[發明專利]基于人臉安全驗證的跨瀏覽器高并發數據訪問的軟件系統

有效

• 申請號: 202211327126.0
• 申請日: 2022-10-27
• 公開（公告）號: CN115374420B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 劉歆;彭濤;唐崗;李登和
• 申請（專利權）人: 中安網脈（北京）技術股份有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06F21/62;G06V40/16;H04L9/00;H04L9/40;H04L67/02;H04L67/568
• 代理公司: 北京君有知識產權代理事務所(普通合伙) 11630
• 代理人: 焦麗雅

1.一種基于人臉安全驗證的跨瀏覽器高并發數據訪問的軟件系統，該系統包括：用戶安全驗證模塊、數據緩存模塊、數據訪問模塊；其特征為：

所述用戶安全驗證模塊：包括攝像頭采集人臉圖像、人臉特征提取、人臉比對、人臉加密模塊；

所述數據緩存模塊：采用聯合緩存機制，保持系統的穩定性，該聯合緩存機制并在瀏覽器端，服務器端和進程內分別部署的緩存庫，實現高并發數據場景下的系統穩定；

所述數據訪問模塊：主要負責用戶通過瀏覽器訪問本地數據，為了實現跨瀏覽器兼容訪問本地數據；包括本地服務組件和執行組件以保證瀏覽器訪問本地數據的兼容性；基于java開發組件，客戶端計算機啟動本地服務組件，為瀏覽器提供WebSocket訪問服務；通過本地服務組件和其提供的服務接口訪問本地計算機資源；通過本地執行組件把執行結果反饋給本地組件服務；

用戶通過所述用戶安全驗證模塊進行身份驗證：用戶通過客戶端的攝像頭設備進行拍照，采集用戶人臉圖像，并通過人臉識別方法進行用戶身份匹配，匹配成功則說明用戶是可信用戶，允許該用戶登錄；若匹配不成功，則退回登錄界面；

所述人臉識別方法包括以下步驟：

步驟1：圖像采集：通過攝像頭或手機拍照設備，采集用戶圖片；

步驟2：人臉預處理：識別用戶圖片中人臉五官部分，并通過偏移旋轉方式將用戶五官標準化；通過采用人臉檢測部分的滑動窗口，在圖片中選出人臉候選集，并使用回歸模型修正人臉；

步驟3：人臉特征識別：通過深度學習模型框架，實現圖像特征提取：包括特征提取層，特征池化層，特征修正層，以及全連接層，其中：特征提取層公式為：

l為特征提取的層數，X為特征向量，m為矩陣的列坐標，n為矩陣的橫坐標，convf()為函數，K為卷積核，上標l代表層數，nm代表矩陣的元素位置，p為偏置向量，Q為矩陣的列數；

特征池化層使用最大池化方式maxpool，即將矩陣中n*n的子矩陣縮為1*1的元素，元素值為子矩陣的最大值；

全連接層：用于將特征向量映射到不同的特征空間，公式為：

P為新的特征向量，W為權重矩陣，X為原特征向量，b代表偏置向量，上標i代表向量維度；

特征修正層，公式為：

fun()代表本函數，X代表數據特征向量，c為超參數人工設定，e為指數；

人臉識別的模型架構為：

輸入圖像-（卷積層-池化層-修正層）*3-全連接層*2-輸出向量；

步驟4： 同態加密數據存儲：

同態加密在加密的狀態下進行加法和乘法運算，且解密后不影響結果，原則如下：

其中括號代表加密算法，a，b為加密前的數據，可見加密前兩數相加與兩數相加再加密的結果相同，相乘同理；

對于所有的樣本特征向量，都要做同態加密處理，得到：

p為原向量，q代表加密后的向量，上標代表維度；

同態加密算法的步驟如下：

a.生成秘鑰：

計算公鑰g和私鑰m；

私鑰m計算方式如下：

其中，為多項式模數，n為自定義參數；

公鑰g的計算方式為：

其中，r為隨機多項式，z為噪聲，m為私鑰；

b.加密算法：

對于輸入的x，用以下公式加密：

其中，t為多項式的系數模數，v為掩碼，m為私鑰，r為隨機多項式，z，，為噪聲；

c.解密算法：

對于加密的，用以下方式解密：

其中，為解密后的向量，為加密后的向量，t為多項式的系數模數；

所有經過人臉識別的圖像輸出的特征向量，均會被同態加密算法加密；

步驟5： 人臉相似度加密匹配

對測試樣本和每一個內部用戶加密特征數據使用向量內積乘法，將得到加密的置信度score分數；

步驟6：人臉相似度解密

加密的置信度score分數經過解密算法解密，得到真正的置信度score分數，置信度均低于0.5代表用戶不在內部庫中，高于0.5，則取最高值的用戶代表用戶身份。