本发明属于人机行为分析领域，公开了一种操作者身份类型识别方法、系统、设备及存储介质，包括：获取操作者的手工滑动数据以及操作对象的传感器数据；根据手工滑动数据和传感器数据，通过预训练的操作者身份类型识别模型，得到操作者的身份类型；其中，操作者身份类型识别模型在预训练时，通过设置相较于操作者身份类型识别模型的分类认证模块更细粒度的辅助分类认证模块，并结合分类认证模块的损失和辅助分类认证模块的辅助损失进行预训练。在数据采集过程中不涉及操作者隐私数据。在模型训练方面，使用了辅助训练方法，可以获取更细粒度标签的损失值，进一步和原损失结合指导模型整体的损失下降，提升整体模型的学习效率，优化训练过程，最终取得更好的分类性能。