[發(fā)明專利]用戶特征向量選取方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201610195334.8
• 申請日: 2016-03-30
• 公開（公告）號: CN107292146B
• 公開（公告）日: 2019-12-13
• 發(fā)明（設(shè)計）人: 劉鏑;王志軍;張尼;王笑帝;湯雅妃
• 申請（專利權(quán)）人: 中國聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32
• 代理公司: 11112 北京天昊聯(lián)合知識產(chǎn)權(quán)代理有限公司
• 代理人: 柴亮;張?zhí)焓?/td>

本發(fā)明提供一種用戶特征向量選取方法及系統(tǒng)，該方法包括以下步驟：獲取用戶的生物特征對應(yīng)的多個特征向量；生成每個特征向量與所有的特征向量兩兩之間的第一相似度系數(shù)；對每個特征向量對應(yīng)的第一相似度系數(shù)進(jìn)行求和處理，得到第二相似度系數(shù)；從多個特征向量中選取不大于相似度系數(shù)閾值的第二相似度系數(shù)對應(yīng)的特征向量。該用戶特征向量選取方法及系統(tǒng)，不僅可提高認(rèn)證匹配的匹配效率，還可提高認(rèn)證匹配的匹配精度，從而可以提高用戶認(rèn)證登陸的安全性，防止他人仿冒身份登陸。

技術(shù)領(lǐng)域

本發(fā)明屬于通訊技術(shù)領(lǐng)域，具體涉及一種用戶特征向量選取方法及系統(tǒng)。

背景技術(shù)

隨著信息通信技術(shù)的不斷發(fā)展，例如，云計算、大數(shù)據(jù)等新技術(shù)的引入，網(wǎng)絡(luò)用戶的隱私安全問題越來越嚴(yán)峻。

為此，現(xiàn)有技術(shù)中采用基于SIM卡統(tǒng)一認(rèn)證的技術(shù)方案，具體地，用戶在第三方網(wǎng)站上進(jìn)行登錄認(rèn)證，點(diǎn)擊該網(wǎng)站上的統(tǒng)一認(rèn)證鍵，跳轉(zhuǎn)至輸入手機(jī)號碼的提示框，用戶在提示框內(nèi)輸入手機(jī)號碼并確認(rèn)向移動終端發(fā)送確認(rèn)窗口，之后用戶在移動終端進(jìn)行確認(rèn)，從而完成認(rèn)證確認(rèn)。然而，采用上述方式仍然存在一定的隱私泄露風(fēng)險，為此，現(xiàn)有技術(shù)中采用了一種基于生物識別的SIM卡認(rèn)證的技術(shù)方案，與上述技術(shù)方案的不同點(diǎn)在于：在用戶在移動終端確認(rèn)后，移動終端跳轉(zhuǎn)至輸入生物特征(指紋、面部圖像、聲音等)的頁面，用戶輸入生物特征后，移動終端將輸入的生物特征和用戶注冊過的生物特征進(jìn)行匹配，若匹配成功則認(rèn)證成功。

然而，在實際應(yīng)用中，采用現(xiàn)有技術(shù)中提供的第二種技術(shù)方案不僅存在匹配效率低，而且還存在匹配精度低的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一，提出了一種用戶特征向量選取方法及系統(tǒng)，不僅可提高認(rèn)證匹配的匹配效率，還可提高認(rèn)證匹配的匹配精度，從而可以提高用戶認(rèn)證登陸的安全性，防止他人仿冒身份登陸。

為解決上述問題之一，本發(fā)明提供了一種用戶特征向量選取方法，包括以下步驟：獲取用戶的生物特征對應(yīng)的多個特征向量；生成每個特征向量與所有的所述特征向量兩兩之間的第一相似度系數(shù)；對每個所述特征向量對應(yīng)的第一相似度系數(shù)進(jìn)行求和處理，得到第二相似度系數(shù)；從所述多個特征向量中選取不大于相似度系數(shù)閾值的所述第二相似度系數(shù)對應(yīng)的所述特征向量。

優(yōu)選地，所述從所述多個特征向量中選取不大于相似度系數(shù)閾值的所述第二相似度系數(shù)對應(yīng)的所述特征向量包括：按照升序?qū)⑺龆鄠€特征向量對應(yīng)的所述第二相似度系數(shù)進(jìn)行排序；確定包含有數(shù)量最多的所述第二相似度系數(shù)的密集區(qū)域；選取所述密集區(qū)域中最大值的所述第二相似度系數(shù)對應(yīng)的所述特征向量和排列在該最大值的第二相似度系數(shù)之前的所述第二相似度系數(shù)對應(yīng)的特征向量。

優(yōu)選地，所述從所述多個特征向量中選取不大于相似度系數(shù)閾值的所述第二相似度系數(shù)對應(yīng)的所述特征向量包括：按照降序?qū)⑺龆鄠€特征向量對應(yīng)的所述第二相似度系數(shù)進(jìn)行排序；確定包含有數(shù)量最多的所述第二相似度系數(shù)的密集區(qū)域；選取所述密集區(qū)域中最大值的所述第二相似度系數(shù)對應(yīng)的所述特征向量和排列在該最大值的第二相似度系數(shù)之后所述第二相似度系數(shù)所對應(yīng)的特征向量。

優(yōu)選地，所述確定包含有數(shù)量最多的所述第二相似度系數(shù)的密集區(qū)域包括：設(shè)置多個所述第二相似度系數(shù)的取值區(qū)域；統(tǒng)計每個所述取值區(qū)域內(nèi)分布的第二相似度系數(shù)的數(shù)量；確定統(tǒng)計到的數(shù)量最大的所述取值區(qū)域作為所述密集區(qū)域。

優(yōu)選地，所述設(shè)置多個所述第二相似度系數(shù)的取值區(qū)域具體為：按照預(yù)設(shè)取值寬度設(shè)置多個所述第二相似度系數(shù)的取值區(qū)域；若所述預(yù)設(shè)取值寬度為D，則所述取值區(qū)域的個數(shù)設(shè)置為m-(mmodD)-(D-1)；其中，m為獲取到的用戶的特征向量總數(shù)。

優(yōu)選地，所述第一相似度系數(shù)按照如下公式計算：