技术问题。本技术还提供了一种登录判定模型训练方法及登录判定系统、电子设备、计算机可读存储介质。
6.为了实现上述目的，本技术提供如下技术方案：
7.一种登录判定方法，包括：
8.获取待判定的目标登录结果，所述目标登录结果包括基于登录信息进行登录检测后返回的信息；
9.基于预设特征提取方式，提取所述目标登录结果的目标登录特征；
10.输入所述目标登录特征至预先训练的登录判定模型，并获取所述登录判定模型输出的对所述目标登录特征的识别结果；
11.基于所述识别结果检测所述目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
12.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包括：
13.若所述目标登录结果的数据格式为键值对，则获取预设的关键字列表项；
14.生成与所述关键字列表项对应的向量化结果，所述向量化结果中的每一位表征所述关键字列表项中的一个关键字；
15.对于所述目标登录结果中的每个关键字，若所述目标登录结果中的关键字属于所
述关键字列表项，则将所述向量化结果中表征所述登录结果中的关键字的位的值赋成第一数值，若所述目标登录结果中的关键字不属于所述关键字列表项，则将所述向量化结果中表征所述登录结果中的关键字的位的值赋成第二数值；
16.将完成赋值的所述向量化结果作为所述目标登录特征。
17.优选的，所述获取预设的关键字列表项，包括：
18.获取已知登录判定结果的历史登录结果，且所述历史登录的数据格式为所述键值对；
19.将表征登录成功的所述历史登录结果作为第一类历史登录结果，确定所述第一类登录结果中出现频率最高的第一类关键字，所述第一类关键字中关键字的类型为第一数量；
20.将表征登录失败的所述历史登录结果作为第二类历史登录结果，确定所述第二类登录结果中出现频率最高的第二类关键字，所述第二类关键字中关键字的类型为第二数量；
21.在所述历史登录结果的所有关键字中，舍弃所述第一类关键字和所述第二类关键字，并在所述历史登录结果的剩余关键字中，选取出现频率最高的第三类关键字，所述第三类关键字中关键字的类型为第三数量；
22.基于所述第三类关键字生成所述关键字列表项。
23.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包括：
24.若所述目标登录结果的数据格式为键值对，则提取所述目标登录结果中关键字的个数；
25.将所述关键字的个数作为所述目标登录特征。
26.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包括：
27.统计所述目标登录结果中字符串的长度值；
28.将所述目标登录结果中字符串的长度值的对数运算结果作为所述目标登录特征。
29.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包括：
30.去除所述目标登录结果中的预设停用词，得到处理后登录结果；
31.统计所述处理后登录结果中字符串的长度值；
32.将所述处理后登录结果中字符串的长度值的对数运算结果作为所述目标登录特征。
33.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包括：
34.若所述目标登录结果的数据格式为键值对，则去除所述目标登录结果的键值中的预设停用词，得到处理后键值；
35.统计所述处理后键值中字符串的长度值；
36.将所述处理后键值中字符串的长度值的对数运算结果作为所述目标登录特征。
37.优选的，所述基于预设特征提取方式，提取所述目标登录结果的目标登录特征，包
括：
38.抽取所述目标登录结果的tf-idf特征；
39.将所述tf-idf特征作为所述目标登录特征。
40.优选的，所述登录判定模型包括logistic回归模型。
41.优选的，所述获取待判定的目标登录结果，包括：
42.获取待判定的初始登录结果；
43.对所述初始登录结果进行处理，得到所述目标登录结果；
44.其中，所述处理包括分词处理、去除停用词处理。
45.一种登录判定模型训练方法，包括：
46.获取已知登录结果，所述已知登录结果包括基于登录信息进行登录检测后返回的信息；
47.获取所述已知登录结果的已知登录判定结果，所述已知登录判定结果用于表示所述已知登录结果是否表征登录成功；
48.基于预设特征提取方式，提取所述已知登录结果的已知登录特征；
49.基于所述已知登录特征及对应的所述已知登录判定结果对预先搭建的所述登录判定模型进行训练，直至得到训练好的所述登录判定模型，以基于训练好的所述登录判定模型进行登录判定。
50.一种登录判定系统，包括：
51.目标登录结果获取模块，用于获取待判定的目标登录结果，所述目标登录结果包括基于登录信息进行登录检测后返回的信息；
52.目标登录特征提取模块，用于基于预设特征提取方式，提取所述目标登录结果的目标登录特征；
53.输入模块，用于输入所述目标登录特征至预先训练的登录判定模型，并获取所述登录判定模型输出的对所述目标登录特征的识别结果；
54.检测模块，用于基于所述识别结果检测所述目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
55.一种电子设备，包括：
56.存储器，用于存储计算机程序；
57.处理器，用于执行所述计算机程序时实现如上任一所述方法的步骤。
58.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
59.本技术提供的一种登录判定方法，获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息；基于预设特征提取方式，提取目标登录结果的目标登录特征；输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果；基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。本技术中，在获取待判定的目标登录结果之后，并非基于正则匹配来对目标登录结果进行登录判定，而是先基于预设特征提取方式，提取目标登录结果的目标登录特征，输入目标登录特征至登录判定模型，并根据登录判定模型输出的对目标登录特征的识别结果来检测目标登录结果是否表征登录成功，由于预先训练的登录判定模
型应用了机器学习方式，所以本技术实现了通过机器学习方式来基于登录特征对登录结果进行登录判定，准确性高且灵活性好。本技术提供的一种登录判定模型训练方法及登录判定系统、电子设备、计算机可读存储介质也解决了相应技术问题。
附图说明
60.为了更清楚地说明本技术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，下面描述中的附图仅仅是本技术的实施例，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，还可以根据提供的附图获得其他的附图。
61.图1为本技术实施例提供的登录判定方案的系统框架图；
62.图2为本技术实施例提供的一种登录判定方法的一种流程图；
63.图3为本技术实施例提供的一种登录判定方法的另一流程图；
64.图4为本技术实施例提供的一种登录判定模型训练方法的流程图；
65.图5为本技术实施例提供的一种登录判定系统的结构示意图；
66.图6为本发明实施例电子设备的硬件组成结构示意图。
具体实施方式
67.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
68.当前，用户借助用户端等访问网站等时，需要进行登录操作，在此过程中，用户端等将用户输入的登录信息发送给对应的网站等的服务器，服务器对登录信息进行检测后返回登录结果给用户端，用户端根据登录结果判断是否登录成功并执行相应的操作，然而，由于用户登陆网站的多样性，服务器返回的登录结果各不相同，比如有html(hyper text markup language，超文本标记语言)页面形式的，有json(javascript object notation，javascript对象简谱)格式的，有xml(extensible markup language，可扩展标记语言)格式的，有txt(文本文档)格式的，甚至还有git(分布式版本控制系统)协议的pkt-line格式，base64(基于64个可打印字符来表示二进制数据)编码格式的等，这就需要用户端等依据登录结果进行登录成功与否的判定。
69.比如可以通过正则匹配来对登录结果进行判定，例如匹配“登录成功”、“登录失败”、“success:true”、“isok:false”等来判断用户登录成功或者失败。然而，如果正则匹配中没有预设某条登录结果的相应匹配规则的话，后续便无法准确对该登录结果进行判定，出现漏判等情况，准确性和灵活性较差。当然，也可以基于ueba(用户实体行为分析)学习用户端登录成功的规则，并基于学习到的规则进行登录判定，但是如果之前未学习到用户端的登录行为的话，则无法生成登录成功规则，也就无法进行登录检测，准确性好灵活性也较差。而本技术提供的登录判定方案可以提高登录判定的准确性和灵活性。
70.本技术的用户操作处理方案中，采用的系统框架具体可以参见图1所示，具体可以包括：后台服务器01和与后台服务器01建立通信连接的若干数量的用户端02。
71.本技术中，用户端02用于执行用户操作处理方法步骤，包括获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息；基于预设特征提取方式，提取目标登录结果的目标登录特征；输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果；基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
72.请参阅图2，图2为本技术实施例提供的一种登录判定方法的一种流程图。
73.本技术实施例提供的一种登录判定方法，可以包括以下步骤：
74.步骤s101：获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息。
75.实际应用中，可以先获取待判定的目标登录结果，且目标登录结果指的是基于登录信息进行登录检测后返回的信息。需要说明的是，具体的登录方式及目标登录结果的类型可以根据实际需要确定，比如登录方式可以为web(全球广域网)站点登录、软件登录、网页登录等，本技术在此不做具体限定。
76.此外，为了便于理解，以图1所示系统为例，目标登录结果的生成过程可以是：用户端先接收用户输入的软件的目标登录信息，并将目标登录信息发送给软件所对应的后台服务器，后台服务器接收到目标登录信息后，对目标登录信息进行登录检测、并按照软件预设的登录结果格式生成相应的目标登录结果，后台服务器再将目标登录结果返回给用户端，至此，用户端便获取到需要自身进行登录判定的目标登录结果。
77.具体应用场景中，登录结果中可能包含无用词，比如停用词等，为了排除无用词对登录判定的影响，在获取待判定的目标登录结果的过程中，可以获取待判定的初始登录结果；对初始登录结果进行处理，得到目标登录结果；其中，处理包括分词处理、去除停用词处理等，且停用词的类型可以根据实际应用确定，比如可以包括修饰词等。
78.步骤s102：基于预设特征提取方式，提取目标登录结果的目标登录特征。
79.实际应用中，在获取待判定的目标登录结果之后，可以先基于预设特征提取方式来提取出目标登录结果的目标登录特征，以便后续基于目标登录特征来对目标登录结果进行登录判定。预设特征提取方式可以根据实际需要灵活确定，本技术在此不做具体限定。
80.步骤s103：输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果。
81.步骤s104：基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
82.实际应用中，在基于预设特征提取方式，提取目标登录结果的目标登录特征之后，便可以输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果，最后基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
83.需要说明的是，本技术中的登录判定模型是预先基于机器学习方式训练的，而从海量的数据中寻找数据的潜在的规律和价值，是机器学习的一个天然优势，所以本技术借助登录判定模型来进行登录判定的话，准确性和灵活性均较好。此外，本技术中登录判定模型的类型可以根据实际需要确定，比如登录判定模型可以为logistic回归模型(lr)，svm(support vector machine，支持向量机)模型，nb(朴素贝叶斯)模型，决策树模型，随机森
林模型，gbdt(gradient boosting decision tree)模型，adaboost模型，xgboost模型，lightgbm模型，神经网络模型等，当然，在具体应用场景中，考虑到lr模型的训练时间短、内存消耗少、计算速度快，所以可以优先选取lr模型作为登录判定模型等，本技术在此不再赘述。
84.还需说明的是，登录判定模型输出的对目标登录特征的识别结果的类型可以根据实际需要确定，比如识别结果可以为表征是否登录成功的概率值，此时，在基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果的过程中，可以将识别结果与预设概率值进行比较，若识别结果大于预设概率值，则可以生成表示目标登录结果表征登录成功的目标登录判定结果，若识别结果小于等于预设概率值，则可以生成表示目标登录结果表征登录失败的目标登录判定结果等，本技术在此不再赘述。此外，还可以根据具体应用场景来对本技术方案进行改进，比如在到对应的目标登录判定结果之后，可以基于目标登录判定结果及登录信息进行弱密码检测，并生成相应的弱密码检测结果等。
85.本技术提供的一种登录判定方法，获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息；基于预设特征提取方式，提取目标登录结果的目标登录特征；输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果；基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。本技术中，在获取待判定的目标登录结果之后，并非基于正则匹配来对目标登录结果进行登录判定，而是先基于预设特征提取方式，提取目标登录结果的目标登录特征，输入目标登录特征至登录判定模型，并根据登录判定模型输出的对目标登录特征的识别结果来检测目标登录结果是否表征登录成功，由于预先训练的登录判定模型应用了机器学习方式，所以本技术实现了通过机器学习方式来基于登录特征对登录结果进行登录判定，准确性高且灵活性好。
86.请参阅图3，图3为本技术实施例提供的一种登录判定方法的另一流程图。
87.本技术实施例提供的一种登录判定方法，可以包括以下步骤：
88.步骤s201：获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息。
89.步骤s202：若目标登录结果的数据格式为键值对，则获取预设的关键字列表项。
90.步骤s203：生成与关键字列表项对应的向量化结果，向量化结果中的每一位表征关键字列表项中的一个关键字。
91.实际应用中，考虑到登录结果多为键值对的形式，也即登录结果多由关键字与键值组成，所以在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，可以基于目标登录结果的键值对信息来进行特征提取，也即若目标登录结果的数据格式为键值对，则可以先获取预设的关键字列表项，再生成生成与关键字列表项对应的向量化结果，且向量化结果中的每一位表征关键字列表项中的一个关键字，以便后续基于关键字列表项对应的向量化结果来将目标登录结果进行向量化。
92.具体应用场景中，在获取预设的关键字列表项的过程中，可以基于已知登录判定结果的历史登录结果来快速生成相应的关键字列表项，也即可以获取已知登录判定结果的历史登录结果，且历史登录的数据格式为键值对；将表征登录成功的历史登录结果作为第一类历史登录结果，确定第一类登录结果中出现频率最高的第一类关键字，第一类关键字
中关键字的类型为第一数量；将表征登录失败的历史登录结果作为第二类历史登录结果，确定第二类登录结果中出现频率最高的第二类关键字，第二类关键字中关键字的类型为第二数量；在历史登录结果的所有关键字中，舍弃第一类关键字和第二类关键字，并在历史登录结果的剩余关键字中，选取出现频率最高的第三类关键字，第三类关键字中关键字的类型为第三数量；基于第三类关键字生成关键字列表项。
93.需要说明的是，第一数量、第二数量和第三数量的值可以根据实际需要确定，比如第一数量和第二数量可以相同，均为100等，第三数量可以小于第一数量和第二数量，比如可以为50等，本技术在此不做具体限定。
94.步骤s204：对于目标登录结果中的每个关键字，若目标登录结果中的关键字属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第一数值，若目标登录结果中的关键字不属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第二数值。
95.步骤s205：将完成赋值的向量化结果作为目标登录特征。
96.实际应用中，在生成与关键字列表项对应的向量化结果之后，便可以基于向量化结果对目标登录结果进行向量化处理，具体的，对于目标登录结果中的每个关键字，若目标登录结果中的关键字属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第一数值，若目标登录结果中的关键字不属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第二数值；最后再将完成赋值的向量化结果作为目标登录特征即可。为便于理解，假设关键字列表项为{关键字1、关键字3、关键字4}，目标登录结果中的关键字为{关键字1、关键字3}，且第一数值为1，第二数值为0，则目标登录特征可以为[1,0,1]等。
[0097]
需要说明的是，关键字列表项、向量化结果及第一数值、第二数值的具体信息可以根据实际需要确定，本技术在此不做具体限定。
[0098]
步骤s206：输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果。
[0099]
步骤s207：基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
[0100]
具体应用场景中，在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，若目标登录结果的数据格式为键值对，可以提取目标登录结果中关键字的个数；将关键字的个数作为目标登录特征。
[0101]
具体应用场景中，在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，可以统计目标登录结果中字符串的长度值；将目标登录结果中字符串的长度值的对数运算结果作为目标登录特征。
[0102]
具体应用场景中，在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，可以去除目标登录结果中的预设停用词，得到处理后登录结果；统计处理后登录结果中字符串的长度值；将处理后登录结果中字符串的长度值的对数运算结果作为目标登录特征。
[0103]
具体应用场景中，在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，若目标登录结果的数据格式为键值对，可以去除目标登录结果的键值中的预设
停用词，得到处理后键值；统计处理后键值中字符串的长度值；将处理后键值中字符串的长度值的对数运算结果作为目标登录特征。
[0104]
具体应用场景中，在基于预设特征提取方式，提取目标登录结果的目标登录特征的过程中，可以抽取目标登录结果的tf-idf(term frequency
–
inverse document frequency)特征；将tf-idf特征作为目标登录特征。
[0105]
需要说明的是，具体应用场景中，可以根据实际需要，灵活选取本实施中涉及的一种或多种特征提取方式来对目标登录结果进行特征提取，本技术在此不做具体限定。
[0106]
请参阅图4，图4为本技术实施例提供的一种登录判定模型训练方法的流程图。
[0107]
本技术实施例提供的一种登录判定模型训练方法，可以包括以下步骤：
[0108]
步骤s301：获取已知登录结果，已知登录结果包括基于登录信息进行登录检测后返回的信息。
[0109]
实际应用中，可以先获取已知登录结果，且已知登录结果包括基于登录信息进行登录检测后返回的信息，具体的，可以对站点、开源数据集等进行收集来获得已知登录结果等，本技术在此不做具体限定。
[0110]
步骤s302：获取已知登录结果的已知登录判定结果，已知登录判定结果用于表示已知登录结果是否表征登录成功。
[0111]
实际应用中，在获取已知登录结果之后，便可以获取已知登录结果的已知登录判定结果，且已知登录判定结果用于表示已知登录结果是否表征登录成功，具体的，可以通过人工鉴别和/或程序鉴别等半自动化方式对已知登录结果进行登录判定，得到对应的已知登录判定结果等，本技术在此不做具体限定。
[0112]
步骤s303：基于预设特征提取方式，提取已知登录结果的已知登录特征。
[0113]
实际应用中，在获取已知登录结果的已知登录判定结果之后，便可以基于预设特征提取方式，提取已知登录结果的已知登录特征，预设特征提取方式的相关描述可以参阅上述实施例，在此不再赘述。
[0114]
步骤s304：基于已知登录特征及对应的已知登录判定结果对预先搭建的登录判定模型进行训练，直至得到训练好的登录判定模型，以基于训练好的登录判定模型进行登录判定。
[0115]
实际应用中，在基于预设特征提取方式，提取已知登录结果的已知登录特征之后，便可以基于已知登录特征及对应的已知登录判定结果对预先搭建的登录判定模型进行训练，直至得到训练好的登录判定模型，以基于训练好的登录判定模型进行登录判定。
[0116]
具体的，在对登录判定模型的训练过程中，可以将表征登录成功的已知登录结果的已知登录特征作为正样本，将表征登录失败的已知登录结果的已知登录特征作为负样本，再基于正样本、负样本对登录判定模型进行相应训练，以明确登录判定模型的训练过程等。
[0117]
请参阅图5，图5为本技术实施例提供的一种登录判定系统的结构示意图。
[0118]
本技术实施例提供的一种登录判定系统，可以包括：
[0119]
目标登录结果获取模块101，用于获取待判定的目标登录结果，目标登录结果包括基于登录信息进行登录检测后返回的信息；
[0120]
目标登录特征提取模块102，用于基于预设特征提取方式，提取目标登录结果的目
标登录特征；
[0121]
输入模块103，用于输入目标登录特征至预先训练的登录判定模型，并获取登录判定模型输出的对目标登录特征的识别结果；
[0122]
检测模块104，用于基于识别结果检测目标登录结果是否表征登录成功，得到对应的目标登录判定结果。
[0123]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0124]
第一获取单元，用于若目标登录结果的数据格式为键值对，则获取预设的关键字列表项；
[0125]
第一生成单元，用于生成与关键字列表项对应的向量化结果，向量化结果中的每一位表征关键字列表项中的一个关键字；
[0126]
第一赋值单元，用于对于目标登录结果中的每个关键字，若目标登录结果中的关键字属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第一数值，若目标登录结果中的关键字不属于关键字列表项，则将向量化结果中表征登录结果中的关键字的位的值赋成第二数值；
[0127]
第一设置单元，用于将完成赋值的向量化结果作为目标登录特征。
[0128]
本技术实施例提供的一种登录判定系统，第一获取单元可以具体用于：获取已知登录判定结果的历史登录结果，且历史登录的数据格式为键值对；将表征登录成功的历史登录结果作为第一类历史登录结果，确定第一类登录结果中出现频率最高的第一类关键字，第一类关键字中关键字的类型为第一数量；将表征登录失败的历史登录结果作为第二类历史登录结果，确定第二类登录结果中出现频率最高的第二类关键字，第二类关键字中关键字的类型为第二数量；在历史登录结果的所有关键字中，舍弃第一类关键字和第二类关键字，并在历史登录结果的剩余关键字中，选取出现频率最高的第三类关键字，第三类关键字中关键字的类型为第三数量；基于第三类关键字生成关键字列表项。
[0129]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0130]
第一提取单元，用于若目标登录结果的数据格式为键值对，则提取目标登录结果中关键字的个数；
[0131]
第二设置单元，用于将关键字的个数作为目标登录特征。
[0132]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0133]
第一统计单元，用于统计目标登录结果中字符串的长度值；
[0134]
第三设置单元，用于将目标登录结果中字符串的长度值的对数运算结果作为目标登录特征。
[0135]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0136]
第一去除单元，用于去除目标登录结果中的预设停用词，得到处理后登录结果；
[0137]
第二统计单元，用于统计处理后登录结果中字符串的长度值；
[0138]
第四设置单元，用于将处理后登录结果中字符串的长度值的对数运算结果作为目标登录特征。
[0139]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0140]
第二去除单元，用于若目标登录结果的数据格式为键值对，则去除目标登录结果的键值中的预设停用词，得到处理后键值；
[0141]
第三统计单元，用于统计处理后键值中字符串的长度值；
[0142]
第五设置单元，用于将处理后键值中字符串的长度值的对数运算结果作为目标登录特征。
[0143]
本技术实施例提供的一种登录判定系统，目标登录特征提取模块可以包括：
[0144]
第一抽取单元，用于抽取目标登录结果的tf-idf特征；
[0145]
第六设置单元，用于将tf-idf特征作为目标登录特征。
[0146]
本技术实施例提供的一种登录判定系统，登录判定模型包括logistic回归模型。
[0147]
本技术实施例提供的一种登录判定系统，目标登录结果获取模块可以包括：
[0148]
第二获取单元，用于获取待判定的初始登录结果；
[0149]
第一处理单元，用于对初始登录结果进行处理，得到目标登录结果；
[0150]
其中，处理包括分词处理、去除停用词处理。
[0151]
本技术实施例提供的一种登录判定模型训练系统，可以包括：
[0152]
已知登录结果获取模块，用于获取已知登录结果，已知登录结果包括基于登录信息进行登录检测后返回的信息；
[0153]
已知登录判定结果获取模块，用于获取已知登录结果的已知登录判定结果，已知登录判定结果用于表示已知登录结果是否表征登录成功；
[0154]
已知登录特征获取模块，用于基于预设特征提取方式，提取已知登录结果的已知登录特征；
[0155]
训练模块，用于基于已知登录特征及对应的已知登录判定结果对预先搭建的登录判定模型进行训练，直至得到训练好的登录判定模型，以基于训练好的登录判定模型进行登录判定。
[0156]
基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供了一种电子设备，图6为本发明实施例电子设备的硬件组成结构示意图，如图6所示，电子设备包括：
[0157]
通信接口1，能够与其它设备比如网络设备等进行信息交互；
[0158]
处理器2，与通信接口1连接，以实现与其它设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的登录判定方法。而所述计算机程序存储在存储器3上。
[0159]
当然，实际应用时，电子设备中的各个组件通过总线系统4耦合在一起。可理解，总线系统4用于实现这些组件之间的连接通信。总线系统4除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统4。
[0160]
本发明实施例中的存储器3用于存储各种类型的数据以支持电子设备的操作。这些数据的示例包括：用于在电子设备上操作的任何计算机程序。
[0161]
可以理解，存储器3可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储
器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic randomaccess memory)、同步连接动态随机存取存储器(sldram，synclink dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本发明实施例描述的存储器2旨在包括但不限于这些和任意其它适合类型的存储器。
[0162]
上述本发明实施例揭示的方法可以应用于处理器2中，或者由处理器2实现。处理器2可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器2中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器2可以是通用处理器、dsp，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器2可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器3，处理器2读取存储器3中的程序，结合其硬件完成前述方法的步骤。
[0163]
处理器2执行所述程序时实现本发明实施例的各个方法中的相应流程，为了简洁，在此不再赘述。
[0164]
在示例性实施例中，本发明实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器3，上述计算机程序可由处理器2执行，以完成前述方法所述步骤。计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、flash memory、磁表面存储器、光盘、或cd-rom等存储器。
[0165]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置、终端和方法，可以通过其它的方式实现。以上所描述的设备实施例仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0166]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0167]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
[0168]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0169]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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电子设备(可以是个人计算机、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。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0170]
本技术实施例提供的登录判定模型训练方法、登录判定系统、电子设备及计算机可读存储介质中相关部分的说明请参见本技术实施例提供的登录判定方法中对应部分的详细说明，在此不再赘述。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
[0171]
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0172]
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。