CN107277075A - 认证装置和认证方法 - Google Patents

认证装置和认证方法 Download PDF

Info

Publication number
CN107277075A
CN107277075A CN201710711838.5A CN201710711838A CN107277075A CN 107277075 A CN107277075 A CN 107277075A CN 201710711838 A CN201710711838 A CN 201710711838A CN 107277075 A CN107277075 A CN 107277075A
Authority
CN
China
Prior art keywords
user
signal characteristic
frequency
waveform
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710711838.5A
Other languages
English (en)
Inventor
朱琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710711838.5A priority Critical patent/CN107277075A/zh
Publication of CN107277075A publication Critical patent/CN107277075A/zh
Priority to US16/023,064 priority patent/US10819703B2/en
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/378—Visual stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/38—Acoustic or auditory stimuli
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Social Psychology (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种认证装置和认证方法，包括提取单元，用于提取待认证用户的脑电波信号的信号特征；对比单元，用于将所述信号特征与预存特征库中的信号特征样本进行比对，若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；响应单元，用于基于所述账户信息和密钥，响应于所述待认证用户的请求。本发明可以基于用户的脑电信息特征进行身份认证，当认证通过后，便可以直接向云服务器发送云桌面登录请求，继而登录云桌面，这样就提高了用户登录云桌面的安全性以及便利性。

Description

认证装置和认证方法
技术领域
本发明涉及智能硬件技术领域，特别是指一种认证装置和认证方法。
背景技术
随着人机交互技术的发展，传统的人机交互技术已经逐渐向着智能交互、自然交互等方向转变。人机交互关注的重点也从定义交互方式，设计交互语义等发展为关注用户的脑电波，进而挖掘用户隐式需求等。脑电波是大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。因此，脑电波是重要的生物信号，其表征人类大脑的活动。
云桌面是云计算时代的典型应用，云桌面可以把数据空间、管理服务，提供桌面化的方式发布给用户，适合作为平板、手机等微持化移动应用的网络操作系统，也可以将传统个人计算机(PC)升级为网络操作。因此，对于经常外出办公或者出差的用户来说，云桌面是十分便捷的办公服务。但是，用户在登录云桌面时仅仅依靠账户信息和登录密钥，这导致安全性不高的问题，同时也存在信息输入不便利的问题。
发明内容
有鉴于此，本发明的目的在于提出一种认证方法和认证装置，以解决安全性不高、信息输入不便利的问题。
基于上述目的，在本发明的第一方面，本发明提供了一种认证装置，包括：
提取单元，用于提取待认证用户的脑电波信号的信号特征；
对比单元，用于将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；
响应单元，用于基于所述账户信息和密钥，响应于所述待认证用户的请求。
在本发明的一些实施例中，所述响应单元包括：
发送单元，用于向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
接收单元，用于接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
在本发明的一些实施例中，所述认证装置还包括：
特征库单元，用于对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本；
关联单元，用于将用户的信号特征样本与用户的账户信息、密钥进行关联，得到所述预存特征库。
在本发明的一些实施例中，所述特征库单元包括：
分解单元，用于将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形；
第一幅值计算单元，用于计算第一幅值差，所述第一幅值差为所述频率在预设频率范围内的第一子波形与预设的标准波形的幅值差；
判断单元，用于判断所述第一幅值差是否在第一预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本。
在本发明的一些实施例中，所述提取单元包括：
分段单元，用于获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形；
第二幅值计算单元，用于计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差；
特征判断单元，用于判断所述第二幅值差是否在第二预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。
在本发明的一些实施例中，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本，包括：
计算所述待认证用户的信号特征与信号特征样本的相似度，判断所述相似度是否达到预设相似度。
在本发明的一些实施例中，所述认证装置还包括：
执行单元，用于在进入云桌面对应的应用程序的操作界面后，根据用户的脑电波信号的信号特征确定所述信号特征对应的指令，控制所述应用程序执行所述指令。
在本发明的第二方面，本发明提供了一种认证方法，包括：
提取待认证用户的脑电波信号的信号特征；
将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；
若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；
基于所述账户信息和密钥，响应于所述待认证用户的请求。
在本发明的一些实施例中，所述基于所述账户信息和密钥，响应于所述待认证用户的请求，包括：
向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
在本发明的一些实施例中，在所述提取待认证用户的脑电波信号的信号特征之前，所述认证方法还包括：
对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本；
将用户的信号特征样本与用户的账户信息、密钥进行关联，得到所述预存特征库。
在本发明的一些实施例中，对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本，包括：
将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形；
计算第一幅值差，所述第一幅值差为所述频率在预设频率范围内的第一子波形与预设的标准波形的幅值差；
判断所述第一幅值差是否在第一预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本。
在本发明的一些实施例中，所述提取待认证用户的脑电波信号的信号特征，包括：
获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形；
计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差；
判断所述第二幅值差是否在第二预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。
在本发明的一些实施例中，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本，包括：
计算所述待认证用户的信号特征与信号特征样本的相似度，判断所述相似度是否达到预设相似度。
在本发明的一些实施例中，所述认证方法还包括：
在进入云桌面对应的应用程序的操作界面后，根据用户的脑电波信号的信号特征确定所述信号特征对应的指令，控制所述应用程序执行所述指令。
本发明实施例提供的认证装置和认证方法可以基于用户的脑电信息特征进行身份认证，当认证通过后，便可以直接向云服务器发送云桌面登录请求，继而登录云桌面，这样就提高了用户登录云桌面的安全性以及便利性。当用户进入云桌面对应的应用程序的操作界面后，可以通过脑电波信号控制应用程序的操作，提高了使用的便利性。
附图说明
图1为本发明一个实施例的认证装置的示例性框图；
图2为本发明另一个实施例的认证装置的示例性框图；
图3为本发明另一个实施例的认证装置的示例性框图；
图4为本发明又一个实施例的认证装置的示例性框图；
图5为本发明一个实施例的特征库单元的示例性框图；
图6为本发明又一个实施例的提取单元的示例性框图；
图7为本发明另一个实施例的认证装置的示例性框图；
图8为本发明一个实施例的认证方法的流程图；
图9为本发明又一个实施例的认证方法的流程图；
图10为本发明另一个实施例的认证方法的流程图；
图11为本发明实施例的学习特征信号的步骤的流程图；
图12为本发明实施例的提取特征信号的步骤的流程图；
图13为本发明再一个实施例的认证方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
如图1所示，其为本发明一个实施例的认证装置的示例性框图。作为本发明的一个实施例，所述认证装置100包括提取单元110、对比单元120和响应单元130，所述提取单元110用于提取待认证用户的脑电波信号的信号特征；所述对比单元120用于将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本，若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥，所述响应单元130用于基于所述账户信息和密钥，响应于所述待认证用户的请求。可见，本发明实施例提供的认证装置可以基于用户的脑电信息特征进行身份认证，提高了用户身份认证的安全性以及便利性。当用户的身份认证通过后，所述认证装置可以响应于待认证用户的请求，进一步提高了用户体验。
需要说明的是，所述待认证用户的请求可以是但不限于登录请求、支付请求、删除请求、撤销请求或者修改请求等。相应地，所述密钥可以是但不限于登录密钥、支付密钥或者删除密钥等。所述登录请求可以是但不限于登录浏览器上的用户账户的请求(例如登录云桌面的请求)或者登录应用软件上的用户账户的请求。
如图2所示，其为本发明另一个实施例的认证装置的示例性框图。作为本发明的一个实施例，所述认证装置100包括提取单元110、对比单元120和响应单元，其中所述响应单元包括发送单元131和接收单元132。在该实施例中，所述提取单元110用于提取待认证用户的脑电波信号的信号特征；所述对比单元120用于将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本，若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和登录密钥；所述发送单元131用于向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；所述接收单元132用于接收所述云服务器响应于所述云桌面登录请求返回的云桌面。可见，本发明实施例提供的认证装置可以基于用户的脑电信息特征进行身份认证，当认证通过后，便可以直接向云服务器发送云桌面登录请求，继而登录云桌面，这样就提高了用户登录云桌面的安全性以及便利性。
在该实施例中的认证装置可具体实现为终端，例如云终端、个人计算机、手持设备(例如手机、平板电脑)或者可穿戴设备(例如手环、头戴式显示设备)。
需要说明的是，所述用户的脑电波信号通过脑电检测装置采集得到，例如电极帽。所述脑电检测装置与所述认证装置100相连，例如通过蓝牙或者有线通信，从而将采集到的脑电波信号传递给所述认证装置100，所述认证装置100基于所述脑电波信号，并通过提取单元110、对比单元120、发送单元131和接收单元132等实现对用户的身份认证。脑电的认证准确度高于其他的认证方式，脑电识别具有难以复制、唯一性等特点，这样保证了用户登录云桌面的安全性与准确性。
对脑电波的波形分类主要是依据其频率的不同而划分的，通常来说，频率慢的波形，其幅值比较大，而频率快的波形，其幅值比较小。脑电波主要可以分为以下几种类型：δ波，频率为1-3Hz，幅度为20-200μV；θ波，频率为4-7Hz，幅度为5-20μV；α波，频率为8-13Hz(平均数为10Hz)，幅度为20-100μV；β波，频率为14-30Hz，幅度为100-150μV。
所述信号特征样本可以存储在存储器中，该存储器例如可以包括易失性存储器和/或非易失性存储器，例如可以包括只读存储器(ROM)、硬盘、闪存等多种类型的存储装置或存储介质，该信号特征样本可通过专用的处理单元或通用的处理单元操作，例如可由对比单元120操作。
如图3为所示，其为本发明另一个实施例的认证装置的示例性框图。作为本发明的另一个实施例，所述认证装置100包括提取单元110、对比单元120、发送单元131、接收单元132、特征库单元140和关联单元150，所述特征库单元140用于对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本，所述关联单元150用于将用户的信号特征样本与用户的账户信息、密钥进行关联，得到所述预存特征库。所述特征库单元140和关联单元150通过对不同用户分别进行多次学习，确定不同用户各自对应的信号特征样本。需要说明的是，增加学习的次数，可以提高所述信号特征样本的准确性。每个用户的信号特征样本与该用户的账户信息、密钥一一关联，因此，可以通过脑电波信号准确地确定用户的身份，从而保证了用户登录云桌面的安全性与准确性。
在本发明的一些实施例中，为了进一步提高认证的安全性和准确性，每个用户的信号特征样本可以包括多个子信号特征样本，每个子信号特征样本对应于一种类别信息的信号特征。例如，向用户播放音频文件或者视频文件，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本。可选地，所述音频文件可以为摇滚乐或者催眠曲，所述视频文件可以是跳舞的视频、玩游戏的视频或者学习的视频等。例如，还可以向用户显示词汇或者色彩，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本。可选地，所述词汇可以是太阳或者流水等，所述色彩可以是红色或者黑色等。例如，还可以向用户提出想想做一个动作的要求，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本。可选地。所述动作可以是跑步、舞剑或者睡觉等。例如，也可以向用户提出想想一个任务或者实物的要求，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本。所述任务可以是背单词，所述实物可以是足球。因此，经过多次学习，可以获得包括有多个子信号特征样本的信号特征样本，从而提高了身份认证的准确性、多样性和灵活性。
相应地，如图4所示，所述认证装置100还包括提示单元160，所述提示单元160用于在脑电检测装置采集用户的脑电波信号时，提示信号特征样本对应的类别信息。所述提示单元160还用于在对用户产生的脑电波信号的信号特征进行学习时，提示类别信息，那么所述特征库单元140确定所述类别信息对应的信号特征样本。需要说明的是，所述提示单元160提示的类别信息与所述特征库单元140在确定信号特征样本时对应的类别信息是相同的，所述对比单元120基于同一类别特征下，将所述信号特征与预存特征库中的信号特征样本进行比对，从而提高身份认证的准确性。
作为本发明的一个实施例，所述提示单元160用于在脑电检测装置采集用户的脑电波信号时，提示信号特征样本对应的多种不同类别信息中的至少一种。作为本发明的再一个实施例，所述提示单元160用于在脑电检测装置采集用户的脑电波信号时，提示信号特征样本对应的多种不同类别信息。例如，先向用户播放音频文件，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本；然后向用户显示色彩，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本；再向用户提出想想做一个动作的要求，对此时采集到的用户的脑电波信号进行学习，确定用户对应的信号特征样本。所述对比单元120用于将所述提示单元160所提示的类别信息对应的信号特征与预存特征库中的该类别信息对应的子信号特征样本进行逐一比对。
作为本发明的又一个实施例，如图5所示，所述特征库单元140包括分解单元141、第一幅值计算单元142和判断单元143，在该实施例中，所述分解单元141用于将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形，所述第一幅值计算单元142用于计算第一幅值差，所述第一幅值差为所述预设频率范围内的第一子波形与预设的标准波形的幅值差，所述判断单元143用于判断所述第一幅值差是否在第一预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本。可见，所述特征库140通过将脑电波信号分解为多段第一子波形，通过多段第一子波形与标准波形的幅值差的计算，得到信号特征样本，以便于在认证过程中基于所述信号特征样本进行用户身份的认证。
作为本发明的一个实施例，可以按照不同时间段将用户产生的脑电波信号分解为N段(N为大于零的自然数)第一波形，再按照不同时间段将每段第一波形分解为M段(M为大于零的自然数)第二波形，从而将用户产生的脑电波信号分解为多段第一子波形。
所述判断单元143根据所述第一幅值差是否在第一预设幅值差范围内，得到在不同时刻的用户的脑电波信号的信号特征样本，所述信号特征样本为矩阵式的信号特征Im＝[φ(ti)，f]，其中，φ(ti)表示某时刻用户的脑电波信号与标准波形的幅值差，f表示某时刻用户的脑电波信号的频率。因此，矩阵中包括多个特征，每个特征表示某时刻用户的脑电波信号的频率和某时刻用户的脑电波信号与标准波形的幅值差。需要说明的是，所述预设的标准波形为用户自定义的标准波形，以便于以此为参照进行幅值差的计算。
作为本发明的又一个实施例，所述分解单元141用于对用户产生的脑电波信号进行预处理，得到第一模拟波形；然后将所述第一模拟波形分解为多段子模拟波形，提取频率在预设频率范围内的子模拟波形。相应地，在该实施例中，所述第一幅值差为子模拟波形与预设的标准波形的幅值差。将所述用户产生的脑电波信号进行预处理，并以预处理后的模拟波形作为比对对象，可以提高脑电波的波形规整性，提高判断单元143的工作效率，使其能够高效获得有效的信号特征样本。可选地，所述预处理可以包括但不限于去噪、放大等处理，从而得到便于后续信息处理的模拟波形。
参见图6，其为本发明又一个实施例的提取单元的示例性框图。作为本发明的又一个实施例，所述提取单元110包括分段单元111、第二幅值计算单元112和特征判断单元113，其中，所述分段单元111用于获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形，所述第二幅值计算单元112用于计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差，所述特征判断单元113用于判断所述第二幅值差是否在第二预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。可见，所述提取单元110通过将脑电波信号分解为多段第二子波形，通过多段第二子波形与标准波形的幅值差的计算，得到待认证用户的信号特征，以便于将所述待认证用户的信号特征于信号特征样本进行比对，从而进行用户身份的认证。
作为本发明的一个实施例，可以按照不同时间段将待认证用户的脑电波信号分解为R段(R为大于零的自然数)第一波形，再按照不同时间段将每段第一波形分解为S段(S为大于零的自然数)第二波形，从而将待认证用户的脑电波信号分解为多段第一子波形。需要指出的是，R与N可以相同，也可以不同；S与M可以相同，也可以不同；所述第二预设幅值与第一预设幅值可以相同，也可以不同。
所述特征判断单元113根据所述第二幅值差是否在第二预设幅值差范围内，得到在不同时刻的待认证用户的脑电波信号的信号特征，所述信号特征为矩阵式的信号特征Pm＝[φ(ti)，f]，其中，φ(ti)表示某时刻用户的脑电波信号与标准波形的幅值差，f表示某时刻用户的脑电波信号的频率。因此，矩阵中包括多个特征，每个特征表示某时刻待认证用户的脑电波信号的频率和某时刻待认证用户的脑电波信号与标准波形的幅值差。
作为本发明的又一个实施例，所述分段单元111用于对待认证用户的脑电波信号进行预处理，得到第二模拟波形；然后将所述第二模拟波形分解为多段子模拟波形，提取频率在预设频率范围内的子模拟波形。相应地，在该实施例中，所述第二幅值差为子模拟波形与预设的标准波形的幅值差。将所述待认证用户的脑电波信号进行预处理，并以预处理后的模拟波形作为比对对象，可以提高脑电波的波形规整性，提高特征判断单元113的工作效率，使其能够高效获得有效的信号特征。可选地，所述预处理可以包括但不限于去噪、放大等处理，从而得到便于后续信息处理的模拟波形。
作为本发明的再一个实施例，所述对比单元120用于计算所述待认证用户的信号特征与预存特征库中的信号特征样本的相似度，判断所述相似度是否达到预设相似度；若所述相似度达到预设相似度，则从匹配的信号特征样本中提取所述待认证用户的账户信息和密钥。在该实施例中，可以预先设定预设相似度，例如80％、85％或者90％等，当待认证用户的信号特征与预存特征库中的信号特征样本的相似度超过预设相似度时，则认为两者匹配，所述信号特征样本对应的用户的账户信息、密钥。
具体地，所述对比单元120用于将待认证用户的信号特征Pm＝[φ(ti)，f]与预存特征库中的信号特征样本Im＝[φ(ti)，f]进行逐一比对，判断两个矩阵中的每个特征是否相同。所述相似度的计算方法可以是：与待认证用户的信号特征相同的特征个数/信号特征样本中的特征总数。可选地，将信号特征Pm＝[φ(ti)，f]与预存特征库中的信号特征样本Im＝[φ(ti)，f]按照参数在矩阵中的位置一一进行比对，以提高比对的准确性。需要说明的是，判断每个特征是否相同的方法可以有多种，例如将特征中幅值差进行比对，如果两者的相差在一定范围内可以认定两者为相同，本发明对此不作限定。
作为本发明的又一个实施例，所述对比单元120用于计算在某一类别信息下的待认证用户的信号特征与该类别信息对应的信号特征样本的相似度，判断所述相似度是否达到预设相似度；若所述相似度达到预设相似度，则从匹配的信号特征样本中提取所述待认证用户的账户信息和密钥。
参见图7，其为本发明另一个实施例的认证装置的示例性框图。作为本发明的另一个实施例，所述认证装置还可以包括执行单元170，所述执行单元170用于在进入云桌面对应的应用程序的操作界面后，根据用户的脑电波信号的信号特征确定所述信号特征对应的指令，控制所述应用程序执行所述指令。当用户进入云桌面后，所述执行单元170可以根据用户的脑电波信号的信号特征生成用于控制应用程序的指令，例如页面切换指令、文件切换指令、播放前进指令、播放后退指令、文件共享指令、位置共享指令等，所述发送单元131用于向云服务器发送所述指令请求，所述接收单元132用于接收所述云服务器响应于所述请求的操作。在该实施例中，当用户进入云桌面对应的应用程序的操作界面后，可以通过脑电波信号控制应用程序的操作，提高了使用的便利性。
需要说明的是，所述用户的脑电波信号的信号特征与指令之间也要通过预先的多次学习建立相应关系，如前文所述，不再赘述。而且，脑电波信号的信号特征对应的指令也可以根据用户的需要设置，但是都需要预先进行多次学习，是两者建立相对准确的对应关系。
基于同样的发明构思，本发明实施例提供一种认证方法，可以解决同样的技术问题，并取得相同的技术效果。
如图8所示，作为本发明的一个实施例，所述认证方法包括：
步骤81，提取待认证用户的脑电波信号的信号特征；
步骤82，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；
步骤83，基于所述账户信息和密钥，响应于所述待认证用户的请求。
可见，本发明实施例提供的认证方法可以基于用户的脑电信息特征进行身份认证，这样就提高了用户身份认证的安全性以及便利性。当用户的身份认证通过后，所述认证装置可以响应于待认证用户的请求，进一步提高了用户体验。
需要说明的是，所述待认证用户的请求可以是但不限于登录请求、支付请求、删除请求、撤销请求或者修改请求等。相应地，所述密钥可以是但不限于登录密钥、支付密钥或者删除密钥等。所述登录请求可以是但不限于登录浏览器上的用户账户的请求(例如登录云桌面的请求)或者登录应用软件上的用户账户的请求。
如图9所示，作为本发明的一个实施例，所述认证方法包括：
步骤81，提取待认证用户的脑电波信号的信号特征；
步骤82，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和登录密钥；
步骤831，向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
步骤832，接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
可见，本发明实施例提供的认证方法可以基于用户的脑电信息特征进行身份认证，当认证通过后，便可以直接向云服务器发送云桌面登录请求，继而登录云桌面，这样就提高了用户登录云桌面的安全性以及便利性。
在该实施例中的认证方法可以应用于终端，例如云终端、个人计算机、手持设备(例如手机、平板电脑)或者可穿戴设备(例如手环、头戴式显示设备)。
需要说明的是，所述用户的脑电波信号通过脑电检测装置采集得到，例如电极帽。所述认证方法基于脑电检测装置采集得到的脑电波信号进行身份认证，脑电的认证准确度高于其他的认证方式，脑电识别具有难以复制、唯一性等特点，这样保证了用户登录云桌面的安全性与准确性。
如图10为所示，其为本发明另一个实施例的认证方法的示例性框图。作为本发明的另一个实施例，所述认证方法包括：
步骤101，对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本；
步骤102，将用户的信号特征样本与用户的账户信息、登录密钥进行关联，得到所述预存特征库；
步骤103，提取待认证用户的脑电波信号的信号特征；
步骤104，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和登录密钥；
步骤105，向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
步骤106，接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
本发明提供的认证方法通过对不同用户分别进行多次学习，确定不同用户各自对应的信号特征样本。需要说明的是，增加学习的次数，可以提高所述信号特征样本的准确性。每个用户的信号特征样本与该用户的账户信息、登录密钥一一关联，因此，可以通过脑电波信号准确地确定用户的身份，从而保证了用户登录云桌面的安全性与准确性。
在本发明的一些实施例中，为了进一步提高认证的安全性和准确性，每个用户的信号特征样本可以包括多个子信号特征样本，每个子信号特征样本对应于一种类别信息的信号特征。因此，经过多次学习，可以获得包括有多个子信号特征样本的信号特征样本，从而提高了身份认证的准确性、多样性和灵活性。由于其与装置实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
所述步骤101还包括：在脑电检测装置采集用户的脑电波信号时，提示信号特征样本对应的类别信息。所述步骤103还包括：在对用户产生的脑电波信号的信号特征进行学习时，提示类别信息。需要说明的是，所述步骤101中提示的类别信息与所述步骤103中提示的类别信息是相同的，在步骤104所中，基于同一类别信息下，将所述信号特征与预存特征库中的信号特征样本进行比对，从而提高身份认证的准确性。
作为本发明的一个实施例，在步骤101中，在脑电检测装置采集用户的脑电波信号时，可以提示信号特征样本对应的多种不同类别信息中的至少一种。作为本发明的再一个实施例，在步骤101中，在脑电检测装置采集用户的脑电波信号时，还可以提示信号特征样本对应的多种不同类别信息，从而将提示的类别信息对应的信号特征与预存特征库中的该类别信息对应的子信号特征样本进行逐一比对。由于其与装置实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
作为本发明的另一个实施例，如图11所示，所述步骤101可以包括：
步骤1011，将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形；
步骤1012，计算第一幅值差，所述第一幅值差为所述频率在预设频率范围内第一子波形与预设的标准波形的幅值差；
步骤1013，判断所述第一幅值差是否在第一预设幅值差范围内，若是，则执行步骤1014；若否，则执行步骤1012；
步骤1014，确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本。
可见，本发明实施例提供的认证方法通过将脑电波信号分解为多段第一子波形，通过多段第一子波形与标准波形的幅值差的计算，得到信号特征样本，以便于在认证过程中基于所述信号特征样本进行用户身份的认证。
作为本发明的一个实施例，可以按照不同时间段将用户产生的脑电波信号分解为N段(N为大于零的自然数)第一波形，再按照不同时间段将每段第一波形分解为M段(M为大于零的自然数)第二波形，从而将用户产生的脑电波信号分解为多段第一子波形。
在该实施例中，根据所述第一幅值差是否在第一预设幅值差范围内，得到在不同时刻的用户的脑电波信号的信号特征样本，所述信号特征样本为矩阵式的信号特征Im＝[φ(ti)，f]，其中，φ(ti)表示某时刻用户的脑电波信号与标准波形的幅值差，f表示某时刻用户的脑电波信号的频率。因此，矩阵中包括多个特征，每个特征表示某时刻用户的脑电波信号的频率和某时刻用户的脑电波信号与标准波形的幅值差。需要说明的是，所述预设的标准波形为用户自定义的标准波形，以便于以此为参照进行幅值差的计算。
作为本发明的另一个实施例，如图12所示，所述步骤103可以包括：
步骤1031，获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形；
步骤1032，计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差；
步骤1033，判断所述第二幅值差是否在第二预设幅值差范围内，若是，则执行步骤1034；若否，则执行步骤1032；
步骤1034，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。
可见，本发明实施例提供的认证方法通过将脑电波信号分解为多段第二子波形，通过多段第二子波形与标准波形的幅值差的计算，得到待认证用户的信号特征，以便于将所述待认证用户的信号特征于信号特征样本进行比对，从而进行用户身份的认证。
作为本发明的一个实施例，可以按照不同时间段将待认证用户的脑电波信号分解为R段(R为大于零的自然数)第一波形，再按照不同时间段将每段第一波形分解为S段(S为大于零的自然数)第二波形，从而将待认证用户的脑电波信号分解为多段第一子波形。需要指出的是，R与N可以相同，也可以不同；S与M可以相同，也可以不同；所述第二预设幅值与第一预设幅值可以相同，也可以不同。
在该实施例中，根据所述第二幅值差是否在第二预设幅值差范围内，得到在不同时刻的待认证用户的脑电波信号的信号特征，所述信号特征为矩阵式的信号特征Pm＝[φ(ti)，f]，其中，φ(ti)表示某时刻用户的脑电波信号与标准波形的幅值差，f表示某时刻用户的脑电波信号的频率。因此，矩阵中包括多个特征，每个特征表示某时刻待认证用户的脑电波信号的频率和某时刻待认证用户的脑电波信号与标准波形的幅值差。
作为本发明的再一个实施例，如图13所示，所述步骤104包括：
步骤1041，计算所述待认证用户的信号特征与预存特征库中的信号特征样本的相似度，判断所述相似度是否达到预设相似度；若是，则执行步骤1042，若否，则执行步骤103；
步骤1042，所述相似度达到预设相似度，则从匹配的信号特征样本中提取所述待认证用户的账户信息和密钥。
在该实施例中，可以预先设定预设相似度，例如80％、85％或者90％等，当待认证用户的信号特征与预存特征库中的信号特征样本的相似度超过预设相似度时，则认为两者匹配，所述信号特征样本对应的用户的账户信息、密钥。
具体地，将待认证用户的信号特征Pm＝[φ(ti)，f]与预存特征库中的信号特征样本Im＝[φ(ti)，f]进行逐一比对，判断两个矩阵中的每个特征是否相同。所述相似度的计算方法可以是：与待认证用户的信号特征相同的特征个数/信号特征样本中的特征总数。可选地，将信号特征Pm＝[φ(ti)，f]与预存特征库中的信号特征样本Im＝[φ(ti)，f]按照参数在矩阵中的位置一一进行比对，以提高比对的准确性。需要说明的是，判断每个特征是否相同的方法可以有多种，例如将特征中幅值差进行比对，如果两者的相差在一定范围内可以认定两者为相同，本发明对此不作限定。
作为本发明的又一个实施例，所述步骤84可以包括计算在某一类别信息下的待认证用户的信号特征与该类别信息对应的信号特征样本的相似度，判断所述相似度是否达到预设相似度；若所述相似度达到预设相似度，则从匹配的信号特征样本中提取所述待认证用户的账户信息和密钥。
作为本发明的另一个实施例，所述认证方法还可以包括在进入云桌面对应的应用程序的操作界面后，根据用户的脑电波信号的信号特征确定所述信号特征对应的指令，控制所述应用程序执行所述指令。当用户进入云桌面后，可以根据用户的脑电波信号的信号特征生成用于控制应用程序的指令，例如页面切换指令、文件切换指令、播放前进指令、播放后退指令、文件共享指令、位置共享指令等，然后向云服务器发送所述指令请求，最后接收所述云服务器响应于所述请求的操作。在该实施例中，当用户进入云桌面对应的应用程序的操作界面后，可以通过脑电波信号控制应用程序的操作，提高了使用的便利性。
需要说明的是，所述用户的脑电波信号的信号特征与指令之间也要通过预先的多次学习建立相应关系，如前文所述，不再赘述。而且，脑电波信号的信号特征对应的指令也可以根据用户的需要设置，但是都需要预先进行多次学习，是两者建立相对准确的对应关系。
对于方法实施例而言，由于其与装置实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
由此可见，本发明实施例提供的认证装置和认证方法可以基于用户的脑电信息特征进行身份认证，当认证通过后，便可以直接向云服务器发送云桌面登录请求，继而登录云桌面，这样就提高了用户登录云桌面的安全性以及便利性。当用户进入云桌面对应的应用程序的操作界面后，可以通过脑电波信号控制应用程序的操作，提高了使用的便利性。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种认证装置，其特征在于，包括：
提取单元，用于提取待认证用户的脑电波信号的信号特征；
对比单元，用于将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；
响应单元，用于基于所述账户信息和密钥，响应于所述待认证用户的请求。
2.根据权利要求1所述的认证装置，其特征在于，所述响应单元包括：
发送单元，用于向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
接收单元，用于接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
3.根据权利要求1所述的认证装置，其特征在于，还包括：
特征库单元，用于对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本；
关联单元，用于将用户的信号特征样本与用户的账户信息、密钥进行关联，得到所述预存特征库。
4.根据权利要求3所述的认证装置，其特征在于，所述特征库单元包括：
分解单元，用于将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形；
第一幅值计算单元，用于计算第一幅值差，所述第一幅值差为所述频率在预设频率范围内的第一子波形与预设的标准波形的幅值差；
判断单元，用于判断所述第一幅值差是否在第一预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本。
5.根据权利要求1所述的认证装置，其特征在于，所述提取单元包括：
分段单元，用于获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形；
第二幅值计算单元，用于计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差；
特征判断单元，用于判断所述第二幅值差是否在第二预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。
6.根据权利要求1所述的认证装置，其特征在于，将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本，包括：
计算所述待认证用户的信号特征与信号特征样本的相似度，判断所述相似度是否达到预设相似度。
7.一种认证方法，其特征在于，包括：
提取待认证用户的脑电波信号的信号特征；
将所述信号特征与预存特征库中的信号特征样本进行比对，判断是否存在匹配的信号特征样本；若存在匹配的信号特征样本，则根据匹配的信号特征样本提取所述待认证用户的账户信息和密钥；
基于所述账户信息和密钥，响应于所述待认证用户的请求。
8.根据权利要求7所述的认证方法，其特征在于，所述基于所述账户信息和密钥，响应于所述待认证用户的请求，包括：
向云服务器发送云桌面登录请求，所述云桌面登录请求包括所述账户信息和登录密钥；
接收所述云服务器响应于所述云桌面登录请求返回的云桌面。
9.根据权利要求7所述的认证方法，其特征在于，在所述提取待认证用户的脑电波信号的信号特征之前，所述认证方法还包括：
对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本；
将用户的信号特征样本与用户的账户信息、密钥进行关联，得到所述预存特征库。
10.根据权利要求9所述的认证方法，其特征在于，对用户产生的脑电波信号的信号特征进行学习，确定用户对应的信号特征样本，包括：
将用户产生的脑电波信号分解为多段第一子波形，提取频率在预设频率范围内的第一子波形；
计算第一幅值差，所述第一幅值差为所述频率在预设频率范围内的第一子波形与预设的标准波形的幅值差；
判断所述第一幅值差是否在第一预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第一子波形的频率以及所述第一幅值差为用户对应的信号特征样本；和/或，
所述提取待认证用户的脑电波信号的信号特征，包括：
获取待认证用户的脑电波信号，将所述待认证用户的脑电波信号分解为多段第二子波形，提取频率在预设频率范围内的第二子波形；
计算第二幅值差，所述第二幅值差为所述频率在预设频率范围内的第二子波形与预设的标准波形的幅值差；
判断所述第二幅值差是否在第二预设幅值差范围内，若是，则确定所述频率在预设频率范围内的第二子波形的频率以及所述第二幅值差为待认证用户的信号特征。
CN201710711838.5A 2017-08-18 2017-08-18 认证装置和认证方法 Pending CN107277075A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710711838.5A CN107277075A (zh) 2017-08-18 2017-08-18 认证装置和认证方法
US16/023,064 US10819703B2 (en) 2017-08-18 2018-06-29 Device and method for authentication

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710711838.5A CN107277075A (zh) 2017-08-18 2017-08-18 认证装置和认证方法

Publications (1)

Publication Number Publication Date
CN107277075A true CN107277075A (zh) 2017-10-20

Family

ID=60080418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710711838.5A Pending CN107277075A (zh) 2017-08-18 2017-08-18 认证装置和认证方法

Country Status (2)

Country Link
US (1) US10819703B2 (zh)
CN (1) CN107277075A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108974A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 支付方法及装置和电子设备
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
CN108234130A (zh) * 2017-12-04 2018-06-29 阿里巴巴集团控股有限公司 身份验证方法及装置和电子设备
CN108492106A (zh) * 2018-03-14 2018-09-04 广东欧珀移动通信有限公司 安全支付方法及相关产品
CN110278323A (zh) * 2018-03-13 2019-09-24 广东欧珀移动通信有限公司 网络隐藏管理方法及相关产品

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11093038B2 (en) 2019-05-14 2021-08-17 Synchron Australia Pty Limited Systems and methods for generic control using a neural signal
EP4048371A4 (en) 2019-10-29 2024-03-13 Synchron Australia Pty Ltd SYSTEMS AND METHODS FOR CONFIGURING A BRAIN CONTROL INTERFACE USING DATA FROM DEPLOYED SYSTEMS
JP2021089635A (ja) * 2019-12-05 2021-06-10 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
EP4111294A4 (en) * 2020-04-01 2024-03-20 Synchron Australia Pty Ltd SYSTEMS AND METHODS FOR CONTROLLING A DEVICE USING DETECTED CHANGES IN A NERVE RELATED SIGNAL
KR102522391B1 (ko) * 2021-06-21 2023-04-17 고려대학교 산학협력단 발화상상에 따른 뇌파 신호를 이용한 사용자 인증 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063866A1 (en) * 2007-08-29 2009-03-05 Jiri Navratil User authentication via evoked potential in electroencephalographic signals
CN103310142A (zh) * 2013-05-22 2013-09-18 复旦大学 基于可穿戴设备的人机融合安全认证方法
CN106137187A (zh) * 2016-07-15 2016-11-23 广州视源电子科技股份有限公司 一种脑电状态检测方法及装置
CN106778186A (zh) * 2017-02-14 2017-05-31 南方科技大学 一种用于虚拟现实交互设备的身份识别方法及装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4279258A (en) * 1980-03-26 1981-07-21 Roy John E Rapid automatic electroencephalographic evaluation
US7721109B1 (en) * 2000-07-28 2010-05-18 Verizon Business Global Llc Secure transaction card using biometrical validation
EP1820444B1 (en) * 2006-02-17 2011-09-21 General Electric Company Detection of epileptiform activity
WO2009073634A1 (en) * 2007-11-30 2009-06-11 Emsense Corporation Correlating media instance information with physiological responses from participating subjects
US8326408B2 (en) * 2008-06-18 2012-12-04 Green George H Method and apparatus of neurological feedback systems to control physical objects for therapeutic and other reasons
US9477826B2 (en) * 2010-11-29 2016-10-25 Biocatch Ltd. Device, system, and method of detecting multiple users accessing the same account
CN103190902B (zh) * 2012-01-06 2017-08-04 无极技术公司 利用脑波频率数据和交互式多媒体显示来确定、监控及分析个人化响应变量的方法和系统
US20170164878A1 (en) * 2012-06-14 2017-06-15 Medibotics Llc Wearable Technology for Non-Invasive Glucose Monitoring
WO2014102722A1 (en) * 2012-12-26 2014-07-03 Sia Technology Ltd. Device, system, and method of controlling electronic devices via thought
US9160743B2 (en) * 2013-02-12 2015-10-13 Qualcomm Incorporated Biometrics based electronic device authentication and authorization
US9432361B2 (en) * 2013-03-13 2016-08-30 Lookout, Inc. System and method for changing security behavior of a device based on proximity to another device
US9326086B2 (en) * 2014-02-21 2016-04-26 City University Of Hong Kong Neural induced enhancement of audio signals
RU2016152296A (ru) * 2014-05-30 2018-07-04 Дзе Риджентс Оф Дзе Юниверсити Оф Мичиган Нейрокомпьютерный интерфейс, содействующий точному выбору ответов из множества вариантов и идентификации изменения состояния
US9703952B2 (en) * 2014-07-07 2017-07-11 University Of Ontario Institute Of Technology Device and method for providing intent-based access control
KR101687321B1 (ko) * 2015-03-05 2016-12-16 주식회사 프라센 수면 유도 장치 및 이를 포함하는 수면 관리 시스템
US10341339B2 (en) * 2015-10-21 2019-07-02 Harman International Industries, Incorporated Techniques for hearable authentication
US9672760B1 (en) * 2016-01-06 2017-06-06 International Business Machines Corporation Personalized EEG-based encryptor
US10482227B2 (en) * 2017-03-28 2019-11-19 International Business Machines Corporation Electroencephalography (EEG) based authentication

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090063866A1 (en) * 2007-08-29 2009-03-05 Jiri Navratil User authentication via evoked potential in electroencephalographic signals
US20150238122A1 (en) * 2007-08-29 2015-08-27 International Business Machines Corporation User authentication via evoked potential in electroencephalographic signals
CN103310142A (zh) * 2013-05-22 2013-09-18 复旦大学 基于可穿戴设备的人机融合安全认证方法
CN106137187A (zh) * 2016-07-15 2016-11-23 广州视源电子科技股份有限公司 一种脑电状态检测方法及装置
CN106778186A (zh) * 2017-02-14 2017-05-31 南方科技大学 一种用于虚拟现实交互设备的身份识别方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108108974A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 支付方法及装置和电子设备
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
CN108234130A (zh) * 2017-12-04 2018-06-29 阿里巴巴集团控股有限公司 身份验证方法及装置和电子设备
EP3647976A4 (en) * 2017-12-04 2020-11-04 Alibaba Group Holding Limited CONNECTION PROCESS AND APPARATUS, AND ELECTRONIC DEVICE
US11132430B2 (en) 2017-12-04 2021-09-28 Advanced New Technologies Co., Ltd. Login method and apparatus and electronic device
CN110278323A (zh) * 2018-03-13 2019-09-24 广东欧珀移动通信有限公司 网络隐藏管理方法及相关产品
CN108492106A (zh) * 2018-03-14 2018-09-04 广东欧珀移动通信有限公司 安全支付方法及相关产品

Also Published As

Publication number Publication date
US10819703B2 (en) 2020-10-27
US20190058703A1 (en) 2019-02-21

Similar Documents

Publication Publication Date Title
CN107277075A (zh) 认证装置和认证方法
CN109509021B (zh) 基于行为轨迹的异常识别方法、装置、服务器及存储介质
Dal Seno et al. Online detection of P300 and error potentials in a BCI speller
US11443755B1 (en) Automated voice assistant personality selector
CN109199414A (zh) 一种基于脑电信号的视听诱发情绪识别方法及系统
CN104731971A (zh) 一种校园个性化掌上服务及用户行为习惯分析的实现方法
CN111295673B (zh) 神经反应检测器
CN108805035A (zh) 基于手势识别的教学互动方法以及装置
CN103258157A (zh) 一种基于手指信息的在线笔迹认证方法及系统
CN111883122A (zh) 语音识别方法及装置、存储介质、电子设备
CN110689078A (zh) 基于人格分类模型的人机交互方法、装置及计算机设备
CN104951807A (zh) 股市情绪的确定方法和装置
CN107135253A (zh) 一种直播课程问题解答方法、系统及服务器
CN109903053A (zh) 一种基于传感器数据进行行为识别的反欺诈方法
Li et al. Learning cross‐modal visual‐tactile representation using ensembled generative adversarial networks
CN107491991A (zh) 基于晃动的人机识别方法及应用其的广告投放方法和系统
CN112860213B (zh) 音频的处理方法和装置、存储介质及电子设备
CN110427971A (zh) 用户及ip的识别方法、装置、服务器和存储介质
CN113095839A (zh) 认证方式的推荐方法、装置、设备及存储介质
CN110636362B (zh) 图像处理方法、装置、系统及电子设备
CN111831991A (zh) 输入操作检测方法、装置、计算设备和介质
CN111680514A (zh) 信息处理和模型训练方法、装置、设备及存储介质
CN111967333B (zh) 一种信号生成方法、系统、存储介质及脑机接口拼写器
CN114569142A (zh) 基于类脑计算的手势识别方法、系统及手势识别装置
CN113628077A (zh) 生成不重复考题的方法、终端及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020