随机码生成方法、装置、计算机设备及存储介质与流程

1.本技术涉及人工智能和安全验证技术领域，尤其涉及一种随机码生成方法、装置、计算机设备及存储介质。


背景技术：

2.随机数在生活中随处可见，比如短信验证码、卡券的动态验证码、用户的初始账号密码、网站的人机验证码等等。由于各种场景的随机数要求不同，比如短信验证码长度一般是4位或6位，卡券动态验证码长度一般在十位以上，并且允许出现数字和字母，而人机验证码还允许出现汉字，因此目前缺乏一种可以自动指定位数、指定字符集、可配置随机数有效时间的多业务场景通用的随机数生成组件。


技术实现要素：

3.本技术实施例的目的在于提出一种随机码生成方法、装置、计算机设备及存储介质，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
4.为了解决上述技术问题，本技术实施例提供一种随机码生成方法，采用了如下所述的技术方案：
5.一种随机码生成方法，包括下述步骤：
6.基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；
7.根据场景类别识别结果，确定所述场景对应的安全级别；
8.基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码。
9.进一步的，在所述基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别的步骤之前，所述方法还包括：
10.预先采集n个业务场景，其中，n为正整数；
11.对所述n个业务场景按照一定比例分为训练集和验证集；
12.基于自然语言处理技术和预设分类算法对所述训练集进行分类训练，获取预训练的分类模型；
13.将所述验证集输入预训练完成的分类模型，进行验证训练；
14.基于预设验证预估表单对验证训练结果进行灵敏度检测，判断检测结果是否满足预设灵敏度阈值，其中，所述灵敏度表示所述验证集中被分类正确的业务场景个数占所述验证集中总业务场景的比例值；
15.若不满足，对所述分类模型进行分类参数微调，直至所述检测结果满足预设灵敏度阈值，则所述场景类别识别模型预训练完成。
16.进一步的，所述基于自然语言处理技术和预设分类算法对所述训练集进行分类训练，获取预训练的分类模型的步骤，具体包括：
17.获取所述训练集中源代码和注释信息；
18.基于自然语言处理技术识别并提取所述源代码和所述注释信息中的关键字段；
19.使用预设分类算法对所述关键字段进行聚类分类，将聚类分类结果作为所述预训练的分类模型的分类目标结果，其中，所述预设分类算法为朴素贝叶斯算法。
20.进一步的，所述基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别的步骤，具体包括：
21.基于所述场景类别识别模型中自然语言处理技术，获取新录入的业务场景的预估标签；
22.根据所述预估标签和所述场景类别识别模型中朴素贝叶斯算法，预测所述新录入的业务场景对应的场景类别。
23.进一步的，所述根据场景类别识别结果，确定所述场景对应的安全级别的步骤，具体包括：
24.预先设置场景类别与安全级别关联表单；
25.在所述对新录入的业务场景进行场景类别识别的步骤之后，基于所述场景类别与安全级别关联表单，确定识别出的场景类别对应的安全级别。
26.进一步的，所述基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码的步骤，具体包括：
27.预先设置安全级别与随机码生成器间的对应关系；
28.在所述确定所述场景类别对应的安全级别的步骤之后，基于所述安全级别与随机码生成器间的对应关系，选择所述安全级别对应的随机码生成器，进行随机码生成。
29.进一步的，所述基于所述安全级别与随机码生成器间的对应关系，选择所述安全级别对应的随机码生成器，进行随机码生成的步骤，具体包括：
30.预先设置所述随机码生成器的字符组合规则和随机码位数规则，其中，所述字符组合规则包括基于所述安全级别可选至少一种预设字符进行随机码生成，所述随机码位数规则包括基于所述随机码位数规则可选第一预设位数和第二预设位数之间的对应位数进行随机码位数设定，其中，所述预设字符包括阿拉伯数字、大小写英文字符、大小写希腊字母、标点符号、汉字；
31.在所述选择所述安全级别对应的随机码生成器的步骤之后，基于所述字符组合规则确定所述安全级别对应的字符组合方式，根据所述随机码位数规则确定所述安全级别对应的随机码位数；
32.基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成。
33.进一步的，所述基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成的步骤之后，所述方法还包括：
34.获取当前时间、主机id、随机码生成的请求序列；
35.对所述当前时间、主机id、请求序列和所述随机码，分别进行二进制转换；
36.对所述二进制转换结果进行无拼接符号的字符串序列拼接，生成预设位数的二进制目标随机数，其中，所述预设位数可以为64位；
37.对所述目标随机数内二进制字符进行循环左移操作、循环右移操作、进制转换操作中至少任一操作，生成二进制中间随机数；
38.对所述中间随机数进行十进制编码，并设置有效时长，构成不可逆向破解的随机码。
39.为了解决上述技术问题，本技术实施例还提供一种随机码生成装置，采用了如下所述的技术方案：
40.一种随机码生成装置，包括：
41.场景类别识别模块，用于基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；
42.安全级别确定模块，用于根据场景类别识别结果，确定所述场景对应的安全级别；
43.随机码生成模块，用于基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码。
44.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
45.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的随机码生成方法的步骤。
46.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
47.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的随机码生成方法的步骤。
48.与现有技术相比，本技术实施例主要有以下有益效果：
49.本技术实施例所述随机码生成方法，通过基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；根据场景类别识别结果，确定所述场景对应的安全级别；基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
附图说明
50.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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，还可以根据这些附图获得其他的附图。
51.图1是本技术可以应用于其中的示例性系统架构图；
52.图2根据本技术的随机码生成方法的一个实施例的流程图；
53.图3是本技术实施例中对所述场景类别识别模型进行预训练的一种具体实施方式的流程图；
54.图4是图3所示步骤303的一种具体实施方式的流程图；
55.图5是图2所示步骤203的一种具体实施方式的流程图；
56.图6是图5所示步骤502的一种具体实施方式的流程图；
57.图7是本技术实施例中生成不可逆向破解随机码的一种具体实施方式的流程图；
58.图8根据本技术的随机码生成装置的一个实施例的结构示意图；
59.图9是图8所示803的一个实施例的结构示意图；
60.图10根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
61.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
62.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
63.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
64.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
65.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
66.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layeriv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
67.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
68.需要说明的是，本技术实施例所提供的随机码生成方法一般由服务器/终端设备执行，相应地，随机码生成装置一般设置于服务器/终端设备中。
69.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
70.继续参考图2，示出了根据本技术的随机码生成方法的一个实施例的流程图。所述的随机码生成方法，包括以下步骤：
71.步骤201，基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别。
72.本实施例中，在所述基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别的步骤之前，所述方法还包括：预先采集n个业务场景，其中，n为正整数；对所述n个业务场景按照一定比例分为训练集和验证集；基于自然语言处理技术和预设分类算
法对所述训练集进行分类训练，获取预训练的分类模型；将所述验证集输入预训练完成的分类模型，进行验证训练；基于预设验证预估表单对验证训练结果进行灵敏度检测，判断检测结果是否满足预设灵敏度阈值，其中，所述灵敏度表示所述验证集中被分类正确的业务场景个数占所述验证集中总业务场景的比例值；若不满足，对所述分类模型进行分类参数微调，直至所述检测结果满足预设灵敏度阈值，则所述场景类别识别模型预训练完成。
73.通过采样机器学习的方式使用训练集和验证集进行场景类别识别模型训练和验证，获得预训练完成的场景类别识别模型，结合自然语言处理技术获取业务场景的关键字段，即标签，再通过朴素贝叶斯算法预测各标签类别，进行聚类分类，通过灵敏度检测进行验证和分类参数微调，保证了预训练完成的场景类别识别模型的适用性。
74.本实施例中，所述对所述分类模型进行分类参数微调的步骤，具体实现方式为：通过调整每个聚类分类设置的分类参数，即相似度的方式，来调整不同关键字段所对应的聚类分类。
75.通过灵敏度检测进行验证和分类参数微调，保证了预训练完成的场景类别识别模型进行场景类别识别的精准性。
76.继续参考图3，图3是本技术实施例中对所述场景类别识别模型进行预训练的一种具体实施方式的流程图，包括步骤：
77.步骤301，预先采集n个业务场景，其中，n为正整数；
78.步骤302，对所述n个业务场景按照一定比例分为训练集和验证集；
79.步骤303，基于自然语言处理技术和预设分类算法对所述训练集进行分类训练，获取预训练的分类模型；
80.本实施例中，所述基于自然语言处理技术和预设分类算法对所述训练集进行分类训练，获取预训练的分类模型的步骤，具体包括：获取所述训练集中源代码和注释信息；基于自然语言处理技术识别并提取所述源代码和所述注释信息中的关键字段；使用预设分类算法对所述关键字段进行聚类分类，将聚类分类结果作为所述预训练的分类模型的分类目标结果，其中，所述预设分类算法为朴素贝叶斯算法。
81.直接通过获取所述训练集中源代码和注释信息，确定关键字段，将所述关键字段作为分类目标结果，即业务场景对应的分类结果，使得聚类分类结果更多的依据源代码和注释信息，保证聚类分类结果的准确性。
82.继续参考图4，图4是图3所示步骤303的一种具体实施方式的流程图，包括步骤：
83.步骤401，获取所述训练集中源代码和注释信息；
84.步骤402，基于自然语言处理技术识别并提取所述源代码和所述注释信息中的关键字段；
85.步骤403，使用预设分类算法对所述关键字段进行聚类分类，将聚类分类结果作为所述预训练的分类模型的分类目标结果，其中，所述预设分类算法为朴素贝叶斯算法。
86.步骤304，将所述验证集输入预训练完成的分类模型，进行验证训练；
87.步骤305，基于预设验证预估表单对验证训练结果进行灵敏度检测，判断检测结果是否满足预设灵敏度阈值，其中，所述灵敏度表示所述验证集中被分类正确的业务场景个数占所述验证集中总业务场景的比例值；
88.步骤306，若不满足预设灵敏度阈值，对所述分类模型进行分类参数微调；
89.步骤307，若满足预设灵敏度阈值，则所述场景类别识别模型预训练完成。
90.本实施例中，所述基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别的步骤，具体包括：基于所述场景类别识别模型中自然语言处理技术，获取新录入的业务场景的预估标签；根据所述预估标签和所述场景类别识别模型中朴素贝叶斯算法，预测所述新录入的业务场景对应的场景类别。
91.通过所述场景类别识别模型对新录入的业务场景进行场景类别预测，从而为确定其对应的安全级别提供指标参照。
92.步骤202，根据场景类别识别结果，确定所述场景对应的安全级别。
93.本实施例中，所述根据场景类别识别结果，确定所述场景对应的安全级别的步骤，具体包括：预先设置场景类别与安全级别关联表单；在所述对新录入的业务场景进行场景类别识别的步骤之后，基于所述场景类别与安全级别关联表单，确定识别出的场景类别对应的安全级别。
94.通过设置场景类别与安全级别关联表单，确定识别出的场景类别对应的安全级别，其中，所述场景类别与安全级别关联表单可以为一个安全级别对应一类场景类别，也可以为一个安全级别对应多个场景类别，具体设置可以实际注入的业务场景中业务的安全性需求进行设置，便于依据安全级别要求对多个业务场景分别进行随机码生成。
95.步骤203，基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码。
96.本实施例中，所述基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码的步骤，具体包括：预先设置安全级别与随机码生成器间的对应关系；在所述确定所述场景类别对应的安全级别的步骤之后，基于所述安全级别与随机码生成器间的对应关系，选择所述安全级别对应的随机码生成器，进行随机码生成。
97.继续参考图5，图5是图2所示步骤203的一种具体实施方式的流程图，包括步骤：
98.步骤501，预先设置安全级别与随机码生成器间的对应关系；
99.步骤502，在所述确定所述场景类别对应的安全级别的步骤之后，基于所述安全级别与随机码生成器间的对应关系，选择所述安全级别对应的随机码生成器，进行随机码生成。
100.本实施例中，所述基于所述安全级别与随机码生成器间的对应关系，选择所述安全级别对应的随机码生成器，进行随机码生成的步骤，具体包括：预先设置所述随机码生成器的字符组合规则和随机码位数规则，其中，所述字符组合规则包括基于所述安全级别可选至少一种预设字符进行随机码生成，所述随机码位数规则包括基于所述随机码位数规则可选第一预设位数和第二预设位数之间的对应位数进行随机码位数设定，其中，所述预设字符包括阿拉伯数字、大小写英文字符、大小写希腊字母、标点符号、汉字；在所述选择所述安全级别对应的随机码生成器的步骤之后，基于所述字符组合规则确定所述安全级别对应的字符组合方式，根据所述随机码位数规则确定所述安全级别对应的随机码位数；基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成。
101.通过设置所述随机码生成器的字符组合规则和随机码位数规则，使得随机码生成时的字符选择可以根据业务场景的安全需求进行阿拉伯数字、大小写英文字符、大小写希腊字母、标点符号、汉字间的自由组合，也可以进行随机码位数选择，保证随机码的安全性
和多业务场景适用性。
102.继续参考图6，图6是图5所示步骤502的一种具体实施方式的流程图，包括步骤：
103.步骤601，预先设置所述随机码生成器的字符组合规则和随机码位数规则，其中，所述字符组合规则包括基于所述安全级别可选至少一种预设字符进行随机码生成，所述随机码位数规则包括基于所述随机码位数规则可选第一预设位数和第二预设位数之间的对应位数进行随机码位数设定，其中，所述预设字符包括阿拉伯数字、大小写英文字符、大小写希腊字母、标点符号、汉字；
104.步骤602，在所述选择所述安全级别对应的随机码生成器的步骤之后，基于所述字符组合规则确定所述安全级别对应的字符组合方式，根据所述随机码位数规则确定所述安全级别对应的随机码位数；
105.步骤603，基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成。
106.本实施例中，所述基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成的步骤之后，所述方法还包括：获取当前时间、主机id、随机码生成的请求序列；对所述当前时间、主机id、请求序列和所述随机码，分别进行二进制转换；对所述二进制转换结果进行无拼接符号的字符串序列拼接，生成预设位数的二进制目标随机数，其中，所述预设位数可以为64位；对所述目标随机数内二进制字符进行循环左移操作、循环右移操作、进制转换操作中至少任一操作，生成二进制中间随机数；对所述中间随机数进行十进制编码，并设置有效时长，构成不可逆向破解的随机码。
107.通过结合述当前时间、主机id、请求序列和所述随机码，进行二进制转换，循环左移、右移、进制转换，再进行十进制编码和设置有效时长，保证最终随机码的不可逆向破解性和时效性，提供更加安全的随机码生成方法，提高安全性。
108.继续参考图7，图7是本技术实施例中生成不可逆向破解随机码的一种具体实施方式的流程图，包括步骤：
109.步骤701，获取当前时间、主机id、随机码生成的请求序列；
110.步骤702，对所述当前时间、主机id、请求序列和所述随机码，分别进行二进制转换；
111.步骤703，对所述二进制转换结果进行无拼接符号的字符串序列拼接，生成预设位数的二进制目标随机数，其中，所述预设位数可以为64位；
112.步骤704，对所述目标随机数内二进制字符进行循环左移操作、循环右移操作、进制转换操作中至少任一操作，生成二进制中间随机数；
113.步骤705，对所述中间随机数进行十进制编码，并设置有效时长，构成不可逆向破解的随机码。
114.本技术通过预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；根据场景类别识别结果，确定所述场景对应的安全级别；基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
115.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，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。
116.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
117.本技术实施例中，使用人工智能技术中机器学习的方式对所述场景类别识别模型进行训练，也通过设置随机码生成器的字符组合规则和随机码位数规则完善随机码生成功能，使得随机码的生成符合多种业务场景和安全需求，便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
118.进一步参考图8，作为对上述图2所示方法的实现，本技术提供了一种随机码生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
119.如图8所示，本实施例所述的随机码生成装置800包括：场景类别识别模块801、安全级别确定模块802和随机码生成模块803。其中：
120.场景类别识别模块801，用于基于预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；
121.安全级别确定模块802，用于根据场景类别识别结果，确定所述场景对应的安全级别；
122.随机码生成模块803，用于基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码。
123.本技术通过预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；根据场景类别识别结果，确定所述场景对应的安全级别；基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
124.本技术的一些具体实施方式中，所述的随机码生成装置800还包括识别模型训练模块，所述识别模型训练模块用于预先采集n个业务场景，其中，n为正整数，对所述n个业务场景按照一定比例分为训练集和验证集，基于自然语言处理技术和预设分类算法对所述训练集进行分类训练，获取预训练的分类模型，将所述验证集输入预训练完成的分类模型，进行验证训练，基于预设验证预估表单对验证训练结果进行灵敏度检测，判断检测结果是否满足预设灵敏度阈值，其中，所述灵敏度表示所述验证集中被分类正确的业务场景个数占所述验证集中总业务场景的比例值，若不满足，对所述分类模型进行分类参数微调，直至所述检测结果满足预设灵敏度阈值，则所述场景类别识别模型预训练完成。
125.本技术的一些具体实施方式中，所述的随机码生成装置800还包括不可破解设置模块，所述不可破解设置模块用于获取当前时间、主机id、随机码生成的请求序列，对所述当前时间、主机id、请求序列和所述随机码，分别进行二进制转换，对所述二进制转换结果进行无拼接符号的字符串序列拼接，生成预设位数的二进制目标随机数，其中，所述预设位数可以为64位；对所述目标随机数内二进制字符进行循环左移操作、循环右移操作、进制转换操作中至少任一操作，生成二进制中间随机数，对所述中间随机数进行十进制编码，并设
置有效时长，构成不可逆向破解的随机码。
126.继续参考图9，图9是图8所示803的一种具体实施方式的结构示意图，所述随机码生成模块803包括：第一设置子模块8031、第二设置子模块8032、选用方式确定子模块8033和随机码生成子模块8034。其中，
127.第一设置子模块8031，用于预先设置安全级别与随机码生成器间的对应关系；
128.第二设置子模块8032，用于在所述确定所述场景类别对应的安全级别的步骤之后，预先设置所述随机码生成器的字符组合规则和随机码位数规则，其中，所述字符组合规则包括基于所述安全级别可选至少一种预设字符进行随机码生成，所述随机码位数规则包括基于所述随机码位数规则可选第一预设位数和第二预设位数之间的对应位数进行随机码位数设定，其中，所述预设字符包括阿拉伯数字、大小写英文字符、大小写希腊字母、标点符号、汉字；
129.选用方式确定子模块8033，用于在所述选择所述安全级别对应的随机码生成器的步骤之后，基于所述字符组合规则确定所述安全级别对应的字符组合方式，根据所述随机码位数规则确定所述安全级别对应的随机码位数；
130.随机码生成子模块8034，用于基于所述字符组合方式和所述随机码位数，从所述字符组合方式中筛选所述随机码位数的字符，进行随机码生成。
131.通过第一设置子模块、第二设置子模块、选用方式确定子模块和随机码生成子模块，提供字符组合规则和随机码位数规则进行随机码生成选用，使得随机码生成模块能进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
132.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
133.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
134.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
135.所述计算机设备10包括通过系统总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是，图中仅示出了具有组件10a-10c的计算机设备10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式
设备等。
136.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
137.所述存储器10a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器10a可以是所述计算机设备10的内部存储单元，例如该计算机设备10的硬盘或内存。在另一些实施例中，所述存储器10a也可以是所述计算机设备10的外部存储设备，例如该计算机设备10上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flashcard)等。当然，所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中，所述存储器10a通常用于存储安装于所述计算机设备10的操作系统和各类应用软件，例如随机码生成方法的计算机可读指令等。此外，所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
138.所述处理器10b在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中，所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据，例如运行所述随机码生成方法的计算机可读指令。
139.所述网络接口10c可包括无线网络接口或有线网络接口，该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
140.本实施例提出的计算机设备，属于安全验证技术领域。本技术通过预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；根据场景类别识别结果，确定所述场景对应的安全级别；基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
141.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的随机码生成方法的步骤。
142.本实施例提出的计算机可读存储介质，属于安全验证技术领域。本技术通过预训练的场景类别识别模型，对新录入的业务场景进行场景类别识别；根据场景类别识别结果，确定所述场景对应的安全级别；基于所述场景对应的安全级别选择相应的随机码生成器，生成随机码，以便于结合人工智能模型，自动化和智能化的进行多业务场景的可指定位数、指定字符集、指定有效时间的随机码筛选生成。
143.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服
务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
144.显然，以上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，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。