CN111555889A - 电子签名的验证方法、装置、计算机设备和存储介质 - Google Patents

电子签名的验证方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111555889A
CN111555889A CN202010344559.1A CN202010344559A CN111555889A CN 111555889 A CN111555889 A CN 111555889A CN 202010344559 A CN202010344559 A CN 202010344559A CN 111555889 A CN111555889 A CN 111555889A
Authority
CN
China
Prior art keywords
electronic signature
signature
authentication
series data
time
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
CN202010344559.1A
Other languages
English (en)
Inventor
陈东亮
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.)
OneConnect Smart Technology Co Ltd
OneConnect Financial Technology Co Ltd Shanghai
Original Assignee
OneConnect Financial Technology Co Ltd Shanghai
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 OneConnect Financial Technology Co Ltd Shanghai filed Critical OneConnect Financial Technology Co Ltd Shanghai
Priority to CN202010344559.1A priority Critical patent/CN111555889A/zh
Priority to PCT/CN2020/106071 priority patent/WO2021217944A1/zh
Publication of CN111555889A publication Critical patent/CN111555889A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H04L9/3247—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 involving digital signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及人工智能技术领域，可应用于智慧安防场景中，提供一种电子签名的验证方法、装置、计算机设备和存储介质。所述方法包括：采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；获取所述签名标识的认证电子签名的时间序列数据；根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。本申请根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，同时提高了电子签名的验证准确率。

Description

电子签名的验证方法、装置、计算机设备和存储介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种电子签名的验证方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的快速发展，电子签名在很多领域得到了广泛应用，比如网上银行、实体银行、电子政务、电子合同的签署等；为了保障电子签名的安全性，需要对电子签名进行验证。
目前，对电子签名的鉴定方式，一般是采集电子签名的图片信息，从电子签名的图片信息中提取出特征，再对这些特征进行分析，从而得到电子签名的验证结果。但是，电子签名的图片信息仅仅涉及电子签名的静态信息，很容易造成对电子签名的误识别或者漏识别，进而导致电子签名的验证准确率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高电子签名的验证准确率的电子签名的验证方法、装置、计算机设备和存储介质。
一种电子签名的验证方法，所述方法包括：
采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
获取所述签名标识的认证电子签名的时间序列数据；
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
在其中一个实施例中，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度，包括：
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码；
确定所述电子签名的特征编码与所述认证电子签名的特征编码之间的特征距离；
将所述特征距离进行映射处理，得到映射处理后的特征距离，作为所述电子签名与所述认证电子签名之间的特征相似度。
在其中一个实施例中，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码，包括：
分别将所述电子签名的时间序列数据和所述认证电子签名的时间序列数据进行批量标准化处理，得到所述电子签名的标准时间序列数据和所述认证电子签名的标准时间序列数据；
分别提取所述电子签名的标准时间序列数据中的时序特征和所述认证电子签名的标准时间序列数据中的时序特征；
根据所述电子签名的标准时间序列数据中的时序特征和所述认证电子签名的标准时间序列数据中的时序特征，确定所述电子签名的特征编码和所述认证电子签名的特征编码。
在其中一个实施例中，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度，还包括：
分别将所述电子签名的时间序列数据和所述认证电子签名的时间序列数据输入预先训练的签名验证模型，得到所述电子签名与所述认证电子签名之间的特征相似度；所述预先训练的签名验证模型用于根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码；确定所述电子签名的特征编码与所述认证电子签名的特征编码之间的特征距离；将所述特征距离进行映射处理，得到映射处理后的特征距离，作为所述电子签名与所述认证电子签名之间的特征相似度。
在其中一个实施例中，所述预先训练的签名验证模型通过下述方式训练得到：
采集同一个签名标识的两个样本电子签名的时间序列数据和所述两个样本电子签名的实际特征相似度；
将所述同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到所述两个样本电子签名的特征相似度；
统计所述两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；
当所述误差大于或等于预设阈值时，根据所述误差调整所述待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对所述调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的所述误差小于所述预设阈值。
在其中一个实施例中，所述根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果，包括：
若所述电子签名与所述认证电子签名之间的特征相似度大于或者等于预设相似度，则确认所述电子签名验证通过；
若所述电子签名与所述认证电子签名之间的特征相似度小于所述预设相似度，则确认所述电子签名验证不通过。
在其中一个实施例中，在若所述电子签名与所述认证电子签名之间的特征相似度大于或者等于预设相似度，则确认所述电子签名验证通过之后，还包括：
生成电子签名验证通过消息，将所述电子签名验证通过消息上传至区块链中。
一种电子签名的验证装置，所述装置包括：
数据采集模块，用于采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
数据获取模块，用于获取所述签名标识的认证电子签名的时间序列数据；
相似度确定模块，用于根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
验证结果确定模块，用于根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
获取所述签名标识的认证电子签名的时间序列数据；
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
一种计算机可读存储介质，其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以下步骤：
采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
获取所述签名标识的认证电子签名的时间序列数据；
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
上述电子签名的验证方法、装置、计算机设备和存储介质，通过触屏输入设备上的同一签名标识的电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；进而根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果；实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。同时，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，从而提高了电子签名的验证准确率。
附图说明
图1为一个实施例中电子签名的验证方法的应用环境图；
图2为一个实施例中电子签名的验证方法的流程示意图；
图3为一个实施例中电子笔和触屏输入设备的示意图；
图4为一个实施例中确定电子签名与认证电子签名之间的特征相似度的步骤的流程示意图；
图5为一个实施例中输出电子签名与认证电子签名之间的特征相似度的示意图；
图6为另一个实施例中电子签名的验证方法的流程示意图；
图7为一个实施例中电子签名的验证装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的电子签名的验证方法，可以应用于如图1所示的应用环境中。其中，触屏输入设备110与服务器120通过网络进行通信。触屏输入设备110采集当前签名者的电子签名的时间序列数据，并将电子签名的时间序列数据发送至服务器120，电子签名的时间序列数据中携带有签名标识。服务器120根据电子签名的签名标识，获取对应的认证电子签名的时间序列数据；根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果。其中，触屏输入设备110是指具有电子签名功能的触屏设备，可以但不限于是各种智能手机、平板电脑和电子签名设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
需要说明的是，本申请提供的电子签名的验证方法，也可以应用于触屏输入设备，还可以应用于服务器，具体本申请不做限定。
在一个实施例中，如图2所示，提供了一种电子签名的验证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S201，采集触屏输入设备上的电子签名的时间序列数据；电子签名的时间序列数据中携带有电子签名的签名标识。
在本步骤中，触屏输入设备是指具有电子签名功能的设备，比如Apple iPad，能够供用户进行电子签名，并收集电子签名的时间序列数据；电子签名是指用户通过电子笔(比如Apple Pencil)在触屏输入设备上(比如Apple iPad)写下的名字。
在本步骤中，电子签名的时间序列数据是指按照时间顺序，在不同时间戳下采集到的电子笔的多个维度的数据，能够表征用户的签名特征；比如不同时间戳下，电子笔的笔头在触屏输入设备上的位置坐标(包括横坐标和纵坐标)、电子笔对触屏输入设备的压力值、电子笔在触屏输入设备表面的投影线与触屏输入设备表面水平线之间的弧度(如图3a所示)、电子笔的高度与触屏输入设备表面之间的弧度(如图3b所示)等等。
在本步骤中，电子签名的签名标识是指电子签名的唯一标识，比如电子签名所对应的姓名、电子签名编号等；举例说明，若电子签名为“李三”，则电子签名的签名标识也为“李三”。
具体实现中，触屏输入设备响应当前的电子签名操作，获取电子签名的时间序列数据，并将电子签名的时间签名的时间序列数据发送至对应的服务器；由服务器读取电子签名的时间序列数据中所携带的电子签名的签名标识，便于后续根据该签名标识，获取对应的认证电子签名的时间序列数据。
举例说明，用户通过电子笔在触屏输入设备上写下电子签名，触发电子签名操作；触屏输入设备响应电子签名操作，按照时间顺序，在不同时间戳下采集电子笔的多个维度的数据，作为对应的电子签名的时间序列数据，并将电子签名的时间序列数据发送至对应的服务器。其中，触屏输入设备还可以将每个时间戳下采集的电子笔的多个维度的数据作为一行数据，写入到预先建立的表格(如CSV表格)中，作为对应的电子签名的时间序列数据表(如表1所示)，并将整个电子签名的时间序列数据表发送至对应的服务器。
ID X Y Force Altitude Azimuth Timestamp
S0-0 212.9297 218.7813 0.424479 1.10815 0.508911 311881.499
S0-1 212.8477 218.7813 0.337049 1.10815 0.508911 311881.507
S0-2 212.4375 218.7813 0.209896 1.10815 0.508911 311881.512
S0-3 212.1094 218.7813 0.248417 1.10815 0.508911 311881.515
S0-4 211.7813 218.8594 0.312618 1.10815 0.508911 311881.520
S0-5 211.6172 219.0313 0.327137 1.10815 0.508911 311881.524
S0-6 211.4531 219.3594 0.337137 1.10815 0.508911 311881.528
S0-7 211.3711 219.5938 0.33904 1.10815 0.508911 311881.532
S0-8 211.3711 219.9219 0.341744 1.10815 0.508911 311881.537
S0-9 211.3711 220.4219 0.346929 1.10815 0.508911 311881.540
表1
其中，ID表示每一行时间序列数据对应的编号，X表示电子笔的笔头在触屏输入设备上的横坐标，Y表示电子笔的笔头在触屏输入设备上的纵坐标，Force表示电子笔对触屏输入设备的压力值，Altitude表示电子笔的高度与触屏输入设备表面之间的弧度，Azimuth表示电子笔在触屏输入设备表面的投影线与触屏输入设备表面水平线之间的弧度，Timestamp表示时间戳。需要说明的是，由于触屏输入设备的系统原因，不同时间戳之间的间隔不一样，大致范围在0.005到0.013之间。
进一步地，服务器还可以接收触屏输入设备的电子签名验证请求，对电子签名验证请求进行解析，得到电子签名的时间序列数据和该电子签名对应的签名标识；例如，触屏输入设备响应当前的电子签名操作，获取电子签名的时间序列数据，根据电子签名的时间序列数据，生成电子签名验证请求，并将电子签名验证请求发送至对应的服务器，以请求服务器对该电子签名进行验证。
步骤S202，获取签名标识的认证电子签名的时间序列数据。
在本步骤中，认证电子签名是指在实名认证环节中，用户通过电子笔在触屏输入设备上写下的名字。认证电子签名的时间序列数据，同样是指按照时间顺序，在不同时间戳下采集到的电子笔的多个维度的数据，比如不同时间戳下，电子笔的笔头在触屏输入设备上的位置坐标、电子笔对触屏输入设备的压力值等等。
具体实现中，服务器根据签名标识查询存储有多个签名标识对应的认证电子签名的时间序列数据的本地数据库，从本地数据库中获取与该签名标识对应的认证电子签名的时间序列数据，便于后续根据电子签名的时间序列数据和认证电子签名的时间序列数据，对电子签名进行精准识别，从而提高了电子签名的验证准确率。
进一步地，在根据签名标识查询存储有多个签名标识对应的认证电子签名的时间序列数据的本地数据库之前，服务器预先基于大数据技术，采集多个触屏输入设备上的认证电子签名的时间序列数据，从而得到多个认证电子签名的时间序列数据；将多个认证电子签名的时间序列数据，按照认证电子签名的签名标识分类存储至本地数据库中，以通过本地数据库存储多个签名标识的认证电子签名的时间序列数据；这样，有利于后续查询本地数据库，得到签名标识的认证电子签名的时间序列数据。
在一个实施例中，服务器还可以根据签名标识，查询预设的签名标识与认证电子签名的时间序列数据的对应关系，得到与该签名标识对应的认证电子签名的时间序列数据。
步骤S203，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度。
其中，电子签名与认证电子签名之间的特征相似度，用于衡量电子签名对应的签名特征与认证电子签名对应的签名特征之间的相似程度；特征相似度越高，表示电子签名与认证电子签名越相似，说明该电子签名是真签名，特征相似度越低，表示电子签名与认证电子签名越不相似，说明该电子签名是伪签名。
具体地，服务器根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；根据电子签名的特征编码和认证电子签名的特征编码，统计电子签名与认证电子签名之间的特征相似度；这样，有利于后续根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，从而实现电子签名的精准验证，进而提高了电子签名的验证准确率。其中，电子签名的特征编码是指经过压缩编码后的用于表示电子签名的低层语义的低维度特征向量，认证电子签名的特征编码也是指经过压缩编码后的用于表示认证电子签名的低层语义的低维度特征向量。
举例说明，服务器将电子签名的时间序列数据和认证电子签名的时间序列数据输入特征提取网络中，通过特征提取网络提取电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征，并根据电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码；统计电子签名的特征编码和认证电子签名的特征编码之间的特征距离，根据特征距离确定电子签名与认证电子签名之间的特征相似度。
进一步地，在根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度之前，服务器还可以获取预设的数据预处理指令，根据预设的数据预处理指令，对电子签名的时间序列数据和认证电子签名的时间序列数据进行预处理，得到预处理后的电子签名的时间序列数据和预处理后的认证电子签名的时间序列数据。这样，通过对电子签名的时间序列数据和认证电子签名的时间序列数据进行预处理，使得后续根据预处理后的电子签名的时间序列数据和预处理后的认证电子签名的时间序列数据，确定出的电子签名与认证电子签名之间的特征相似度更加准确。
举例说明，参考表1，针对电子签名的时间序列数据，服务器计算每一个时间戳对应的横坐标X、纵坐标Y与前一个时间戳对应的横坐标X、纵坐标Y之间的差，得到横坐标的差值dX和纵坐标的差值dY；然后保留每一个时间戳的小数点后两位，比如311881.499就变成了31188149；这样，每个时间戳对应的时间序列数据变成dX、dY、Force、Altitude和Azimuth；然后，合并时间戳相同的时间序列数据，并分别计算dX、dY、Force、Altitude和Azimuth的平均值；这样，每个时间戳对应的时间序列数据变成dX’、dY’、Force’、Altitude’和Azimuth’，如表2所示。需要说明的是，针对认证电子签名的时间序列数据，也是通过上述方式进行预处理，具体本申请不再赘述。
Timestamp Force’ Altitude’ Azimuth’ dX’ dY’
31188149 0.424479 1.10815 0.508911 0 0
31188150 0.337049 1.10815 0.508911 -0.08203 0
31188151 0.229156 1.10815 0.508911 -0.36914 0
31188152 0.32563 1.10815 0.508911 -0.21875 0.192708
31188153 0.340392 1.10815 0.508911 -0.04102 0.28125
31188154 0.351754 1.10815 0.508911 0 0.411458
31188155 0.356407 1.10815 0.508911 0.246094 0.367188
31188156 0.363395 1.10815 0.508911 0.369141 0.242188
31188157 0.390325 1.10815 0.508911 0.328125 0.109375
31188158 0.447672 1.10815 0.508911 0.205078 0
表2
步骤S204，根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果。
其中，电子签名的验证结果是指电子签名验证通过，或者电子签名验证不通过。
具体地，服务器将电子签名与认证电子签名之间的特征相似度和预设相似度进行比较，得到比较结果；根据比较结果，确定电子签名与认证电子签名是否属于同一用户的真签名，进而得到对电子签名的验证结果。例如，若电子签名与认证电子签名属于同一用户的真签名，说明电子签名验证通过；若电子签名与认证电子签名不属于同一用户的真签名，说明电子签名验证不通过。这样，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。
上述电子签名的验证方法中，通过触屏输入设备上的同一签名标识的电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；进而根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果；实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。同时，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，从而提高了电子签名的验证准确率。本申请方案可以应用在智慧安防如安全监控等场景中，从而推动智慧城市的建设。
在一个实施例中，如图4所示，上述步骤S203，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度，具体包括如下步骤：
步骤S401，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码。
具体地，服务器提取电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征，并根据电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码，
步骤S402，确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离。
其中，电子签名的特征编码与认证电子签名的特征编码之间的特征距离，是指电子签名的特征编码与认证电子签名的特征编码之间的欧式距离，用于衡量电子签名与认证电子签名之间的特征相似度；特征距离越大，表示电子签名与认证电子签名之间的特征相似度越大；特征距离越小，表示电子签名与认证电子签名之间的特征相似度越小。
具体地，服务器利用欧氏距离算法，计算电子签名的特征编码与认证电子签名的特征编码之间的欧式距离，作为电子签名的特征编码与认证电子签名的特征编码之间的特征距离。
举例说明，若电子签名的特征编码为X(x1，x2，x3…xn)，认证电子签名的特征编码为Y(y1，y2，y3…yn)，那么电子签名的特征编码与认证电子签名的特征编码之间的特征距离为：
Figure BDA0002469676960000121
步骤S403，将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
具体地，服务器将特征距离映射到属于[0，1]的数值，并将该数值作为电子签名与认证电子签名之间的特征相似度。
举例说明，服务器利用sigmoid函数对特征距离进行映射处理，比如将特征距离作为sigmoid函数的输入，通过sigmoid函数输出映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
进一步地，服务器还可以根据预设的特征距离与特征相似度的对应关系，确定与得到的特征距离对应的特征相似度，作为电子签名与认证电子签名之间的特征相似度。
在本实施例中，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名和认证电子签名在时间维度上的动态信息，从而使得确定出的电子签名与认证电子签名之间的特征相似度更加准确，进而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷。
在一个实施例中，上述步骤S401，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码，具体包括：分别将电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到电子签名的标准时间序列数据和认证电子签名的标准时间序列数据；分别提取电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征；根据电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码。
其中，电子签名的标准时间序列数据和认证电子签名的时间序列数据均是指数据分布呈正态分布的时间序列数据；时序特征是指电子签名在时间维度上的特征。
具体地，服务器分别对电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到数据分布呈正态分布的电子签名的时间序列数据和数据分布呈正态分布的认证电子签名的时间序列数据，对应作为电子签名的标准时间序列数据和认证电子签名的标准时间序列数据；分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入特征提取网络中，通过特征提取网络提取电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征；分别对电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征进行特征编码处理，得到电子签名的特征编码和认证电子签名的特征编码。
在本实施例中，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码，有利于后续根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，从而实现电子签名的精准验证，进而提高了电子签名的验证准确率。
在一个实施例中，上述步骤S203，根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度，还包括：分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入预先训练的签名验证模型，得到电子签名与认证电子签名之间的特征相似度；预先训练的签名验证模型用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
其中，预先训练的签名验证模型是指能够验证两个电子签名是否属于同一个用户的真签名的神经网络模型，比如孪生深度网络模型，具体包括BN(BatchNormalization，批量标准化)层、双层双向LSTM(Long Short-Term Memory，长短期记忆网络)层、特征编码层、特征对比层、逻辑回归层。
具体地，参考图5，服务器分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入孪生深度网络模型中的BN层，分别通过BN层对输入的电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，输出数据分布呈正态分布的电子签名的时间序列数据，作为电子签名的标准时间序列数据，以及输出数据分布呈正态分布的认证电子签名的时间序列数据，作为认证电子签名的标准时间序列数据；分别将电子签名的标准时间序列数据和认证电子签名的标准时间序列数据输入对应的双层双向LSTM层，通过双层双向LSTM层提取电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征，并分别将电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征输入对应的特征编码层；通过特征编码层对输入的电子签名的时间序列数据中的时序特征和认证电子签名的时间序列数据中的时序特征进行特征编码处理，得到一个多维度(比如64维)的电子签名的特征编码和一个多维度(比如64维)的认证电子签名的特征编码，并将电子签名的特征编码和认证电子签名的特征编码均输入到特征对比层；通过特征对比层计算电子签名的特征编码与认证电子签名的特征编码之间的欧式距离，作为电子签名的特征编码与认证电子签名的特征编码之间的特征距离，并将该特征距离输入到逻辑回归层；通过逻辑回归层基于sigmoid函数，将特征距离映射到属于[0，1]的数值，作为电子签名与认证电子签名之间的特征相似度，并输出电子签名与认证电子签名之间的特征相似度。
在本实施例中，通过预先训练的签名验证模型，并结合电子签名的时间序列数据和认证电子签名的时间序列数据，有利于提高得到的电子签名与认证电子签名之间的特征相似度的准确率，使得后续的电子签名的验证更加准确，进一步提高了电子签名的验证准确率。
在一个实施例中，预先训练的签名验证模型通过下述方式训练得到：采集同一个签名标识的两个样本电子签名的时间序列数据和两个样本电子签名的实际特征相似度；将同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到两个样本电子签名的特征相似度；统计两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；当误差大于或等于预设阈值时，根据误差调整待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的误差小于预设阈值。
其中，两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差，用于衡量通过待训练的签名验证模型输出的两个样本电子签名的特征相似度与对应的实际特征相似度之间的偏差程度。
具体地，服务器基于大数据技术，采集多个同一签名标识对应的两个样本电子签名的时间序列数据和两个样本电子签名的实际特征相似度，并根据多个同一签名标识对应的两个样本电子签名的时间序列数据对待训练的签名验证模型进行训练，得到训练后的签名验证模型，统计训练后的签名验证模型输出的两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；在误差大于或等于预设阈值的情况下，不断调整签名验证模型中的网络参数，并对签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的误差小于预设阈值，将当前的签名验证模型作为预先训练的签名验证模型。
在本实施例中，服务器通过同一个签名标识的两个样本电子签名的时间序列数据对签名验证模型进行反复训练，可以提高签名验证模型输出的电子签名与认证电子签名之间的特征相似度的准确率，进一步提高了电子签名的验证准确率。
在一个实施例中，上述步骤S204，根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，包括：若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过；若电子签名与认证电子签名之间的特征相似度小于预设相似度，则确认电子签名验证不通过。
举例说明，若电子签名与认证电子签名之间的特征相似度大于或者等于0.7，说明电子签名与认证电子签名属于同一用户的真签名，则确认电子签名验证通过；若电子签名与认证电子签名之间的特征相似度小于0.7，说明电子签名与认证电子签名不属于同一用户的真签名，则确认电子签名验证不通过。
在本实施例中，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率；同时，通过对电子签名进行验证，有利于提高电子签名过程的安全性。
在一个实施例中，在若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过之后，还包括：生成电子签名验证通过消息；将电子签名验证通过消息发送至触屏输入设备。
具体地，在确认电子签名验证通过之后，服务器根据预设的消息模板，生成电子签名验证通过消息，并将电子签名验证通过消息发送至对应的触屏输入设备，通过触屏输入设备的签名界面显示电子签名验证通过消息，以提醒用户签名成功，无需重复签名。
在另一个实施例中，在若电子签名与认证电子签名之间的特征相似度小于预设相似度，则确认电子签名验证不通过之后，还包括：生成电子签名验证失败消息，并将电子签名验证失败消息发送至触屏输入设备，通过触屏输入设备的签名界面显示电子签名验证失败消息，以提醒用户签名成功；这个时候，用户可以重新输入签名。
在一个实施例中，如图6所示，提供了另一种电子签名的验证方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S601，采集触屏输入设备上的电子签名的时间序列数据；电子签名的时间序列数据中携带有电子签名的签名标识。
步骤S602，获取签名标识的认证电子签名的时间序列数据。
步骤S603，分别将电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到电子签名的标准时间序列数据和认证电子签名的标准时间序列数据。
步骤S604，分别提取电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征。
步骤S605，根据电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码。
步骤S606，确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离。
步骤S607，将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
步骤S608，若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过。
步骤S609，生成电子签名验证通过消息，将电子签名验证通过消息上传至区块链中。基于电子签名验证通过消息得到对应的摘要信息，具体来说，摘要信息由电子签名验证通过消息进行散列处理得到，比如利用sha256s算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息，以便查证电子签名验证通过信息是否被篡改。
在其中一个实施例中，可以将电子签名验证通过消息发送至触屏输入设备。
在本实施例中，实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。同时，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，从而提高了电子签名的验证准确率。
应该理解的是，虽然图2、4、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、4、6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种电子签名的验证装置，包括：数据采集模块、数据获取模块、相似度确定模块和验证结果确定模块，其中：
数据采集模块710，用于采集触屏输入设备上的电子签名的时间序列数据；电子签名的时间序列数据中携带有电子签名的签名标识。
数据获取模块720，用于获取签名标识的认证电子签名的时间序列数据。
相似度确定模块730，用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度。
验证结果确定模块740，用于根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果。
在一个实施例中，相似度确定模块730还用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，相似度确定模块730还用于分别将电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到电子签名的标准时间序列数据和认证电子签名的标准时间序列数据；分别提取电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征；根据电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码。
在一个实施例中，相似度确定模块730还用于分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入预先训练的签名验证模型，得到电子签名与认证电子签名之间的特征相似度；预先训练的签名验证模型用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，电子签名的验证装置还包括模型训练模块，用于采集同一个签名标识的两个样本电子签名的时间序列数据和两个样本电子签名的实际特征相似度；将同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到两个样本电子签名的特征相似度；统计两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；当误差大于或等于预设阈值时，根据误差调整待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的误差小于预设阈值。
在一个实施例中，验证结果确定模块740还用于若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过；若电子签名与认证电子签名之间的特征相似度小于预设相似度，则确认电子签名验证不通过。
在一个实施例中，电子签名的验证装置还包括消息发送模块，用于验证结果确定模块740确认电子签名验证通过之后，生成电子签名验证通过消息；将电子签名验证通过消息发送至触屏输入设备。
上述各个实施例，电子签名的验证装置通过触屏输入设备上的同一签名标识的电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；进而根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果；实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。同时，通过电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果，有利于实现电子签名的精准验证，从而提高了电子签名的验证准确率。
关于电子签名的验证装置的具体限定可以参见上文中对于电子签名的验证方法的限定，在此不再赘述。上述电子签名的验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电子签名的时间序列数据、认证电子签名的时间序列数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种电子签名的验证方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
采集触屏输入设备上的电子签名的时间序列数据；电子签名的时间序列数据中携带有电子签名的签名标识；
获取签名标识的认证电子签名的时间序列数据；
根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；
根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别将电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到电子签名的标准时间序列数据和认证电子签名的标准时间序列数据；分别提取电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征；根据电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入预先训练的签名验证模型，得到电子签名与认证电子签名之间的特征相似度；预先训练的签名验证模型用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集同一个签名标识的两个样本电子签名的时间序列数据和两个样本电子签名的实际特征相似度；将同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到两个样本电子签名的特征相似度；统计两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；当误差大于或等于预设阈值时，根据误差调整待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的误差小于预设阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过；若电子签名与认证电子签名之间的特征相似度小于预设相似度，则确认电子签名验证不通过。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：生成电子签名验证通过消息；将电子签名验证通过消息发送至触屏输入设备。
上述各个实施例，计算机设备通过处理器上运行的计算机程序，实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
采集触屏输入设备上的电子签名的时间序列数据；电子签名的时间序列数据中携带有电子签名的签名标识；
获取签名标识的认证电子签名的时间序列数据；
根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名与认证电子签名之间的特征相似度；
根据电子签名与认证电子签名之间的特征相似度，确定对电子签名的验证结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别将电子签名的时间序列数据和认证电子签名的时间序列数据进行批量标准化处理，得到电子签名的标准时间序列数据和认证电子签名的标准时间序列数据；分别提取电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征；根据电子签名的标准时间序列数据中的时序特征和认证电子签名的标准时间序列数据中的时序特征，确定电子签名的特征编码和认证电子签名的特征编码。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别将电子签名的时间序列数据和认证电子签名的时间序列数据输入预先训练的签名验证模型，得到电子签名与认证电子签名之间的特征相似度；预先训练的签名验证模型用于根据电子签名的时间序列数据和认证电子签名的时间序列数据，确定电子签名的特征编码和认证电子签名的特征编码；确定电子签名的特征编码与认证电子签名的特征编码之间的特征距离；将特征距离进行映射处理，得到映射处理后的特征距离，作为电子签名与认证电子签名之间的特征相似度。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采集同一个签名标识的两个样本电子签名的时间序列数据和两个样本电子签名的实际特征相似度；将同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到两个样本电子签名的特征相似度；统计两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；当误差大于或等于预设阈值时，根据误差调整待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的误差小于预设阈值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：若电子签名与认证电子签名之间的特征相似度大于或者等于预设相似度，则确认电子签名验证通过；若电子签名与认证电子签名之间的特征相似度小于预设相似度，则确认电子签名验证不通过。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：生成电子签名验证通过消息；将电子签名验证通过消息发送至触屏输入设备。
上述各个实施例，计算机可读存储介质通过其存储的计算机程序，实现了根据电子签名的时间序列数据和认证电子签名的时间序列数据，实时确定对电子签名的验证结果的目的，综合考虑电子签名的时间序列数据和认证电子签名的时间序列数据，有利于获取电子签名在时间维度上的动态信息，从而使得电子签名的验证更加准确，避免了仅仅考虑电子签名的静态信息，导致电子签名的验证准确率较低的缺陷，进一步提高了电子签名的验证准确率。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电子签名的验证方法，所述方法包括：
采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
获取所述签名标识的认证电子签名的时间序列数据；
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度，包括：
根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码；
确定所述电子签名的特征编码与所述认证电子签名的特征编码之间的特征距离；
将所述特征距离进行映射处理，得到映射处理后的特征距离，作为所述电子签名与所述认证电子签名之间的特征相似度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码，包括：
分别将所述电子签名的时间序列数据和所述认证电子签名的时间序列数据进行批量标准化处理，得到所述电子签名的标准时间序列数据和所述认证电子签名的标准时间序列数据；
分别提取所述电子签名的标准时间序列数据中的时序特征和所述认证电子签名的标准时间序列数据中的时序特征；
根据所述电子签名的标准时间序列数据中的时序特征和所述认证电子签名的标准时间序列数据中的时序特征，确定所述电子签名的特征编码和所述认证电子签名的特征编码。
4.根据权利要求1所述的方法，其特征在于，所述根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度，还包括：
分别将所述电子签名的时间序列数据和所述认证电子签名的时间序列数据输入预先训练的签名验证模型，得到所述电子签名与所述认证电子签名之间的特征相似度；
其中，所述预先训练的签名验证模型用于根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名的特征编码和所述认证电子签名的特征编码；确定所述电子签名的特征编码与所述认证电子签名的特征编码之间的特征距离；将所述特征距离进行映射处理，得到映射处理后的特征距离，作为所述电子签名与所述认证电子签名之间的特征相似度。
5.根据权利要求4所述的方法，其特征在于，所述预先训练的签名验证模型通过下述方式训练得到：
采集同一个签名标识的两个样本电子签名的时间序列数据和所述两个样本电子签名的实际特征相似度；
将所述同一个签名标识的两个样本电子签名的样本时间序列数据输入待训练的签名验证模型，得到所述两个样本电子签名的特征相似度；
统计所述两个样本电子签名的特征相似度与对应的实际特征相似度之间的误差；
当所述误差大于或等于预设阈值时，根据所述误差调整所述待训练的签名验证模型的网络参数，得到调整后的签名验证模型，并对所述调整后的签名验证模型进行反复训练，直至根据训练后的签名验证模型得到的所述误差小于所述预设阈值。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果，包括：
若所述电子签名与所述认证电子签名之间的特征相似度大于或者等于预设相似度，则确认所述电子签名验证通过；
若所述电子签名与所述认证电子签名之间的特征相似度小于所述预设相似度，则确认所述电子签名验证不通过。
7.根据权利要求6所述的方法，其特征在于，在若所述电子签名与所述认证电子签名之间的特征相似度大于或者等于预设相似度，则确认所述电子签名验证通过之后，还包括：
生成电子签名验证通过消息，将所述电子签名验证通过消息上传至区块链中。
8.一种电子签名的验证装置，其特征在于，所述装置包括：
数据采集模块，用于采集触屏输入设备上的电子签名的时间序列数据；所述电子签名的时间序列数据中携带有所述电子签名的签名标识；
数据获取模块，用于获取所述签名标识的认证电子签名的时间序列数据；
相似度确定模块，用于根据所述电子签名的时间序列数据和所述认证电子签名的时间序列数据，确定所述电子签名与所述认证电子签名之间的特征相似度；
验证结果确定模块，用于根据所述电子签名与所述认证电子签名之间的特征相似度，确定对所述电子签名的验证结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010344559.1A 2020-04-27 2020-04-27 电子签名的验证方法、装置、计算机设备和存储介质 Pending CN111555889A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010344559.1A CN111555889A (zh) 2020-04-27 2020-04-27 电子签名的验证方法、装置、计算机设备和存储介质
PCT/CN2020/106071 WO2021217944A1 (zh) 2020-04-27 2020-07-31 电子签名的验证方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010344559.1A CN111555889A (zh) 2020-04-27 2020-04-27 电子签名的验证方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111555889A true CN111555889A (zh) 2020-08-18

Family

ID=72007726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010344559.1A Pending CN111555889A (zh) 2020-04-27 2020-04-27 电子签名的验证方法、装置、计算机设备和存储介质

Country Status (2)

Country Link
CN (1) CN111555889A (zh)
WO (1) WO2021217944A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115374422A (zh) * 2022-10-26 2022-11-22 四川蜀天信息技术有限公司 一种基于区块链的防泄密的电子签名验证方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046781A (ja) * 2006-08-11 2008-02-28 National Institute Of Advanced Industrial & Technology 接触力の時系列データによる手書きサイン個人認証システム
CN105095709A (zh) * 2015-09-09 2015-11-25 西南大学 在线签字的鉴定方法及系统
JP6199470B1 (ja) * 2016-10-28 2017-09-20 株式会社エヌ・ティ・ティ・データ 署名認証システム
CN108139856A (zh) * 2016-08-31 2018-06-08 华为技术有限公司 签名认证方法、终端、手写笔及系统
CN108197532A (zh) * 2017-12-18 2018-06-22 深圳云天励飞技术有限公司 人脸识别的方法、装置及计算机装置
CN208188805U (zh) * 2018-06-04 2018-12-04 河海大学常州校区 一种智能签名板

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241544B (zh) * 2007-02-09 2012-08-29 智点科技（深圳）有限公司 签字的动态鉴别方法
CN101526992A (zh) * 2008-03-03 2009-09-09 汉王科技股份有限公司 手写签名识别的方法、装置及手写签名开机系统
CN103780391B (zh) * 2013-12-10 2017-04-12 北京数字认证股份有限公司 一种基于签名内容的手写电子签名数据保护方法
WO2015162607A1 (en) * 2014-04-23 2015-10-29 Signpass Ltd. Methods and systems for signature analysis and authentication
WO2016134039A1 (en) * 2015-02-17 2016-08-25 Silvio Micali Verifying electronic transactions
CN107657241B (zh) * 2017-10-09 2021-03-26 河海大学常州校区 一种面向签字笔的签名真伪性鉴别系统
CN109446905A (zh) * 2018-09-26 2019-03-08 深圳壹账通智能科技有限公司 电子签名审核方法、装置、计算机设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008046781A (ja) * 2006-08-11 2008-02-28 National Institute Of Advanced Industrial & Technology 接触力の時系列データによる手書きサイン個人認証システム
CN105095709A (zh) * 2015-09-09 2015-11-25 西南大学 在线签字的鉴定方法及系统
CN108139856A (zh) * 2016-08-31 2018-06-08 华为技术有限公司 签名认证方法、终端、手写笔及系统
JP6199470B1 (ja) * 2016-10-28 2017-09-20 株式会社エヌ・ティ・ティ・データ 署名認証システム
CN108197532A (zh) * 2017-12-18 2018-06-22 深圳云天励飞技术有限公司 人脸识别的方法、装置及计算机装置
CN208188805U (zh) * 2018-06-04 2018-12-04 河海大学常州校区 一种智能签名板

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115374422A (zh) * 2022-10-26 2022-11-22 四川蜀天信息技术有限公司 一种基于区块链的防泄密的电子签名验证方法

Also Published As

Publication number Publication date
WO2021217944A1 (zh) 2021-11-04

Similar Documents

Publication Publication Date Title
US10685008B1 (en) Feature embeddings with relative locality for fast profiling of users on streaming data
CN112464117B (zh) 请求处理方法、装置、计算机设备和存储介质
CN109766754B (zh) 人脸五官聚类方法、装置、计算机设备及存储介质
CN112084470B (zh) 用户身份认证方法、装置、用户终端及服务器
CN111178203B (zh) 签名审核方法、装置、计算机设备和存储介质
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
CN109766678B (zh) 面向移动端设备指纹识别认证方法、系统、介质及设备
CN113887408B (zh) 活化人脸视频的检测方法、装置、设备及存储介质
WO2022179046A1 (zh) 人脸识别方法、装置、计算机设备和存储介质
CN110689323A (zh) 图片审核方法、装置、计算机设备和存储介质
CN116305076B (zh) 基于签名的身份信息注册样本在线更新方法、系统及存储介质
CN105212942A (zh) 利用生物体信息的认证系统
CN112149088B (zh) 一种基于人脸识别权限管理装置
WO2021142072A1 (en) Peceptual video fingerprinting
CN112580108A (zh) 签名和印章完整性验证方法及计算机设备
CN113766085A (zh) 图像处理方法及相关装置
CN115862075A (zh) 指纹识别模型训练方法、指纹识别方法、装置及相关设备
CN111767192A (zh) 基于人工智能的业务数据检测方法、装置、设备和介质
CN111555889A (zh) 电子签名的验证方法、装置、计算机设备和存储介质
CN117221018B (zh) 一种基于数据编码的数据安全传输方法及系统
CN114036117A (zh) 日志查看方法、装置、计算机设备和存储介质
CN112396048B (zh) 图片信息提取方法、装置、计算机设备及存储介质
CN116824676A (zh) 数字身份信息的生成方法、应用方法、装置、系统及设备
CN110717157B (zh) 用户验证方法、装置、计算机设备和存储介质
CN113378619B (zh) 保险业务数据处理方法、装置、电子设备和存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200818

WD01 Invention patent application deemed withdrawn after publication