CN109614844B - 一种链路验证方法、装置及设备 - Google Patents

一种链路验证方法、装置及设备 Download PDF

Info

Publication number
CN109614844B
CN109614844B CN201811203345.1A CN201811203345A CN109614844B CN 109614844 B CN109614844 B CN 109614844B CN 201811203345 A CN201811203345 A CN 201811203345A CN 109614844 B CN109614844 B CN 109614844B
Authority
CN
China
Prior art keywords
biometric
biological characteristic
biological
server
expected
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.)
Active
Application number
CN201811203345.1A
Other languages
English (en)
Other versions
CN109614844A (zh
Inventor
张义
刘进平
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies 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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201811203345.1A priority Critical patent/CN109614844B/zh
Publication of CN109614844A publication Critical patent/CN109614844A/zh
Application granted granted Critical
Publication of CN109614844B publication Critical patent/CN109614844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31User authentication
    • G06F21/32User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00Payment architectures, schemes or protocols
    • G06Q20/38Payment protocols; Details thereof
    • G06Q20/40Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401Transaction verification
    • G06Q20/4014Identity check for transactions
    • G06Q20/40145Biometric identity checks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris
    • G06V40/197Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Ophthalmology & Optometry (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请公开了一种链路验证方法、装置及设备。该方法包括:客户端的生物特征采集功能被触发时,客户端从预建立的生物特征数据库中选取至少一个生物特征,并确定该至少一个生物特征对应的预期识别结果;然后,将该至少一个生物特征及其预期识别结果发送给服务器,以供验证服务器的生物识别功能。

Description

一种链路验证方法、装置及设备
技术领域
本申请涉及计算机技术领域,尤其涉及一种链路验证方法、装置及设备。
背景技术
生物特征识别技术,是指通过计算机利用人体所固有的生理特征或行为特征来进行个人身份鉴定的技术。
在生物识别功能应用之前或之后,均需要对生物识别功能进行验证,以确定其识别准确度是否能够满足业务要求,并基于验证结果优化生物识别算法,进而避免出现无法识别、识别错误等问题。
因此,需要更加可靠的生物识别功能验证方案。
发明内容
本说明书实施例提供一种链路验证方法,用于从客户端发起生物识别功能的自动化验证,以提高验证链路的完整度和自动化程度。
本说明书实施例还提供一种链路验证方法,包括:
确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定所述至少一个生物特征对应的预期识别结果;
向服务器发送生物识别请求,所述生物识别请求携带所述至少一个生物特征和所述预期识别结果,以供验证所述服务器的生物识别功能。
本说明书实施例还提供一种链路验证方法,包括:
接收客户端发送的生物识别请求,所述生物识别请求携带至少一个生物特征和所述至少一个生物特征对应的预期识别结果,所述至少一个生物特征为所述客户端确定生物特征采集功能被触发时从生物特征数据库中选取的;
识别所述至少一个生物特征,得到实际识别结果;
基于所述实际识别结果和所述预期识别结果,验证服务器的生物识别功能。
本说明书实施例还提供一种链路验证装置,包括:
选取模块,用于确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定模块,用于确定所述至少一个生物特征对应的预期识别结果;
发送模块,用于将所述至少一个生物特征和所述预期识别结果发送给服务器,以供验证所述服务器的生物识别功能。
本说明书实施例还提供一种链路验证装置,包括:
接收模块,用于接收客户端发送的至少一个生物特征和所述至少一个生物特征对应的预期识别结果,所述至少一个生物特征为所述客户端确定生物特征采集功能被触发时从生物特征数据库中选取的;
识别模块,用于识别所述至少一个生物特征,得到实际识别结果;
确定模块,用于基于所述实际识别结果和所述预期识别结果,验证服务器的生物识别功能。
本说明书实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述的链路验证方法的步骤。
本说明书实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的链路验证方法的步骤。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过确定客户端的生物识别场景被触发后,由客户端从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。与现有技术中,单纯在服务器侧进行的生物识别功能验证方案相比,通过从客户端侧发起生物识别功能的自动化验证,能够有效提高自动化验证链路完整度和自动化程度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书提供的一种应用场景的示意图;
图2为本说明书一实施例提供的一种链路验证方法的流程示意图;
图3为本说明书另一实施例提供的一种链路验证方法的流程示意图;
图4为本说明书一实施例提供的生物初步识别步骤的流程示意图;
图5为本说明书又一实施例提供的一种链路验证方法的流程示意图;
图6为本说明书一实施例提供的一种链路验证装置的结构示意图;
图7为本说明书另一实施例提供的一种链路验证装置的结构示意图;
图8为本说明书一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
结合背景技术部分的陈述,目前的生物识别功能的方案包括:
方案1、在生物识别服务器单侧进行生物识别功能的验证;
缺点:该方案并未涉及客户端,验证链路不完整,而且与真实的用户行为存在较大差异;
方案2、人为暴露合法的生物特征和非法的生物特征给生物识别算法,以验证生物识别功能的准确性;
缺点:该方案需要人为参与生物特征的采集,存在验证效率较低的问题。
基于此,本发明提供一种验证方法,通过确定客户端的生物识别场景被触发后,模拟用户行为从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。由此,可通过从客户端侧发起生物识别功能的自动化验证,达到提高自动化验证链路完整度和自动化程度的目的。
其中,客户端或称为用户端,是指与服务器相对应,为客户提供本地服务的程序,除了一些只在本地运行的应用程序之外,一般安装在普通的客户机上,需要与服务端互相配合运行;服务器是指为用户端提供数据存储、数据计算等服务的高性能计算机。
客户机可以为PC端,也可以为移动终端;PC端是指个人计算机,一般是指台式电脑;移动终端或者叫移动通信终端是指可以在移动中使用的计算机设备,广义的讲包括手机、笔记本、平板电脑、POS机甚至包括车载电脑。但是大部分情况下是指手机或者具有多种应用功能的智能手机以及平板电脑。
下面参见图1对本发明的应用场景进行示例性说明。
该应用场景包括:客户端110和服务器120;客户端110一般是指调试版本的客户端,包括:存储组件111、触发组件112和消息组件113;服务器120包括:处理组件121和生物识别组件122;其中:
存储组件111,用于存储验证之前或验证过程中,采集的合法生物特征和/或非法生物特征;
其中,合法生物特征是指质量达标的、预期可被生物识别算法准确识别的生物特征数据,例如:用户人脸特征清洗、口鼻无遮挡等;非法生物特征是指质量不达标、预期无法被生物识别算法准确识别的生物特征数据,例如:其他用户的生物特征、风景图、噪声图等。
触发组件112,用于模拟用户行为,操作客户端进入生物识别场景,进而触发生物特征采集功能;
其中,生物识别场景包括:刷脸改密、虹膜支付等等。
消息组件113,用于在检测到客户端进入生物识别场景时,从存储组件111中选出一个或多个生物特征,并将其预期识别结果一并发送给服务器120;
生物识别组件122、用于基于生物识别算法,对来自客户端的生物特征进行识别处理,得到实际识别结果;
处理组件121,用于对比同一生物特征的实际识别结果和预期识别结果,以验证生物识别算法的识别准确度。
需要说明的是,本应用场景提供的验证过程可以是指客户端发布之前,针对调试版本的客户端进行的生物识别功能测试过程,也可以是在客户端发布之后,针对发布版本的客户端进行的生物识别功能优化过程。为便于后续描述,下面以对调试版本的客户端进行的测试为例。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图2为本说明书一实施例提供的一种链路验证方法的流程示意图,该方法可由图1中的客户端执行,参见图2,该方法具体可以包括如下步骤:
步骤220、确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
其中,生物特征采集功能是指用于采集生物特征的功能程序,包括:声波采集程序、人脸采集程序、虹膜采集程序等等。
不难理解的是,在步骤220之前还包括:触发生物特征采集功能的步骤和建立生物特征数据库的步骤;其中:
触发生物特征采集功能的步骤的实现方式可以为:
客户端在确定验证过程开始时,从脚本文件库中选取目标脚本文件,并自动执行该目标脚本文件;
其中,所述脚本文件库用于保存模拟用户行为以触发生物特征采集功能的脚本文件。具体可以示例为:
客户端接收服务器发送的开始验证指示,以确定开启验证过程;然后,客户端从预建立的脚本文件库中随机选取一个脚本文件,作为目标脚本文件;自动执行该目标脚本文件,以模拟用户行为自动操作客户端,触发生物特征采集功能,达到进一步提高验证自动化程度的目的。
其中,脚本文件库用于保存客户端的各个生物特征采集功能的触发脚本文件,例如:登录时生物特征采集功能的触发脚本文件、支付时生物特征采集功能的触发脚本文件等等;选取脚本文件的规则可以为随机选取,以确保登录-验证的链路、支付-验证的链路等都能被验证到,进而达到尽可能使得链路更完整的目的。
基于此,步骤220的一种实现方式可以为:
确定所述目标脚本文件对应的生物特征采集场景;从生物特征数据库中选取所述生物特征采集场景关联的至少一个生物特征。
其中,生物特征采集场景包括:登录时的采集场景、支付时的采集场景等,分别与登录时生物特征采集功能的触发脚本文件、支付时生物特征采集功能的触发脚本文件等相对应。
而且,不难理解的是,不同生物特征采集场景所需采集的生物特征可能并不相同,例如:登录时的采集场景需要采集的生物特征为指纹、支付时的采集场景需要采集的生物特征为人脸。基于此,步骤220的本实现方式具体可以示例为:
若确定目标脚本文件对应的生物特征采集场景为登录时的采集场景,则从生物特征数据库中选取出指纹类的至少一个生物特征;若确定目标脚本文件对应的生物特征采集场景为支付时的采集场景,则从生物特征数据库中选取出人脸类的至少一个生物特征。
另外,建立生物特征数据库的步骤可以为:
采集至少一个参考生物特征,以及,至少一个对照生物特征,并存入生物特征数据库;
其中,参考生物特征为可识别的、合法的生物特征,例如:目标用户正常的人脸特征、虹膜特征等;对照生物特征为不可识别的、非法的生物特征,例如:其他用户的人脸特征、噪声图等。
基于此,步骤220中的至少一个生物特征包括:参考生物特征和/或对照生物特征。即,可能都是参考生物特征,也可能都是对着生物特征,也可能既有参考生物特征也有对着生物特征。
步骤240、确定所述至少一个生物特征对应的预期识别结果;其实现方式可以为:
确定所述至少一个生物特征中的参考生物特征对应的预期识别结果为通过;确定所述至少一个生物特征中的对照生物特征对应的预期识别结果为未通过。
不难理解的是,在建立生物特征数据库的过程中,可为库中的每个生物特征配置一预期识别结果,并建立生物特征标识和预期识别结果之间的关联关系。进而,在选取出某生物特征后,可直接该关联关系确定该生物特征的预期识别结果。
步骤260、向服务器发送生物识别请求,所述生物识别请求携带所述至少一个生物特征和所述预期识别结果,以供验证所述服务器的生物识别功能。
即,服务器响应该生物识别请求,识别该至少一个生物特征,得到实际识别结果,并对比实际识别结果和预期识别结果是否相匹配,若是,则确定识别正确,否则确定识别错误。
基于此,客户端重复向服务器发送生物识别请求,以供服务器识别预设数量的生物特征,并统计分析服务器的生物识别功能的识别准确率。
可选的,若完成第一次的预设数量的生物特征的验证任务后,服务器确定生物识别功能的识别准确率未达标,则可继续进行第二次的验证任务,以核实验证结果是否正确;也可在对服务器的生物识别算法优化后,再进行第二次的验证任务。该第二次的验证任务的实现方式可以为:
客户端接收所述服务器发送的重试指示,所述重试指示为所述服务器确定生物识别功能未通过验证时发送的;基于所述重试指示,从所述生物特征数据库中重选至少一个生物特征并提供给所述服务器。具体可以示例为:
第一次的验证任务时,客户端选取了第一类的生物特征(例如:人脸),则在第二次的验证任务时,可重选第二类的生物特征(例如:虹膜),并将其预期识别结果一并发送给服务器,以供服务器基于生物识别算法识别第二类的生物特征,并再次统计分析识别准确率。
可见,本实施例通过确定客户端的生物识别场景被触发后,由客户端从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。与现有技术中,单纯在服务器侧进行的生物识别功能验证方案相比,通过从客户端侧发起生物识别功能的自动化验证,能够达到提高自动化验证链路完整度和自动化程度的目的。而且,本实施例无需对着一个个活体采集生物特征,而是直接将预采集的活体数据发送给生物识别算法,以实现自动验证。
图3为本说明书另一实施例提供的一种链路验证方法的流程示意图,该方法可由图1中的客户端110执行,参见图3,该方法具体可以包括如下步骤:
步骤320、确定生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
步骤340、确定所述至少一个生物特征对应的预期识别结果;
需要说明的是,步骤320和步骤340分别与图2对应的实施例中的步骤220和步骤240相对应,其实现方式也对应相似,故,此处不再对步骤320和步骤340进行赘述。
步骤360、初步识别所述至少一个生物特征,得到初步识别结果;
即,本实施例在将生物特征发送给服务器,以验证服务器的生物识别功能之前,还进一步地,验证客户端的生物初步识别功能,以进一步地增加生物识别功能验证链路的完整性。
步骤380、基于所述预期识别结果和所述初步识别结果,验证所述客户端的生物初步识别功能。其一种实现方式可以为:
若确定所述预期识别结果和所述初步识别结果相匹配,则确定识别正确;若确定所述预期识别结果和所述初步识别结果不匹配,则确定识别错误;统计分析初步识别的各生物特征的识别正确率,并判断识别正确率是否达标,若是,则确定客户端的生物初步识别功能通过验证,否者确定未通过验证。
下面假设所述至少一个生物特征包括:第一生物特征,所述第一生物特征为所属生物特征样本集中样本质量最优的,结合图4,对步骤380的实现方式进行示例性说明:
步骤402、消息组件向初步识别组件发送第一生物特征;
即,通过在调试版本的客户端中添加消息组件,以便在触发生物特征采集功能时,广播第一生物特征。
步骤404、识别组件初步识别所述第一生物特征,并将初步识别结果发送给监控组件;
步骤406、监控组件确定第一生物特征的预期识别结果,并对比所述第一生物特征的初步识别结果和预期识别结果,以确定两者是否相匹配;
若是,则确定初步识别正确并执行步骤408;若否,则确定初步识别错误并执行步骤410;
步骤408、监控组件向消息组件发送第一指令,以指示消息组件基于样本质量,选取所述生物特征样本集中的其他生物特征;其一种实现方式可以为:
消息组件逐步降低生物特征的质量要求,以继续选取该生物特征样本集中的其他生物特征,并发送给识别组件。
其中,生物特征的质量可由现有的生物特征样本质量检测技术进行评分,具体评分标准此处不做限定。
步骤410、监控组件向消息组件发送第二指令,以指示消息组件终止选取所述生物特征样本集中的其他生物特征。
即,由于该生物特征样本集中质量最高的第一生物特征都无法正确识别,其他的质量较次的生物特征显然也是无法正确识别的,故,监控组件向消息组件发送第二指令,以指示消息组件从其他生物特征样本集中选取生物特征样本。
步骤412、重复执行上述步骤,以完成对各个生物特征样本集的生物特征的识别,并统计分析对多个生物特征的识别结果,得到客户端的生物初步识别功能的识别准确度;
步骤414、确定识别准确度是否达到预设准确度阈值;
若是,则确定生物初步识别功能通过验证;若否,则确定生物初步识别功能未通过验证。
可选的,若确定所述初步识别结果和所述预期结果相匹配,即客户端的生物初步识别功能正确识别出该第一生物特征,则向服务器发送生物识别请求,该生物识别请求携带第一生物特征及其预期识别结果,以供验证服务器的生物识别功能。
可见,本实施例相对于图2对应的实施例,在向服务器发送生物特征识别请求以验证服务器的生物识别功能之前,先验证客户端侧的生物初步识别功能,并在初步正确识别出生物特征后,再将该生物特征发送给服务器以验证试服务器的深度的生物识别功能,能够进一步地确保自动化验证链路的完整度;而且,本实施例还进一步地引入生物特征的样本质量概念,以在样本质量较高的生物特征被正确识别后,才允许对相关的、样本质量较差的生物特征进行识别,否则不再对相关的、样本质量较差的生物特征进行识别,以避免进行无效的验证任务,从而达到提高验证效率的目的。
图5为本说明书又一实施例提供的一种链路验证方法的流程示意图,该方法可由图1中的服务器120执行,参见图5,该方法具体可以包括如下步骤:
步骤520、接收客户端发送的生物识别请求,所述生物识别请求携带至少一个生物特征和所述至少一个生物特征对应的预期识别结果,所述至少一个生物特征为所述客户端确定生物特征采集功能被触发时从生物特征数据库中选取的;
步骤540、识别所述至少一个生物特征,得到实际识别结果;
步骤560、基于所述实际识别结果和所述预期识别结果,验证服务器的生物识别功能。其一种实现方式可以为:
基于所述实际识别结果和所述预期识别结果,确定服务器的生物识别功能的识别准确度;
若所述识别准确度达到预设准确度阈值,则确定生物识别功能通过验证;否则确定未通过验证。
另外,若生物识别功能未通过验证,则向所述客户端发送重试指示,以使所述客户端重新提供至少一个生物特征并重新验证生物识别功能。
对于本实施例中的相关步骤,由于已在图2和图3对于的实施例中进行了相关描述,故,此处不再对其赘述。
可见,本实施例通过确定客户端的生物识别场景被触发后,由客户端从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。与现有技术中,单纯在服务器侧进行的生物识别功能验证方案相比,通过从客户端侧发起生物识别功能的自动化验证,能够有效提高自动化验证链路完整度和和自动化程度的目的。
另外,对于上述方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施方式并不受所描述的动作顺序的限制,因为依据本发明实施方式,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于优选实施方式,所涉及的动作并不一定是本发明实施方式所必须的。
图6为本说明书一实施例提供的一种链路验证装置的结构示意图,参见图6,该装置具体可以包括:选取模块610、确定模块620和发送模块630,其中:
选取模块610,用于确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定模块620,用于确定所述至少一个生物特征对应的预期识别结果;
发送模块630,用于将所述至少一个生物特征和所述预期识别结果发送给服务器,以供客户端的所述服务器的生物识别功能。
可选的,装置还包括:
触发模块,用于当验证开始时从脚本文件库中选取目标脚本文件,并自动执行所述目标脚本文件;
其中,所述脚本文件库用于保存模拟用户行为以触发生物特征采集功能的脚本文件。
可选的,选取模块610,具体用于:
确定所述目标脚本文件对应的生物特征采集场景,从生物特征数据库中选取所述生物特征采集场景关联的至少一个生物特征。
可选的,装置还包括:
建库模块,用于采集至少一个参考生物特征,以及,至少一个对照生物特征,并存入生物特征数据库;
其中,参考生物特征为可识别的生物特征,对照生物特征为不可识别的生物特征。
可选的,所述至少一个生物特征包括:参考生物特征和/或对照生物特征;
其中,确定模块620,具体用于:
确定所述至少一个生物特征中的参考生物特征对应的预期识别结果为通过;确定所述至少一个生物特征中的对照生物特征对应的预期识别结果为未通过。
可选的,装置还包括:
重验证模块,用于接收所述服务器发送的重试指示,所述重试指示为所述服务器确定生物识别功能未通过验证时发送的;基于所述重试指示,从所述生物特征数据库中重选至少一个生物特征并提供给所述服务器。
可选的,装置还包括:
初步验证模块,用于初步识别所述至少一个生物特征,得到初步识别结果;若确定所述初步识别结果和所述预期结果相匹配,则允许发送生物识别请求。
可选的,所述至少一个生物特征包括:第一生物特征,所述第一生物特征为所属生物特征样本集中样本质量最优的;
所述初步验证模块,具体用于:
若确定所述第一生物特征的初步识别结果和预期结果相匹配,则基于样本质量,选取所述生物特征样本集中的其他生物特征;
若确定所述第一生物特征的初步识别结果和所述预期结果不相匹配,则终止选取所述生物特征样本集中的其他生物特征。
可选的,初步验证模块,还用于:
确定所述客户端的生物初步识别功能的识别准确度;若所述识别准确度达到预设准确度阈值,则确定生物初步识别功能通过验证;否则确定未通过验证。
可见,本实施例通过确定客户端的生物识别场景被触发后,由客户端从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。与现有技术中,单纯在服务器侧进行的生物识别功能验证方案相比,通过从客户端侧发起生物识别功能的自动化验证,能够达到提高自动化验证链路完整度和和自动化程度的目的。
而且,本实施例在向服务器发送生物特征识别请求以验证服务器的生物识别功能之前,先验证客户端侧的生物初步识别功能,并在初步正确识别出生物特征后,再将该生物特征发送给服务器以验证服务器的深度的生物识别功能,能够进一步地确保自动化验证链路的完整度;以及,本实施例还进一步地引入生物特征的样本质量概念,以在样本质量较高的生物特征被正确识别后,才允许对相关的、样本质量较差的生物特征进行识别,否则不再对相关的、样本质量较差的生物特征进行识别,以避免进行无效的验证任务,从而达到提高验证效率的目的。
图7为本说明书另一实施例提供的一种链路验证装置的结构示意图,参见图7,该装置具体可以包括:接收模块710、识别模块720和确定模块730,其中:
接收模块710,用于接收客户端发送的至少一个生物特征和所述至少一个生物特征对应的预期识别结果,所述至少一个生物特征为所述客户端确定生物特征采集功能被触发时从生物特征数据库中选取的;
识别模块720,用于识别所述至少一个生物特征,得到实际识别结果;
确定模块730,用于基于所述实际识别结果和所述预期识别结果,验证服务器的生物识别功能。
可选的,确定模块730,具体用于:
基于所述实际识别结果和所述预期识别结果,确定服务器的生物识别功能的识别准确度;若所述识别准确度达到预设准确度阈值,则确定生物识别功能通过验证;否则确定未通过验证。
可选的,装置还包括:
重验证模块,用于确定生物识别功能未通过验证时,向所述客户端发送重试指示,以使所述客户端重新提供至少一个生物特征并重新验证生物识别功能。
可见,本实施例通过确定客户端的生物识别场景被触发后,由客户端从预建立的生物特征数据库中选取生物特征并确定其预期识别结果,进而向服务器发起生物识别请求,以供服务器基于选取的生物特征及其预期识别结果验证生物识别功能。与现有技术中,单纯在服务器侧进行的生物识别功能验证方案相比,通过从客户端侧发起生物识别功能的自动化验证,能够达到提高自动化验证链路完整度和自动化程度的目的。
另外,对于上述装置实施方式而言,由于其与方法实施方式基本相似,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。而且,应当注意的是,在本发明的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合。
图8为本说明书一实施例提供的一种电子设备的结构示意图,参见图8,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成链路验证装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器。
处理器,用于执行所述存储器存放的程序,并具体执行:
确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定所述至少一个生物特征对应的预期识别结果;
向服务器发送生物识别请求,所述生物识别请求携带所述至少一个生物特征和所述预期识别结果,以供验证所述服务器的生物识别功能。
或者,
接收客户端发送的生物识别请求,所述生物识别请求携带至少一个生物特征和所述至少一个生物特征对应的预期识别结果,所述至少一个生物特征为所述客户端确定生物特征采集功能被触发时从生物特征数据库中选取的;
识别所述至少一个生物特征,得到实际识别结果;
基于所述实际识别结果和所述预期识别结果,验证服务器的生物识别功能。
上述如本申请图6-7所示实施例揭示的链路验证装置或管理者(Master)节点执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
链路验证装置还可执行图2-5的方法,并实现管理者节点执行的方法。
基于相同的发明创造,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行图2-5对应的实施例提供的链路验证方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (4)

1.一种链路验证方法,应用于客户端,包括:
确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定所述至少一个生物特征对应的预期识别结果;
向服务器发送生物识别请求,所述生物识别请求携带所述至少一个生物特征和所述预期识别结果,以供验证所述服务器的生物识别功能,其中,所述生物识别请求用于提供至所述服务器以基于所述至少一个生物特征和所述预期识别结果执行生物识别功能的验证;
当验证开始时从脚本文件库中选取目标脚本文件,并自动执行所述目标脚本文件,所述脚本文件库用于保存模拟用户行为以触发生物特征采集功能的脚本文件;
其中,从生物特征数据库中选取至少一个生物特征包括:
确定所述目标脚本文件对应的生物特征采集场景;
从生物特征数据库中选取所述生物特征采集场景关联的至少一个生物特征;
其中,在从生物特征数据库中选取至少一个生物特征之前,还包括:
采集至少一个参考生物特征,以及,至少一个对照生物特征,并存入生物特征数据库,其中,参考生物特征为可识别的生物特征,对照生物特征为不可识别的生物特征;
其中,所述至少一个生物特征包括:参考生物特征和/或对照生物特征;
其中,确定所述至少一个生物特征对应的预期识别结果包括:
确定所述至少一个生物特征中的参考生物特征对应的预期识别结果为通过;
确定所述至少一个生物特征中的对照生物特征对应的预期识别结果为未通过;
其中,向服务器发送生物识别请求之前,还包括:
初步识别所述至少一个生物特征,得到初步识别结果;
若确定所述初步识别结果和所述预期识别结果相匹配,则允许发送生物识别请求;
其中,所述至少一个生物特征包括:第一生物特征,所述第一生物特征为所属生物特征样本集中样本质量最优的;
所述方法还包括:
若确定所述第一生物特征的初步识别结果和预期识别结果相匹配,则基于样本质量,选取所述生物特征样本集中的其他生物特征;
若确定所述第一生物特征的初步识别结果和所述预期识别结果不相匹配,则终止选取所述生物特征样本集中的其他生物特征;
其中,所述方法还包括:
确定所述客户端的生物初步识别功能的识别准确度;
若所述识别准确度达到预设准确度阈值,则确定生物初步识别功能通过验证;否则确定未通过验证;
其中,所述方法还包括:
接收所述服务器发送的重试指示,所述重试指示为所述服务器确定生物识别功能未通过验证时发送的;
基于所述重试指示,从所述生物特征数据库中重选至少一个生物特征并提供给所述服务器。
2.一种链路验证装置,包括:
选取模块,用于确定客户端的生物特征采集功能被触发时,从生物特征数据库中选取至少一个生物特征;
确定模块,用于确定所述至少一个生物特征对应的预期识别结果;
发送模块,用于向服务器发送生物识别请求,所述生物识别请求携带所述至少一个生物特征和所述预期识别结果,以供验证所述服务器的生物识别功能,其中,所述生物识别请求用于提供至所述服务器以基于所述至少一个生物特征和所述预期识别结果执行生物识别功能的验证;
当验证开始时从脚本文件库中选取目标脚本文件,并自动执行所述目标脚本文件,所述脚本文件库用于保存模拟用户行为以触发生物特征采集功能的脚本文件;
其中,从生物特征数据库中选取至少一个生物特征包括:
确定所述目标脚本文件对应的生物特征采集场景;
从生物特征数据库中选取所述生物特征采集场景关联的至少一个生物特征;
其中,在从生物特征数据库中选取至少一个生物特征之前,还包括:
采集至少一个参考生物特征,以及,至少一个对照生物特征,并存入生物特征数据库,其中,参考生物特征为可识别的生物特征,对照生物特征为不可识别的生物特征;
其中,所述至少一个生物特征包括:参考生物特征和/或对照生物特征;
其中,确定所述至少一个生物特征对应的预期识别结果包括:
确定所述至少一个生物特征中的参考生物特征对应的预期识别结果为通过;
确定所述至少一个生物特征中的对照生物特征对应的预期识别结果为未通过;
其中,向服务器发送生物识别请求之前,还包括:
初步识别所述至少一个生物特征,得到初步识别结果;
若确定所述初步识别结果和所述预期识别结果相匹配,则允许发送生物识别请求;
其中,所述至少一个生物特征包括:第一生物特征,所述第一生物特征为所属生物特征样本集中样本质量最优的;
所述装置还用于:
若确定所述第一生物特征的初步识别结果和预期识别结果相匹配,则基于样本质量,选取所述生物特征样本集中的其他生物特征;
若确定所述第一生物特征的初步识别结果和所述预期识别结果不相匹配,则终止选取所述生物特征样本集中的其他生物特征;
其中,装置还用于:
确定所述客户端的生物初步识别功能的识别准确度;
若所述识别准确度达到预设准确度阈值,则确定生物初步识别功能通过验证;否则确定未通过验证;
其中,装置还用于:
接收所述服务器发送的重试指示,所述重试指示为所述服务器确定生物识别功能未通过验证时发送的;
基于所述重试指示,从所述生物特征数据库中重选至少一个生物特征并提供给所述服务器。
3.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1所述的方法的步骤。
4.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1所述的方法的步骤。
CN201811203345.1A 2018-10-16 2018-10-16 一种链路验证方法、装置及设备 Active CN109614844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811203345.1A CN109614844B (zh) 2018-10-16 2018-10-16 一种链路验证方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811203345.1A CN109614844B (zh) 2018-10-16 2018-10-16 一种链路验证方法、装置及设备

Publications (2)

Publication Number Publication Date
CN109614844A CN109614844A (zh) 2019-04-12
CN109614844B true CN109614844B (zh) 2023-01-24

Family

ID=66002353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811203345.1A Active CN109614844B (zh) 2018-10-16 2018-10-16 一种链路验证方法、装置及设备

Country Status (1)

Country Link
CN (1) CN109614844B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020220213A1 (zh) * 2019-04-29 2020-11-05 深圳市汇顶科技股份有限公司 生物特征识别方法以及电子设备
CN113761489B (zh) * 2020-06-02 2024-01-26 共道网络科技有限公司 验证方法、装置及设备、存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460470A (zh) * 2009-06-11 2012-05-16 杜比实验室特许公司 基于指纹的内容识别趋势分析
CN103440686A (zh) * 2013-07-29 2013-12-11 上海交通大学 基于声纹识别、头像识别及位置服务的移动身份验证系统和方法
CN105407100A (zh) * 2010-09-24 2016-03-16 维萨国际服务协会 使用通用id和生物特征的方法和系统
CN105512534A (zh) * 2015-12-31 2016-04-20 湖南人文科技学院 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别系统
CN105518709A (zh) * 2015-03-26 2016-04-20 北京旷视科技有限公司 用于识别人脸的方法、系统和计算机程序产品
CN107294999A (zh) * 2017-07-11 2017-10-24 阿里巴巴集团控股有限公司 信息验证处理方法、装置、系统、客户端及服务器
CN107438854A (zh) * 2015-02-06 2017-12-05 维里迪乌姆Ip有限责任公司 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法
CN108429619A (zh) * 2018-01-18 2018-08-21 北京捷通华声科技股份有限公司 身份认证方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993659B2 (en) * 2002-04-23 2006-01-31 Info Data, Inc. Independent biometric identification system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102460470A (zh) * 2009-06-11 2012-05-16 杜比实验室特许公司 基于指纹的内容识别趋势分析
CN105407100A (zh) * 2010-09-24 2016-03-16 维萨国际服务协会 使用通用id和生物特征的方法和系统
CN103440686A (zh) * 2013-07-29 2013-12-11 上海交通大学 基于声纹识别、头像识别及位置服务的移动身份验证系统和方法
CN107438854A (zh) * 2015-02-06 2017-12-05 维里迪乌姆Ip有限责任公司 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法
CN105518709A (zh) * 2015-03-26 2016-04-20 北京旷视科技有限公司 用于识别人脸的方法、系统和计算机程序产品
CN105512534A (zh) * 2015-12-31 2016-04-20 湖南人文科技学院 一种基于脑电波和虹膜及人脸识别的复合鉴证的可自毁式身份识别系统
CN107294999A (zh) * 2017-07-11 2017-10-24 阿里巴巴集团控股有限公司 信息验证处理方法、装置、系统、客户端及服务器
CN108429619A (zh) * 2018-01-18 2018-08-21 北京捷通华声科技股份有限公司 身份认证方法和系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Some applications of verifiable computation to biometric verification;Julien Bringer等;《2015 IEEE International Workshop on Information Forensics and Security (WIFS)》;20160104;第1-6页 *
人脸和虹膜生物特征身份识别认证系统的研究与实现;刘运松;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120515(第5期);第I138-1020页 *
基于RFID技术的中职学校考勤管理系统的设计;张义;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215(第2期);第I138-526页 *
基于心电信号的生物特征提取和识别;冯玉蓉等;《计算机与数字工程》;20180620;第46卷(第6期);第1099-1103页 *
基于深度学习的人脸识别研究;尹晓燕;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);第I138-4474页 *
基于深度学习的非受控场景下人耳检测和识别;张义;《中国博士学位论文全文数据库 信息科技辑》;20180815(第8期);第I138-54页 *
多重生物识别技术:融合应用任重而道远;中国安全防范产品行业协会;《http://news.21csp.com.cn/c21/201408/73299.html》;20140801;第1页 *
智能视频监控系统中若干生物特征识别研究;蒋可心;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160315(第3期);第I138-6514页 *

Also Published As

Publication number Publication date
CN109614844A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
JP6918245B2 (ja) 本人確認方法および装置
CN107679861B (zh) 资源转移方法、资金支付方法、装置及电子设备
US10462130B2 (en) Authentication method and device
CN109086975B (zh) 一种交易风险的识别方法和装置
CN109951436B (zh) 一种可信终端验证方法、装置
WO2015062541A1 (zh) 对抗免杀测试的云查杀方法、装置及系统
CN110691085B (zh) 登录方法、装置、密码管理系统及计算机可读介质
CN104517094A (zh) 一种身份验证方法和身份验证装置
CN109614844B (zh) 一种链路验证方法、装置及设备
CN106888204B (zh) 基于自然交互的隐式身份认证方法
CN110222085B (zh) 一种存证数据的处理方法、装置及存储介质
CN113076375A (zh) 基于区块链的多方同步抽样共识方法及系统及装置及介质
CN113497807A (zh) 检测用户登录风险的方法、装置及计算机可读存储介质
CN111431908A (zh) 一种访问处理方法、装置及可读存储介质
CN104486306A (zh) 基于指静脉识别和云服务进行身份认证的方法
CN107294981B (zh) 一种认证的方法和设备
CN115906028A (zh) 用户身份验证方法、装置和自助服务终端
CN112398964B (zh) 一种物联网设备处理方法、装置及设备
CN111935096B (zh) 一种用于网络安全产品的测试系统、测试方法及存储介质
CN112232443B (zh) 身份认证方法、装置、设备及存储介质
CN114422186A (zh) 一种攻击检测方法、装置、电子设备及存储介质
CN109344732B (zh) 一种鉴权以及确定鉴权方式的方法、装置及电子设备
CN114298714A (zh) 账户身份认证方法、装置、电子设备及存储介质
CN110213341B (zh) 应用程序的下载检测方法及装置
CN109284610B (zh) 一种病毒程序检测方法、装置及检测服务器

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40006847

Country of ref document: HK

TA01 Transfer of patent application right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant