一种对象验证方法和装置与流程

本申请涉及互联网领域，具体涉及一种对象验证方法和装置。

背景技术：

随着互联网技术的发展，越来越多的日常操作依托互联网进行，与此同时，网络安全也愈发重要。如，在用户登录网络账号时，可以通过验证码的方式判断当前进行登录操作的对象是否为非真实用户，现有技术通常在进行对象验证时，通常使用包含验证码及其标准答案的数据库，在进行对象验证时，从该数据库内随机抽取验证码，并将对象的验证结果与此验证码的标准答案进行对比，以判断进行当前操作的对象是否为非真实用户。

在对现有技术的研究和实践过程中，本申请的发明人发现，由于数据判断过程简单以及数据库固定，此种方式进行对象验证的安全性有待提升。

技术实现要素：

本申请实施例提供一种对象验证方法和装置，可以提高对象验证的安全性。

本申请实施例提供一种对象验证方法，包括：

显示待验证对象需要标注的目标内容；

获取所述待验证对象针对所述目标内容标注的对象标注结果；

基于所述目标内容的预测标注结果，确定所述对象标注结果对应的初始标注置信度，所述预测标注结果为采用标注模型对所述目标内容进行标注得到；

对所述初始标注置信度和历史标注置信度进行融合，得到所述待验证对象对应的目标对象置信度，所述历史标注置信度为所述待验证对象针对历史内容进行标注得到的标注置信度；

当所述目标对象置信度满足预设条件时，确定所述待验证对象通过验证。

相应地，本申请实施例提供一种对象验证装置，包括：

第一显示模块，用于显示待验证对象需要标注的目标内容；

获取模块，用于获取所述待验证对象针对所述目标内容标注的对象标注结果；

确定模块，用于基于所述目标内容的预测标注结果，确定所述对象标注结果对应的初始标注置信度，所述预测标注结果为采用标注模型对所述目标内容进行标注得到；

融合模块，用于对所述初始标注置信度和历史标注置信度进行融合，得到所述待验证对象对应的目标对象置信度，所述历史标注置信度为所述待验证对象针对历史内容进行标注得到的标注置信度；

验证模块，用于当所述目标对象置信度满足预设条件时，确定所述待验证对象通过验证。

在本申请的一些实施例中，所述预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，确定模块包括确定子模块和获取子模块，其中，

确定子模块，用于从所述预测标注结果中，确定与所述对象标注结果相同的目标预测结果；

获取子模块，用于基于所述目标预测结果对应的预测置信度，获取所述对象标注结果对应的初始标注置信度。

在本申请的一些实施例中，融合模块包括获取子模块和加权子模块，其中，

获取子模块，用于获取所述初始标注置信度对应的第一权重和所述历史标注置信度对应的第二权重；

加权子模块，用于基于所述第一权重和所述第二权重，对所述初始标识置信度和所述历史标注置信度进行加权处理，得到所述待验证对象对应的目标对象置信度。

在本申请的一些实施例中，第一显示模块包括设置子模块、确定子模块和显示子模块，其中，

设置子模块，用于基于所述预测标注结果，为待验证对象需要标注的目标内容设置标注难度系数；

确定子模块，用于根据所述标注难度系数，确定所述目标内容的显示条件；

显示子模块，用于当所述显示条件被触发时，显示所述待验证对象需要标注的目标内容。

在本申请的一些实施例中，所述预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，设置子模块具体用于:

从所述预测标注结果的预测置信度中，确定所述预测标注结果的最大置信度；基于所述最大置信度，为待验证对象需要标注的目标内容设置标注难度系数。

在本申请的一些实施例中，对象验证装置还包括：

置信度模块，用于对所述目标对象置信度和所述初始标注置信度进行融合，得到所述对象标注结果对应的标注置信度；

标注结果模块，用于基于所述对象标注结果对应的标注置信度，确定所述目标内容的标注结果。

在本申请的一些实施例中，标注结果模块包括确定子模块、融合子模块和设置子模块，其中，

确定子模块，用于所述基于所述对象标注结果的标注置信度，确定所述目标内容的标注结果，包括：

融合子模块，用于对候选标注结果中相同的对象标注结果对应的标注置信度进行融合，得到至少一个候选置信度，所述候选标注结果包括所述目标内容的至少两个对象标注结果、以及每一对象标注结果对应的标注置信度；

设置子模块，用于确定所述候选置信度中的最大值，得到目标置信度，并将所述目标置信度对应的对象标注结果设置为所述目标内容的标注结果。

在本申请的一些实施例中，对象验证装置还包括：

第二显示模块，用于当所述目标对象置信度不满足预设条件时，确定所述待验证对象不通过验证。

在本申请的一些实施例中，对象验证装置还包括：

预处理模块，用于对所述目标内容进行预处理，得到待标注词语；

生成模块，用于将所述待标注词语映射到向量空间，生成所述待标注词语对应的词向量；

预测模块，用于将所述词向量输入标注模型进行标注，得到预测标注结果，所述预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度。

相应的，本申请实施例还提供了一种存储介质，存储介质存储有计算机程序，计算机程序适于处理器进行加载，以执行本申请实施例提供的任一种对象验证方法。

相应的，本申请实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现本申请实施例提供的任一种对象验证方法。

本申请实施例首先显示待验证对象需要标注的目标内容，接着获取待验证对象针对目标内容标注的对象标注结果，然后基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到，再对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度，最后，当目标对象置信度满足预设条件时，确定待验证对象通过验证。

本方案不直接将对象标注结果作为数据判断的数据，而是转化为判断置信度，结合对象当前操作的置信度(即初始标注置信度)以及历史操作的置信度(即历史标注置信度)，得到目标对象置信度，并通过目标对象置信度进行对象验证，相比与现有技术，使用更加合理且全面的数据进行对象验证，显著提高了对象验证的安全性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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他的附图。

图1是本申请实施例提供的对象验证装置的场景示意图；

图2是本申请实施例提供的对象验证方法的流程示意图；

图3是本申请实施例提供一完成对象验证和标注过程的总流程示例图；

图4是本申请实施例提供的对象验证方法的另一流程示意图；

图5是本申请实施例提供的对象验证的一交互界面示例图；

图6为本申请实施例提供的一神经网络模型结构示例图；

图7为本申请实施例提供的一生成目标对象置信度的示例图；

图8是本申请实施例提供的对象验证装置的结构示意图；

图9是本申请实施例提供的对象验证装置的另一结构示意图；

图10是本申请实施例提供的计算机设备的结构示意图；

图11是本申请实施例提供的分布式系统110应用于区块链系统的一个可选的结构示意图；

图12是本申请实施例提供的区块结构的一个可选的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，本申请所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

其中，人工智能(artificialintelligence,ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

自然语言处理(naturelanguageprocessing,nlp)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。

随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

本申请实施例提供的通过标注模型得到预测标注结果的过程涉及人工智能的自然语言处理等技术，具体通过实施例进行说明。

本申请实施例提供一种对象验证方法和装置。具体地，本申请实施例可以集成在对象验证装置，对象验证装置可以集成在对象验证计算机设备，该对象验证计算机设备可以是终端等电子设备，终端可以是智能手机、平板电脑、笔记本电脑、以及个人计算机等电子设备，如图1所示，图1为本申请实施例所提供的对象验证装置的场景示意图。其中，该终端可以如图1所示。

终端可以显示待验证对象需要标注的目标内容，获取待验证对象针对目标内容标注的对象标注结果，基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到；对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度，当目标对象置信度大于预设阈值时，确定待验证对象通过验证。

该对象验证计算机设备还可以是服务器等电子设备，服务器可以具备数据处理、数据存储功能以及数据传输功能等，比如，云服务器、镜像服务器、或源服务器等，该服务器可以为单台服务器，可以为服务器集群。该服务器可以如图1所示，主要用于接收终端的请求消息，并根据请求消息向终端发送预测标注结果、历史标注置信度等数据，比如服务器可以接收终端发送的请求消息，请求消息可以用于请求目标内容的预测标注结果，服务器可以在接收到该请求消息后通过标注模型得到目标内容的预测标注结果，并向终端发送得到的预测标注结果，等。

需要说明的是，图1所示的对象验证装置的场景示意图仅仅是一个示例，本申请实施例描述的对象验证装置以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着对象验证装置的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

以下分别进行详细说明。

在本实施例中，将从对象验证装置的角度进行描述，该对象验证装置具体可以集成在终端中，比如，智能手机、平板电脑、笔记本电脑、个人计算机以及穿戴式智能设备等具备储存单元、安装有微处理器的终端。

如图2所示，图2是本申请一实施例提供的对象验证方法的流程示意图。该对象验证方法可以包括：

101、显示待验证对象需要标注的目标内容。

其中，待验证对象可以包括将要进行标注操作以验证是否为非真实用户的对象，真实用户即真实的生物，非真实用户可以包括由真实的生物操控的机器人、也可以包括预先编写的程序，等。在互联网上，非真实用户通常会针对真实用户的网络账号、以及以应用程序等为载体的互联网产品(如邮箱、或搜索引擎等)等发起恶意攻击，确定待验证对象是否为真实用户是对象验证的主要任务，通过对象验证，可以将避免非真实用户进行后续操作，避免侵害网络账号和互联网产品。

其中，标注是指对数据进行人工处理，处理的方式可以有多种，如可以对数据进行批注、修改、审核、或分类等方式，数据可以是文本、图片等多种形式，标注好的数据携带标注得到的信息，现有的标注方式可以包含标注人员有偿地通过标注网站或标注程序对待标注的数据进行处理。如，待标注的数据可以是图片，人工处理的过程可以是标注人员判断图片内容内是否包含商店招牌。

其中，目标内容可以包括需要进行标注的待标注数据，目标内容可以包含多种显示形式，如目标内容的显示形式可以为图片、视频、或文本等，对于非真实对象来说，图片或视频的信息量远远高于文本，想要正确标注图片或视频的难度也远大于文本，因此，为了提高对象识别的安全性，待标注内容的显示格式更多为图片或视频等形式。

待标注数据的形式可以包括文本、或图片等多种形式，当待标注数据的形式与目标内容的形式不同时，需要对待标注数据进行一定的格式转化，比如，若待标注数据为文本，目标内容为图片，则需要对文本进行图片化处理；当待标注数据与目标内容的形式相同，但是待标注数据的形式并不满足目标内容需要的形式，也需要对待标注数据进行一定的处理，比如，目标内容为一张图片，该图片内包含一组待标注图片，则需要对该组待标注图片进行拼接，得到目标内容，等等。对待标注数据进行处理得到目标内容的过程可以在实际场景灵活进行，具体的操作也可以包括多种，在此不再赘述。

其中，待标注数据可以为文本，针对文本的标注可以包括词性分析、情感分析、词义判断等，词性分析可以包括分析词语的词性，词语可以是若干词语构成的句子，也可以是单个词语，比如，分析“我爱香蕉”中词语的词性，得到的结果可以是“我(名词)爱(动词)香蕉(名词)”；情感分析可以是判断词语或句子的情感，情感可以包括正向、负向和中性等，比如，可以分析句子“我很快乐”的情感，得到的结果可以是“我很快乐(正向)”，也可以是分析句子“我很快乐”中的词语的情感，得到的结果可以是“我(中性)很快乐(正向)”。

词义判断可以包括多种，比如，可以判断一组词语的含义是否近似或相反，即近义词或反义词，比如，分析“大”和“小”是否为近义词，得到的结果可以是“否”；又如，可以判断一组词语是否为相似词，相似词可以为包含至少一类相同特征的词语，相同特征可以包括词语的含义相似(此时相似词即近义词)；相同特征还可以包括词语的语义角色相同，即在句子中起相同的作用，如“很”、“非常”或“有点”都可以在句子中作为程度的副词；相同特征也可以包含词语的属性相同，比如，“橘子”和“山竹”都是水果名，等等。

显示待验证对象需要标注的目标内容，是进行对象验证的起点步骤，为实现对象验证奠定基础，此外，将需要标注的目标内容作为对象验证的数据，只需要执行一种操作，即可实现两种目的，可以有效地节省资源，提高操作效率。

比如，应用程序a的设置是：在进入支付页面前，需要对欲进行支付操作的对象(即待验证对象)进行验证，应用程序a的小白将要在应用程序a上进行支付，则应用程序在显示支付页面前，在标注页面显示小白需要标注的图片(即目标内容)。

在一些实施例中，为了更加有效和合理的显示目标内容，预测标注结果为采用标注模型对目标内容进行标注得到，步骤“显示待验证对象需要标注的目标内容”可以包括：

基于预测标注结果，为待验证对象需要标注的目标内容设置标注难度系数；根据标注难度系数，确定目标内容的显示条件；当显示条件被触发时，显示待验证对象需要标注的目标内容。

其中，预测标注结果可以包括对目标内容进行预测性标注得到的标注结果，预测标注结果可以采用标注模型进行。

其中，标注难度系数可以定量地表达目标内容被正确标注的难度，标注难度系数可以通过包括数字、符号、图片、或文字等多种形式进行表达，在为目标内容设置难度系数前，可以根据需求，设置难度与难度系数表达形式的关系，如，可以使用以数字形式表达难度系数，并设置难度与数字的关系为：数字越大(即难度系数越大)，难度越低；又比如，可以使用符号(或图片)形式表达难度系数，此时，可以基于一定的规律设置不同的符号(或图片)与难度的关系，如设置难度系数为四挡，设置每一档的符号为：+(最简单)、！(比较简单)、&(难)、#(最难)，等等。

其中，显示条件可以包括目标内容可以进行显示的所有必要条件，必要条件可以包括时间、待验证对象、目标内容的显示形式等，显示条件将实现显示目标内容量化为确定的数据，保障了目标内容的精确、高效率显示，如，目标内容的显示条件可以为待验证对象小白、显示时间小白自5日6点起的第三次对象验证，目标内容的显示形式为时长2秒的视频。

通过对目标内容进行预测性标注可以得到预测标注结果，基于预测标注结果，可以确定目标内容的标注难度系数，标注的难度会随着待标注数据、标注任务以及标注对象的变化而有所变化，因此标注得到的标注结果并不一定准确，因此，需要通过预测标注结果为目标内容设置标注难度系数，标注难度系数可以量化对目标内容进行标注的难度，

接着，根据标注难度系数确定目标内容的显示条件，对象验证主要为了确定对象为真实用户，在保证实现对象验证任务的前提下，可以设置难度较低的标注任务，方便对象快速完成验证，因此，若目标内容的标注难度较大，目标内容的显示条件会相对更严格，即显示目标内容的概率更低，当显示条件被触发时，即可显示待验证对象需要标注的目标内容。

比如，通过预测标注结果，确定目标内容的难度大，则为目标内容设置难度系数为难度最高级5，再根据难度系数，确定目标内容的显示条件(任一待验证对象在3小时内进行第51次对象验证时，显示该目标内容)，然后，当待验证对象小白在5日8点20分期间进行自5日6点起的第51次对象验证时，在小白的应用程序对象验证页面上显示目标内容。

在一些实施例中，步骤“基于预测标注结果，为待验证对象需要标注的目标内容设置标注难度系数”可以包括：

从预测标注结果的预测置信度中，确定预测标注结果的最大置信度；基于最大置信度，为待验证对象需要标注的目标内容设置标注难度系数。

其中，置信度可以包括对标注结果的正确性的度量，置信度越高，此置信度对应的标注结果为正确标注结果的可能性越高，通过置信度可以对标注结果的可靠程度定量度量，提升对象验证使用的数据的精度，使得对象验证的结果更加精确。

具体地，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，预测置信度即其对应的预测结果的为正确标注结果的可能性，可以比较所有预测结果对应的预测置信度，以确定其中的最大值，目标内容的预测结果可以为至少两个，所有预测置信度的总和为一个单位，当预测结果对应的预测置信度之间差值越小，即每一预测结果为正确标注结果的可能性类似时，对于正确标注结果的预测效果比较差，此时预测置信度的最大值也会相对较低；相反地，当预测结果对应的预测置之间的差值越大，即预测置信度的最大值对应的预测结果为正确标注结果的可能性显著的高于其他预测结果时，预测标注结果对于正确标注结果的预测效果越好。

然后可以基于最大置信度，为目标内容设置标注难度系数，使用同一标注模型进行预测性标注，预测效果越好的目标内容相对更简单，因此，最大置信度可以一定程度上度量目标内容的难度，同时最大值与相邻值的差值也可以度量目标内容的难度，预测结果的数量以及预测置信度的数值范围等因素都可能影响差值在度量目标内容难度时的所占的权重，故可以在应用时具体分析和判别是否引入差值，以及引入差值时如何差值的权重等问题，在此不作限制。

比如，目标内容的预测结果为a和b，a的置信度为0.3，b的置信度为0.7，可确定目标内容的最大置信度为0.7，然后，可根据最大置信度为目标内容设置标注难度系数3(标注难度系数包括1、2、3、4，其中，数字越大，难度越高)。

102、获取待验证对象针对目标内容标注的对象标注结果。

其中，标注结果可以包括对目标内容进行标注得到的结果，标注结果的内容和形式取决于目标内容以及对目标内容的标注方式的设置。对于文本的标注来说，标注结果的形式通常为文字，内容可以直接为如“正向”、“反义词”、或“名词”等；也可以为间接的结果，如“是”、“否”、或“错误”等，标注结果也可以为非文字形式，如，标注结果可以为标记了的图片或视频等，标注结果为在图片或视频上进行的操作，等。

比如，为了提高对象标注的安全性，在进行词语情感标注时，目标内容可以被包含在一张图片内，图片内可以包含目标内容在内的多个词语，在进行标注时，需要将图片中的正向、负向、以及中性词语分别在图片中标注出来，则标注结果的形式为一张包含情感标注结果的图片，需要结合在制作该图片时使用的图片中词语的位置信息，得到关于词语的情感标注结果；又比如，更加简单快捷地，可以直接通过控件让用户进行标注结果判断，比如，判断近义词时，可以直接以问题形式显示目标内容，问题可以为：“‘大’和‘小’是否为一组反义词？”并将问题答案以按钮形式显示，按钮可以为“是”按钮和“否”按钮；此外，还可以通过自行输入标注结果的方式来得到标注内容，等等。

其中，对象标注结果为可以包括待验证对象针对目标内容进行标注生成的标注结果，获取待验证对象针对目标内容标注的对象标注结果，是完成对象验证的重要步骤，通过对对象标注结果进行分析，从而确定对象是否通过验证。

比如，用户小白在应用程序a的验证页面对图片进行标注，则应用程序a可以接收用户小白的对象标注结果。

103、基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到。

其中，预测标注结果可以为采用标注模型对目标内容进行标注得到，标注模型为任意可以进行标注的模型。其中，初始标注置信度为对象标注结果为正确标注结果的可能性的初始度量。

基于预测标注结果确定对象标注结果对应的初始标注置信度的方式可以有很多，可以根据预测标注结果的形式和内容进行灵活调整，如，可以通过训练好的确定模型，也可以进行必要的数理处理，等等，

通过预测标注结果确定对象标注结果的初始标注置信度，区别于现有技术中，直接对标注结果与正确标注结果进行比较，将二者比较得到的结果作为对象验证的标准，本方案转化对象标注结果为标注置信度，标注置信度是一个度量对象标注结果为正确标注结果可能性的量，此过程对数据的处理更加精细，在后续进行比较时可选的方向更多，更便于根据实际情况灵活调整，有利于得到更加准确高效地进行对象验证。

比如，根据标注模型得到的预测标注结果，可以确定小白的对象标注结果的初始标注置信度为0.6。

在一些实施例中，步骤“基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度”可以包括：

从预测标注结果中，确定与对象标注结果相同的目标预测结果；基于目标预测结果对应的预测置信度，获取对象标注结果对应的初始标注置信度。

预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，目标预测结果为与对象标注结果相同的预测结果，预测结果对应预测置信度，因此，可基于目标预测结果对应的预测置信度，得到对象标注结果对应的初始标注置信度，具体地，可以直接将预测置信度设置为初始标注置信度；也可以引入一定的模型，以预测置信度为输入，输出初始标注置信度，等等。

本实施例提供了一种可以较简单便捷地确定初始标注置信度的方法，有助于对象验证的实现。

比如，预测标注结果包括预测结果a及其预测置信度0.6、预测结果b及其预测置信度0.2、预测结果c及其预测置信度0.2，将对象标注结果与a、b和c比较，确定对象标注结果与c相同，则可以基于c的预测置信度0.2得到对象标注结果的初始标注置信度0.22。

104、对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度。

其中，历史标注置信度可以为待验证对象针对历史内容进行标注得到的标注置信度，历史内容为待标注的历史目标内容，历史标注置信度可以为一组数据，即待标注对象的所有历史标注的标注置信度，此时保存了所有原始数据，包含的信息量更大，基于这些标注置信度可以有更多融合方式的选择；历史标注置信度也可以为基于所有历史标注的标注置信度得到，此时对原始数据进行了一定的处理，可以降低数据储存的负担，且根据需求选择处理方式，保留所有历史标注的标注置信度的重要特征，比如，可以对所有历史标注的标注置信度求平均，得到一个均值作为历史标注置信度，等等。

对初始标注置信度和历史标注置信度进行融合，得到待验证对象的目标对象置信度，融合的方式可以有多种，可以在融合的过程中设置其他的平衡参数，使得融合的过程更加合理，具体的融合方式以及参数的设置可以根据实际进行验证的场景灵活选择，在此不作限定。引入待验证对象的历史标注置信度，可以通过待验证对象的历史操作与待验证对象的当前操作一起，共用确定待验证对象是否可以通过验证，显著提升对象验证的安全性。

比如，用户小白在支付页面前的验证页面的历史标注置信度为0.7，初始标注置信度为0.6，则可以基于一定的方式融合0.6和0.7，得到小白的目标对象置信度0.68。

在一些实施例中，步骤“对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度”可以包括：

获取初始标注置信度对应的第一权重和历史标注置信度对应的第二权重；基于第一权重和第二权重，对初始标识置信度和历史标注置信度进行加权处理，得到待验证对象对应的目标对象置信度。

具体地，由于对象验证的使用场景的不同，当前操作和历史操作对对象验证的重要程度可能不同，因此，可以为初始标注置信度和历史标注置信度分别设置第一权重和第二权重，根据权重进行加权处理，可以有效改变初始标注置信度和历史标注置信度对待验证对象的目标对象置信度的影响。比如，对于被攻击可能性更高、更频繁的对象验证，如账号登录页面前的对象验证、支付页面前的对象验证等，可以更侧重于当前操作得到的对象标注结果，可以将初始标注置信度的第一权重设置的更大；对于如发送消息等账号内的安全性要求一般的对象验证，可以提高历史标注置信度的第二权重，等等。

比如，设置历史标注置信度0.7的权重为0.2，设置初始标注置信度0.6的权重为0.8，对二者进行简单的加权求和处理，可以得到小白的目标对象置信度为0.62。

105、当目标对象置信度满足预设条件时，确定待验证对象通过验证。

其中，设定条件可以包括判别目标对象置信度对应的待验证是否可以通过验证的条件，设定条件可以包括设定阈值、设定因素等，如，设定阈值的范围与目标对象置信度的范围应相同，选择合适的设定阈值对于完成对象验证至关重要，设定阈值设置的过高或过低都可能导致对象验证得到的结论与实际情况不符，设定阈值的设定需要综合实际的应用场景、以及目标对象置信度的分布情况等进行确定，最终得到较为合理的设定阈值。

当目标对象置信度满足预设条件时，即可确定待验证对象通过验证，即可完成对象验证的过程。

比如，预设阈值为0.58，则小白的目标对象置信度0.62大于0.58，小白通过验证，小白的应用程序a可以显示支付页面。

在一些实施例中，对象标注方法还可以包括步骤：

当目标对象置信度不满足预设条件时，确定待验证对象不通过验证。

目标内容可以为待标注数据，为了实现对数据的充分利用，若当前待验证对象没有通过验证，可以将目标数据分配给新的待验证对象，显示在新的待验证对象的验证页面上，实现对目标数据的标注并得到可靠的标注结果。

比如，预设阈值为0.65，则小白的目标对象置信度0.62小于0.65，待验证小白无法通过验证，终端将目标内容显示在新的待验证对象小绿的验证页面上。

在一些实施例中，对象标注方法还可以包括步骤：

对目标对象置信度和初始标注置信度进行融合，得到对象标注结果对应的标注置信度；基于对象标注结果对应的标注置信度，确定目标内容的标注结果。

本实施例的目标对象置信度需通过验证，即确定进行标注操作的待验证对象为真实对象，为了实现数据标注，完成数据标注的过程，得到可靠的标注结果，可以将目标对象置信度和初始标注置信度进行融合，得到对象标注结果对象的标注置信度，融合操作主体(待标注对象)和操作(标注)对标注结果的影响，得到对象标注结果的标注置信度，此操作可以更加全面地度量对象标注结果的可靠度，接着，基于此对象标注结果及其对应的标注置信度，确定目标内容的标注结果。

比如，小白通过验证后，融合目标对象置信度0.62和初始标注置信度0.6，得到小白的对象标注结果的标注置信度0.7，再根据标注置信度0、7，确定目标内容的标注结果。

在一些实施例中，步骤“基于对象标注结果对应的标注置信度，确定目标内容的标注结果”可以包括：

对候选标注结果中相同的对象标注结果对应的标注置信度进行融合，得到至少一个候选置信度，候选标注结果包括目标内容的至少两个对象标注结果、以及每一对象标注结果对应的标注置信度；确定候选置信度中的最大值，得到目标置信度，并将目标置信度对应的对象标注结果设置为所述目标内容的标注结果。

在实际操作中，对一个目标内容可以分配给多个待验证对象，待验证对象进行标注得到各自的对象标注结果，在对象验证完成后，通过验证的待验证对象及其对应的目标对象置信度、以及对象标注结果极其对应的初始标注置信度保存下来，并对其中的置信度进行融合操作，得到对象标注结果对应的标注置信度，最终，一个目标内容可以有多组对象标注结果，每一对象标注结果对应一标注置信度。

为了目标内容得到更加准确的标注结果，可以将所有得到的对象标注结果及其对应的标注置信度进行整合和比较，首先确定所有对象标注结果中相同的部分，并将相同的对象标注结果对应的标注置信度进行整合，得到候选置信度，再确定候选置信度的最大值，即此最大值对应的对象标注结果为正确标注结果的可能性最高，即将该对象标注结果作为目标内容的标注结果，即完成了数据标记的过程。

比如，目标内容有4组对象标注结果，每一对对象标注结果对应一标注置信度，分别为，对象标注结果11及其置信度0.7、对象标注结果12及其置信度0.9、对象标注结果13及其置信度0.65、和对象标注结果14及其置信度0.7，经过判断整合，得到两个候选置信度，分别为第一候选置信度2.05(对象标注结果11、13、和14对应的标注置信度的加和)、以及第一候选置信度0.7(对象标注结果12对应的标注置信度)，则第一候选置信度2.05为最大值，并将其对应的对象标注结果确定为目标内容的标注结果。

在一些实施例中，对象标注方法还可以包括步骤：

对目标内容进行预处理，得到待标注词语；将待标注词语映射到向量空间，生成待标注词语对应的词向量；将词向量输入标注模型进行标注，得到预测标注结果，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度。

在通过标注模型生成对目标内容的预测标注结果前，可以对目标内容进行预处理，使得目标内容的格式符合标注模型的标准输入格式，具体地，可以将对目标内容进行预处理，得到若干词语，比如，目标内容为图片，图片上包含句子“我吃粽子”，则需要将“我吃粽子”处理为“我”、“吃”、以及“粽子”，预处理可以通过人工处理或计算机处理等方式，得到若干词语后，需要将词语映射到向量空间，得到词语的向量表达(即词向量)，此过程可以将词语转化为计算机可以识别和理解的向量形式，方便后续的预测过程，将词语转化为词向量可以基于如词袋模型(cbow，continuousbag-of-wordsmodel)等完成，在一些情况下，也可以将句子转化为向量形式，可以基于如段落向量的分布式记忆的版本模型(pv-dm，distributedmemorymodelofparagraphvectors)完成将句子转化为向量的过程，比如，可以将通过词袋模型将词语“我”转化为词向量a。

接着将词向量输入标注模型进行标注，得到预测标注结果，标注模型根据实际使用需求灵活选择，比如，可以根据需求设置一神经网络模型，并对该神经网络模型进行训练，训练的过程可以包括，输入包含标注结果(即真实值)的待标注数据，并将模型输出结果(即预测值)与输入的标注结果进行对比，再基于对比结果调整神经网络模型中的参数，然后再次重复输出结果，调整参数的过程，直至得到符合需求的参数，使得损失达到较低并且梯度不再下降，降低真实值与预测值之间的误差，便可得到训练好的神经网络模型(即设定模型)，然后即可通过设定模型完成标注，得到预测标注结果。比如，将词向量a输入标注模型，预测模型可以进行词性标注，则可以通过标注模型得到词向量a的词性。

本申请实施例首先显示待验证对象需要标注的目标内容，接着获取待验证对象针对目标内容标注的对象标注结果，然后基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到，再对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度，最后，当目标对象置信度满足预设条件时，确定待验证对象通过验证。

本方案不直接将对象标注结果作为数据判断的数据，而是转化为判断置信度，结合对象当前操作的置信度(即初始标注置信度)以及历史操作的置信度(即历史标注置信度)，得到目标对象置信度，并通过目标对象置信度进行对象验证，相比与现有技术，使用更加合理且全面的数据进行对象验证，显著提高了对象验证的安全性。

根据上述实施例所描述的方法，以下将举例作进一步详细说明。

如图3所示，图3为一可选的完成对象验证和标注过程的总流程图，数据库内存储待标注的数据，当终端选中从数据库中选中目标数据后，通过数据生成模块将目标数据转化为可以显示给待标注对象的目标内容，标注平台可以显示目标内容，以及采集待验证对象的用户标注结果(即对象标注结果)，用户判别模块根据预测标注结果、对象标注结果、以及历史标注置信度，确定待验证对象是否为真实用户(即是否通过验证)，并得到待验证对象是真实用户的概率(即目标对象置信度)，当待验证对象不是真实用户，则抛弃此对象标注结果，若待验证对象是真实用户，则基于自动标注模块得到的初始标注置信度以及目标对象置信度，得到该对象标注结果的最终置信度，并将该对象标注结果及其对应的最终置信度保存在数据库中。

如图4所示，图4为本申请实施例提供的对象验证更新方法的一流程示意图。

该对象验证方法可以包括：

201、终端显示待验证对象需要标注的目标内容。

其中，目标内容为待标注的数据，待标注的数据可以根据向有数据标注需求的群体收集，收集可以通过网站、应用程序等进行。数据收集完成后，可以对数据进行处理，并根据标注模型的预测标注结果为待标注数据设置难度系数，按照难度系数将待标注数据保存起来。

在确定目标内容时，可以采用随机采样的方式，对于难度系数高的待标注数据，采样时分配更低的权重，因此被采样到的可能性更低。从待标注数据中确定目标内容后，如果目标内容为文本形式，可以将目标内容转化为图片形式，然后在图片上增加一些装饰，或者将文本以艺术字或夸张的字体等形式展示在图片上，主要是为了提升机器识别的难度，增强对象验证的安全性。

得到图片形式的目标内容后，即可将图片显示在待标注对象的电子设备上。

比如，终端上有一应用程序，该应用程序的用户小紫为待标注对象，应用程序在验证页面上显示小紫需要进行标注的目标内容，参见图5，目标内容为一图片，图片内为文字“下列词语是否为近义词大小”，还包含用于输入标注结果的按钮“是”和“否”。

202、终端获取待验证对象针对目标内容标注的对象标注结果。

比如，小紫进行标注后，终端获取的对象标注结果为“是”。

203、终端通过标注模型对目标内容进行标注，得到预测标注结果，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度。

其中，终端可以使用训练好的神经网络模型(即标注模型)进行标注，并得到目标内容的预测标注结果，训练好的神经网络模型的结构可以如图6所示，包括词向量层(wordembedding)、循环神经网络层(rnn,recurrentneuralnetwork)和生成对结果的预测概率层，并通过该训练好的神经网络模型输出预测结果。生成对结果的预测概率层可以通过函数实现，如softmax函数。该神经模型在训练阶段，通过输入带有标注结果的待标注数据对此神经模型进行训练，不断调整参数，直至神经模型可以使用合适的参数输出满足要求的预测标注结果。训练好的神经模型接收若干词语，并输出词语的预测标注结果，预测标注结果包括预测结果以及每一预测结果对应的预测置信度。

比如，使用训练好的神经模型对大和小是否为近义词进行标注，可以得到预测标注结果：是(置信度0.15)和否(置信度0.84)。

204、终端基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度。

比如，终端根据预测标注结果：是(置信度0.15)和否(置信度0.84)，确定小紫的对象标注结果“是”的初始标注置信度为0.15。

205、终端对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度。

具体地，如图7，历史标注置信度可以为该用户以前标注样本的置信度的平均值，再根据标注模型的预测标注结果得到对象标注结果的初始标注置信度，即图7中，将用户标注的样本(即目标内容)输入自动标注模块(可得到预测标注结果)，得到已标注样本的置信度(通过预测标注结果，得到对象标注结果的初始标注置信度，已标注样本的置信度即初始标注置信度)，然后基于历史标注置信度和初始标注置信度得到目标对象标注置信度，目标对象标注置信度可以为该用户所有标注样本的置信度的平均值。

比如，小紫的历史标注置信度为0.3，通过小紫的初始标注置信度为0.15和历史标注置信度0.3，得到小紫的目标对象置信度0.23。

206、当目标对象置信度大于预设阈值时，终端确定待验证对象通过验证。

比如，根据应用程序的设置，此处的预设阈值为0.87，则小紫的目标对象置信度0.23小于预设阈值，则终端判定小紫为未通过验证，认定小紫为非真实用户。

207、终端对通过验证的待验证对象对应的目标对象置信度和初始标注置信度进行融合，得到对象标注结果对应的标注置信度。

比如，小明为一通过验证的待验证对象(验证所用的目标内容与小资相同，小明的验证界面如图5)，小明的初始标注置信度为0.84，历史标注置信度为0.67，则可以基于以上两置信度，得到小明的对象标注结果(否)的标注置信度56。

208、终端基于对象标注结果对应的标注置信度，确定目标内容的标注结果。

比如，对于图5的标注还有两组对象标注结果及其对应的标注置信度，分别为是66(对象标注结果为否)和50(对象标注结果为是)，加上小明的对象标注结果(否)对应的标注置信度56，可以发现，对象标注结果为否的置信度加和为122，高于对象标注结果为是的总置信度，则最终可以确定“大和小是否为近义词”的标注结果为“否”。

本实施例中，终端首先显示待验证对象需要标注的目标内容，然后终端获取待验证对象针对目标内容标注的对象标注结果，接着，终端通过标注模型对目标内容进行标注，得到预测标注结果，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，终端还基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，终端对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度，当目标对象置信度大于预设阈值时，确定待验证对象通过验证，终端对通过验证的待验证对象对应的目标对象置信度和初始标注置信度进行融合，得到对象标注结果对应的标注置信度，最后，终端基于对象标注结果对应的标注置信度，确定目标内容的标注结果。

本方案不直接将对象标注结果作为数据判断的数据，而是转化为判断置信度，结合对象当前操作的置信度(即初始标注置信度)以及历史操作的置信度(即历史标注置信度)，得到目标对象置信度，并通过目标对象置信度进行对象验证，相比与现有技术，使用更加合理且全面的数据进行对象验证，显著提高了对象验证的安全性。此外，本方案可以将数据标注与对象验证进行结合，待验证对象在进行验证的同时，也对需要标注的数据进行了标注，显著节约资源，提升验证和标注的效率。

为便于更好的实本申请实施例提供的对象验证方法，本申请实施例还提供一种基于上述对象验证方法的装置。其中名词的含义与上述对象验证方法中相同，具体实现细节可以参考方法实施例中的说明。

如图8所示，图8为本申请一实施例提供的对象验证装置的结构示意图，其中该对象验证装置可以包括第一显示模块301、获取模块302、确定模块303、融合模块304和验证模块305，其中：

第一显示模块301，用于显示待验证对象需要标注的目标内容；

获取模块302，用于获取待验证对象针对目标内容标注的对象标注结果；

确定模块303，用于基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到；

融合模块304，用于对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度；

验证模块305，用于当目标对象置信度满足预设条件时，确定待验证对象通过验证。

在本申请的一些实施例中，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，如图9，确定模块303包括确定子模块3031和获取子模块3032，其中，

确定子模块3031，用于从预测标注结果中，确定与对象标注结果相同的目标预测结果；

获取子模块3032，用于基于目标预测结果对应的预测置信度，获取对象标注结果对应的初始标注置信度。

在本申请的一些实施例中，融合模块304包括获取子模块和加权子模块，其中，

获取子模块，用于获取初始标注置信度对应的第一权重和历史标注置信度对应的第二权重；

加权子模块，用于基于第一权重和第二权重，对初始标识置信度和历史标注置信度进行加权处理，得到待验证对象对应的目标对象置信度。

在本申请的一些实施例中，第一显示模块301包括设置子模块、确定子模块和显示子模块，其中，

设置子模块，用于基于预测标注结果，为待验证对象需要标注的目标内容设置标注难度系数；

确定子模块，用于根据标注难度系数，确定目标内容的显示条件；

显示子模块，用于当显示条件被触发时，显示待验证对象需要标注的目标内容。

在本申请的一些实施例中，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度，设置子模块具体用于:

从预测标注结果的预测置信度中，确定预测标注结果的最大置信度；基于最大置信度，为待验证对象需要标注的目标内容设置标注难度系数。

在本申请的一些实施例中，对象验证装置还包括：

置信度模块，用于对目标对象置信度和初始标注置信度进行融合，得到对象标注结果对应的标注置信度；

标注结果模块，用于基于对象标注结果对应的标注置信度，确定目标内容的标注结果。

在本申请的一些实施例中，标注结果模块包括确定子模块、融合子模块和设置子模块，其中，

确定子模块，用于基于对象标注结果的标注置信度，确定目标内容的标注结果，包括：

融合子模块，用于对候选标注结果中相同的对象标注结果对应的标注置信度进行融合，得到至少一个候选置信度，候选标注结果包括目标内容的至少两个对象标注结果、以及每一对象标注结果对应的标注置信度；

设置子模块，用于确定候选置信度中的最大值，得到目标置信度，并将目标置信度对应的对象标注结果设置为目标内容的标注结果。

在本申请的一些实施例中，对象验证装置还包括：

第二显示模块，用于当目标对象置信度不满足预设条件时，确定待验证对象不通过验证。

在本申请的一些实施例中，对象验证装置还包括：

预处理模块，用于对目标内容进行预处理，得到待标注词语；

生成模块，用于将待标注词语映射到向量空间，生成待标注词语对应的词向量；

预测模块，用于将词向量输入标注模型进行标注，得到预测标注结果，预测标注结果包括至少两个预测结果以及每一预测结果对应的预测置信度。

本申请实施例中，第一显示模块301首先显示待验证对象需要标注的目标内容，接着获取模块302获取待验证对象针对目标内容标注的对象标注结果，然后确定模块303基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到，融合模块304再对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度，最后，当目标对象置信度满足预设条件时，验证模块305确定待验证对象通过验证。

本方案不直接将对象标注结果作为数据判断的数据，而是转化为判断置信度，结合对象当前操作的置信度(即初始标注置信度)以及历史操作的置信度(即历史标注置信度)，得到目标对象置信度，并通过目标对象置信度进行对象验证，相比与现有技术，使用更加合理且全面的数据进行对象验证，显著提高了对象验证的安全性。

此外，本申请实施例还提供一种计算机设备，该计算机设备可以为终端或者服务器，如图10所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，具体来讲：

该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图10中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户页面和应用程序等，调制解调处理器主要处理无线通讯。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

显示待验证对象需要标注的目标内容；获取待验证对象针对目标内容标注的对象标注结果；基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到；对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度；当目标对象置信度满足预设条件时，确定待验证对象通过验证。

本申请的方案不直接将对象标注结果作为数据判断的数据，而是转化为判断置信度，结合对象当前操作的置信度(即初始标注置信度)以及历史操作的置信度(即历史标注置信度)，得到目标对象置信度，并通过目标对象置信度进行对象验证，相比与现有技术，使用更加合理且全面的数据进行对象验证，显著提高了对象验证的安全性。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

本申请实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算机设备，如服务器、终端)通过网络通讯的形式连接形成的分布式系统。

以分布式系统为区块链系统为例，参见图11，图11是本申请实施例提供的分布式系统110应用于区块链系统的一个可选的结构示意图，由多个节点1101(接入网络中的任意形式的计算设备，如服务器、用户终端)和客户端1102形成，节点之间形成组成的点对点(p2p，peertopeer)网络，p2p协议是一个运行在传输控制协议(tcp，transmissioncontrolprotocol)协议之上的应用层协议。在分布式系统中，任何机器如服务器、终端都可以加入而成为节点，节点包括硬件层、中间层、操作系统层和应用层。

参见图11示出的区块链系统中各节点的功能，涉及的功能包括：

1)路由，节点具有的基本功能，用于支持节点之间的通讯。

节点除具有路由功能外，还可以具有以下功能：

2)应用，用于部署在区块链中，根据实际业务需求而实现特定业务，记录实现功能相关的数据形成记录数据，在记录数据中携带数字签名以表示任务数据的来源，将记录数据发送到区块链系统中的其他节点，供其他节点在验证记录数据来源以及完整性成功时，将记录数据添加到临时区块中。

例如，应用实现的业务包括：

2.1)钱包，用于提供进行电子货币的交易的功能，包括发起交易(即，将当前交易的交易记录发送给区块链系统中的其他节点，其他节点验证成功后，作为承认交易有效的响应，将交易的记录数据存入区块链的临时区块中；当然，钱包还支持查询电子货币地址中剩余的电子货币；

2.2)共享账本，用于提供账目数据的存储、查询和修改等操作的功能，将对账目数据的操作的记录数据发送到区块链系统中的其他节点，其他节点验证有效后，作为承认账目数据有效的响应，将记录数据存入临时区块中，还可以向发起操作的节点发送确认。

2.3)智能合约，计算机化的协议，可以执行某个合约的条款，通过部署在共享账本上的用于在满足一定条件时而执行的代码实现，根据实际的业务需求代码用于完成自动化的交易，例如查询买家所购买商品的物流状态，在买家签收货物后将买家的电子货币转移到商户的地址；当然，智能合约不仅限于执行用于交易的合约，还可以执行对接收的信息进行处理的合约。

3)区块链，包括一系列按照产生的先后时间顺序相互接续的区块(block)，新区块一旦加入到区块链中就不会再被移除，区块中记录了区块链系统中节点提交的记录数据。

本实施例中的预测标注结果、对象标注结果及其对应的标注置信度、目标内容的标注结果可以通过节点被存储在区域链的共享账本中，计算机设备(例如终端或服务器)可以基于共享账本存储的数据获取预测标注结果、对象标注结果及其对应的标注置信度、目标内容的标注结果。

参见图12，图12是本申请实施例提供的区块结构(blockstructure)一个可选的示意图，每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值，各区块通过哈希值连接形成区块链。另外，区块中还可以包括有区块生成时的时间戳等信息。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了相关的信息，用于验证其信息的有效性(防伪)和生成下一个区块。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成，或通过计算机程序控制相关的硬件来完成，该计算机程序可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例还提供一种存储介质，其中存储有计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种对象验证方法中的步骤。例如，该计算机程序可以执行如下步骤：

显示待验证对象需要标注的目标内容；获取待验证对象针对目标内容标注的对象标注结果；基于目标内容的预测标注结果，确定对象标注结果对应的初始标注置信度，预测标注结果为采用标注模型对目标内容进行标注得到；对初始标注置信度和历史标注置信度进行融合，得到待验证对象对应的目标对象置信度，历史标注置信度为待验证对象针对历史内容进行标注得到的标注置信度；当目标对象置信度满足预设条件时，确定待验证对象通过验证。

其中，该存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种对象验证方法中的步骤，因此，可以实现本申请实施例所提供的任一种对象验证方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种对象验证方法和装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。