[發(fā)明專利]用戶身份認證方法、裝置、用戶終端及服務(wù)器

在審

• 申請?zhí)枺?/td>: 202010672232.7
• 申請日: 2020-07-14
• 公開（公告）號: CN112084470A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 李向陽;趙景程;李德慶;潘和平;蘇洋;吳仕威;劉廣軍;曾家勁
• 申請（專利權(quán)）人: 深圳市能信安技術(shù)有限公司
• 主分類號: G06F21/31
• 分類號: G06F21/31;G06K9/00;G06K9/62
• 代理公司: 北京圣達博通知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11675
• 代理人: 馬皓

1.一種用戶身份認證方法，其特征在于，包括：

獲取由用戶終端的傳感器在當前用戶簽名過程中所采集的簽名傳感器數(shù)據(jù)，以及用戶在簽名過程中形成的手寫筆跡截圖數(shù)據(jù)；其中，所述簽名傳感器數(shù)據(jù)用于生成用戶在書寫過程中的行為特征，所述手寫筆跡截圖數(shù)據(jù)用于生成用戶書寫的生物特征；

基于所述簽名傳感器數(shù)據(jù)及所述手寫筆跡截圖數(shù)據(jù)，分別對用戶身份進行識別；

若基于所述簽名傳感器數(shù)據(jù)和基于所述手寫筆跡截圖數(shù)據(jù)的驗證結(jié)果均合法，則身份認證通過。

2.根據(jù)權(quán)利要求1所述的用戶身份認證方法，其特征在于，基于所述用戶手寫筆跡截圖數(shù)據(jù)對用戶身份進行識別包括：

將當前用戶輸入的手寫筆跡截圖數(shù)據(jù)轉(zhuǎn)化為灰度圖像數(shù)據(jù)；

調(diào)整所述灰度圖像數(shù)據(jù)的大?。?/p>

基于預(yù)先訓(xùn)練好的手寫筆跡生物特征身份認證模型，對調(diào)整大小后的灰度圖像進行特征提取，獲得手寫筆跡生物特征；

將所述手寫筆跡生物特征與每一歷史手寫筆跡截圖數(shù)據(jù)所對應(yīng)的手寫筆跡生物特征進行相似度計算，確定超過給定相似度閾值的數(shù)量，若所述數(shù)量超過預(yù)先設(shè)定的數(shù)量閾值，則通過用戶手寫筆跡生物特征的驗證；其中

所述歷史手寫筆跡截圖數(shù)據(jù)為用戶唯一標識關(guān)聯(lián)，且用戶在注冊時所預(yù)先錄入；

每一所述歷史手寫筆跡截圖數(shù)據(jù)所對應(yīng)的手寫筆跡生物特征為：所述歷史手寫筆跡截圖數(shù)據(jù)調(diào)整大小后的灰度圖像數(shù)據(jù)輸入所述手寫筆跡生物特征身份認證模型后所獲得的圖像特征。

3.根據(jù)權(quán)利要求2所述的用戶身份認證方法，其特征在于，所述手寫筆跡生物特征身份認證模型為人臉識別算法或圖像分類算法。

4.根據(jù)權(quán)利要求1所述的用戶身份認證方法，其特征在于，基于所述簽名傳感器數(shù)據(jù)對用戶身份進行識別包括如下步驟：

根據(jù)當前用戶輸入的簽名傳感器數(shù)據(jù)，獲取對應(yīng)的當前動態(tài)指標數(shù)據(jù)和當前靜態(tài)指標數(shù)據(jù)；

通過用戶唯一標識查詢預(yù)先存儲的多條歷史簽名傳感器數(shù)據(jù)，并獲得對應(yīng)的歷史動態(tài)指標數(shù)據(jù)和歷史靜態(tài)指標數(shù)據(jù)；

對當前動態(tài)指標數(shù)據(jù)與多條歷史動態(tài)指標數(shù)據(jù)進行衍生，并進行歸一化以及數(shù)據(jù)重采樣的操作；

基于重采樣后獲得的數(shù)據(jù)，計算第一動態(tài)指標距離向量與第二動態(tài)指標距離向量；其中，所述第一動態(tài)指標距離向量通過如下方式獲得：將多條歷史動態(tài)指標數(shù)據(jù)中相同的指標，兩兩計算距離，將獲得的動態(tài)指標距離向量作為所述第一動態(tài)指標距離向量；所述第二動態(tài)指標距離向量通過如下方式獲得：將所述當前動態(tài)指標數(shù)據(jù)與所述多條歷史動態(tài)指標數(shù)據(jù)中的相同指標兩兩計算距離，將獲得的動態(tài)指標距離向量作為所述第二動態(tài)指標距離向量；

對當前靜態(tài)指標數(shù)據(jù)與多條歷史靜態(tài)指標數(shù)據(jù)進行衍生，并進行歸一化操作；對經(jīng)過數(shù)據(jù)歸一化處理的靜態(tài)指標數(shù)據(jù)中的相同指標相減，然后取絕對值，獲得多個靜態(tài)指標距離向量，作為第一靜態(tài)指標距離向量；對經(jīng)過歸一化處理的當前靜態(tài)指標數(shù)據(jù)與多條所述歷史靜態(tài)指標數(shù)據(jù)的相同指標相減，然后取絕對值，獲得多個靜態(tài)指標距離向量，作為第二靜態(tài)指標距離向量；

將所述第一動態(tài)指標距離向量與所述第一靜態(tài)指標距離向量進行橫向拼接，獲得多個第一新距離向量，并基于所述第一新距離向量訓(xùn)練傳感器行為特征身份認證模型，所述傳感器行為特征身份認證模型為SVDD算法；

將多個所述第二動態(tài)指標距離向量與多個所述第二靜態(tài)指標距離向量進行橫向拼接，獲得多個第二新距離向量，并將所述第二新距離向量作為所述傳感器行為特征身份認證模型的輸入，根據(jù)輸出結(jié)果對用戶身份進行識別。

5.根據(jù)權(quán)利要求4所述的用戶身份認證方法，其特征在于，

所述對當前動態(tài)指標數(shù)據(jù)與多條歷史動態(tài)指標數(shù)據(jù)進行衍生，并進行歸一化以及數(shù)據(jù)重采樣的操作中，所述歸一化包括：旋轉(zhuǎn)歸一化、大小歸一化和位置歸一化。

6.根據(jù)權(quán)利要求5所述的用戶身份認證方法，其特征在于，

所述數(shù)據(jù)重采樣為等距數(shù)據(jù)重采樣。

7.根據(jù)權(quán)利要求6所述的用戶身份認證方法，其特征在于，

所述第一動態(tài)指標距離向量、所述第二動態(tài)指標距離向量、第一靜態(tài)指標距離向量和所述第二靜態(tài)指標距離向量均采用改進的DTW算法計算獲得。