[發明專利]身份驗證方法、裝置及系統

有效

• 申請號: 202010046713.7
• 申請日: 2015-08-19
• 公開（公告）號: CN111314299B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 張潔
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: H04L9/40
• 分類號: H04L9/40;H04L9/32
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 朱文杰

1.一種身份驗證方法，其特征在于，包括：

獲取智能終端的運動信息，作為輸入密碼，所述智能終端的運動信息包括：三維坐標；

將所述輸入密碼與預先保存的密碼模板進行動態時間歸整運算，并基于運算結果進行驗證；

所述將所述輸入密碼與預先保存的密碼模板進行動態時間歸整運算，包括：將所述輸入密碼的特征參數針對所述密碼模板的特征參數做歸一化處理；將所述處理后的輸入密碼的三維坐標與所述密碼模板的三維坐標進行動態時間歸整運算；

所述密碼模板具有多個，所述智能終端將所述輸入密碼的三維坐標分別于多個所述密碼模板的三維坐標一一進行動態時間歸整運算，分別獲得所述運算結果。

2.如權利要求1所述的方法，其特征在于，所述密碼模板是預先根據獲取的智能終端的運動信息得到并保存的，

所述將所述輸入密碼與預先保存的密碼模板進行動態時間歸整運算，并基于運算結果進行驗證，具體包括：

將所述輸入密碼的特征參數針對所述密碼模板的特征參數做歸一化處理；

將所述處理后的輸入密碼與所述密碼模板進行動態時間歸整運算，獲得運算結果；

將所述運算結果與預設匹配范圍匹配判斷。

3.如權利要求1所述的方法，其特征在于，所述密碼模板是預先根據獲取的智能終端的運動信息得到并保存的，所述方法還包括：

對所述密碼模板進行機器學習，形成預測分類器；

通過所述預測分類器對所述輸入密碼進行驗證。

4.如權利要求3所述的方法，其特征在于，所述對所述密碼模板進行機器學習，具體包括：

根據所述運動信息計算軌跡周長、平均速率和/或面積；

根據所述軌跡周長、平均速率和/或面積對所述密碼模板進行機器學習。

5.一種身份驗證裝置，其特征在于，包括：

運動信息獲取模塊，用于獲取智能終端的運動信息，作為輸入密碼，所述智能終端的運動信息包括：三維坐標；

驗證模塊，用于將所述輸入密碼與預先保存的密碼模板進行動態時間歸整運算，并基于運算結果進行驗證；所述密碼模板具有多個，所述智能終端將所述輸入密碼的三維坐標分別于多個所述密碼模板的三維坐標一一進行動態時間歸整運算，分別獲得所述運算結果；

所述驗證模塊，包括：將所述輸入密碼的特征參數針對所述密碼模板的特征參數做歸一化處理；將所述處理后的輸入密碼的三維坐標與所述密碼模板的三維坐標進行動態時間歸整運算。

6.如權利要求5所述的裝置，其特征在于，所述密碼模板是預先根據獲取的智能終端的運動信息得到并保存的，

所述驗證模塊具體用于，將所述輸入密碼的特征參數針對所述密碼模板的特征參數做歸一化處理；將所述處理后的輸入密碼與所述密碼模板進行動態時間歸整運算，獲得運算結果；將所述運算結果與預設匹配范圍匹配判斷。

7.如權利要求5所述的裝置，其特征在于，所述密碼模板是預先根據獲取的智能終端的運動信息得到并保存的，所述裝置還包括：

機器學習模塊，用于對所述密碼模板進行機器學習，形成預測分類器；

所述驗證模塊還用于，通過所述預測分類器對所述輸入密碼進行驗證。

8.如權利要求7所述的裝置，其特征在于，所述機器學習模塊具體用于，根據所述運動信息計算軌跡周長、平均速率和/或面積；根據所述軌跡周長、平均速率和/或面積對所述密碼模板進行機器學習。