本發(fā)明涉及計算機(jī)互聯(lián)網(wǎng)領(lǐng)域，尤其涉及授權(quán)策略推薦方法以及授權(quán)策略推薦裝置。

背景技術(shù)：

云服務(wù)是基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交付模式，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴(kuò)展且經(jīng)常是虛擬化的資源。云服務(wù)的使用者可以通過授予給用戶權(quán)限，幫助其安全的控制其用戶對其資源的訪問權(quán)限，該訪問權(quán)限具體包括哪些用戶可以訪問資源，以及他們可以訪問的資源及訪問的方式，等等。那么，云服務(wù)的服務(wù)器可以根據(jù)授予的權(quán)限來判斷是否允許用戶針對特定資源發(fā)生的具體訪問行為，只有在鑒權(quán)允許的情況下，用戶才能訪問使用者的特定資源。

現(xiàn)有技術(shù)中，鑒權(quán)服務(wù)提供商會根據(jù)歷史經(jīng)驗來提供若干內(nèi)置策略，然后通過模版引導(dǎo)用戶選擇各個服務(wù)的不同應(yīng)用程序編程接口(Application Programming Interface，API)的內(nèi)置策略，內(nèi)置策略集合是按字母排序或者由鑒權(quán)服務(wù)提供商提供策略權(quán)重并按權(quán)重因子排序。如圖1示出的現(xiàn)有技術(shù)中授權(quán)策略推薦的原理示意圖，服務(wù)提供商將預(yù)設(shè)策略作為推薦候選集，然后以推薦場景為引導(dǎo)模板，推薦內(nèi)容按全集的字母序排列或者按人工定義的權(quán)重因子排序，以推薦給使用者。

當(dāng)前，根據(jù)云服務(wù)提供商運(yùn)營人員的歷史經(jīng)驗來構(gòu)建預(yù)測策略，并不能真實(shí)反映用戶需求，同時推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例所要解決的技術(shù)問題在于，提供一種授權(quán)策略推薦方法以及授權(quán)策略推薦裝置，解決現(xiàn)有技術(shù)中推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案的技術(shù)問題。

為了解決上述技術(shù)問題，本發(fā)明實(shí)施例第一方面公開了一種授權(quán)策略推薦方法，包括：

獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)；

根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出賬戶特征、授權(quán)策略特征以及服務(wù)特征；并根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成組合特征；

根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型；

基于所述策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略。

結(jié)合第一方面，在第一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型，包括：

根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，篩選出正負(fù)樣本；

基于所述正負(fù)樣本，采用預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型。

結(jié)合第一方面，在第二種可能的實(shí)現(xiàn)方式中，所述上下文場景信息包括當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息；

所述根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，包括：

根據(jù)當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息，從策略候選集中篩選出匹配度達(dá)到第一預(yù)設(shè)閾值的授權(quán)策略。

結(jié)合第一方面，在第三種可能的實(shí)現(xiàn)方式中，所述向當(dāng)前賬戶推薦篩選出的授權(quán)策略之后，還包括：

更新獲取所述基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，根據(jù)更新的數(shù)據(jù)迭代優(yōu)化所述策略預(yù)測推薦模型。

結(jié)合第一方面，在第四種可能的實(shí)現(xiàn)方式中，篩選出的授權(quán)策略包括多個授權(quán)策略；所述向當(dāng)前賬戶推薦篩選出的授權(quán)策略包括將所述多個授權(quán)策略按照權(quán)重排序推薦給當(dāng)前賬戶；

所述將所述多個授權(quán)策略按照順序排列推薦給當(dāng)前賬戶之后，還包括：

獲取基于云服務(wù)的賬戶針對推薦的授權(quán)策略的點(diǎn)擊分布信息；

根據(jù)所述點(diǎn)擊分布信息，降低點(diǎn)擊量小于第二預(yù)設(shè)閾值且排序大于第三預(yù)設(shè)閾值的授權(quán)策略的權(quán)重，或者增加點(diǎn)擊量大于第四預(yù)設(shè)閾值且排序小于第五預(yù)設(shè)閾值的授權(quán)策略的權(quán)重。

本發(fā)明實(shí)施例第二方面公開了一種授權(quán)策略推薦裝置，包括：

開啟攝像模塊，用于根據(jù)人臉識別操作指令，開啟終端的攝像模塊采集人臉圖像；

計算模塊，用于計算采集到的人臉圖像的亮度值；

分析模塊，用于分析所述人臉圖像的亮度值的大?。?/p>

亮度增強(qiáng)模塊，用于在所述亮度值小于第一預(yù)設(shè)閾值的情況下，增強(qiáng)從所述終端的顯示屏發(fā)射出去的光亮度，重新采集人臉圖像后觸發(fā)所述計算模塊執(zhí)行所述計算采集到的人臉圖像的亮度值；

識別模塊，用于在所述人臉圖像的亮度值符合預(yù)設(shè)亮度值范圍的情況下，根據(jù)所述人臉圖像進(jìn)行人臉識別。

結(jié)合第二方面，在第一種可能的實(shí)現(xiàn)方式中，所述計算模塊具體用于，將基于HSV顏色模型，計算采集到的人臉圖像中的亮度值V。

結(jié)合第二方面，在第二種可能的實(shí)現(xiàn)方式中，還包括：

提示模塊，用于在所述分析模塊分析所述人臉圖像的亮度值的大小之后，在所述人臉圖像的亮度值大于第二預(yù)設(shè)閾值的情況下，生成并顯示光線過亮提示信息，重新采集人臉圖像后觸發(fā)所述計算模塊執(zhí)行所述計算采集到的人臉圖像的亮度值。

結(jié)合第二方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，還包括：

發(fā)送模塊，用于在所述分析模塊分析所述人臉圖像的亮度值的大小之前，將所述終端的硬件和/或軟件版本的信息發(fā)送給服務(wù)器；

接收存儲模塊，用于接收并存儲所述服務(wù)器返回的與所述硬件和/或軟件版本的信息匹配的所述第一預(yù)設(shè)閾值和所述第二預(yù)設(shè)閾值。

結(jié)合第二方面，或者第二方面的第一種可能的實(shí)現(xiàn)方式，或者第二方面的第二種可能的實(shí)現(xiàn)方式，或者第二方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述亮度增強(qiáng)模塊包括：

亮度調(diào)節(jié)單元，用于將所述終端的顯示屏亮度調(diào)節(jié)至最高值；

顯示按鈕單元，用于生成并顯示加亮選項按鈕，所述加亮選項按鈕用于提示是否開啟加亮模式；

添加單元，用于在接收到針對所述加亮選項按鈕的選中指令后，將當(dāng)前顯示界面中的目標(biāo)區(qū)域添加不透明白色遮罩層；所述目標(biāo)區(qū)域包括在所述當(dāng)前顯示界面中人臉圖像的采集框區(qū)域以外的預(yù)設(shè)范圍區(qū)域。

實(shí)施本發(fā)明實(shí)施例，通過獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，然后分別提取出賬戶特征、授權(quán)策略特征、服務(wù)特征以及三者的組合特征，根據(jù)特征生成策略預(yù)測推薦模型，最終基于該策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出推薦的授權(quán)策略，解決了現(xiàn)有技術(shù)中由于根據(jù)云服務(wù)提供商運(yùn)營人員的歷史經(jīng)驗來構(gòu)建預(yù)測策略不能真實(shí)反映用戶需求，同時推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案的技術(shù)問題，并且根據(jù)賬戶的特點(diǎn)而推薦不同的策略，大大提高了推薦的精度，使得策略使用更加廣泛；另外通過運(yùn)營數(shù)據(jù)的持續(xù)積累以及搜集用戶反饋的歷史行為，不但使得數(shù)據(jù)更加豐富，而且可以不斷地改進(jìn)和優(yōu)化預(yù)測推薦，使得推薦的授權(quán)策略持續(xù)優(yōu)化，同時結(jié)合當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，可以進(jìn)一步引導(dǎo)用戶持續(xù)完善授權(quán)策略，有效降低運(yùn)營成本，可以更高效地推廣鑒權(quán)系統(tǒng)的使用。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是現(xiàn)有技術(shù)中授權(quán)策略推薦的原理示意圖；

圖2是本發(fā)明實(shí)施例公開的一種授權(quán)策略推薦的場景架構(gòu)示意圖；

圖3是本發(fā)明實(shí)施例提供的授權(quán)策略推薦方法的流程示意圖；

圖4是本發(fā)明實(shí)施例提供的樣本訓(xùn)練的原理示意圖；

圖5是本發(fā)明提供的授權(quán)策略推薦方法的另一實(shí)施例的流程示意圖；

圖6是本發(fā)明實(shí)施例提供的授權(quán)策略推薦裝置的結(jié)構(gòu)示意圖；

圖7是本發(fā)明實(shí)施例提供的模型訓(xùn)練生成模塊的結(jié)構(gòu)示意圖；

圖8是本發(fā)明提供的授權(quán)策略推薦裝置的另一實(shí)施例的結(jié)構(gòu)示意圖；

圖9是本發(fā)明提供的授權(quán)策略推薦裝置的另一實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

為了更好理解本發(fā)明實(shí)施例公開的一種授權(quán)策略推薦方法及相關(guān)裝置，下面先對本發(fā)明實(shí)施例適用的場景架構(gòu)進(jìn)行描述。請參閱圖2，圖2是本發(fā)明實(shí)施例公開的一種授權(quán)策略推薦的場景架構(gòu)示意圖。如圖2所示，例如某使用者(如某企業(yè)或單位等)通過終端可以向提供云服務(wù)的服務(wù)器注冊了一個云服務(wù)的賬號，申請了一些機(jī)器資源給某些用戶(如對應(yīng)的該企業(yè)或單位的員工)訪問，使用者可以按照系統(tǒng)提供或推薦的授權(quán)策略向?qū)硪徊讲降卦O(shè)置授權(quán)策略，以允許哪些用戶可以訪問機(jī)器資源，可以訪問哪些機(jī)器資源以及訪問的方式等等。本發(fā)明實(shí)施例就是提供了一種授權(quán)策略推薦方法，可以自動針對該使用者推薦出合適的授權(quán)策略。

基于圖2所示的應(yīng)用場景，請參閱圖3，圖3是本發(fā)明實(shí)施例提供的授權(quán)策略推薦方法的流程示意圖，可以包括以下步驟：

步驟S300：獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)；

具體地，本發(fā)明實(shí)施例中的基于云服務(wù)的賬戶數(shù)據(jù)可以包括用戶信息數(shù)據(jù)，例如用戶的個人屬性數(shù)據(jù)，包括賬戶類別，賬戶所屬領(lǐng)域(互聯(lián)網(wǎng)、金融、家電等)，登陸時間，賬戶登陸次數(shù)，地域等數(shù)據(jù)。基于云服務(wù)提供的授權(quán)策略數(shù)據(jù)可以包括云服務(wù)提供商人工運(yùn)營的一些預(yù)設(shè)策略，以及鑒權(quán)使用賬戶自定義的一些用戶策略。策略內(nèi)容包括授權(quán)用戶、API及可以操作的資源等信息?；谠品?wù)的服務(wù)數(shù)據(jù)可以包括各個云服務(wù)的一些屬性數(shù)據(jù)，以及持續(xù)運(yùn)營得到的數(shù)據(jù)，包括服務(wù)包括的API列表、服務(wù)使用用戶數(shù)等信息。

可理解的是，云產(chǎn)品的鑒權(quán)體系中的存量授權(quán)策略，經(jīng)過一段時間的運(yùn)營之后，云服務(wù)賬戶會生成不少自定義策略，同時云服務(wù)提供商也會設(shè)置不少預(yù)設(shè)策略。本發(fā)明實(shí)施例的云服務(wù)系統(tǒng)可以從自己的數(shù)據(jù)庫中獲取或者請求獲取其它各個云服務(wù)中的賬戶數(shù)據(jù)、授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)。

步驟S302：根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出賬戶特征、授權(quán)策略特征以及服務(wù)特征；并根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成組合特征；

具體地，本發(fā)明實(shí)施例可以分成兩類特征，包括基礎(chǔ)特征和組合特征。其中基礎(chǔ)特征可以包括從所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出的賬戶特征、授權(quán)策略特征以及服務(wù)特征；組合特征可以包括所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成的組合特征；

其中，本發(fā)明實(shí)施例中的賬戶特征可以包括賬戶所屬領(lǐng)域、賬戶創(chuàng)建時間、登陸次數(shù)、登陸時長、最近登陸時間、注冊地域、子賬戶數(shù)目、角色等各類別賬戶信息等。

本發(fā)明實(shí)施例中的授權(quán)策略特征可以包括授權(quán)策略的API列表、授權(quán)用戶個數(shù)、資源數(shù)目、授權(quán)策略使用的用戶數(shù)、授權(quán)策略使用的頻率、創(chuàng)建時間、相似策略數(shù)等。

本發(fā)明實(shí)施例中的服務(wù)特征可以包括云服務(wù)的api數(shù)、API組數(shù)、云服務(wù)、API及API組合的使用用戶數(shù)、各類用戶分布情況(地域、時間)等。

本發(fā)明實(shí)施例中的組合特征可以包括用戶策略組合特征、用戶服務(wù)組合特征、服務(wù)策略組合特征等。其中用戶策略組合特征可以包括用戶擁有的策略數(shù)、用戶的策略分布、用戶授權(quán)的API分布、用戶對當(dāng)前策略使用頻率、鑒權(quán)通過率；用戶服務(wù)組合特征可以包括用戶所擁有的云服務(wù)數(shù)目及列表，用戶的云服務(wù)資源數(shù)目及使用頻率等；服務(wù)策略組合特征可以包括服務(wù)所屬的策略個數(shù)、API所屬的策略個數(shù)等。

步驟S304：根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型；

具體地，本發(fā)明實(shí)施例中的模型訓(xùn)練可以包括針對云服務(wù)的一些計算框架，然后使用賬戶特征、授權(quán)策略特征、服務(wù)特征以及組合特征，進(jìn)行訓(xùn)練，優(yōu)化計算框架中的參數(shù)，從而得出策略預(yù)測推薦模型。

進(jìn)一步地，如圖4示出的本發(fā)明實(shí)施例提供的樣本訓(xùn)練的原理示意圖，可以根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，篩選出正負(fù)樣本；然后基于該正負(fù)樣本，采用預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型。具體地，樣本選取階段，會結(jié)合用戶(即賬戶)、策略及服務(wù)的關(guān)聯(lián)關(guān)系，以及用戶的歷史行為來選擇正負(fù)樣本，然后基于正負(fù)樣本的特征進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型。

需要說明的是，本發(fā)明實(shí)施例中基于已經(jīng)存在的用戶、策略、服務(wù)的關(guān)系構(gòu)造的樣本，可以被定義為正樣本，對于從未產(chǎn)生過關(guān)聯(lián)的某類別用戶與策略、服務(wù)類別，人工構(gòu)造的樣本，可以被定義為負(fù)樣本；對于之前是存在關(guān)聯(lián)關(guān)系，后面被解除關(guān)系的用戶、策略和服務(wù)，也可以被定義為負(fù)樣本。

步驟S306：基于所述策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略。

具體地，本發(fā)明實(shí)施例中的上下文場景信息可以包括當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息；因為設(shè)置向?qū)欠植襟E的，按服務(wù)、API分階段推薦，在每個階段的策略集合是不同的，那么根據(jù)當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息，可以從策略候選集中篩選出匹配度達(dá)到第一預(yù)設(shè)閾值的授權(quán)策略。

需要說明的是，本發(fā)明實(shí)施例中的第一預(yù)設(shè)閾值可以是技術(shù)人員或開發(fā)者或使用者根據(jù)自身需求進(jìn)行設(shè)置，或者根據(jù)經(jīng)驗或?qū)嶒灁?shù)據(jù)來進(jìn)行設(shè)置，本發(fā)明不作限定。

實(shí)施本發(fā)明實(shí)施例，通過獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，然后分別提取出賬戶特征、授權(quán)策略特征、服務(wù)特征以及三者的組合特征，根據(jù)特征生成策略預(yù)測推薦模型，最終基于該策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出推薦的授權(quán)策略，解決了現(xiàn)有技術(shù)中由于根據(jù)云服務(wù)提供商運(yùn)營人員的歷史經(jīng)驗來構(gòu)建預(yù)測策略不能真實(shí)反映用戶需求，同時推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案的技術(shù)問題，并且根據(jù)賬戶的特點(diǎn)而推薦不同的策略，大大提高了推薦的精度，使得策略使用更加廣泛。

進(jìn)一步地，如圖5示出的本發(fā)明提供的授權(quán)策略推薦方法的另一實(shí)施例的流程示意圖，可以包括如下步驟：

步驟S500：獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)；

步驟S502：根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出賬戶特征、授權(quán)策略特征以及服務(wù)特征；并根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成組合特征；

步驟S504：根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型；

步驟S506：基于所述策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略；

具體地，步驟S500至步驟S506可以對應(yīng)參考上述圖3實(shí)施例中的步驟S300至步驟S306，這里不再贅述。

步驟S508：更新獲取所述基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，根據(jù)更新的數(shù)據(jù)迭代優(yōu)化所述策略預(yù)測推薦模型。

具體地，云服務(wù)系統(tǒng)可以通過不斷地更新獲取述基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)，以及正負(fù)樣本；然后重新提取賬戶特征、授權(quán)策略特征以及服務(wù)特征，重新生成組合特征，然后根據(jù)更新的數(shù)據(jù)迭代優(yōu)化該策略預(yù)測推薦模型。從而實(shí)現(xiàn)了不斷地改進(jìn)和優(yōu)化預(yù)測推薦，使得推薦的授權(quán)策略持續(xù)優(yōu)化。

步驟S510：獲取基于云服務(wù)的賬戶針對推薦的授權(quán)策略的點(diǎn)擊分布信息；

具體地，云服務(wù)系統(tǒng)還可以不斷地獲取賬戶針對推薦的授權(quán)策略的點(diǎn)擊分布信息，即用戶針對推薦的授權(quán)策略的歷史行為信息。例如某使用者經(jīng)常使用的授權(quán)策略、某使用者中的用戶經(jīng)常訪問的一些服務(wù)、以及針對設(shè)置的授權(quán)策略，后續(xù)的鑒權(quán)通過率的大小等等。

步驟S512：根據(jù)所述點(diǎn)擊分布信息，降低點(diǎn)擊量小于第二預(yù)設(shè)閾值且排序大于第三預(yù)設(shè)閾值的授權(quán)策略的權(quán)重，或者增加點(diǎn)擊量大于第四預(yù)設(shè)閾值且排序小于第五預(yù)設(shè)閾值的授權(quán)策略的權(quán)重。

具體地，本發(fā)明實(shí)施例步驟S506中篩選出的授權(quán)策略可以包括多個授權(quán)策略；那么向當(dāng)前賬戶推薦篩選出的授權(quán)策略可以包括將所述多個授權(quán)策略按照權(quán)重排序推薦給當(dāng)前賬戶；那邊本發(fā)明實(shí)施例中的云服務(wù)系統(tǒng)可以根據(jù)該點(diǎn)擊分布信息，通過類似于搜索引擎的點(diǎn)擊通過率(Click-Through-Rate，CTR)預(yù)估模型，對于排序靠前(即排序大于第三預(yù)設(shè)閾值)，但用戶點(diǎn)擊量偏少(即點(diǎn)擊量小于第二預(yù)設(shè)閾值)的策略，需要進(jìn)行打壓，降低其權(quán)重，使得其排序往后調(diào)整。對于排序靠后(即排序小于第五預(yù)設(shè)閾值)，但用戶點(diǎn)擊量偏高(即點(diǎn)擊量大于第四預(yù)設(shè)閾值)的策略，要進(jìn)行提權(quán)，增加其權(quán)重，使得其排序往前調(diào)整。從而可以不斷地改進(jìn)和優(yōu)化預(yù)測推薦，使得推薦的授權(quán)策略持續(xù)優(yōu)化，推薦出更加適合當(dāng)前使用者的授權(quán)策略。

實(shí)施本發(fā)明實(shí)施例，通過獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，然后分別提取出賬戶特征、授權(quán)策略特征、服務(wù)特征以及三者的組合特征，根據(jù)特征生成策略預(yù)測推薦模型，最終基于該策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出推薦的授權(quán)策略，解決了現(xiàn)有技術(shù)中由于根據(jù)云服務(wù)提供商運(yùn)營人員的歷史經(jīng)驗來構(gòu)建預(yù)測策略不能真實(shí)反映用戶需求，同時推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案的技術(shù)問題，并且根據(jù)賬戶的特點(diǎn)而推薦不同的策略，大大提高了推薦的精度，使得策略使用更加廣泛；另外通過運(yùn)營數(shù)據(jù)的持續(xù)積累以及搜集用戶反饋的歷史行為，不但使得數(shù)據(jù)更加豐富，而且可以不斷地改進(jìn)和優(yōu)化預(yù)測推薦，使得推薦的授權(quán)策略持續(xù)優(yōu)化，同時結(jié)合當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，可以進(jìn)一步引導(dǎo)用戶持續(xù)完善授權(quán)策略，有效降低運(yùn)營成本，可以更高效地推廣鑒權(quán)系統(tǒng)的使用。

為了便于更好地實(shí)施本發(fā)明實(shí)施例的上述方案，本發(fā)明還對應(yīng)提供了一種授權(quán)策略推薦裝置，下面結(jié)合附圖來進(jìn)行詳細(xì)說明：

如圖6示出的本發(fā)明實(shí)施例提供的授權(quán)策略推薦裝置的結(jié)構(gòu)示意圖，授權(quán)策略推薦裝置60可以包括：數(shù)據(jù)獲取模塊600、特征提取模塊602、模型訓(xùn)練生成模塊604和預(yù)測推薦模塊606，其中，

數(shù)據(jù)獲取模塊600，用于獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)；

特征提取模塊602，用于根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出賬戶特征、授權(quán)策略特征以及服務(wù)特征；并根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成組合特征；

模型訓(xùn)練生成模塊604，用于根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型；

預(yù)測推薦模塊606，用于基于所述策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略。

具體地，如圖7示出的本發(fā)明實(shí)施例提供的模型訓(xùn)練生成模塊的結(jié)構(gòu)示意圖，模型訓(xùn)練生成模塊604可以包括篩選單元6040和生成單元6042，其中，

篩選單元6040用于根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，篩選出正負(fù)樣本；

生成單元6042用于基于所述正負(fù)樣本，采用預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型。

進(jìn)一步地，本發(fā)明實(shí)施例的上下文場景信息包括當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息；

預(yù)測推薦模塊606具體用于：根據(jù)當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息，從策略候選集中篩選出匹配度達(dá)到第一預(yù)設(shè)閾值的授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略。

再進(jìn)一步地，如圖8示出的本發(fā)明提供的授權(quán)策略推薦裝置的另一實(shí)施例的結(jié)構(gòu)示意圖，授權(quán)策略推薦裝置60包括數(shù)據(jù)獲取模塊600、特征提取模塊602、模型訓(xùn)練生成模塊604和預(yù)測推薦模塊606外，還可以包括：更新模塊608、信息獲取模塊6010和權(quán)重調(diào)整模塊6012，其中，

更新模塊608用于在預(yù)測推薦模塊606向當(dāng)前賬戶推薦篩選出的授權(quán)策略之后，更新獲取所述基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，根據(jù)更新的數(shù)據(jù)迭代優(yōu)化所述策略預(yù)測推薦模型。

具體地，預(yù)測推薦模塊606篩選出的授權(quán)策略包括多個授權(quán)策略；預(yù)測推薦模塊606具體將所述多個授權(quán)策略按照權(quán)重排序推薦給當(dāng)前賬戶；

信息獲取模塊6010用于在預(yù)測推薦模塊606向當(dāng)前賬戶推薦篩選出的授權(quán)策略之后，獲取基于云服務(wù)的賬戶針對推薦的授權(quán)策略的點(diǎn)擊分布信息；

權(quán)重調(diào)整模塊6012用于根據(jù)所述點(diǎn)擊分布信息，降低點(diǎn)擊量小于第二預(yù)設(shè)閾值且排序大于第三預(yù)設(shè)閾值的授權(quán)策略的權(quán)重，或者增加點(diǎn)擊量大于第四預(yù)設(shè)閾值且排序小于第五預(yù)設(shè)閾值的授權(quán)策略的權(quán)重。

請參閱圖9，圖9是本發(fā)明提供的授權(quán)策略推薦裝置的另一實(shí)施例的結(jié)構(gòu)示意圖。其中，如圖9所示，授權(quán)策略推薦裝置90可以包括：至少一個處理器901，例如CPU，至少一個網(wǎng)絡(luò)接口904，用戶接口903，存儲器905，至少一個通信總線902、顯示屏906以及攝像模塊907。其中，通信總線902用于實(shí)現(xiàn)這些組件之間的連接通信。其中，用戶接口903可以包括觸摸屏等等。網(wǎng)絡(luò)接口904可選的可以包括標(biāo)準(zhǔn)的有線接口、無線接口(如WI-FI接口)。存儲器905可以是高速RAM存儲器，也可以是非不穩(wěn)定的存儲器(non-volatile memory)，例如至少一個磁盤存儲器，存儲器905包括本發(fā)明實(shí)施例中的flash。存儲器905可選的還可以是至少一個位于遠(yuǎn)離前述處理器901的存儲系統(tǒng)。如圖9所示，作為一種計算機(jī)存儲介質(zhì)的存儲器905中可以包括操作系統(tǒng)、網(wǎng)絡(luò)通信模塊、用戶接口模塊以及授權(quán)策略推薦程序。

在圖9所示的授權(quán)策略推薦裝置90中，處理器901可以用于調(diào)用存儲器905中存儲的授權(quán)策略推薦程序，并執(zhí)行以下操作：

通過網(wǎng)絡(luò)接口904或用戶接口903獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)；

根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)分別提取出賬戶特征、授權(quán)策略特征以及服務(wù)特征；并根據(jù)所述賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)相互之間的關(guān)系生成組合特征；

根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型；

基于所述策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，并向當(dāng)前賬戶推薦篩選出的授權(quán)策略。

具體地，處理器901根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型，可以包括：

根據(jù)所述賬戶特征、所述授權(quán)策略特征、所述服務(wù)特征以及所述組合特征，篩選出正負(fù)樣本；

基于所述正負(fù)樣本，采用預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，生成策略預(yù)測推薦模型。

具體地，上下文場景信息包括當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息；處理器901根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出授權(quán)策略，可以包括：

根據(jù)當(dāng)前賬戶在所述云服務(wù)控制臺的界面信息或者當(dāng)前處于授權(quán)策略設(shè)置向?qū)У碾A段信息，從策略候選集中篩選出匹配度達(dá)到第一預(yù)設(shè)閾值的授權(quán)策略。

具體地，處理器901向當(dāng)前賬戶推薦篩選出的授權(quán)策略之后，還可以執(zhí)行：

更新獲取所述基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，根據(jù)更新的數(shù)據(jù)迭代優(yōu)化所述策略預(yù)測推薦模型。

具體地，處理器901篩選出的授權(quán)策略包括多個授權(quán)策略；處理器901當(dāng)前賬戶推薦篩選出的授權(quán)策略包括將所述多個授權(quán)策略按照權(quán)重排序推薦給當(dāng)前賬戶；

處理器901將所述多個授權(quán)策略按照順序排列推薦給當(dāng)前賬戶之后，還可以執(zhí)行：

通過網(wǎng)絡(luò)接口904或用戶接口903獲取基于云服務(wù)的賬戶針對推薦的授權(quán)策略的點(diǎn)擊分布信息；

根據(jù)所述點(diǎn)擊分布信息，降低點(diǎn)擊量小于第二預(yù)設(shè)閾值且排序大于第三預(yù)設(shè)閾值的授權(quán)策略的權(quán)重，或者增加點(diǎn)擊量大于第四預(yù)設(shè)閾值且排序小于第五預(yù)設(shè)閾值的授權(quán)策略的權(quán)重。

需要說明的是，本發(fā)明實(shí)施例中的授權(quán)策略推薦裝置60或授權(quán)策略推薦裝置90包括但不限于個人計算機(jī)等電子設(shè)備。授權(quán)策略推薦裝置60或授權(quán)策略推薦裝置90一般為云服務(wù)端的服務(wù)器?？衫斫獾氖?，授權(quán)策略推薦裝置60或授權(quán)策略推薦裝置90中各模塊的功能可對應(yīng)參考上述各方法實(shí)施例中圖1至圖5任意實(shí)施例的具體實(shí)現(xiàn)方式，這里不再贅述。

實(shí)施本發(fā)明實(shí)施例，通過獲取基于云服務(wù)的賬戶數(shù)據(jù)、提供的授權(quán)策略數(shù)據(jù)以及服務(wù)數(shù)據(jù)，然后分別提取出賬戶特征、授權(quán)策略特征、服務(wù)特征以及三者的組合特征，根據(jù)特征生成策略預(yù)測推薦模型，最終基于該策略預(yù)測推薦模型，根據(jù)當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，篩選出推薦的授權(quán)策略，解決了現(xiàn)有技術(shù)中由于根據(jù)云服務(wù)提供商運(yùn)營人員的歷史經(jīng)驗來構(gòu)建預(yù)測策略不能真實(shí)反映用戶需求，同時推薦方法過于單一，沒有實(shí)現(xiàn)千人千面的推薦方案的技術(shù)問題，并且根據(jù)賬戶的特點(diǎn)而推薦不同的策略，大大提高了推薦的精度，使得策略使用更加廣泛；另外通過運(yùn)營數(shù)據(jù)的持續(xù)積累以及搜集用戶反饋的歷史行為，不但使得數(shù)據(jù)更加豐富，而且可以不斷地改進(jìn)和優(yōu)化預(yù)測推薦，使得推薦的授權(quán)策略持續(xù)優(yōu)化，同時結(jié)合當(dāng)前賬戶在所述云服務(wù)的上下文場景信息進(jìn)行預(yù)測推薦，可以進(jìn)一步引導(dǎo)用戶持續(xù)完善授權(quán)策略，有效降低運(yùn)營成本，可以更高效地推廣鑒權(quán)系統(tǒng)的使用。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計算機(jī)程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory，ROM)或隨機(jī)存儲記憶體(Random Access Memory，RAM)等。

以上所揭露的僅為本發(fā)明較佳實(shí)施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。