CN111310149A - 基于多个脉搏信号的相关性进行认证的方法和系统 - Google Patents

基于多个脉搏信号的相关性进行认证的方法和系统 Download PDF

Info

Publication number
CN111310149A
CN111310149A CN201911269629.5A CN201911269629A CN111310149A CN 111310149 A CN111310149 A CN 111310149A CN 201911269629 A CN201911269629 A CN 201911269629A CN 111310149 A CN111310149 A CN 111310149A
Authority
CN
China
Prior art keywords
sensor data
pulse
individual
kiosk
pulse pattern
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
CN201911269629.5A
Other languages
English (en)
Inventor
G·L·斯托姆
R·R·德拉克希尼
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.)
Jumio Inc
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of CN111310149A publication Critical patent/CN111310149A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02444—Details of sensor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F21/60—Protecting data
    • G06F21/604—Tools and structures for managing or administering access control systems
    • 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
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/68—Gesture-dependent or behaviour-dependent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities

Abstract

本申请公开了一种基于多个脉搏信号的相关性进行认证的方法和系统。描述了基于多个脉搏信号的相关性进行用户认证的技术，其中，每个脉搏信号描述个人的独立确定的脉搏图案。可以响应于来自个人的用以访问诸如一体机之类的计算系统的请求，来生成个人的脉搏的不同测量。可以使用不同类型的传感器设备彼此独立地生成不同的测量。例如，可以使用雷达传感器进行测量以检测由用户的脉搏引起的运动，可以通过分析视频数据来进行另一测量。如果独立生成的脉搏图案彼此足够相似(例如，使用机器学习或其他技术确定)，则可以确定该个人没有试图冒充另一个人，可以至少部分地基于该确定准予访问计算系统。

Description

基于多个脉搏信号的相关性进行认证的方法和系统
技术领域
本申请涉及一种基于多个脉搏信号的相关性进行认证的方法和系统。
背景技术
各种类型的软件应用使用户能够访问信息和/或执行动作，这可影响本地或远程计算系统的状态。在一些示例中，软件可以执行认证和/或授权操作以验证用户的身份和/或确保用户被授权通过在本地和/或远程设备上执行的软件来访问信息和/或执行动作。例如，可以提示用户输入凭证，例如用户名、密码、个人识别码(PIN)等，并且可以将这些凭证与先前建立的凭证进行比较以验证用户的身份和/或授权。在一些示例中，除了用户输入的凭证，或代替用户输入的凭证，可以使用生物特征数据来尝试基于用户的一个或多个生理特征来验证用户的身份。鉴于恶意人员试图进行未经授权的访问的强烈动机(例如，查看机密信息或进行欺诈)，先前用于认证用户的可用方法容易受到攻击以进行不同类型的利用。
发明内容
本公开的实施方式总体上涉及计算系统中的用户认证。更具体地，本公开的实施方式涉及使用不同的测量技术对个人的脉搏进行多个独立的测量，并且使不同的脉搏测量相关联以确定该个人没有进行欺骗攻击以冒充另一个人来试图获得对计算系统(例如，公共一体机)和/或存储在其上的数据的未经授权访问。实施方式可用于防止或减小以下欺骗攻击的成功率：恶意个人试图通过将授权用户的静态图像和/或播放的视频展示给基于图像的认证系统来冒充授权用户的身份，并欺骗基于图像的认证系统(例如，面部识别)。
通常，本文中描述的主题的创新方面可以体现在包括以下操作的方法中：访问由在一体机附近的固定位置处的第一传感器设备生成的第一传感器数据，所述第一传感器数据描述个人的至少一个第一生理特征；访问由所述一体机附近的第二传感器设备生成的第二传感器数据，所述第二传感器数据独立于所述第一传感器数据生成，所述第二传感器数据描述所述个人的至少一个第二生理特征，其中，响应于所述个人通过所述一体机访问信息的请求来访问所述第一传感器数据和所述第二传感器数据；分析所述第一传感器数据，以确定描述所述个人的脉搏的第一脉搏图案；分析所述第二传感器数据，以确定描述所述个人的所述脉搏的第二脉搏图案；以及确定所述第一脉搏图案与所述第二脉搏图案之间的对应度，并且至少部分地基于所述对应度，确定所述个人通过所述一体机访问信息的所述请求的结果。
这些和其它实施方式可以各自可选地包括以下特征中的一个或多个：所述第一传感器设备是雷达传感器设备、激光多普勒测量设备和激光振动计中的至少一个；所述第一传感器数据指示所述个人的至少一个身体部位的运动，所述运动与所述个人的所述脉搏相关联；分析所述第一传感器数据包括，基于所述第一传感器数据中指示的所述运动提取所述第一脉搏图案；所述第二传感器设备是相机；所述第二传感器数据包括所述个人的至少一个身体部位的视频；分析所述第二传感器数据包括，分析所述视频，以基于所述视频中示出的运动和肤色波动中的一个或多个来确定所述第二脉搏图案；基于所述第一脉搏图案和所述第二脉搏图案中的至少一个中不存在所述脉搏，所述确定结果是拒绝访问所述一体机；基于所述第一脉搏图案与所述第二脉搏图案之间的所述脉搏的频率和时间偏移中的一个或多个方面的差异，所述确定结果是拒绝访问所述一体机；基于所述第一脉搏图案在所述脉搏的频率和时间偏移方面与所述第二脉搏图案的相似度在阈值度内，所述确定结果是准予访问所述一体机；所述第一传感器设备和所述第二传感器设备中的一个或多个是所述一体机的组件；所述第二传感器设备是所述个人穿戴的可穿戴计算设备的组件；分析所述第一传感器数据和所述第二传感器数据中的一个或多个包括：将所述第一传感器数据和所述第二传感器数据中的一个或多个作为输入提供给使用至少一种机器学习(ML)算法训练的至少一个分类器，以基于输入的传感器数据输出脉搏图案；和/或所述至少一个分类器包括神经网络、递归神经网络(RNN)、长短期记忆(LSTM)网络和支持向量机(SVM)中的一个或多个。
与传统的认证技术相比，这些和其他实施方式可以提供以下技术优势和/或技术改进中的一种或多种。通过作为个人认证的一部分对个人的脉搏执行多个独立的测量，实施方式可以防止未经授权的个人通过展示显示授权个人的静态图像或播放的视频，成功地对基于图像的认证系统(例如，用于面部、眼睛或身体识别)进行欺骗攻击。以这种方式，实施方式通过提供用于认证用户并强化计算系统抵御欺骗攻击的能力的更可靠技术来改进执行用户认证和/或授权操作的计算系统的操作。
应理解，根据本公开的方法可包括本文描述的方面和特征的任何组合。也就是说，根据本公开的方法不限于本文具体描述的方面和特征的组合，还包括所提供的方面和特征的任何组合。
在附图和以下说明中阐述了本公开的一个或多个实施方式的细节。从说明书和附图以及权利要求书来看，本公开的其他特征和优点将是显而易见的。
附图说明
图1描绘了根据本公开的实施方式的用于用户认证的示例性系统。
图2描绘了根据本公开的实施方式的用于用户认证的数据分析模块的示例。
图3描绘了根据本公开的实施方式的在用户认证中采用的示例性脉搏图案。
图4描绘了根据本公开的实施方式的用于用户认证的示例性处理的流程图。
图5描绘了根据本公开的实施方式的示例性计算系统。
具体实施方式
本公开的实施方式涉及基于多个脉搏信号的相关性进行用户认证的系统、设备、方法和计算机可读介质，所述多个脉搏信号各自描述针对个人独立确定的脉搏图案。可以响应于来自个人的用以访问诸如一体机之类的计算系统的请求，来生成个人的脉博的不同测量。可以使用不同类型的传感器设备彼此独立地生成不同的测量。例如，可以使用雷达传感器进行一个测量以检测由用户的脉搏引起的微小运动，而可以通过分析由相机收集的视频数据(例如，以识别用户的运动和/或潮红(blushing))来进行另一测量。如果独立生成的脉搏图案彼此足够相似(例如，在相似性的阈值度量之内和/或使用机器学习(ML)或其他技术确定)，则可以确定该个人没有通过冒充另一人试图进行欺骗攻击，并且可以准予访问计算系统(例如，如果满足面部识别和/或其他认证模式)。如果独立生成的脉搏图案不相似，从而图案显示出不同的频率、时间偏移或波形中的其他差异，则可以拒绝访问计算系统。在后一种情况下，针对该个人的不同脉搏图案的测量可能会导致推断该个人正试图对基于图像的认证系统进行欺骗攻击，通过展示先前捕获的另一授权用户的视频数据来冒充该授权用户。类似地，如果单独测量的脉搏图案之一显示未检测到脉搏，则可以推断该个人通过展示授权用户的静态图像来欺骗基于图像的认证系统，来试图进行欺骗攻击。
基于图像的认证系统可以是试图基于用户的图像(例如，静态图像和/或视频)，例如用户的面部图像、眼睛图像、整个身体的图像和/或身体的其他部分的图像，来验证用户的身份的任何合适的系统。例如，基于图像的认证可以包括捕获用户面部的图像并且将面部图像上的某些点(例如，眼睛、嘴、鼻子等的位置)和/或图像作为整体与先前收集的关于用户的信息进行比较，以确定该图像是否确实是用户的图像。基于图像的认证可用于保护对敏感数据的访问，例如财务信息、健康信息和/或公众无法访问的其他信息。认证还可以用于保护对使用户能够请求交易(例如，资金转账、购买等)的应用或服务的访问。因此，本文描述的实施方式有助于增强基于图像的认证系统并防止敏感数据被未经授权的个人访问、和/或防止欺诈、盗窃或其他恶意行为。
在一些实施方式中，本文所述的认证技术用于保护对通过一体机和/或通过某些其他计算设备(例如，智能手机、平板计算机、可穿戴计算机等)提供的安全信息和/或操作的访问。如本文所使用的，一体机是指可由多个人(例如，公开)访问的任何适当类型的计算设备和/或通信接口。例如，一体机可以是自动柜员机(ATM)，不同的个人可以访问该自动柜员机以查看财务信息、进行存款或取款、请求资金转账等等。作为另一示例，一体机可以是自动售货机或零售设备，不同的个人可以访问它们来购买任何合适类型的产品或服务。本文所述的实施方式可以强化一体机抵御欺骗攻击的能力，并降低经由用户冒充类型的欺骗攻击通过这种一体机实施的欺诈或盗窃的风险。
在一些实施方式中，雷达传感器设备(例如，毫米波和/或超宽带(UWB))可以收集用于对个人的脉搏图案的第一确定的传感器数据，摄像机(例如，可见光和/或多光谱)可以收集用于对个人的脉搏图案的第二确定的一组不同的传感器数据。两个脉搏图案之间的相关性可用于确定两个传感器设备正在监测具有相同脉搏的同一个人，并验证该个人未参与欺骗攻击，该确定可通过基于图像的认证系统为个人的认证提供更大的置信度。如果存在异常，例如确定的脉搏图案中不存在脉搏(例如，在攻击者采用在攻击者的面部上展示授权用户的图像的3-D面具的情况下)，或者脉搏在不同的脉搏图案中不同步(例如，如在视频播放攻击中那样)，则可以确定欺骗尝试正在进行中。在一些实施方式中，系统可以使用适当的统计分析和/或ML技术来分析接收到的信号的周期性并确定脉搏图案来自相同源的概率，并且可以根据该分析确定欺骗检测分数。可以使用分数(例如，自身)来确定是允许还是拒绝访问一体机。在一些示例中，分数可以与基于图像的认证系统(或其他认证机制)进行的认证确定结合使用，以确定是否准予访问。
尽管相比于来自安装在附近的一体机上的相机的数据，本文的示例描述了基于来自也安装在一体机上的传感器(例如，雷达和/或激光传感器)的传感器数据来控制对一体机的访问，但是实施方式不限于这些示例。在一些实施方式中，可以采用其他来源的传感器数据。例如，可以将使用可穿戴用户设备(例如，手表计算机、基于环的设备、健康跟踪设备、嵌入在衣服中的传感器、带有传感器的耳机或耳塞等)捕获的心率信息与使用智能手机或其他设备的相机捕获的图像进行比较，以确定欺骗是否正在进行中。
图1描绘了根据本公开的实施方式的用于用户认证的示例性系统100。在图1的示例中，用户102正在请求访问一体机104。在一些情况下，用户102可能正试图冒充另一用户，例如授权用户，以不当地获得对其他用户的账户信息或可以通过一体机104访问的其他敏感信息的访问和/或使用。一体机104可以采用基于图像的认证系统来认证用户，并且为根据基于图像的认证系统(例如，通过面部识别、视网膜扫描等)验证了身份的那些用户提供对一体机104的访问。
在一些实施方式中，可以生成用户脉搏的多个测量值并将其相关联作为针对欺骗攻击的附加保护措施。可以使用传感器数据110产生脉搏测量值，该传感器数据110由靠近一体机104和用户102的一个或多个传感器设备106收集。传感器设备106也可以被描述为传感器106。在一些示例中，传感器106相对于一体机104位置固定。这样的传感器106可以包括作为一体机104自身的组件的传感器，如图1所示的示例性传感器106(1)，和/或与一体机104分离并且靠近一体机104的传感器，例如示例性传感器106(2)。传感器可以包括传感器106(3)，其布置在用户102在与一体机104交互时将站立的垫子或其他组件(例如，活动地板)中。传感器还可以包括由用户102佩戴和/或携带的传感器106(4)。这样的传感器106(4)可以包括被配置为在佩戴或携带时测量用户102的脉搏的任何合适的设备，包括但不限于：可穿戴设备，例如健康追踪器、虚拟或增强现实耳机、智能耳塞或耳机、医疗监控设备等；和/或其他便携式计算设备，例如智能手机、平板电脑等。
在一些实施方式中，传感器106可以包括至少一个雷达传感器，其采用毫米波雷达、UWB雷达和/或其他合适的雷达技术来测量用户102的一个或多个身体部位的(例如，小的)运动。例如，该运动可以是由用户的脉搏引起的用户的头部、皮肤或其他部位的小运动。在一些实施方式中，传感器106可以包括被配置为测量这样的运动的激光振动计和/或激光多普勒型传感器。传感器106可以生成任何适当数量和/或格式的传感器数据110。
传感器106还可以包括一个或多个相机，所述相机被配置为捕获包括用户102的视频的传感器数据110。可以基于头部的运动、皮肤的运动(例如，在动脉附近)、皮肤的周期性潮红和/或颜色变化和/或脉搏对用户外貌的其他可辨别影响，来分析视频数据，以确定用户102的脉搏图案。相机可以通过捕获相机视场中的场景来生成视频数据。相机生成的视频数据可以包括任何适当长度和格式的视频。
由各种传感器设备106生成的传感器数据110可以通过一体机104中的传感器数据接口108接收，并被提供给在一体机104或其他地方执行的数据分析模块112。数据分析模块112可以执行各种操作以分析传感器数据110，并且基于该分析，生成分析结果114。在一些实施方式中，数据分析模块112可以分析不同组的传感器数据110以确定用户102的多个脉搏图案。脉搏图案可以是指示用户的脉搏的波形(或波形描述)。用户102的脉搏也可以被描述为用户102的心率。例如，在传感器数据110包括视频数据的情况下，数据分析模块112可以分析视频数据以基于由用户的脉搏引起的周期性颜色变化(例如，潮红)和/或周期性运动(例如，皮肤和/或头部的运动)确定脉搏图案。作为另一示例，在传感器数据110包括由雷达传感器、激光多普勒传感器、激光振动计和/或活动地板产生的数据的情况下，数据分析模块112可以分析数据以识别由传感器数据110表现出的周期性运动，这种运动可以由用户的脉搏引起。
数据分析模块112还可以比较基于来自每个传感器106的各个组的传感器数据110确定的各种脉搏图案。该比较也被描述为相关性，可以确定脉博图案是否足够相似(例如，在相似性的阈值量度之内)，足够相似指示脉搏图案反映了同一用户102的被同时测量的脉搏。脉搏图案存在差异和/或任何数据中不存在可检测到的脉博，可以指示用户102正在试图进行欺骗攻击。在一些实施方式中，数据分析模块112可以基于脉搏图案的比较来生成指示欺骗攻击正在进行中的可能性的得分。分析结果114可以包括得分和/或脉搏图案。
在一些实施方式中，分析结果114可被提供给在用户设备104上执行的认证模块116。认证模块116可以基于分析结果114来确定是否准予用户102访问一体机104。在一些实施方式中，分析结果114通过一个或多个网络122传送到远离一体机104的服务器设备120，并且可以由在服务器设备120上执行的认证模块118确定是否准予访问。服务器设备120可以包括任何适当数量和类型的计算设备。在任何一种情境中，模块116和/或118可以是基于图像的认证系统的一部分，该系统执行操作以基于面部识别、眼睛识别(例如，视网膜扫描)、指纹识别、步态识别和/或其他身体部位的识别来认证用户。可在执行基于图像的认证时考虑分析结果114。
在一些示例中，数据分析模块112可以在服务器设备120上执行，并且基于通过网络122传送到服务器设备120的传感器数据110来执行分析。然后，可以将是否准予访问的确定结果从服务器设备120传送到一体机104。对传感器数据110的分析可以在一体机104和/或服务器设备120上执行。
在一些实施方式中，分析结果114可以由认证模块116和/或118使用，以基于收集的用户102的图像(或视频)来确定是否要执行基于图像的认证。例如，如果分析结果114指示欺骗攻击的概率高于预定阈值(例如，至少80％)，则可以拒绝访问请求而不执行基于图像的认证确定。以此方式，分析结果114可以用于是否继续进行基于图像的分析的初始确定。
在一些实施方式中，分析结果114可以与基于图像的分析结合使用以确定认证，并且可以基于分析结果114来修改基于图像的分析的结果。例如，可以(例如，由模块116和/或118)执行基于图像的分析，结果以X％的置信度验证用户的身份。分析结果114(例如，基于独立生成的脉搏图案的比较)可以用于提高(例如，如果不存在监视器)或降低(例如，如果存在监视器)基于图像的分析结果。
图2描绘了根据本公开的实施方式的可用于用户认证的数据分析模块112的示例200。在一些实施方式中，数据分析模块112包括脉搏图案提取模块202，其基于一组传感器数据110确定脉搏图案。如上所述，特定模块202可以被配置为从由特定类型的传感器106生成的特定组的传感器数据110提取脉搏图案。例如，模块202可以分析视频数据，另一模块202可以分析雷达数据，等等。数据分析模块112还可以包括脉搏图案比较/相关性模块204，其对由各种模块202生成的不同脉搏图案进行比较，并输出指示脉搏图案相似度和/或欺骗攻击的可能性的得分，如上所述。
分析还可以使用信号处理的合适技术来基于传感器数据110确定脉搏图案。例如，在视频数据的分析中，可以在进一步分析之前使用合适的图像稳定技术。分析可以集中于用户面部的特别适合于提取脉搏信息(例如脸颊)的那些部分。在一些示例中，传感器数据110可以被预处理以过滤掉指示典型脉搏的频率范围之外的图案频率的数据。分析可以寻找波形中的峰值，并确定峰值之间的距离，以确定波形的周期(并因此确定频率)。
在一些实施方式中，对传感器数据110的分析和/或脉搏图案的比较可以采用一种或多种合适的ML技术。在一些示例中，脉搏图案提取模块202可以包括使用合适的ML技术训练的一个或多个分类器，如本文进一步所述。分类器可各自基于特定类型(例如，源传感器设备)的传感器数据110来生成对脉搏图案的预测。
在一些实施方式中，可以生成训练数据并将其提供为训练(或再训练)分类器的输入。训练数据可以包括传感器数据，该传感器数据从各种类型的传感器106收集并且与传感器数据被收集的用户的测量的脉搏相关联。用于训练数据的测量的脉搏可以是使用用于(例如，直接)测量个人的脉搏(例如心电图(ECG))的任何合适的设备捕获的脉搏。
可以使用任何合适的ML技术来开发分类器。例如，分类器可以被开发为神经网络，诸如递归神经网络(RNN)。在一些情况下，分类器可以包括采用长短期记忆(LSTM)单元进行图案识别的RNN。这样的RNN也可以被描述为LSTM网络。作为另一示例，分类器可以包括支持向量机(SVM)，或者采用其他合适的ML技术。可以使用训练数据来训练分类器，该训练数据包括要在分析中使用的各种类型的传感器数据110的特征向量，标识有独立测量的脉搏图案。经过这样的训练，分类器可以基于输入特征向量来预测脉搏图案。可选地，分类器可被训练以输出对欺骗攻击是否正在进行的预测。实施方式支持定期和/或持续进行分类器的再训练，以细化分类器的操作从而产生更可靠的预测。
实施方式可以采用合适的深度学习技术和/或合适的浅层学习技术。在任一种情况下，分类器的训练可以是数据驱动的。训练可以将特征向量用于明确的示例，例如以收集的不同类型的传感器数据进行的阶段性欺骗攻击。训练还可以将特征向量用于不明确的示例，在这些示例中，欺骗攻击尚未进行。
图3描绘了根据本公开的实施方式的在用户认证中采用的示例性脉搏图案。在图3的示例中，比较两个脉搏图案300和310以确定欺骗攻击是否正在进行。尽管本文的示例描述了独立地生成和比较两个脉搏图案，但是实施方式支持生成和比较任何适当数量的脉搏图案。图3中的特定波形是示例，并且不是对可以由本文描述的实施方式生成和分析的特定波形进行限制。
在该示例中，第一脉搏图案300具有周期302和时间偏移304，第二脉搏图案310具有周期312和时间偏移314，时间偏移是波形特征相对于参考时间(例如，图中的T0)的特定时间。可以将不同波形的周期(或频率)或时间偏移的差异用作确定脉搏图案不同且欺骗攻击可能正在进行的基础。也可以识别脉搏图案的其他差异，例如波形本身的差异(例如，峰、谷和/或其他特征的不同数量和大小)。在一些示例中，可以执行不同脉搏图案的(例如，统计上的)比较，以生成指示脉搏图案之间的相似度(或差异)的得分。如本文所述，ML技术也可以用于确定脉搏图案之间的相似度。
图4描绘了根据本公开的实施方式的用于用户认证的示例性处理的流程图400。该处理的操作可以由在一体机104、服务器设备120等上执行的数据分析模块112、认证模块116、认证模块118和/或其他软件模块中的一个或多个来执行。
在一些实施方式中，检测用以访问一体机的请求(402)，并且该处理可以响应于该事件而继续进行。可以访问第一组传感器数据和第二组传感器数据404。第一组传感器数据可以由第一组传感器(例如，第一类型传感器)生成，第二组传感器数据可以由第二组传感器(例如，与第一类型传感器不同的第二类型传感器)生成。在一些示例中，第一组传感器是相对于一体机104位置固定的传感器。
可以分析第一传感器数据(406)以确定用户102的第一脉搏图案。如果没有检测到如第一脉搏图案所示的脉搏(408)，则该处理可以继续进行以拒绝用以访问一体机的请求(420)。
可以分析第二传感器数据(410)以确定用户102的第二脉搏图案。如果没有检测到如第二脉搏图案所示的脉搏(412)，则该处理可以继续进行以拒绝用以访问一体机的请求(420)。
如果两个脉搏图案均显示可被辨别为人类脉搏的图案，则该处理可继续进行以确定第一脉搏图案和第二脉搏图案之间的对应度(414)，如上所述。如果在第一脉搏图案和第二脉搏图案之间至少存在阈值对应(例如，416)，则可以准予访问(418)。如果不存在，则可以拒绝访问(420)。
图5描绘了根据本公开的实施方式的示例性计算系统。系统500可以用于针对本文所讨论的各种实施方式描述的任何操作。例如，系统500可以至少部分地包括在用户设备104、服务器设备120和/或本文描述的其他计算设备和系统中的一个或多个中。系统500可以包括一个或多个处理器510、存储器520、一个或多个存储设备530以及可经由一个或多个I/O接口540控制的一个或多个输入/输出(I/O)设备550。组件510、520、530、540或550中的两个或更多个可以经由至少一个系统总线560互连，这可以在系统500的各个模块和组件之间实现数据传输。
处理器510可以被配置为处理用于在系统500内执行的指令。处理器510可以包括单线程处理器、多线程处理器、或两者。处理器510可以被配置为处理存储在存储器520中或存储设备530上的指令。处理器510可以包括各自包括一个或多个核的基于硬件的处理器。处理器510可以包括通用处理器、专用处理器、或两者。
存储器520可将信息存储在系统500内。在一些实施方式中，存储器520包括一个或多个计算机可读介质。存储器520可以包括任意数量的易失性存储单元、任意数量的非易失性存储单元、或易失性和非易失性存储单元两者。存储器520可以包括只读存储器、随机存取存储器、或两者。在一些示例中，存储器520可以由一个或多个执行软件模块用作有源存储器或物理存储器。
存储设备530可以被配置成为系统500提供(例如，持久性)大容量存储。在一些实施方式中，存储设备530可以包括一个或多个计算机可读介质。例如，存储设备530可以包括软盘设备、硬盘设备、光盘设备或磁带设备。存储设备530可以包括只读存储器、随机存取存储器、或两者。存储设备530可以包括内部硬盘驱动器、外部硬盘驱动器或可移动驱动器中的一个或多个。
存储器520或存储设备530中的一个或两者可以包括一个或多个计算机可读存储介质(CRSM)。CRSM可以包括电子存储介质、磁存储介质、光存储介质、磁光存储介质、量子存储介质、机械计算机存储介质等中的一种或多种。CRSM可以提供计算机可读指令的存储，该计算机可读指令描述了用于系统500的操作的数据结构、处理，应用、程序、其他模块或其他数据。在一些实施方式中，CRSM可以包括数据存储，该数据存储以非暂时性格式提供对计算机可读指令或其他信息的存储。CRSM可以合并到系统500中，也可以在系统500外部。CRSM可以包括只读存储器、随机存取存储器、或两者。适合有形地体现计算机程序指令和数据的一个或多个CRSM可以包括任何类型的非易失性存储器，包括但不限于：半导体存储器设备，例如EPROM、EEPROM和闪存设备；磁盘，例如内部硬盘和可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM磁盘。在一些示例中，处理器510和存储器520可以由一个或多个专用集成电路(ASIC)补充或并入到专用集成电路(ASIC)中。
系统500可以包括一个或多个I/O设备550。I/O设备550可以包括一个或多个输入设备，例如键盘、鼠标、笔、游戏控制器、触摸输入设备、音频输入设备(例如，麦克风)、手势输入设备、触觉输入设备、图像或视频捕获设备(例如，相机)或其他设备。在一些示例中，I/O设备550还可以包括一个或多个输出设备，诸如显示器、LED、音频输出设备(例如，扬声器)、打印机，触觉输出设备等。I/O设备550可以物理地结合在系统500的一个或多个计算设备中，或者可以在系统500的一个或多个计算设备的外部。
系统500可以包括一个或多个I/O接口540，以使系统500的组件或模块能够控制I/O设备550、与I/O设备550进行接口连接或以其他方式与I/O设备550通信。I/O接口540可以使信息能够通过串行通信、并行通信或其他类型的通信在系统500之内或之外、或在系统500的组件之间进行传送。例如，I/O接口540可以符合用于串行端口的RS-232标准的版本，或符合用于并行端口的IEEE 1284标准的版本。作为另一示例，I/O接口540可以被配置为提供通用串行总线(USB)或以太网上的连接。在一些示例中，I/O接口540可以被配置为提供符合IEEE 1394标准的版本的串行连接。
I/O接口540也可以包括一个或多个网络接口，其使得能够在系统500中的计算设备之间或者在系统500与其他网络连接的计算系统之间进行通信。网络接口可以包括一个或多个网络接口控制器(NIC)或其他类型的收发器设备，所述设备被配置为使用任何网络协议通过一个或多个网络发送和接收通信。
系统500的计算设备可以使用一个或多个网络彼此通信、或者与其他计算设备通信。这样的网络可以包括诸如因特网之类的公共网络、诸如机构或个人内联网之类的私有网络、或者私有和公共网络的结合。网络可以包括任何类型的有线网络或无线网络，包括但不限于局域网(LAN)、广域网(WAN)、无线WAN(WWAN)、无线LAN(WLAN)、移动通信网络(例如3G、4G、Edge等)等。在一些实施方式中，计算设备之间的通信可以被加密或以其他方式被保护。例如，通信可以采用一个或多个公开或私有密钥、密码、数字证书或安全协议(例如安全套接层(SSL)或传输层安全(TLS)协议的任何版本)支持的其他凭证。
系统500可以包括任意数量的任何类型的计算设备。计算设备可以包括但不限于：个人计算机、智能手机、平板电脑、可穿戴计算机、植入式计算机、移动游戏设备、电子书阅读器、汽车计算机、台式计算机、膝上型计算机、笔记本计算机、游戏机、家庭娱乐设备、网络计算机、服务器计算机、大型计算机、分布式计算设备(例如，云计算设备)、微型计算机、片上系统(SoC)、封装系统(SiP)等。尽管本文的示例可以将计算设备描述为物理设备，但是实施方式不限于此。在一些示例中，计算设备可以包括在一个或多个物理计算设备上执行的虚拟计算环境、超管理器、仿真或虚拟机中的一个或多个。在一些示例中，两个或更多个计算设备可以包括群集、云、服务器场或多个设备的其他分组，这些设备协调操作以提供负载平衡、故障转移支持、并行处理能力、共享存储资源、共享网络能力或其他方面。
本文中描述的实施方式和所有功能操作可以在数字电子电路中实现，或在计算机软件、固件、或硬件(包括本文中公开的结构和它们的结构等同物)中实现，或者在它们中的一个或多个的组合中实现。实施方式可以实现为一个或多个计算机程序产品，例如，编码在计算机可读介质上的计算机程序指令的一个或多个模块，以供数据处理装置执行或控制数据处理装置的操作。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储器设备、影响机器可读传播信号的物质的组成或它们中的一个或多个的组合。术语“计算系统”包括用于处理数据的所有装置、设备和机器，包括例如可编程处理器、计算机或者多个处理器或多个计算机。除了硬件外，装置还可以包括为正在进行的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或者它们中一个或多个的组合的代码。传播信号可以是人工生成的信号，例如，机器生成的电信号、光信号或电磁信号，其被生成来编码信息以传输到合适的接收器装置。
计算机程序(也被称为程序、软件、软件应用、脚本或代码)可以用任何适当形式的编程语言编写，包括编译或解释语言，并且可以以任何适当形式部署，包括作为独立程序或作为模块、组件、子程序或适合用于计算环境中的其他单元。计算机程序无需对应于文件系统中的文件。程序可以存储在：保存其他程序或数据的文件的一部分中(例如，存储在标记语言文档中的一个或多个脚本)；专用于进行中的程序的单个文件中；或者多个协调文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可被部署为在一个计算机上或位于一个站点或分布在多个站点并由通信网络互联的多个计算机上执行。
本文中描述的处理和逻辑流程可由执行一个或多个计算机程序的一个或多个可编程处理器进行，以执行通过对输入数据进行运算并生成输出的函数。处理和逻辑流程也可以由专用逻辑电路执行，并且装置也可以被实现为专用逻辑电路，例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)。
适合用于执行计算机程序的处理器包括通用微处理器和专用微处理器两者，以及任何适当种类的数字计算机的任意一个或多个处理器。通常，处理器可从只读存储器、随机存取存储器、或两者接收指令和数据。计算机的元件可包括用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常，计算机还可包括用于存储数据的一个或多个大型存储设备，例如，磁盘、磁光盘、或光盘，或可操作地耦接以从所述存储设备接收数据、或向其传送数据、或两者。但是，计算机不需要具有这样的设备。此外，计算机可嵌入在另一设备中，例如，移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收器等。适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备，包括例如半导体存储器设备，例如EPROM、EEPROM和闪存设备；磁盘，如内部硬盘或可移动磁盘；磁光盘；CD ROM和DVD-ROM磁盘。处理器和存储器可以由专用逻辑电路补充或结合在其中。
为了提供与用户的交互，实施方式可以在计算机上实现，该计算机具有诸如阴极射线管(CRT)或液晶显示器(LCD)监视器之类的、用于向用户显示信息的显示设备以及用户可用以向计算机提供输入的键盘和诸如鼠标或者轨迹球的指向设备。其他类型的设备也可用于提供与用户的交互；例如，提供给用户的反馈可以是任何适当形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以接收来自用户的任何适当形式的输入，包括声音、语音或触觉输入。
实施方式可以在计算系统中实现，该计算系统包括后端组件(例如，数据服务器)，或包括中间件组件(例如，应用服务器)，或包括前端组件(例如，客户端计算机，其具有用户可以通过其与实施方式交互的图形用户界面或网页浏览器)，或者包括一个或多个这样的后端组件、中间件组件、或前端组件的任何适当组合。系统的组件可以通过例如通信网络的任何适当形式或介质的数字数据通信来互连。通信网络的示例包括例如局域网(“LAN”)和广域网(“WAN”)，例如因特网。
计算机系统可以包括客户端和服务器。客户端和服务器通常彼此远离，并且通常通过通信网络进行交互。客户端和服务器的关系源自于在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序本身。
虽然本文包含许多细节，但是这些细节不应被解释为对本公开的可能要求保护的范围的限制，而是作为对针对特定实施方式的特征的描述。在本文的单独实施方式的上下文中描述的某些特征也可以在单个实施方式中组合实现。相反，在单个实施方式的上下文中描述的各种特征也可以单独地或以任何合适的子-组合在多个实施方式中实现。此外，尽管在上文可以将特征描述为以某些组合起作用并且甚至最初如此要求保护，但是在一些示例中，可以从要求保护的组合中删除来自该组合的一个或多个特征，并且要求保护的组合可以指向子组合或子组合的变体。
类似地，虽然以特定顺序在附图中描绘了操作，但是这不应该被理解为：为了达到期望的结果，要求以所示的特定顺序或依次执行这些操作，或者要求执行所有示出的操作。在一些情况下，多任务并行处理可能是有利的。此外，上述实施方式中的各种系统组件的划分不应被理解为所有实施方式中都要求如此划分，而应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品或者打包成多个软件产品。
已经描述了多个实施方式。然而，应该理解，在不脱离本公开的精神和范围的情况下，可以进行各种修改。例如，可以使用上面所示的各种形式的流程，并对步骤进行重新排序、添加或删除。因此，其他实施方式在随附的权利要求的范围内。

Claims (20)

1.一种由至少一个处理器执行的计算机实现的方法，所述方法包括：
由所述至少一个处理器访问由在一体机附近的固定位置处的第一传感器设备生成的第一传感器数据，所述第一传感器数据描述个人的至少一个第一生理特征；
由所述至少一个处理器访问由在所述一体机附近的第二传感器设备生成的第二传感器数据，所述第二传感器数据独立于所述第一传感器数据生成，所述第二传感器数据描述所述个人的至少一个第二生理特征，其中，响应于所述个人通过所述一体机访问信息的请求来访问所述第一传感器数据和所述第二传感器数据；
由所述至少一个处理器分析所述第一传感器数据，以确定描述所述个人的脉搏的第一脉搏图案；
由所述至少一个处理器分析所述第二传感器数据，以确定描述所述个人的所述脉搏的第二脉搏图案；以及
由所述至少一个处理器确定所述第一脉搏图案与所述第二脉搏图案之间的对应度，并且至少部分地基于所述对应度，确定所述个人通过所述一体机访问信息的所述请求的结果。
2.根据权利要求1所述的方法，其中：
所述第一传感器设备是雷达传感器设备、激光多普勒测量设备和激光振动计中的至少一种；
所述第一传感器数据指示所述个人的至少一个身体部位的运动，所述运动与所述个人的所述脉搏相关联；以及
分析所述第一传感器数据包括，基于所述第一传感器数据中指示的所述运动提取所述第一脉搏图案。
3.根据权利要求1所述的方法，其中：
所述第二传感器设备是相机；
所述第二传感器数据包括所述个人的至少一个身体部位的视频；以及
分析所述第二传感器数据包括，分析所述视频，以基于所述视频中示出的运动和肤色波动中的一个或多个来确定所述第二脉搏图案。
4.根据权利要求1所述的方法，其中，基于所述第一脉搏图案和所述第二脉搏图案中的至少一个中不存在所述脉搏，所述确定结果是拒绝访问所述一体机。
5.根据权利要求1所述的方法，其中，基于所述第一脉搏图案与所述第二脉搏图案之间的所述脉搏的频率和时间偏移中的一个或多个的差异，所述确定结果是拒绝访问所述一体机。
6.根据权利要求1所述的方法，其中，基于所述第一脉搏图案和所述第二脉搏图案在所述脉搏的频率和时间偏移两者上在阈值相似度内，所述确定结果是准予访问所述一体机。
7.根据权利要求1所述的方法，其中，所述第一传感器设备和所述第二传感器设备中的一个或多个是所述一体机的组件。
8.根据权利要求1所述的方法，其中，所述第二传感器设备是由所述个人穿戴的可穿戴计算设备的组件。
9.根据权利要求1所述的方法，其中，分析所述第一传感器数据和所述第二传感器数据中的一个或多个，包括：将所述第一传感器数据和所述第二传感器数据中的一个或多个作为输入提供给使用至少一种机器学习ML算法训练的至少一个分类器，以基于输入的传感器数据输出脉搏图案。
10.根据权利要求9所述的方法，其中，所述至少一个分类器包括神经网络、递归神经网络RNN、长短期记忆LSTM网络和支持向量机SVM中的一个或多个。
11.一种系统，包括：
至少一个处理器；和
通信地耦接到所述至少一个处理器的存储器，所述存储器存储指令，所述指令在被执行时使所述至少一个处理器执行包括以下的操作：
访问由在一体机附近的固定位置处的第一传感器设备生成的第一传感器数据，所述第一传感器数据描述个人的至少一个第一生理特征；
访问由所述一体机附近的第二传感器设备生成的第二传感器数据，所述第二传感器数据独立于所述第一传感器数据生成，所述第二传感器数据描述所述个人的至少一个第二生理特征，其中，响应于所述个人通过所述一体机访问信息的请求来访问所述第一传感器数据和所述第二传感器数据；
分析所述第一传感器数据，以确定描述所述个人的脉搏的第一脉搏图案；
分析所述第二传感器数据，以确定描述所述个人的所述脉搏的第二脉搏图案；以及
确定所述第一脉搏图案与所述第二脉搏图案之间的对应度，并且至少部分地基于所述对应度，确定所述个人通过所述一体机访问信息的所述请求的结果。
12.根据权利要求11所述的系统，其中：
所述第一传感器设备是雷达传感器设备、激光多普勒测量设备和激光振动计中的至少一种；
所述第一传感器数据指示所述个人的至少一个身体部位的运动，所述运动与所述个人的所述脉搏相关联；以及
分析所述第一传感器数据包括，基于所述第一传感器数据中指示的所述运动提取所述第一脉搏图案。
13.根据权利要求11所述的系统，其中：
所述第二传感器设备是相机；
所述第二传感器数据包括所述个人的至少一个身体部位的视频；以及
分析所述第二传感器数据包括，分析所述视频，以基于所述视频中示出的运动和肤色波动中的一个或多个来确定所述第二脉搏图案。
14.根据权利要求11所述的系统，其中，基于所述第一脉搏图案和所述第二脉搏图案中的至少一个中不存在所述脉搏，所述确定结果是拒绝访问所述一体机。
15.根据权利要求11所述的系统，其中，基于所述第一脉搏图案与所述第二脉搏图案之间的所述脉搏的频率和时间偏移中的一个或多个的差异，所述确定结果是拒绝访问所述一体机。
16.根据权利要求11所述的系统，其中，基于所述第一脉搏图案和所述第二脉搏图案在所述脉搏的频率和时间偏移两者上在阈值相似度内，所述确定结果是准予访问所述一体机。
17.根据权利要求11所述的系统，其中，所述第一传感器设备和所述第二传感器设备中的一个或多个是所述一体机的组件。
18.根据权利要求11所述的系统，其中，所述第二传感器设备是由所述个人穿戴的可穿戴计算设备的组件。
19.根据权利要求11所述的系统，其中，分析所述第一传感器数据和所述第二传感器数据中的一个或多个，包括：将所述第一传感器数据和所述第二传感器数据中的一个或多个作为输入提供给使用至少一种机器学习ML算法训练的至少一个分类器，以基于输入的传感器数据输出脉搏图案。
20.一种或多种存储指令的计算机可读存储介质，所述指令在被执行时使至少一个处理器执行包括以下的操作：
访问由在一体机附近的固定位置处的第一传感器设备生成的第一传感器数据，所述第一传感器数据描述个人的至少一个第一生理特征；
访问由所述一体机附近的第二传感器设备生成的第二传感器数据，所述第二传感器数据独立于所述第一传感器数据生成，所述第二传感器数据描述所述个人的至少一个第二生理特征，其中，响应于所述个人通过所述一体机访问信息的请求来访问所述第一传感器数据和所述第二传感器数据；
分析所述第一传感器数据，以确定描述所述个人的脉搏的第一脉搏图案；
分析所述第二传感器数据，以确定描述所述个人的所述脉搏的第二脉搏图案；以及
确定所述第一脉搏图案与所述第二脉搏图案之间的对应度，并且至少部分地基于所述对应度，确定所述个人通过所述一体机访问信息的所述请求的结果。
CN201911269629.5A 2018-12-11 2019-12-11 基于多个脉搏信号的相关性进行认证的方法和系统 Pending CN111310149A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/216,862 2018-12-11
US16/216,862 US11120111B2 (en) 2018-12-11 2018-12-11 Authentication based on correlation of multiple pulse signals

Publications (1)

Publication Number Publication Date
CN111310149A true CN111310149A (zh) 2020-06-19

Family

ID=70970908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911269629.5A Pending CN111310149A (zh) 2018-12-11 2019-12-11 基于多个脉搏信号的相关性进行认证的方法和系统

Country Status (2)

Country Link
US (1) US11120111B2 (zh)
CN (1) CN111310149A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111887824A (zh) * 2020-07-30 2020-11-06 杭州电子科技大学 一种基于毫米波和神经网络的动脉硬化检测装置

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11615285B2 (en) 2017-01-06 2023-03-28 Ecole Polytechnique Federale De Lausanne (Epfl) Generating and identifying functional subnetworks within structural networks
US11893471B2 (en) 2018-06-11 2024-02-06 Inait Sa Encoding and decoding information and artificial neural networks
US11663478B2 (en) 2018-06-11 2023-05-30 Inait Sa Characterizing activity in a recurrent artificial neural network
US11017209B2 (en) * 2019-03-15 2021-05-25 Samsung Electronics Co., Ltd. Millimeter wave radar and camera fusion based face authentication system
US11652603B2 (en) 2019-03-18 2023-05-16 Inait Sa Homomorphic encryption
US11569978B2 (en) 2019-03-18 2023-01-31 Inait Sa Encrypting and decrypting information
CA3078749A1 (en) * 2019-05-22 2020-11-22 Element Ai Inc. Neural network execution block using fully connected layers
KR20210052034A (ko) * 2019-10-31 2021-05-10 엘지전자 주식회사 생체 정보의 위조 검증 장치 및 방법
US11797827B2 (en) * 2019-12-11 2023-10-24 Inait Sa Input into a neural network
US11651210B2 (en) 2019-12-11 2023-05-16 Inait Sa Interpreting and improving the processing results of recurrent neural networks
US11816553B2 (en) 2019-12-11 2023-11-14 Inait Sa Output from a recurrent neural network
US11580401B2 (en) 2019-12-11 2023-02-14 Inait Sa Distance metrics and clustering in recurrent neural networks
CN111783715B (zh) * 2020-07-10 2024-04-23 安徽建筑大学 基于脉搏信号特征提取的身份识别方法
US11741689B2 (en) 2020-10-20 2023-08-29 David Godwin Frank Automated, dynamic digital financial management method and system with phsyical currency capabilities
US20220122169A1 (en) * 2020-10-20 2022-04-21 David Godwin Frank Automated, dynamic digital financial management method and system with risk management
US20220122110A1 (en) * 2020-10-20 2022-04-21 David Godwin Frank Automatic stock purchase of companies of products purchased

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130271263A1 (en) * 2011-04-04 2013-10-17 Integrated Monitoring Systems, Llc Biometric identification system using pulse waveform
US20150040203A1 (en) * 2013-08-01 2015-02-05 Huawei Technologies Co., Ltd. Authentication method of wearable device and wearable device
US20150264567A1 (en) * 2014-03-17 2015-09-17 Qualcomm Incorporated Method and apparatus for authenticating a user on a mobile device
US20160034679A1 (en) * 2014-07-31 2016-02-04 Samsung Electronics Co., Ltd. Wearable device and method of operating the same
CN105411542A (zh) * 2015-12-18 2016-03-23 北京奇虎科技有限公司 移动终端及其依据脉搏数据远程获取分析结果的处理方法
CN106096369A (zh) * 2016-06-16 2016-11-09 北京小米移动软件有限公司 对终端用户身份验证的方法、装置及移动终端
DE102017119100A1 (de) * 2016-08-22 2018-02-22 Lenovo (Singapore) Pte. Ltd. Impulssensoren zur biometrischen identifikation
US9953231B1 (en) * 2015-11-17 2018-04-24 United Services Automobile Association (Usaa) Authentication based on heartbeat detection and facial recognition in video data
US9967750B1 (en) * 2016-07-28 2018-05-08 United Services Automobile Association (Usaa) Location verification based on environmental sensor data
US20180211094A1 (en) * 2016-12-28 2018-07-26 Warren M. Shadd Systems and methods for biometrically authenticating a user using authentication data and liveness data

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002322302A1 (en) * 2001-06-25 2003-01-08 Science Applications International Corporation Identification by analysis of physiometric variation
US8902045B1 (en) * 2011-12-23 2014-12-02 Emc Corporation Controlling access to a computerized resource based on authentication using pulse data
US11219373B2 (en) * 2014-12-22 2022-01-11 Eggers & Associates, Inc. Wearable apparatus, system and method for detection of cardiac arrest and alerting emergency response
KR102322029B1 (ko) * 2015-03-27 2021-11-04 삼성전자주식회사 생체 정보 획득 방법 및 이를 위한 장치
RU2715521C2 (ru) 2015-06-16 2020-02-28 Айверифай Инк. Системы и способы для обнаружения обманных объектов и анализа жизненности
CA3044704A1 (en) * 2016-11-23 2018-05-31 Lifeq Global Limited System and method for biometric identification using sleep physiology

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130271263A1 (en) * 2011-04-04 2013-10-17 Integrated Monitoring Systems, Llc Biometric identification system using pulse waveform
US20150040203A1 (en) * 2013-08-01 2015-02-05 Huawei Technologies Co., Ltd. Authentication method of wearable device and wearable device
US20150264567A1 (en) * 2014-03-17 2015-09-17 Qualcomm Incorporated Method and apparatus for authenticating a user on a mobile device
US20160034679A1 (en) * 2014-07-31 2016-02-04 Samsung Electronics Co., Ltd. Wearable device and method of operating the same
US9953231B1 (en) * 2015-11-17 2018-04-24 United Services Automobile Association (Usaa) Authentication based on heartbeat detection and facial recognition in video data
CN105411542A (zh) * 2015-12-18 2016-03-23 北京奇虎科技有限公司 移动终端及其依据脉搏数据远程获取分析结果的处理方法
CN106096369A (zh) * 2016-06-16 2016-11-09 北京小米移动软件有限公司 对终端用户身份验证的方法、装置及移动终端
US9967750B1 (en) * 2016-07-28 2018-05-08 United Services Automobile Association (Usaa) Location verification based on environmental sensor data
DE102017119100A1 (de) * 2016-08-22 2018-02-22 Lenovo (Singapore) Pte. Ltd. Impulssensoren zur biometrischen identifikation
CN107766710A (zh) * 2016-08-22 2018-03-06 联想（新加坡）私人有限公司 识别用户的方法、装置和系统
US20180211094A1 (en) * 2016-12-28 2018-07-26 Warren M. Shadd Systems and methods for biometrically authenticating a user using authentication data and liveness data

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QIAN XU等: "Identity Authentication System Based on Fingerprint Identification and Pulse Certification", pages 280 - 284 *
杨晓玲: "基于光电容积脉搏波的身份识别算法研究", pages 138 - 146 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111887824A (zh) * 2020-07-30 2020-11-06 杭州电子科技大学 一种基于毫米波和神经网络的动脉硬化检测装置

Also Published As

Publication number Publication date
US20200184055A1 (en) 2020-06-11
US11120111B2 (en) 2021-09-14

Similar Documents

Publication Publication Date Title
US11120111B2 (en) Authentication based on correlation of multiple pulse signals
US10268910B1 (en) Authentication based on heartbeat detection and facial recognition in video data
JP6641511B2 (ja) アクセス制御される環境へのアクセスを認可するためのシステム及び方法
US10896248B2 (en) Systems and methods for authenticating user identity based on user defined image data
EP3382603B1 (en) Face verification method and apparatus
US11580203B2 (en) Method and apparatus for authenticating a user of a computing device
Crouse et al. Continuous authentication of mobile user: Fusion of face image and inertial measurement unit data
Meng et al. Surveying the development of biometric user authentication on mobile phones
Cao et al. PPGPass: Nonintrusive and secure mobile two-factor authentication via wearables
US20170227995A1 (en) Method and system for implicit authentication
EP2863339B1 (en) Methods and systems for determing user liveness
Chen et al. Eyetell: Video-assisted touchscreen keystroke inference from eye movements
US11675883B2 (en) Passive identification of a kiosk user
Dahia et al. Continuous authentication using biometrics: An advanced review
EP3108636A1 (en) Continuous authentication with a mobile device
Amin et al. Biometric and traditional mobile authentication techniques: Overviews and open issues
US10217009B2 (en) Methods and systems for enhancing user liveness detection
Boehm et al. Safe: Secure authentication with face and eyes
US11494474B2 (en) Brain activity-based authentication
US11030292B2 (en) Authentication using sound based monitor detection
US20190188364A1 (en) Biometric authentication
Zhu et al. Blinkey: A two-factor user authentication method for virtual reality devices
Buriro et al. Evaluation of motion-based touch-typing biometrics for online banking
Fenu et al. Controlling user access to cloud-connected mobile applications by means of biometrics
JP7428242B2 (ja) 認証装置、認証システム、認証方法および認証プログラム

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201012

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

Applicant after: Innovative advanced technology Co.,Ltd.

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

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20201012

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman 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
TA01 Transfer of patent application right

Effective date of registration: 20221108

Address after: California, USA

Applicant after: JUMIO Inc.

Address before: Ky1-9008 Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands, ky1-9008

Applicant before: Innovative advanced technology Co.,Ltd.

AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240322