CN112115446A - 一种基于Skyline查询生物特征的身份认证方法及系统 - Google Patents
一种基于Skyline查询生物特征的身份认证方法及系统 Download PDFInfo
- Publication number
- CN112115446A CN112115446A CN202010744069.0A CN202010744069A CN112115446A CN 112115446 A CN112115446 A CN 112115446A CN 202010744069 A CN202010744069 A CN 202010744069A CN 112115446 A CN112115446 A CN 112115446A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- authentication
- biological characteristic
- data set
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000007499 fusion processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 33
- 230000004927 fusion Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 7
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于Skyline查询生物特征的身份认证方法及系统，包括：获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据；按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据；利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集；获取当前用户实时的生物特征数据，确定与所述当前用户对应的认证数据集，利用Skyline算法计算当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
Description
技术领域
本发明涉及数据处理技术领域，并且更具体地，涉及一种基于Skyline查询生物特征的身份认证方法及系统。
背景技术
随着互联网技术的发展和穿戴设备的日益普及，越来越多的身份认证方案中采用了将用户生理数据作为身份判别的依据。与传统利用用户名+密码、PIN码、短信验证码等身份认证方式相比，生物识别技术的运用使认证过程更快捷，用户体验较好。如今，单个穿戴设备可能能同时采集到多种不同类型的生理数据，同一用户的不同穿戴设备也可能采集了同一类型的生理数据，基于单一生物特征数据的认证模型未考虑系统在环境适应能力上的局限性，多生物因子认证模型往往也忽略了对不同设备所采集同一种类生理数据的处理。另一方面，多用户系统的用户数量巨大，每个用户的生理数据种类繁多，计算过程复杂，而认证平台对系统响应时间有一定要求，响应过慢将直接影响用户体验。
近年来，Skyline计算以其在多目标决策、数据挖掘、数据库可视化等方面的潜在应用引起了越来越多研究者的关注。该算法特有的剪枝规则及良好的加法性质，使其在数据比较和维护合法数据集边界时能最大程度地提高计算效率、降低数据存储量。
因此，需要一种能够快速的通过查询生物特征进行身份认证的方法。
发明内容
本发明提出一种基于Skyline查询生物特征的身份认证方法及系统，以解决如何基于生物特征进行身份认证的问题。
为了解决上述问题，根据本发明的一个方面，提供了一种基于Skyline查询生物特征的身份认证方法，所述方法包括：
获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据；
按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据；
利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集；
获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
优选地，其中所述按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
优选地，其中所述按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
优选地，其中所述利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
优选地，其中所述利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1,…,Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]<Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa,Pb)为正向支配关系值；Ndom(Pa,Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0<ρ+≤1且-1≤ρ-<0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1,…,as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1,…,bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
根据本发明的另一个方面，提供了一种基于Skyline查询生物特征的身份认证系统，所述系统包括：
数据采集模块，用于获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据；
数据融合模块，用于按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据；
认证数据集获取模块，用于利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集；
身份认证模块，用于获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
优选地，其中所述数据采集模块，按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
优选地，其中所述数据融合模块，按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
优选地，其中所述认证数据集获取模块，利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
优选地，其中所述身份认证模块，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1,…,Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]<Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa,Pb)为正向支配关系值；Ndom(Pa,Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0<ρ+≤1且-1≤ρ-<0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1,…,as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1,…,bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
本发明提供了一种基于Skyline查询生物特征的身份认证方法及系统，通过获取用户不同属性的生物特征数据，经数据融合模块处理后，与该用户对应的认证数据集，经Skyline计算生成新认证数据集，并根据当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，确定身份认证结果。本发明将所采集用户的生物特征数据经Skyline计算形成的认证数据集作为该用户身份认证的依据，打破了采用单一生物特征作为身份认证依据的局限，提高了系统环境适应能力和抗攻击能力。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明实施方式的基于Skyline查询生物特征的身份认证方法100的流程图；
图2为根据本发明实施方式的基于Skyline查询生物特征的身份认证系统的架构图；
图3为根据本发明实施方式的生成用户的认证数据集的流程图；
图4为根据本发明实施方式的确定是否认证通过的示例图；
图5为根据本发明实施方式的进行用户身份认证的流程图；
图6为根据本发明实施方式的基于Skyline查询生物特征的身份认证系统600的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的基于Skyline查询生物特征的身份认证方法100的流程图。如图1所示，本发明实施方式提供的基于Skyline查询生物特征的身份认证方法，通过获取用户不同属性的生物特征数据，经数据融合模块处理后，与该用户对应的认证数据集，经Skyline计算生成新认证数据集，并根据当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，确定身份认证结果。本发明将所采集用户的生物特征数据经Skyline计算形成的认证数据集作为该用户身份认证的依据，打破了采用单一生物特征作为身份认证依据的局限，提高了系统环境适应能力和抗攻击能力。本发明实施方式提供的基于Skyline查询生物特征的身份认证方法100，从步骤101处开始，在步骤101获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
优选地，其中所述按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
图2为根据本发明实施方式的基于Skyline查询生物特征的身份认证系统的架构图。如图2所示，包括：认证客户端和认证云平台。其中，认证客户端包括：数据采集模块、数据融合模块和通信子模块；认证云平台包括：通信子模块、认证数据集获取模块、身份认证模块和存储模块。其中，数据采集模块负责获取并处理原始的生物特征数据；数据融合模块负责对数据采集模块上传的同一用户的生物特征数据进行融合处理，形成认证云平台可识别和处理的数据结构的生物特征数据。认证数据集获取模块负责在认证数据集训练阶段处理认证客户端传输的用户生物特征数据，生成对应用户专属的认证数据集；身份认证模块负责在身份鉴别阶段对挑战者传输的生物特征数据进行认证；存储模块负责存储该系统下所有用户的有效认证数据集。数据采集模块通过数据采集组件1至数据采集组件n获取初始生物特征数据。认证客户端和认证云平台通过通信子模块进行通信。同一认证客户端，不限制只为同一账户用户提供身份认证服务。不同帐户用户可通过如绑定设备ID等方式进行区分。数据采集组件通常内嵌在个体的穿戴设备、智能终端中。认证客户端可能是如手机、iPad等智能终端内部的硬件组件或软件系统。认证云平台可能是内嵌有专用处理模块的小型智能终端或单片机集群，也可能是部署在业务系统中具备专属功能的服务器集群。
在本发明的实施方式中，认证客户端通过数据采集组件获取用户的生物特征数据，并利用数据采集模块根据用户的身份特征信息，确定每个用户的初始生物特征数据。然后，根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。其中，特征属性包括：心跳、脉搏等。采集同一用户的第一生物数据涉及到多个不同种类的数据采集模块。同一采集模块可采集一种或多种不同生理特征数据，同一生理特征数据也可由一个或多个采集模块协同完成采集。
在步骤102，按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据。
优选地，其中所述按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
在本发明的实施方式中，不同数据采集组件可能收集了同一类型的生理特征数据，认证客户端数据的融合模块需根据生理特征数据的具体属性类型对接收数据进行分析、挑选、计算、合并等融合处理，形成更真实准确的用户数据。通过认证客户端接收消息，并进行解析，以获取每个用户对应的经过处理的生物特征数据，根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理。然后，利用认证客户端的数据融合模块按照预设的规则对生物特征数据进行融合处理，包括：对不同属性类型的生物特征数据值进行融合和格式处理，以生成认证云平台可识别和处理的预设的数据结构形式的生物特征数据。
在步骤103，利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集。
优选地，其中所述利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
在本发明的实施方式中，认证客户端将用户身份数据和处理后的生物特征数据一起发送至认证云平台；认证云平台接收消息，解析得到用户的生物特征数据并推送至认证数据集获取模块；认证数据集获取模块根据用户的身份特征信息向存储模块调用与该用户的身份特征信息对应的认证数据集；认证数据集获取模块对用户的生物特征数据和认证数据集进行Skyline计算，以生成新的认证数据集，并用新生成的认证数据集替换存储模块中与该身份数据对应的认证数据集，完成训练过程。
图3为根据本发明实施方式的生成用户的认证数据集的流程图。如图3所示，进行训练，确定认证数据集的过程包括：数据采集模块获取用户的生物特征数据，经处理后发送至认证客户端；认证客户端接收消息，解析得到用户生物特征数据；数据融合模块按系统预设规则对所解析生物特征数据进行融合处理；认证客户端将用户身份数据和处理后的生物特征数据一起发送至认证云平台；认证云平台接收消息，解析得到用户生物特征数据并推送至认证数据集获取模块；认证数据集获取模块解析消息，并向存储模块调用与用户身份数据对应的认证数据集；认证数据集获取模块对用户生物特征数据和认证数据集进行Skyline计算，生成新的认证数据集；用新生成的认证数据集替换存储模块中与该身份数据对应的认证数据集，完成训练过程。
在步骤104，获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
优选地，其中所述利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1,…,Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]<Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa,Pb)为正向支配关系值；Ndom(Pa,Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0<ρ+≤1且-1≤ρ-<0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1,…,as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1,…,bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
在本发明的实施方式中，身份认证模块计算用户实时的生物特征数据与认证数据集间的支配关系，根据实时的生物特征数据与该用户的认证数据集的支配关系得出鉴证结果。其中，若生物特征数据被用户认证数据集所支配，则鉴证成功，身份认证通过；否则，鉴证失败，身份认证未通过。
在本发明的实施方式中，对于m维空间向量集合P＝{P1,…,Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]<Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa,Pb)为正向支配关系值；Ndom(Pa,Pb)为反向支配关系值；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
在本发明实施方式中，对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；根据所述支配关系确定身份认证结果。
其中，判断规则为：
其中，若0<ρ+≤1且-1≤ρ-<0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1,…,as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1,…,bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
图4为根据本发明实施方式的确定是否认证通过的示例图。以生物特征种类为2(即m＝2)举例，如图4所示，P1是一个二维空间向量集合，由A,B,C,D,E,F等二维向量组成。对P1中所有向量进行正向Skyline计算得到集合P1的上轮廓集合PSKY(P1)＝{A,B,C,D}，进行反向Skyline计算得到集合P1的下轮廓集合NSKY(P1)＝{E,F}。PSKY(P1)和NSKY(P1)共同构成了集合P1的数据轮廓点(即与该用户对应的认证数据集)。对于该二维空间中集合P1之外的另一元组W，分别判断W与PSKY(P1)和NSKY(P1)中各元组的支配关系，由于Pdom(B,W)＝1，且Ndom(E,W)＝-1，因此元组W属于数据集P1的数据轮廓中，即确定认证通过。
图5为根据本发明实施方式的进行用户身份认证的流程图。如图5所示，进行用户身份认证的过程包括：数据采集模块获取用户实时的生物特征数据，经处理后发送至认证客户端；认证客户端接收消息，解析得到用户生物特征数据；数据融合模块按系统预设规则对所解析生物特征数据进行融合处理；认证客户端将用户身份数据和处理后的生物特征数据一起发送至认证云平台；认证云平台接收消息，解析得到用户生物特征数据并推送至身份认证模块；身份认证模块解析消息，并向存储模块调用与用户身份数据对应的认证数据集；身份认证模块计算用户的生物特征数据与认证数据集间的支配关系；若用户的生物特征数据被认证数据集支配，则鉴证成功；反之，则鉴证失败。
本发明实施方式在在数据训练和身份鉴别过程中均涉及到“身份特征信息”字段，并由该字段作为区分不同用户的关键。同一系统中，不同用户输入的生物特征数据(如：用户的第一生物数据、第二生物数据等)不同，参与计算的用户关联数据(如：第一认证数据集等)也将不同，系统需为不同用户设立帐户，区分存储关联数据，方便检索。数据训练阶段的用户认证数据集由该用户的所有合法输入数据形成，不同用户的认证数据集理论上内容不同。将形成的用户认证集作为该系统下某指定用户专属的认证数据集保存在存储模块中，避免了系统直接存储用户的原始生理数据。系统为多用户系统，即对于同一系统而言，在其部署范围内可针对不同用户分别进行身份认证。系统需先确定挑战者的身份信息，再通过其所携带的生物特征数据进一步做身份认证。
本发明实施方式提供的身份认证方法适用于需要区分不同帐户的身份认证场景，如某单位考勤系统，某单元楼门禁系统等。现实生活中，多数的身份认证系统对于不同用户账户的区分意义重大。如：对于某单位办公大楼考勤系统，不仅关心挑战者是否为该单位员工，而且关心该挑战者是谁，注重用户本身更细粒度的属性和不同用户数据间的数据隔离。该类区分并强调不同用户的认证系统即本发明中所谓的“多用户系统”。
本发明的一种基于Skyline查询生物特征的身份认证方法及系统的优点在于：(1)利用用户的生理特征数据作为身份判别的依据，与传统身份认证方式相比，认证过程更快捷，用户体验较好；(2)本发明打破采用单一生物特征作为身份认证依据的局限，不限定于使用某一种或某几种生理数据，提高系统的抗攻击能力和对外界环境的适应能力；(3)不同数据采集组件上传的同类型、不同类型生理数据经过数据融合模块的统一处理，融合形成更真实准确的用户认证数据；(4)在数据训练阶段，运用Skyline计算能快速得出不同类型生理数据的有效范围，大幅度去除重复数据，降低系统存储量，即以最小内存代价保证了最佳鉴别性能；(5)在身份鉴别阶段，运用Skyline算法能快速得出输入数据与训练模型数据间的支配关系，并将该计算结果作为身份鉴别的依据，计算量小，系统响应迅速；(6)存储模块以系统自定义数据结构存储训练数据集，而不直接记录用户的原始生理数据，隐私保护效果好。
图6为根据本发明实施方式的基于Skyline查询生物特征的身份认证系统600的结构示意图。如图6所示，本发明实施方式提供的基于Skyline查询生物特征的身份认证系统600，包括：数据采集模块601、数据融合模块602、认证数据集获取模块603和身份认证模块604。
优选地，所述数据采集模块601，用于获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
优选地，其中所述数据采集模块601，按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
优选地，所述数据融合模块602，用于按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据。
优选地，其中所述数据融合模块602，按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
优选地，所述认证数据集获取模块603，用于利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集。
优选地，其中所述认证数据集获取模块603，利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
优选地，所述身份认证模块604，用于获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
优选地，其中所述身份认证模块604，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1,…,Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]<Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa,Pb)为正向支配关系值；Ndom(Pa,Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0<ρ+≤1且-1≤ρ-<0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1,…,as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1,…,bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bi为m维向量
和
对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
本发明的实施例的基于Skyline查询生物特征的身份认证系统600与本发明的另一个实施例的基于Skyline查询生物特征的身份认证方法100相对应，在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
本领域内的技术人员应明白，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。
本申请是参照根据本申请实施例的方法、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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于Skyline查询生物特征的身份认证方法，其特征在于，所述方法包括：
获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据；
按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据；
利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集；
获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
2.根据权利要求1所述的方法，其特征在于，所述按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
3.根据权利要求1所述的方法，其特征在于，所述按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
4.根据权利要求1所述的方法，其特征在于，所述利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
5.根据权利要求1所述的方法，其特征在于，所述利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行反向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1，…，Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]＜Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa，Pb)为正向支配关系值；Ndom(Pa，Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0＜ρ+≤1且-1≤ρ-＜0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1，…，as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1，…，bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
1≤i≤s，1≤j≤t，对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
6.一种基于Skyline查询生物特征的身份认证系统，其特征在于，所述系统包括：
数据采集模块，用于获取每个用户在多个特征属性维度的初始生物特征数据，并按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据；
数据融合模块，用于按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据；
认证数据集获取模块，用于利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集；
身份认证模块，用于获取当前用户实时的生物特征数据，根据所述当前用户的身份特征信息确定与所述当前用户对应的认证数据集，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果。
7.根据权利要求6所述的系统，其特征在于，所述数据采集模块，按照预设的处理策略对所述初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据，包括：
根据每个用户的身份特征信息，确定每个用户对应的初始生物特征数据；
根据生物特征数据的特征属性确定处理策略，并根据确定的处理策略对每个用户对应的初始生物特征数据进行处理，以获取每个用户对应的经过处理的生物特征数据。
8.根据权利要求6所述的系统，其特征在于，所述数据融合模块，按照预设的规则对每个用户对应的经过处理的生物特征数据进行融合处理，以获取每个用户对应的预设格式的生物特征数据，包括：
根据生物特征数据属性对每个用户对应的经过处理的生物特征数据进行筛选和合并处理，以获取每个用户的基于不同的生物特征数据属性的生物特征数据；
分别对每个用户的基于不同的生物特征数据属性的生物特征数据进行融合，以确定每个用户对应的预设格式的生物特征数据。
9.根据权利要求6所述的系统，其特征在于，所述认证数据集获取模块，利用Skyline算法对每个用户对应的预设格式的生物特征数据进行训练，以获取每个用户对应的认证数据集，包括：
根据用户的身份特征信息，确定与每个用户对应的当前的认证数据集；
对于每个用户，对该用户对应的预设格式的生物特征数据与该用户对应的当前的认证数据集进行Skyline算法计算，以重新确定该用户对应的认证数据集；
其中，根据用户注册阶段的生物特征数据确定每个用户的初始的认证数据集。
10.根据权利要求6所述的系统，其特征在于，所述身份认证模块，利用Skyline算法计算所述当前用户实时的生物特征数据和所述当前用户对应的认证数据集之间的支配关系，并根据所述支配关系确定身份认证结果，包括：
对当前用户对应的认证数据集中的元组分别进行正向Skyline计算和反向Skyline计算，确定元组间的支配关系，并根据元组间的支配关系将当前用户对应的认证数据集分为正向数据集和反向数据集；其中，对元组Pa和Pb进行正向Skyline计算，包括：
对元组Pa和Pb进行正向Skyline计算，包括：
其中，对于m维空间向量集合P＝{P1，…，Pn}，Pa和Pb是P中两个不同点；对于任意的正整数j(1≤j≤m)，若均满足Pa[j]≤Pb[j]，且至少存在一个j，使得Pa[j]＜Pb[j]，则称Pa正向支配Pb；若均满足Pa[j]≥Pb[j]，且至少存在一个j，使得Pa[j]＞Pb[j]，则称Pa反向支配Pb；Pdom(Pa，Pb)为正向支配关系值；Ndom(Pa，Pb)为反向支配关系值；
计算所述当前用户实时的生物特征数据中的元组分别和所述正向数据集中的元组以及反向数据集中的元组之间的支配关系；
利用如下公式根据所述支配关系确定身份认证结果，包括：
其中，若0＜ρ+≤1且-1≤ρ-＜0，则确定所述身份认证结果为认证通过；反之，则为认证不通过；ρ+为正向系数；ρ-为反向系数；PSKY(P)＝(a1，…，as)为数据集P中元组之间不存在正向支配关系的元组集合，并将该集合作为当前用户符合正向支配关系的认证数据集；NSKY(P)＝(b1，…，bt)为数据集P中元组之间不存在反向支配关系的元组集合，并将该集合作为当前用户符合反向支配关系的认证数据集；元组ai和bj为m维向量
和
1≤i≤s，1≤j≤t，对于当前用户，符合正向支配关系的认证数据集中共有s个元组，ai为其中第i个元组，且aik对应该元组中第k维度的生物特征向量；符合反向支配关系的认证数据集中共有t个元组，bj为其中第j个元组，且bjk对应该元组中第k维度的生物特征向量；当前用户实时的生物特征数据为
为小于等于大素数q范围内的正整数集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010744069.0A CN112115446B (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征的身份认证方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010744069.0A CN112115446B (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征的身份认证方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112115446A true CN112115446A (zh) | 2020-12-22 |
| CN112115446B CN112115446B (zh) | 2024-02-09 |
Family
ID=73799379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010744069.0A Active CN112115446B (zh) | 2020-07-29 | 2020-07-29 | 一种基于Skyline查询生物特征的身份认证方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115446B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
| CA2681848A1 (en) * | 2009-05-22 | 2010-11-22 | Daon Holdings Limited | Method and system for confirming the identity of a user |
| CN105224849A (zh) * | 2015-10-20 | 2016-01-06 | 广州广电运通金融电子股份有限公司 | 一种多生物特征融合身份鉴别方法以及装置 |
| US20160285866A1 (en) * | 2008-11-28 | 2016-09-29 | Nottingham Trent University | Biometric identity verification |
| CN106777090A (zh) * | 2016-12-14 | 2017-05-31 | 大连交通大学 | 基于视觉词汇表与多特征匹配的Skyline的医学大数据检索方法 |
| CN107046557A (zh) * | 2016-12-14 | 2017-08-15 | 大连大学 | 移动云计算环境下动态Skyline查询的智能医疗呼叫查询系统 |
| CN110324350A (zh) * | 2019-07-09 | 2019-10-11 | 中国工商银行股份有限公司 | 基于移动端非敏感传感器数据的身份认证方法及服务器 |
| CA3128957A1 (en) * | 2019-03-04 | 2020-03-03 | Bhaskar Bhattacharyya | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
-
2020
- 2020-07-29 CN CN202010744069.0A patent/CN112115446B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1794266A (zh) * | 2005-12-31 | 2006-06-28 | 清华大学 | 生物特征融合的身份识别和认证方法 |
| US20160285866A1 (en) * | 2008-11-28 | 2016-09-29 | Nottingham Trent University | Biometric identity verification |
| CA2681848A1 (en) * | 2009-05-22 | 2010-11-22 | Daon Holdings Limited | Method and system for confirming the identity of a user |
| CN105224849A (zh) * | 2015-10-20 | 2016-01-06 | 广州广电运通金融电子股份有限公司 | 一种多生物特征融合身份鉴别方法以及装置 |
| CN106777090A (zh) * | 2016-12-14 | 2017-05-31 | 大连交通大学 | 基于视觉词汇表与多特征匹配的Skyline的医学大数据检索方法 |
| CN107046557A (zh) * | 2016-12-14 | 2017-08-15 | 大连大学 | 移动云计算环境下动态Skyline查询的智能医疗呼叫查询系统 |
| CA3128957A1 (en) * | 2019-03-04 | 2020-03-03 | Bhaskar Bhattacharyya | Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence |
| CN110324350A (zh) * | 2019-07-09 | 2019-10-11 | 中国工商银行股份有限公司 | 基于移动端非敏感传感器数据的身份认证方法及服务器 |
Non-Patent Citations (2)
| Title |
|---|
| 孟秀军;谷连军;: "基于Skyline的输电线路巡检数据可视化系统研究", 信息与电脑(理论版), no. 06 * |
| 常国锋;马玉磊;: "基于贝叶斯推理的Web服务质量评价方法", 河南师范大学学报(自然科学版), no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112115446B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102890776B (zh) | 通过面部表情调取表情图释的方法 | |
| CN110414373B (zh) | 一种基于云边端协同计算的深度学习掌静脉识别系统及方法 | |
| CN111401344B (zh) | 人脸识别方法和装置及人脸识别系统的训练方法和装置 | |
| CN106203333A (zh) | 人脸识别方法及系统 | |
| CN105678125B (zh) | 一种用户认证方法、装置 | |
| CN109766755B (zh) | 人脸识别方法及相关产品 | |
| CN107403173A (zh) | 一种人脸识别系统及方法 | |
| CN108875907B (zh) | 一种基于深度学习的指纹识别方法和装置 | |
| CN108573243A (zh) | 一种基于深度卷积神经网络的低质量人脸的比对方法 | |
| CN113515988B (zh) | 掌纹识别方法、特征提取模型训练方法、设备及介质 | |
| CN110298240A (zh) | 一种汽车用户识别方法、装置、系统及存储介质 | |
| CN112966574A (zh) | 人体三维关键点预测方法、装置及电子设备 | |
| CN115795081B (zh) | 一种基于多通道融合的跨域残缺足迹图像检索系统 | |
| EP4120105A1 (en) | Identity authentication method, and method and device for training identity authentication model | |
| CN110324350A (zh) | 基于移动端非敏感传感器数据的身份认证方法及服务器 | |
| CN102891751A (zh) | 从指纹图像生成业务密码的方法和设备 | |
| CN107742141B (zh) | 基于rfid技术的智能身份信息采集方法及系统 | |
| CN113591045A (zh) | 大数据访问控制方法及大数据访问控制设备 | |
| CN116312513A (zh) | 一种智能语音控制系统 | |
| Neha et al. | Biometric re-authentication: An approach towards achieving transparency in user authentication | |
| CN112115446B (zh) | 一种基于Skyline查询生物特征的身份认证方法及系统 | |
| CN115393997A (zh) | 基于多维数据识别的汽车电子解锁方法、装置及电子设备 | |
| CN113190858B (zh) | 一种基于隐私保护的图像处理方法、系统、介质和设备 | |
| CN112258009B (zh) | 一种智慧政务请求处理方法 | |
| CN115248914A (zh) | 一种计算机系统及其用户的身份识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |