[發明專利]一種采用競爭匹配的安全身份驗證方法

在審

• 申請號: 202010116557.7
• 申請日: 2020-02-25
• 公開（公告）號: CN111400685A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 黃增喜;于春;杜亞軍
• 申請（專利權）人: 西華大學
• 主分類號: G06F21/32
• 分類號: G06F21/32
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 白小明

本發明公開了一種采用競爭匹配的安全身份驗證方法，屬于生物特征身份驗證領域，包括如下步驟：S1使用一種基于稀疏表示的方法離線選擇競爭類集合；S2身份驗證時，使用者輸入用戶身份和生物特征樣本，使用目標類和競爭類的特征模板構建驗證字典，使用驗證字典對輸入樣本特征進行稀疏表示，再采用基于編碼稀疏性和重構精度互補性特點的匹配指標計算方法，計算輸入樣本與目標類的匹配分數；S3采用S2中的匹配指標計算方法，分別計算輸入樣本與各個競爭類的匹配分數，然后利用S2中獲得的匹配分數及其在所有匹配分數中的排名信息進行身份驗證。在驗證決策時，不僅檢驗匹配分數與工作閾值的關系，還檢驗匹配分數的排名信息，從而提高身份驗證安全性。

技術領域

本發明屬于生物特征身份驗證領域，具體涉及一種采用競爭匹配的安全身份驗證方法。

背景技術

基于生物特征的身份驗證技術利用如指紋、人臉、虹膜等用戶獨特的生理或行為特征進行身份驗證，是一種快速、便捷且安全性更高的途徑，可廣泛應用于金融服務、安防、刑偵和人機交互等領域。在傳統的身份驗證系統中，將輸入的生物特征和數據庫中與用戶所聲明身份相對應的特征模板進行“一對一”比較，然后根據匹配分數和給定工作閾值的比較結果來判斷用戶是否與所聲明身份相符。

在這種身份驗證中，比較只與所聲明身份的特征模板有關，而判別只與工作閾值有關，是一種孤立封閉的比較方式。存在兩個顯著的缺陷：(1)工作閾值的選取是根據正負匹配分數的樣本分布來設定，而正負樣本的分布通常是存在交疊的，并且幾乎不可能找到所有具有代表性的正負樣本來描述它們的分布情況，因此，僅通過工作閾值來判定輸入樣本的真假實際上是存在安全風險的；(2)不同個體之間的生物特征(如人臉)存在很高的相似性，“一對一”比較驗證中只檢驗輸入樣本與目標用戶的相似性，而忽略了是否存在輸入樣本與其他人員相似度相當或甚至更高的可能性。以上缺陷使得僅基于給定工作閾值的“一比一”比較驗證存在明顯的安全性風險。

近年來以深度學習為代表的機器學習方法的運用使得特征提取的魯棒性更好，在驗證時仍然采用“一對一”比較的方式，雖然在各種開放數據集上獲得的準確率越來越高，但是在實際應用場景中仍然面臨挑戰。近期研究表明，很多基于深度學習的身份驗證方法在實際應用中的表現遠比實驗室控制環境中或給定開放數據集的測試中要差，甚至僅通過修改輸入樣本中的少量數據就能夠使得深度學習模型輸出差異巨大的結果。因此，僅依靠通過訓練神經網絡這種黑盒模型來提高特征提取的魯棒性進而提高驗證精度的做法仍然存在較高的安全性風險。

發明內容

本發明的目的在于：提供一種采用競爭匹配的安全身份驗證方法，以解決上述“一對一”比較檢驗只基于工作閾值和忽略樣本與其他類相關性的安全缺陷。

本發明采用的技術方案如下：

一種采用競爭匹配的安全身份驗證方法，包括如下步驟：

S1使用一種基于稀疏表示的方法離線選擇競爭類集合；

S2身份驗證時，使用者輸入用戶身份和生物特征樣本，使用目標類和競爭類的特征模板構建驗證字典，使用驗證字典對輸入樣本特征進行稀疏表示，再采用基于編碼稀疏性和重構精度互補性特點的匹配指標計算方法，計算輸入樣本與目標類的匹配分數；

S3采用S2中的匹配指標計算方法，分別計算輸入樣本與各個競爭類的匹配分數，然后利用S2中獲得的匹配分數及其在所有匹配分數中的排名信息進行身份驗證。