CN103873232A - 一种触摸屏用户笔迹生物密钥生成方法 - Google Patents

Abstract

本发明提出了一种笔迹生物密钥生成方法。本发明将用户针对同一汉字的笔迹向量经变换向高维空间中投影，在高维空间中将笔迹向量稳定到可接受的波动范围内，再对稳定后的笔迹向量提取数字序列，从数字序列中编码生物密钥。整个方法在移动终端、认证服务器端均无需存储用户的笔迹信息，也无需在网络中传递用户的笔迹模板。用户通过采集自身的笔迹在本地生成（用户名、密钥）对，通过（用户名、密钥）对衍生的各种认证方法进行网络身份认证。只要笔迹生物密钥的密钥空间足够大，可保证高安全性。本发明提取的笔迹生物密钥序列长度可调，可大于256bit。

Description

一种触摸屏用户笔迹生物密钥生成方法

技术领域

本发明属于信息安全技术领域，具体涉及一种通过智能手机触摸屏采集用户笔迹，提取稳定笔迹生物密钥的方法。其能够为现有的智能手机身份认证技术提供一种新的认证方法。增加移动网络用户身份认证的灵活性。

背景技术

笔迹识别是一种古老的身份认证技术，有悠久的历史。随着移动互联网的迅速发展，智能手机端的笔迹识别技术因其运算量小、使用灵活，受到研究人员的重视。现有的智能手机笔迹身份认证方法采用通用的生物特征认证模式。认证模式为：1）采集用户笔迹，获取用户笔迹模板，存储到远端网络认证服务器；2）当需进行用户身份认证时，在智能手机端采集用户笔迹，生成用户笔迹特征，传输到远端网络认证服务器；3）认证服务器将用户笔迹特征与存储的笔迹模板进行比对，一致则认证通过，不一致则认证失败。

这一认证模式有一固有的缺点：需要在不安全的网络环境中存储、传递笔迹生物特征信息。而频发的网络安全事件，让用户担心自身的笔迹信息在网络中存储、传递会被他人窃取，从而不愿意轻易提供自身的笔迹信息。这影响了笔迹认证在移动互联网中的应用。

笔迹认证可以为移动互联网带来很多灵活的身份认证方式，如挑战-响应式认证等，是移动互联网时代一种重要的身份认证手段。曾经有科研工作者提出生物密钥的概念，希望直接从生物特征中获取稳定的生物密钥序列。但是笔迹特征非常不稳定，实际生产生活中尚未出现可实用的笔迹生物密钥技术。

发明内容

本发明提出了一种笔迹生物密钥生成方法。方法将用户针对同一汉字的笔迹向量经变换向高维空间中投影，在高维空间中将笔迹向量稳定到可接受的波动范围内，再对稳定后的笔迹向量提取数字序列，从数字序列中编码生物密钥。整个方法在移动终端、认证服务器端均无需存储用户的笔迹信息，也无需在网络中传递用户的笔迹模板。用户通过采集自身的笔迹在本地生成（用户名、密钥）对，通过（用户名、密钥）对衍生的各种认证方法进行网络身份认证。只要笔迹生物密钥的密钥空间足够大，可保证高安全性。本发明提取的笔迹生物密钥序列长度可调，可大于256bit。

笔迹生物密钥生成分两部分，第一部分为笔迹生物密钥训练部分，第二部分为笔迹生物密钥提取部分。

笔迹生物密钥训练部分具体步骤为：

第一步，用户在触摸屏上书写汉字，同一汉字重复书写3次，用触摸屏数据采样函数记录用户书写轨迹，取得采样结果。

第二步，将采样结果进行标准化处理。

第三步，将标准化后结果依据用户书写时的笔划进行分段，形成若干段笔迹向量；记笔迹向量的段数为N，N取值依选取的汉字和用户书写习惯的不同而不同，但同一个汉字、同一个用户，认为N值是确定的。

第四步，将每一段笔迹向量，构造M_i×2维的矩阵；i表示笔划分段后的段号，取值1～N；M_i表示段号对应的那一段笔迹向量所采集到的用户笔迹轨迹点个数；矩阵的每一行代表一个笔迹轨迹点。

第五步，对每一段笔迹向量中的轨迹点进行间隔均匀化处理；处理完成后得到N个MR_i×2维的矩阵，MR_i为M_i个轨迹点经间隔均匀化处理后所取的轨迹点个数。

第六步，将MR_i×2维的矩阵转化为一维向量，将转化后的N个一维向量前后拼接为一个一维向量，记为LL，向量元素个数记为LR；对同一汉字3次书写的笔迹向量转化成的3个一维向量求均值，得1×LR维的一维矩阵EB。

第七步，将矩阵EB扩展为2个矩阵，LR×LR维的随机误差方阵EX，LR×LR维的标准轨迹值方阵EY。

第八步，求解EX的广义逆矩阵，记为IEX，将IEX左乘矩阵EY得到笔迹向量的高维空间投影矩阵PEX=IEX×EY,在智能手机终端存储PEX；PEX不含用户笔迹模板信息，攻击者难以凭PEX恢复用户笔迹。

笔迹生物密钥训练完成。

笔迹生物密钥提取部分具体步骤为：

第一步，提示用户输入汉字。

第二步，用触摸屏数据采样函数记录用户手写轨迹，取得采样结果。

第三步，将采样结果进行标准化处理。

第四步，将标准化后结果依据用户书写时的笔划进行分段，形成若干段笔迹向量；记笔迹向量的段数为N，N取值依选取的汉字和用户书写习惯的不同而不同，但同一个汉字、同一个用户，认为N值是确定的。

第五步，将每一段笔迹向量，构造M_i×2维的矩阵；i表示笔划分段后的段号，取值1～N；M_i表示段号对应的那一段笔迹向量所采集到的用户笔迹轨迹点个数；矩阵的每一行代表一个笔迹轨迹点。

第六步，对每一段笔迹向量中的轨迹点进行间隔均匀化处理，处理方法与笔迹生物密钥训练部分保持一致；处理完成后得到N个MR_i×2维的矩阵，i取值1～N。

第七步，将MR_i×2维的矩阵转化为一维向量，将转化后的N个一维向量前后拼接为一个一维向量，记为EC，向量元素个数记为LR；实践中，经间隔均匀化处理后的向量元素个数LR与笔迹生物密钥训练阶段得到的向量元素个数LR保持一致。

第八步，EC为1×LR维矩阵，左乘PEX矩阵，得1×LR维向量ED。

第九步，用棋盘法对向量ED中的数值进行进一步稳定处理，得向量EE。将向量EE中各元素的数值前后拼接，即生成笔迹生物密钥。

优选的，所述用户笔迹生物密钥训练部分的第二步：标准化处理分两步进行，标准化处理一与标准化处理二，以第1个采样点为坐标原点，后续采样点与第1采样点的差值为新坐标值，将采样结果转化为新坐标值，完成标准化处理一；扫描经标准化处理一得到的结果序列，取出序列中长、宽的最大值做分母，约定的矩形长、宽值做分子，得到长、宽的标准化比值；将采样结果序列乘以标准化比值得到标准化结果，完成标准化处理二。用户书写汉字经过标准化处理二将尺寸规整到预定的一个矩形范围内。

本发明的有益效果：本发明提出了一种笔迹生物密钥生成方法。可以改变传统的网络生物特征身份认证模式，用户无需将自己的笔迹生物特征上传认证服务器，即可完成基于笔迹的网络身份认证。该方法可以使网络身份认证更灵活，也可以帮助免去用户记忆冗长密钥的记忆负担。

附图说明

图1为用户触摸屏笔迹差异示意图。

图2为基于笔迹生物密钥的网络身份认证示意图。

图3为笔迹轨迹点间隔均匀化示意图。

图4为棋盘法稳定向量数值示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

触摸屏手写汉字输入与传统纸上手写汉字输入相比，其汉字输入的规则度不如纸上手写汉字，但触摸屏可以记录书写汉字的笔划过程，而纸上输入无法记录。图1显示了不同用户写同一个‘好’字的笔迹图样，直接看图不容易比较用户书写差异，但取得笔划过程，差异就比较明显。另一方面汉字为方块字，有很强的笔划性，并且每一个用户的笔划书写习惯均有差异。以上特点使得在触摸屏上通过笔划及笔划间位置关系对用户笔迹进行识别可以获得很高的准确率。基于以上原因，触摸屏手写汉字可用于提取用户笔迹生物密钥。

运用笔迹生物密钥进行网络身份认证的优点是，无需在网络中存储、传递用户笔迹信息，如图2所示，网络中出现的只是（用户名，密钥）对，笔迹信息无论在用户端，还是认证端均不存储，只在提取时实时生成。

本发明提出的笔迹生物密钥生成方法包括两部分，第一部分为笔迹生物密钥训练部分，第二部分为笔迹生物密钥提取部分。

笔迹生物密钥训练部分具体步骤为：

第一步，用户在触摸屏上书写汉字，同一汉字重复书写3次。书写的汉字大小无限制，笔划也没有限制，既可以连笔一笔写完，也可以分若干笔写完。用触摸屏数据采样函数记录用户书写轨迹，取得采样结果（具体采样函数视不同的触摸屏操作系统而异，如Android系统提供了如下采样函数android_server_KeyInputQueue_readEvent()）。

第二步，将采样结果进行标准化处理；标准化处理分两步进行，标准化处理1与标准化处理2。以第1个采样点为坐标原点，后续采样点与第1采样点的差值为新坐标值，将采样结果转化为新坐标值，完成标准化处理1。用户书写汉字有大有小，需经过标准化处理2将尺寸规整到预定的一个矩形范围内，矩形大小可根据触摸屏的实际情况决定（目前的手机一般设为600×800）。方法为扫描采样结果序列，取出序列中长、宽的最大值做分母，约定的矩形长、宽值做分子，得到长、宽的标准化比值；将采样结果序列乘以标准化比值得到标准化结果。

第三步，将标准化后结果依据用户书写时的笔划进行分段，形成若干段笔迹向量；触摸屏数据采样函数能够支持对用户书写过程中离开触摸屏表面的行为进行记录，依据此记录可以对用户书写时的笔划进行准确的分段，分段后笔划数据即为笔迹向量。记笔迹向量的段数为N，N取值依选取的汉字和用户书写习惯的不同而不同，但同一个汉字、同一个用户，认为N值是确定的。

第四步，将每一段笔迹向量，构造M_i×2维的矩阵；i表示笔划分段后的段号，取值1～N；M_i表示段号对应的那一段笔迹向量所采集到的用户笔迹轨迹点个数；矩阵的每一行代表一个笔迹轨迹点。

第五步，对每一段笔迹向量中的轨迹点进行间隔均匀化处理。如图3，用户每次书写同一个汉字，运笔的方向、长度会有变化，影响到采样轨迹点的坐标值。均匀化处理降低以上因素对轨迹点坐标值的影响。具体步骤为：

1）计算每个轨迹点的用户运笔角度；

为表述方便，每个轨迹点由（x，y）二元组表示，一段笔迹向量是一个二元组的列表，记为[(x₁,y₁),(x₂,y₂),(x₃,y₃),…,(x_Mi,y_Mi)]；M_i和第四步中M_i一致。每个轨迹点的用户运笔角度记为T_i，1≤i≤M_i。

$T_i=\frac{180}{\mathrm{\&pi;}}(\arctan \left(\frac{y_2-y_1}{x_2-x_1}\right)+\frac{\mathrm{\&pi;}}{2})+\left\{\begin{array}{cc}180& y_2-y_1<0\\ 0& y_2-y_1\&GreaterEqual;0\end{array}\right.,$ T_i值域为0°-360°，取整；

2）依据运笔角度，对笔迹向量的轨迹点进行取舍；

依据T_i考察笔迹向量列表，一次取5个轨迹点；

如果|T_i+1-T_i|<10°，保留5个轨迹点；

如果5个轨迹点中有一个点T_j与前一个轨迹点的运笔角度有很大差异，表示笔画在此处有转折，保留5个轨迹点中的第一个点，去除第一个点到T_j点之间的所有点，从T_j开始（包含T_j），再取5个轨迹点重复算法。

算法对用户运笔的方向、长度变化有一定的缓冲作用，只要用户在书写汉字时保持相对稳定的书写习惯，均匀化处理可以消除轨迹点坐标在笔画转折处的错配、冗余等情况。

处理完成后装配N个MR_i×2维的矩阵，i取值1～N。

第六步，将MR_i×2维的矩阵转化为一维向量。方法为将MR_i值依5取整，即MR_j=5×[MR_i/5]（运算符[]表示向下取整），MR_i×2矩阵保留MR_j行，将矩阵的第1、2列列向量各自转置为行向量，拼接成为一个一维向量，记为L_i，i取值1～N。

将L_i再次前后拼接，得一维向量LL，向量元素个数记为LR；对同一汉字3次书写的笔迹向量转化成的3个LL向量求均值，得1×LR维的一维矩阵EB。

第七步，将矩阵EB扩展为2个矩阵，LR×LR维的随机误差方阵EX，LR×LR维的标准轨迹值方阵EY。方法为：

EX的构造方法为：

设定轨迹点坐标值的波动范围Er，如Er=10；为EB增加随机误差扰动，计算公式如下：

EX_j=EB+Er×rand(0,1)

j取1到LR，EX_j代表一个行向量；rand(0,1)函数返回(0,1)之间的随机数，公式表示对向量EB中的每一个元素，增加一份随机误差扰动；将EX_j以行为单位装配为LR×LR维的矩阵EX。

EY的构造方法为：

将EB重复LR行，得LR×LR维的标准轨迹值方阵EY。

第八步，求解EX的广义逆矩阵，记为IEX，用满秩分解法求解广义逆矩阵，满秩分解法为数学上求广义逆的标准解法。将IEX左乘矩阵EY得到笔迹向量的高维空间投影矩阵PEX=IEX×EY,在智能手机终端存储PEX。

笔迹生物密钥训练完成。

笔迹生物密钥提取部分具体步骤为：

第一步，提示用户输入汉字，如图2所示。

第二步～第六步与笔迹生物密钥训练部分第一步～第五步处理方法相同。

第七步，将MR_i×2维的矩阵转化为一维向量。方法与笔迹生物密钥训练部分第六步方法相同。转化后向量记为L_i，i取值1～N。

将L_i再次前后拼接，得一维向量EC，向量元素个数记为LR。间隔均匀化处理对笔迹向量元素个数有缓冲作用，经此处理后的向量元素个数LR与笔迹生物密钥训练阶段得到的向量元素个数LR依高概率保持一致。如不一致，重新采样。

第八步，EC为1×LR维矩阵，左乘PEX矩阵，得1×LR维向量ED。

第九步，用棋盘法对向量ED中的数值进行进一步稳定处理，得向量EE。棋盘法稳定的数值的示意图如图4所示，具体方法为：

1）设定棋盘法的格子大小（记为maxdis），为奇数，用户可根据经验选取，推荐值7、9或11；

2）对ED中的每一个元素（记为EDX_i）进行一次棋盘法运算；算法

用伪代码描述如下：

将向量EE中各元素的数值前后拼接，即生成笔迹生物密钥。

本技术领域中的普通技术人员应当认识到，以上实施例仅是用来说明本发明，而并非作为对本发明的限定，只要在本发明的实质范围内，对以上实施例的变化、变型都将落在本发明的保护范围。

Claims (2)

1.一种触摸屏用户笔迹生物密钥生成方法，其特征在于该方法包括以下步骤：笔迹生物密钥训练部分和笔迹生物密钥提取部分；

所述的笔迹生物密钥训练部分具体步骤为：

第一步，用户在触摸屏上书写汉字，同一汉字重复书写3次，用触摸屏数据采样函数记录用户书写轨迹，取得采样结果；

第二步，将采样结果进行标准化处理；

第三步，将标准化后结果依据用户书写时的笔划进行分段，形成若干段笔迹向量；记笔迹向量的段数为N；

第四步，将每一段笔迹向量，构造M_i×2维的矩阵；i表示笔划分段后的段号，取值1～N；M_i表示段号对应的那一段笔迹向量所采集到的用户笔迹轨迹点个数；矩阵的每一行代表一个笔迹轨迹点；

第五步，对每一段笔迹向量中的轨迹点进行间隔均匀化处理，处理完成后得到N个MR_i×2维的矩阵，MR_i为M_i个轨迹点经间隔均匀化处理后所取的轨迹点个数；

第六步，将MR_i×2维的矩阵转化为一维向量，将转化后的N个一维向量前后拼接为一个一维向量，记为LL，向量元素个数记为LR；对同一汉字3次书写的笔迹向量转化成的3个一维向量求均值，得1×LR维的一维矩阵EB；

第七步，将矩阵EB扩展为2个矩阵，LR×LR维的随机误差方阵EX，LR×LR维的标准轨迹值方阵EY；

第八步，求解EX的广义逆矩阵，记为IEX，将IEX左乘矩阵EY得到笔迹向量的高维空间投影矩阵PEX=IEX×EY,在智能手机终端存储PEX；PEX不含用户笔迹模板信息，攻击者难以凭PEX恢复用户笔迹；

所述的笔迹生物密钥提取部分具体步骤为：

第一步，提示用户输入汉字；

第二步，用触摸屏数据采样函数记录用户手写轨迹，取得采样结果；

第三步，将采样结果进行标准化处理；

第四步，将标准化后结果依据用户书写时的笔划进行分段，形成若干段笔迹向量；记笔迹向量的段数为N；

第五步，将每一段笔迹向量，构造M_i×2维的矩阵；M_i表示段号对应的那一段笔迹向量所采集到的用户笔迹轨迹点个数；矩阵的每一行代表一个笔迹轨迹点；

第六步，对每一段笔迹向量中的轨迹点进行间隔均匀化处理，处理完成后得到N个MR_i×2维的矩阵；

第七步，将MR_i×2维的矩阵转化为一维向量，将转化后的N个一维向量前后拼接为一个一维向量，记为EC，向量元素个数记为LR；经间隔均匀化处理后的向量元素个数LR与笔迹生物密钥训练阶段得到的向量元素个数LR保持一致；

第八步，EC为1×LR维矩阵，左乘PEX矩阵，得1×LR维向量ED；

第九步，用棋盘法对向量ED中的数值进行进一步稳定处理，得向量EE；将向量EE中各元素的数值前后拼接，即生成笔迹生物密钥。

2.一种触摸屏用户笔迹生物密钥生成方法，其特征在于：所述的标准化处理分两步进行，标准化处理一与标准化处理二，以第1个采样点为坐标原点，后续采样点与第1采样点的差值为新坐标值，将采样结果转化为新坐标值，完成标准化处理一；扫描经标准化处理一得到的结果序列，取出序列中长、宽的最大值做分母，约定的矩形长、宽值做分子，得到长、宽的标准化比值；将采样结果序列乘以标准化比值得到标准化结果，完成标准化处理二；用户书写汉字经过标准化处理二将尺寸规整到预定的一个矩形范围内。

Images