CN113068409A - 执行使用者认证的设备和方法 - Google Patents

执行使用者认证的设备和方法 Download PDF

Info

Publication number
CN113068409A
CN113068409A CN202080005007.6A CN202080005007A CN113068409A CN 113068409 A CN113068409 A CN 113068409A CN 202080005007 A CN202080005007 A CN 202080005007A CN 113068409 A CN113068409 A CN 113068409A
Authority
CN
China
Prior art keywords
user authentication
biometric data
data
training
training data
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
CN202080005007.6A
Other languages
English (en)
Inventor
鲜于准
成镇守
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.)
KT&G Corp
Original Assignee
KT&G Corp
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 KT&G Corp filed Critical KT&G Corp
Publication of CN113068409A publication Critical patent/CN113068409A/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
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
    • A24F40/00—Electrically operated smoking devices; Component parts thereof; Manufacture thereof; Maintenance or testing thereof; Charging means specially adapted therefor
    • A24F40/50—Control or monitoring
    • 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
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/96—Management of image or video recognition tasks
    • 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
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
    • A24F40/00—Electrically operated smoking devices; Component parts thereof; Manufacture thereof; Maintenance or testing thereof; Charging means specially adapted therefor
    • A24F40/50—Control or monitoring
    • A24F40/53—Monitoring, e.g. fault detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种用于执行使用者认证的设备，该用于执行使用者认证的设备通过使用在先前的使用者认证中使用的使用者的生物统计学数据作为训练数据来训练使用者认证模型，并且通过使用经训练的使用者认证模型来执行使用者认证。

Description

执行使用者认证的设备和方法
技术领域
本公开涉及执行使用者认证的设备和方法。
背景技术
为了安全性、平安性、私密性等，电子装置可以包括使用者认证功能。使用者创建的信息、例如密码或图案类型的密码术、或使用者的固有生物统计学数据、例如虹膜、指纹和血管可以用于使用者认证。
通过使用生物统计学数据执行使用者认证的使用者认证设备可能由于传感器的污染、指纹的变化等而无法正确识别使用者。
发明内容
解决问题的技术方案
提供了一种能够防止使用者识别率降低的执行使用者认证的设备和方法。
提供了一种执行使用者认证的方法，该方法包括：获取生物统计学数据、基于所获取的生物统计学数据执行使用者认证、在使用者认证之后将生物统计学数据添加至训练数据、通过使用训练数据来训练使用者认证模型，其中使用者认证模型是执行使用者认证的学习模型、获取新的生物统计学数据、以及基于新的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证。
技术目标不限于上述内容，并且可以从以下示例中推断其他技术目标。
发明的有益效果
使用者认证模型就在对使用者认证设备进行使用的过程中输入的生物统计学数据而言进行训练的，因此诸如传感器的污染、指纹的变化等阻碍可以反映到训练中。因此，使用者认证设备可以通过对使用者认证模型进行使用来执行对障碍而言稳健的使用者认证。因此，使用者认证设备可以防止使用者识别率降低。
本公开的效果不限于以上描述，并且更多各种效果被包括在本说明书中。
附图说明
图1示出了使用者认证设备的示例；
图2至图4示出了使用者认证方法的示例；
图5至图10示出了获取训练数据的方法的示例；
图11示出了根据实施方式的使用者认证方法；
图12是示出了气溶胶生成装置的硬件构型的框图；
图13示出了使用者使用气溶胶生成装置的示例；以及
图14示出了通过气溶胶生成装置执行的认证使用者的方法的示例。
具体实施方式
根据一个实施方式，一种执行使用者认证的方法包括：获取生物统计学数据；基于所获取的生物统计学数据执行使用者认证；在执行使用者认证之后将生物统计学数据添加至训练数据；通过使用训练数据来训练使用者认证模型，该使用者认证模型是配置成执行使用者认证的学习模型；获取新的生物统计学数据以及基于新的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证。
添加包括将成功的生物统计学数据添加至训练数据，该成功的生物统计学数据是在使用者认证中成功的生物统计学数据。
添加包括将先前的生物统计学数据添加至训练数据，该先前的生物统计学数据是在获取成功的生物统计学数据之前所获取的生物统计学数据。
将先前的生物统计学数据添加至训练数据包括：将紧接在获取成功的生物统计学数据之前所获取的生物统计学数据中的预定数量的生物统计学数据添加至训练数据。
先前的生物统计学数据可以是在获取成功的生物统计学数据之前的预定时间段内获取的生物统计学数据。
将先前的生物统计学数据添加至训练数据包括：将在获取成功的生物统计学数据之前的预定时间段内所获取的先前的生物统计学数据中的预定数量的先前的生物统计学数据添加。
将先前的生物统计学数据添加至训练数据包括：将先前的生物统计学数据中的顺序地获取的多个部分添加至训练数据，其中，将先前的生物统计学数据中的一部分添加至训练数据与将先前的生物统计学数据中的另一部分添加至训练数据之间的时间间隔、和将成功的生物统计学数据添加至训练数据与将紧接在成功的生物统计学数据之前所获取的先前的生物统计学数据中的一部分添加至训练数据之间的时间间隔中的每一者均小于或等于预定时间间隔。
添加包括将相似的生物统计学数据添加至训练数据，该相似的生物统计学数据是具有以下相似度的生物统计学数据：该相似度对于参考数据而言等于或大于第一参考值。
使用者认证的执行包括：当参考数据与所获取的生物统计学数据之间的相似度等于或大于第二参考值时判定使用者认证成功，其中，该第二参考值是大于第一参考值的值。
参考数据是提前为使用者认证获取的使用者的生物统计学数据，以及添加还包括将参考数据添加至训练数据。
该方法还可以包括：基于使用者认证模型的使用者识别率来判断使用者认证模型是否需要被进行训练。
根据另一实施方式，一种用于执行使用者认证的设备包括：传感器，该传感器配置成获取生物统计学数据；存储器，该存储器配置成储存至少一个程序；以及控制器，该控制器配置成通过执行至少一个程序来执行使用者认证，该程序包括用于实施以下操作的指令：对所获取的生物统计学数据执行使用者认证；在使用者认证之后将生物统计学数据添加至训练数据；通过使用训练数据来训练使用者认证模型，该使用者认证模型是配置成执行使用者认证的学习模型；获取新的生物统计学数据以及基于新的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证。
该设备还包括：电池；和加热器，该加热器配置成接收来自电池的电力并且对气溶胶生成材料进行加热；并且该控制器对从电池输送至加热器的电力进行控制。
控制器基于使用者认证的结果来对输送至加热器的电力进行控制。
该设备还包括输入接合元件，该输入接合元件配置成获取用于对该装置进行控制的使用者输入；该控制器将生物统计学数据添加至训练数据，该生物统计学数据是在使用者认证成功之后从输入接合元件获取的。
本发明的方案
就用于描述各个实施方式的术语而言，考虑在本公开的各个实施方式中的结构元件的功能来选择当前广泛使用的一般术语。然而，这些术语的含义可以根据意图、司法判例、新技术的出现等而改变。此外，在某些情况下，可以选择不常用的术语。在这种情况下，将在本公开的描述中的相应部分处详细描述术语的含义。因此，应当基于术语的含义和本文提供的描述来定义在本公开的各个实施方式中使用的术语。
另外，除非明确地进行相反描述，否则用语“包括”及诸如“包括有”或“包含了”之类的变型将被理解为表示包括所陈述的元件但不排除任何其他元件。另外，申请文件中描述的术语“-器”，“-部”和“模块”是指用于处理至少一种功能和/或操作的单元，并且可以通过硬件部件或软件部件及其组合来实施。
如本文中所使用的，诸如“…中的至少一者”之类的表述在元件列表之前时修饰元件的整个列表并且不修饰列表中的各个元件。例如，表述“a、b和c中的至少一者”应理解为仅包括a、仅包括b、仅包括c、包括a和b两者、包括a和c两者、包括b和c两者、或者包括a、b和c全部。
将理解的是，当一元件或层被称为在另一元件或层的“上方”、“之上”，“上面”、“连接至”或“联接至”另一元件或层时，所述元件或层可以直接位于另一元件或层的上方、之上、上面、连接至或联接至另一元件或层、或者可以存在中间元件或中间层。与之相比，当元件被称为“直接在”另一元件或层的“上方”、“直接在”另一元件或层“之上”、“直接在”另一元件或层的“上面”、“直接连接至”或“直接联接至”另一元件或层时，不存在中间元件或中间层。相同的附图标记始终表示相同的元件。
在下文中，现在将参照附图更充分地描述本公开，在附图中示出了本公开的示例实施方式，使得本领域的普通技术人员可以容易地实施本公开。然而，本公开可以以许多不同的形式来实施，并且不应被解释为限于本文中所阐述的实施方式。
在下文中，将参照附图详细描述本公开的实施方式。
图1示出了使用者认证设备的示例。
使用者认证设备1可以通过使用生物统计学数据来执行使用者认证。使用者认证设备1可以是单独的设备，或者可以是包括在需要使用者认证功能的另一装置中的设备。使用者认证设备1可以用于入口的打开和关闭。另外，使用者认证设备1可以用于诸如智能电话、平板装置、可穿戴装置、计算机和电子烟之类的操作装置的使用者认证。另外，使用者认证设备1可以用于诸如要求安全性的金融或国防等领域中的权限认证。
使用者认证设备1可以使用各种生物统计学数据，例如指纹数据、虹膜数据、静脉数据、面部形状数据、掌纹数据、语音数据等。使用者认证设备1所使用的生物统计学数据不限于上面列出的数据。在使用者认证过程中，使用者认证设备1可以使用一种类型的生物统计学数据或多种类型的生物统计学数据。
使用者认证设备1可以包括传感器11、存储器12和控制器13。
传感器11可以用于获取生物统计学数据。传感器11可以是图像传感器、指纹传感器、声学传感器、温度传感器、电光传感器、生物传感器、超声传感器，但不限于此。
存储器12可以储存生物统计学数据和由控制器13执行的至少一个程序。该程序可以包括实施控制器13的操作的指令，这将在下面详细描述。存储器12可以被实现为各种类型，比如随机存取存储器(RAM)、只读存储器(ROM)或电可擦可编程只读存储器(EEPROM)，随机存取存储器(RAM)例如为动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)等。
控制器13可以包括至少一个处理器。处理器可以被实现为多个逻辑门的阵列，或者可以被实现为通用微处理器与存储有能够在该微处理器中执行的程序的存储器的组合。本领域普通技术人员将理解，可以以其他形式的硬件来实现处理器。
控制器13可以通过使用生物统计学数据来执行使用者认证。控制器13可以基于各种算法来执行使用者认证。
例如，控制器13可以对生物统计学数据与参考数据之间的相似度进行比较，并且可以在相似度等于或大于预定参考值时对使用者进行认证。在这种情况下，参考数据是用于判断在对使用者认证设备1进行使用的过程中所获取的生物统计学数据是否是使用者的生物统计学数据的数据。
例如，控制器13可以基于模式识别算法、机器学习算法、图像处理算法、信号处理算法等将生物统计学数据与参考数据进行比较。
例如，控制器13可以通过使用用于机器学习的学习模型来执行使用者认证。使用者认证设备1可以使用作为用于执行使用者认证的学习模型的使用者认证模型。使用者认证模型可以基于神经网络、强化学习等，神经网络比如为深度信念网络和卷积神经网络，但是使用者认证模型不限于以上列举的类型。控制器13可以通过生成使用者认证模型或加载预先储存在存储器12中的使用者认证模型来执行使用者认证。
用于控制器13以训练或重新训练使用者认证模型的训练数据可以包括参考数据和由使用者认证设备1获取的生物统计学数据。控制器13可以通过使用训练数据来训练使用者认证模型、以及通过使用经训练的使用者认证模型来执行使用者认证。控制器13可以通过使用训练数据来重新训练使用者认证模型，以及通过使用经重新训练的使用者认证模型来执行使用者认证。
可以通过图1的使用者认证设备1执行以下使用者认证方法。替代性地，可以通过图1的使用者认证设备1或其他设备执行以下使用者认证方法。
图2示出了使用者认证方法的示例。
在操作201中，控制器13获取参考数据。参考数据可以是被识别为使用者的生物统计学数据的生物统计学数据。控制器13可以通过传感器11获取参考数据、将预先储存在存储器12中的参考数据进行加载、或者从其他装置获取参考数据。随后可以将参考数据用作用于判断由使用者认证设备1所获取的生物统计学数据是否是使用者的生物统计学数据的参考。
在操作202中，控制器13经由传感器11获取生物统计学数据。例如，参考数据可以对应于由使用者设置的密码，并且控制器13在操作202中所获取的生物统计学数据可以对应于在对使用者认证设备1进行使用的过程中由使用者输入的用于认证的密码。
在操作203中，控制器13基于在操作202中所获取的生物统计学数据执行使用者认证。
控制器13可以通过对所获取的生物统计学数据与参考数据之间的相似度进行比较来执行使用者认证。例如，控制器13可以基于模式识别来比较生物统计学数据与参考数据之间的相似度，然后基于比较结果来执行使用者认证。例如，控制器13可以基于使用者认证模型来比较生物统计学数据与参考数据之间的相似度，然后基于比较结果来执行使用者认证。
控制器13可以在生物统计学数据与参考数据之间的相似度等于或大于预定第二参考值时判定使用者认证成功，以及控制器13可以在生物统计学数据与参考数据之间的相似度小于第二参考值时判定使用者认证失败。
图3示出了使用者认证方法的示例。
在操作301中，控制器13获取生物统计学数据。控制器13可以经由传感器11获取使用者的生物统计学数据。
在操作302中，控制器13基于所获取的生物统计学数据来执行使用者认证。控制器13可以通过比较所获取的生物统计学数据与参考数据之间的相似度来执行使用者认证。诸如模式识别之类的各种算法可以用于使用者认证。
控制器13可以在对使用者认证模型不进行使用的情况下基于所获取的生物统计学数据执行使用者认证。替代性地，控制器13可以基于所获取的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证。使用者认证模型可以预先储存在存储器12中。使用者认证模型可以是用于机器学习的学习模型。例如，使用者认证模型可以是神经网络模型或强化学习模型，但不限于此。
在操作303中，控制器13可以将已经用于使用者认证的生物统计学数据添加至学习数据。控制器13可以将成功的生物统计学数据添加至训练数据，成功的生物统计学数据是在使用者认证中成功的生物统计学数据。控制器13还可以将失败的生物统计学数据添加至训练数据，失败的生物统计学数据是在使用者认证中失败的生物统计学数据。另外，控制器13可以将参考数据添加至训练数据。此外，控制器13可以将相似的生物统计学数据添加至训练数据，相似的生物统计学数据具有以下相似度：该相似度对于参考数据而言等于或大于第一参考值。第一参考值可以是预定值。第一参考值可以是小于第二参考值的值，该第二参考值是用于判定成功的生物统计学数据的参考。
控制器13可以利用新获取的生物统计学数据来更新训练数据。例如，控制器13可以用新获取的成功的生物统计学数据代替先前获取的失败的生物统计学数据。
训练数据可以储存在存储器12中。替代性地，学习数据可以储存在连接至使用者认证设备1的另一设备的存储器中。另一设备可以是以无线或有线的方式与使用者认证设备1进行通信的设备。例如，使用者认证设备1可以是包括在气溶胶生成装置中的设备，而另一设备可以是诸如智能电话或计算机之类的可以与气溶胶生成装置进行通信的外部设备。
在操作304中，控制器13可以通过使用训练数据来训练使用者认证模型。替代性地，控制器13可以通过使用训练数据来重新训练使用者认证模型。
例如，使用者认证模型可以是深度神经网络(DNN)，并且控制器13可以通过使用训练数据来训练使用者认证模型的训练参数，例如权重和偏差。例如，使用者认证模型可以是卷积神经网络(CNN)，并且控制器13可以通过使用训练数据来训练使用者认证模型的训练参数，比如过滤器(或内核)的权重。例如，使用者认证可以是强化学习模型，并且控制器13可以通过使用训练数据来训练使用者认证以将奖励最大化或将惩罚最小化。
替代性地，其他设备可以通过使用训练数据来训练或重新训练使用者认证模型，并且在训练或重新训练之后将使用者认证模型传送至使用者认证设备1。
在操作305中，控制器13可以获取新的生物统计学数据，以及基于新的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证。在操作305中，控制器13可以通过使用在操作304中经训练或经重新训练的使用者认证模型来执行使用者认证。
使用者认证模型不仅用参考数据进行训练，而且还用在使用者认证过程中所获取的生物统计学数据进行训练，因此使用者认证模型反映了在对使用者认证设备进行使用的过程中发生的变化。因此，基于新的生物统计学数据通过对使用者认证模型进行使用来执行使用者认证，可以防止使用者认证装置1的使用者识别失败。
图4示出了使用者认证方法的示例。
操作401和操作402可以分别包括图3所示的操作301的特征和操作302的特征。
在操作403中，控制器13判断使用者认证是否成功。控制器13在使用者认证失败时重复操作401，并且控制器13在使用者认证成功时执行操作404。
例如，控制器13可以在所获取的生物统计学数据与参考数据之间的相似度等于或大于预定第二参考值时判定使用者认证成功，以及控制器13可以在生物统计学数据与参考数据之间的相似度小于第二参考值时判定使用者认证失败。
在操作404中，控制器13可以将成功的生物统计学数据添加至训练数据，成功的生物统计学数据是在使用者认证中成功的生物统计学数据。将参照图5至图10来描述关于操作404的各个实施方式。
图5示出了获取训练数据的示例。
控制器13可以将成功的生物统计学数据添加至训练数据。例如，当获取五次用于使用者认证的指纹数据并且在第五次中获取的指纹数据是成功的生物统计学数据时，控制器13可以不将在第一次至第四次中获取的指纹数据添加至训练数据，因为该数据是失败的生物统计学数据，并将在第五次中获取的指纹数据添加至训练数据。
通过将成功的生物统计学数据添加至训练数据，控制器13可以将使用者的生物统计学数据包括在训练数据中。
图6示出了获取训练数据的方法的示例。
控制器13可以将成功的生物统计学数据和先前的生物统计学数据添加至训练数据，先前的生物统计学数据是比成功的生物统计学数据更早获取的生物统计学数据。控制器13可以将紧接在成功的生物统计学数据之前获取的先前的生物统计学数据中的预定数量的部分添加至训练数据。例如，当获取五次用于使用者认证的指纹数据、在第五次中获取的指纹数据是成功的生物统计学数据并且预定数量是三时，控制器13可以将第二指纹数据至第四指纹数据与成功的生物统计学数据一起添加至训练数据，第二指纹数据至第四指纹数据是先前的生物统计学数据中的三个部分。
图7示出了获取训练数据的方法的示例。
控制器13可以将成功的生物统计学数据和先前的生物统计学数据添加至训练数据。控制器13可以将在预定时间段内获取的先前的生物统计学数据添加至训练数据。控制器13可以将先前的生物统计学数据添加至训练数据，该先前的生物统计学数据是在获取成功的生物统计学数据之前的预定时间段内获取的。例如，当在第五次中获取的指纹数据是成功的生物统计学数据时，分别在获取第五指纹数据之前的二十五秒、十八秒、八秒和三秒获取第一指纹数据至第四指纹数据，并假设预定时间段是二十秒，则控制器13可以将第二指纹数据至第四指纹数据添加至训练数据，第二指纹数据至第四指纹数据是在获取成功的生物统计学数据之前的二十秒内获取的先前的生物统计学数据。
图8示出了获取训练数据的方法的示例。
控制器13可以将成功的生物统计学数据和先前的生物统计学数据添加至训练数据。控制器13可以将在预定时间段内获取的先前的生物统计学数据中的预定数量的部分添加至训练数据。例如，当在第五次中获取的指纹数据是成功的生物统计学数据时，分别在获取第五指纹之前的二十五秒、十八秒、八秒和三秒获取第一数据至第四数据。假设预定数量为二并且预定时间段为二十秒，则控制器13可以将第三先前的生物统计数据至第四先前的生物统计数据添加至训练数据，第三先前的生物统计数据至第四先前的生物统计数据是满足预定数量为二以及预定时间段为二十秒的条件的先前的生物统计学数据。
图9示出了获取训练数据的方法的示例。
控制器13可以将成功的生物统计学数据和先前的生物统计学数据添加至训练数据。控制器13可以将在预定时间间隔顺序地获取的先前的生物统计学数据添加至训练数据。在这种情况下，先前的生物统计学数据的部分之间的时间间隔、和成功的生物统计学数据与先前的生物统计学数据的多个部分中紧接在成功的生物统计学数据之前所获取的先前的生物统计学数据的部分之间的时间间隔可以小于或等于预定时间间隔。
例如，当在第五次中获取的指纹数据是成功的生物统计学数据、在获取第五指纹数据之前的一秒获取第四指纹数据、在获取第四指纹数据之前的1.5秒获取第三指纹数据、在获取第三指纹数据之前的1.3秒获取第二指纹数据、在获取第二指纹数据之前的六秒获取第一指纹数据、以及预定时间间隔为两秒时，由于获取第二指纹数据与接下来的指纹数据至第四指纹数据与接下来的指纹数据之间的时间间隔是在两秒内，所以控制器13可以将第二指纹数据至第四指纹数据添加至训练数据，并且由于获取第一指纹数据与第二指纹数据之间的时间间隔超过两秒，控制器13可以不将第一指纹数据添加至训练数据。
图10示出了获取训练数据的方法的示例。
控制器13可以将成功的生物统计学数据和相似的生物统计学数据添加至训练数据，相似的生物统计学数据是具有以下相似度的生物统计学数据：该相似度对于参考数据而言等于或大于第一参考值。相似的生物统计学数据可以是先前的生物统计学数据或在后的生物统计学数据，该在后的生物统计学数据是在成功的生物统计学数据之后获取的生物统计学数据。在这种情况下，第一参考值可以是小于第二参考值的值，该第二参考值是用于判定成功的生物统计学数据的参考。例如，当指纹数据的分别与参考数据具有97％、89％、85％、96％和99％的相似度的第一部分至第五部分被获取时，以及当第一参考值为95％而第二参考值为99％时，则控制器13可以将第五指纹——第五指纹是满足第二参考值的成功的生物统计学数据——以及指纹数据的第一部分和第四部分——第一部分和第四部分是满足第一参考值的相似的生物统计学数据——添加至训练数据。
使用者可以向使用者认证设备1多次提供指纹数据，直到使用者认证成功为止。另外，使用者可以重复尝试使用者认证，直到使用者认证成功为止。即，可以将在成功的生物统计学数据之前获取的生物统计学数据中的一些生物统计学数据评估为使用者的生物统计学数据。另外，从在对使用者认证设备1进行使用的过程中获取的生物统计学数据中，可以将与参考数据相似的生物统计学数据评估为使用者的生物统计学数据。因此，通过使用图5至图10中所示的方法，控制器13可以将使用者的生物统计学数据的多个部分添加至训练数据。
先前的生物统计学数据和随后的生物统计学数据对应于失败的生物统计学数据。控制器13可以通过将与成功的生物统计学数据有关的失败的生物统计学数据添加至训练数据来确保可靠的训练数据，而无需将所有失败的生物统计学数据添加至训练数据。
通过根据参照图5至图10的方法获取训练数据，可以将在使用者认证设备1的使用者认证过程中获取的生物统计学数据用作训练数据。
在参照图5至图10的添加训练数据的方法中，为了便于说明，以指纹数据为例，但是可以以相同的方式应用其他生物统计学数据。
重新参照图4，在操作405中，控制器13可以通过使用训练数据来训练使用者认证模型。操作405可以包括图3的操作304的特征。
在操作406中，控制器13可以获取新的生物统计学数据，以及基于新的生物统计学数据通过使用经训练的使用者认证模型来执行使用者认证。在操作406中，控制器13可以通过使用在操作405中经训练或重新训练的使用者认证模型来执行使用者认证。
由于使用者认证模型是针对在使用者认证过程中输入的生物统计学数据进行训练，因此训练中可以反映出诸如传感器污染和指纹变化之类的阻碍。因此，使用者认证设备1可以通过使用使用者认证模型来执行对阻碍而言稳健的使用者认证。
图11示出了根据实施方式的使用者认证方法。
将图11的使用者认证方法与图4的使用者认证方法进行比较，操作1101至1104可以分别包括操作401至404的特征，并且操作1106至1107可以分别包括操作405至406的特征。为了避免重复描述，将仅对操作1105进行描述。
在操作1105中，控制器13可以判断使用者认证是否要被进行训练。
例如，控制器13可以基于是否充分获取了用于训练使用者认证模型的训练数据来判断是否需要进行训练。如果训练数据的部分的数量是足够的，或者如果即使训练数据的部分的数量不足也可以通过使用数据扩增来补充训练数据，则控制器13可以判定使用者认证模型需要被进行训练。
例如，控制器13可以基于使用者识别率来判断是否需要训练。当紧接在获取成功的生物统计学数据之前获取的失败的生物统计学数据的数量超过预定数量时，控制器13可以判定使用者认证模型需要被进行训练。当紧接在获取成功的生物统计学数据之前获取的失败的生物统计学数据的部分的数量等于或大于预定数量时，这可以指示使用者认证设备1的使用者认证率低。
图12是示出了根据实施方式的气溶胶生成装置的硬件部件的框图。
参照图12，气溶胶生成装置10000可以包括电池11000、加热器12000、传感器13000、使用者界面14000、存储器15000和控制器16000。然而，气溶胶生成装置10000的内部结构不限于图12中所示的结构。根据气溶胶生成装置10000的设计，本领域的普通技术人员将理解，图12中所示的硬件部件中的一些硬件部件可以省略或可以添加新的部件。
在一个实施方式中，气溶胶生成装置10000可以是用于通过对香烟进行加热来生成气溶胶的装置。在另一实施方式中，气溶胶生成装置10000可以是用于通过对烟弹的液体成分进行加热来生成气溶胶的装置。在另一实施方式中，气溶胶生成装置10000可以是用于通过对香烟以及对烟弹的液体成分进行加热来生成气溶胶的装置。
在一个实施方式中，气溶胶生成装置10000可以仅由主体构成，在这种情况下，包括在气溶胶生成装置10000中的硬件部件位于主体中。在另一实施方式中，气溶胶生成装置10000可以由主体和烟弹构成，在这种情况下，包括在气溶胶生成装置10000中的硬件部件单独地位于主体和烟弹中。替代性地，包括在气溶胶生成装置10000中的硬件部件中的至少一些硬件部件可以分别位于主体和烟弹中。
在下文中，在不受限于定位在气溶胶生成装置10000中的特定空间的位置的情况下来描述部件中的每个部件的操作，。
电池11000供给用于使气溶胶生成装置10000进行操作的电力。换句话说，电池11000可以供给电力，使得加热器12000可以被加热。另外，电池11000可以供给包括在气溶胶生成装置10000中的其他硬件部件、即传感器13000、使用者界面14000、存储器15000和控制器16000的操作所需的电力。电池11000可以是可再充电电池或一次性电池。例如，电池11000可以是锂聚合物(LiPoly)电池，但不限于此。
加热器12000在控制器16000的控制下接收来自电池11000的电力。加热器12000可以接收来自电池11000的电力并且对插入到气溶胶生成装置10000中的香烟进行加热，或者对安装在气溶胶生成装置10000上的烟弹进行加热。
加热器12000可以位于气溶胶生成装置10000的主体中。替代性地，当气溶胶生成装置10000由主体和烟弹构成时，加热器12000可以位于烟弹中。当加热器12000位于烟弹中时，加热器12000可以接收来自位于主体和烟弹中的至少一者中的电池11000的电力。
加热器12000可以由任何合适的电阻材料形成。例如，合适的电阻材料可以是金属或金属合金，该金属或金属合金包括钛、锆、铟、铂、镍、钴、铬、铪、铌、钼、钨、锡、镓、锰、铁、铜、不锈钢或镍铬合金，但不限于此。另外，加热器12000可以由金属线、布置有电传导迹线的金属板或陶瓷加热元件来实现，但不限于此。
在一个实施方式中，加热器12000可以是包括在烟弹中的部件。烟弹可以包括加热器12000、液体输送元件和液体储存部。容置在液体储存部中的气溶胶生成材料可以被移动至液体输送元件，并且加热器12000可以对由液体输送元件吸收的气溶胶生成材料进行加热，从而生成气溶胶。例如，加热器12000可以包括诸如镍或铬的材料，并且可以围绕液体输送元件缠绕或布置成与液体输送元件相邻。
在另一实施方式中，加热器12000可以对插入到气溶胶生成装置10000的容置空间中的香烟进行加热。当香烟被容置在气溶胶生成装置10000的容置空间中时，加热器12000可以位于香烟的内部和/或外部。因此，加热器12000可以通过对香烟中的气溶胶生成材料进行加热来生成气溶胶。
同时，加热器12000可以包括感应加热器。加热器13000可以包括用于以感应加热方法对香烟或烟弹进行加热的电传导线圈，并且香烟或烟弹可以包括可以由感应加热器加热的基座(susceptor)。
气溶胶生成装置10000可以包括至少一个传感器13000。由至少一个传感器13000感测的结果传输至控制器16000，并且控制器16000可以控制气溶胶生成装置10000来执行各种工作，比如对加热器的操作、限制吸烟、判断是否插入香烟(或烟弹)以及显示通知等进行控制。
例如，至少一个传感器13000可以包括抽吸检测传感器。抽吸检测传感器可以基于温度变化、流量变化、电压变化和压力变化中的任一者来检测使用者的抽吸。
另外，至少一个传感器13000可以包括温度传感器。温度传感器可以检测加热器12000(或气溶胶生成材料)被加热时所处的温度。气溶胶生成装置10000可以包括用于感测加热器12000的温度的单独的温度传感器，或者代替包括单独的温度传感器的，加热器12000自身可以用作温度传感器。替代性地，在加热器12000用作温度传感器的同时，还可以在气溶胶生成装置10000中包括单独的温度传感器。
另外，至少一个传感器13000可以用于获取生物统计学数据。至少一个传感器13000可以是图像传感器、指纹传感器、声学传感器、温度传感器、电光传感器、生物传感器、超声传感器，但不限于此。
使用者界面14000可以向使用者提供关于气溶胶生成装置10000的状态的信息。使用者界面14000可以包括各种接合装置，诸如用于输出视觉信息的显示器或光发射器、用于输出触觉信息的马达、用于输出声音信息的扬声器、用于从使用者接收信息输入或向使用者输出信息的输入/输出(I/O)接合装置(例如，按钮或触摸屏)、用于执行数据通信或接收充电电源的端子、以及用于执行与外部装置进行无线通信(例如，Wi-Fi、Wi-Fi直连、蓝牙、近场通信(NFC)等)的通信接合模块。
然而，气溶胶生成装置10000可以通过选择上述各种接合装置中的仅一些接合装置来实现。
存储器15000可以是配置成储存在气溶胶生成装置10000中被处理的各种数据部分的硬件部件，并且存储器15000可以储存由控制器16000处理的数据或储存要被控制器16000处理的数据。
存储器15000可以储存气溶胶生成装置10000的操作时间、最大抽吸次数、当前抽吸次数、至少一个温度曲线、关于使用者吸烟模式的数据等。
控制器16000是配置成控制气溶胶生成装置10000的整体操作的硬件部件。控制器16000可以包括至少一个处理器。
控制器16000分析由至少一个传感器13000感测的结果，并且控制随后要执行的各种处理。
控制器16000可以基于由至少一个传感器13000感测的结果将供给至加热器12000的电力控制成使得加热器12000的操作开始或终止。
控制器16000可以基于参照图2至图11描述的使用者认证方法来执行使用者认证。控制器16000可以基于通过至少一个传感器13000获取的生物统计学数据来执行使用者认证。当使用者认证成功时，控制器16000可以将供给至加热器12000的电力控制成使得加热器12000的操作开始。例如，当使用者认证成功时，控制器16000可以将提供给加热器12000的电力控制成使得加热器12000开始预热。
另外，基于至少一个传感器13000的感测结果，控制器16000可以控制供给至加热器12000的电力的量和供给电力的时间，从而将加热器12000加热到预定温度或保持在适当温度处。
在一个实施方式中，控制器16000可以在接收到使用者对气溶胶生成装置10000的输入之后将加热器12000的模式设定成预热模式以开始加热器12000的操作。此外，控制器16000可以在通过使用抽吸检测传感器检测到使用者的抽吸之后，将加热器12000的模式从预热模式转换成操作模式。另外，在抽吸次数通过使用抽吸检测传感器对抽吸次数进行计数之后达到预设次数时，控制器16000可以停止向加热器12000供给电力。
控制器16000可以基于由至少一个传感器13000感测的结果来控制使用者界面14000。例如，当抽吸次数在通过使用抽吸检测传感器对抽吸次数进行计数之后达到预设次数时，控制器16000可以通过使用光发射器、马达、或扬声器中的至少一者来通知使用者气溶胶生成装置10000将很快终止。
尽管图12中没有示出，但气溶胶生成系统可以由气溶胶生成装置10000和单独的托架构造而成。例如，托架可以用于对气溶胶生成装置10000的电池11000进行充电。例如，可以在将气溶胶生成装置10000容置在托架的容置空间中的同时通过托架的电池对气溶胶生成装置10000的电池11000进行充电而向气溶胶生成装置10000供给电力。
图13示出了使用者使用气溶胶生成装置的示例。图14示出了通过气溶胶生成装置执行的对使用者进行认证的方法的示例。
参照图13和图14，气溶胶生成装置1300可以是用于通过对香烟和/或对烟弹的液体成分进行加热来生成气溶胶的装置。
气溶胶生成装置1300可以包括用于获取对气溶胶生成装置1300进行控制的使用者输入的输入接合元件1301。例如，输入接合元件1301可以是按钮、触摸屏或触摸板。使用者可以通过操作输入接合元件1301来控制气溶胶生成装置1300的操作。例如，通过调整触摸输入接合元件1301的次数和/或持续时间，使用者可以控制气溶胶生成装置1300的操作模式或者可以控制经由输出接合元件要输出的气溶胶生成装置1300的状态。
输入接合元件1301可以包括指纹传感器。当使用者使手指与输入接合元件1301接触时，可以经由指纹传感器获取使用者的指纹数据。
在操作1401中，气溶胶生成装置1300的控制器获取指纹数据。操作1401可以包括图4中所示的操作401的特征。
在操作1402中，气溶胶生成装置1300的控制器基于所获取的指纹数据执行使用者认证。操作1402可以包括图4的操作402的特征。
在操作1403中，气溶胶生成装置1300的控制器判断使用者认证是否成功。当使用者认证失败时，控制器重复操作1401，而当使用者认证成功时，控制器执行操作1404。
在操作1404中，气溶胶生成装置1300的控制器将成功的指纹数据添加至训练用户，该成功的指纹数据是在使用者认证中成功的指纹数据。操作1404可以包括图4的操作404的特征。
在操作1405中，气溶胶生成装置1300的控制器将在后的指纹数据添加至训练数据，在后的指纹数据是在成功的指纹数据之后获取的指纹数据。在使用者认证成功之后，使用者可以出于各种原因来操作输入接合元件1301，例如以控制气溶胶生成装置1300。使用者将在使用气溶胶生成装置1300的过程中通过输入接合元件1301获取的指纹数据添加至训练数据，从而将使用者的指纹数据中的多个部分添加至训练数据。
例如，控制器可以将以下在后的指纹数据添加至训练数据：该在后的指纹数据具有对于参考指纹数据而言等于或大于的预定值的相似度。例如，控制器可以将在成功的指纹数据之后的预定数量的在后的指纹数据添加至训练数据。例如，控制器可以将在成功的指纹数据之后的预定时间段内获取的在后的指纹数据添加至训练数据。例如，控制器可以将在后的指纹数据添加至训练数据，该在后的指纹数据是在成功的指纹数据之后的预定时间间隔内获取的。
在操作1406中，气溶胶生成装置的控制器通过使用训练数据来训练使用者认证模型。操作1406可以包括图4的操作405的特征。
尽管在实施方式中参照图13和图14描述了基于指纹数据执行使用者认证的方法，该方法可以类似地应用于除指纹数据之外的其他生物统计学数据。
根据示例性实施方式，在附图中由框图表示的诸如图1和图12中的控制器13、控制器16000、传感器13000之类的部件、元件、模块或单元(在本段落中统称为“部件”)中的至少一者可以实现为执行上述相应功能的各种数量的硬件、软件和/或固件结构。例如，这些部件中的至少一个部件可以使用直接电路结构，直接电路结构诸如为可以通过一个或更多个微处理器或其他控制装置的控制来执行相应功能的存储器、处理器、逻辑电路、查找表等。而且，这些部件中的至少一个部件可以通过包括用于执行特定的逻辑功能的一个或更多个可执行指令的模块、程序或代码的一部分来具体实现，并由一个或更多个微处理器或其他控制装置来执行。此外，这些部件中的至少一个部件可以包括诸如执行相应功能的中央处理单元(CPU)的处理器、微处理器等，或者可以由诸如执行相应功能的中央处理单元(CPU)的处理器、微处理器等实现。这些部件中的两个或更多个部件可以组合成一个单个部件，该单个部件执行所组合的两个或更多个部件的所有操作或功能。而且，这些部件中的至少一个部件的至少一部分功能可以由这些部件中的其他部件来执行。此外，尽管在以上框图中未示出总线，但是可以通过总线执行部件之间的通信。可以以在一个或更多个处理器上所执行的算法来实现以上示例性实施方式的功能方面。此外，由框图或处理步骤所表示的部件可以采用许多相关技术来进行电子配置、信号处理和/或控制、数据处理等。
上述实施方式的描述仅是示例，并且本领域的普通技术人员将理解，可以做出各种改变和等同方案。因此，本公开的范围应由所附权利要求书限定，并且在与权利要求书中所述的那些等同的范围内的所有差异将被解释为包括在权利要求书所限定的保护范围内。

Claims (15)

1.一种执行使用者认证的方法，所述方法包括：
获取生物统计学数据；
基于所述生物统计学数据执行使用者认证；
在执行所述使用者认证之后将所述生物统计学数据添加至训练数据；
通过使用所述训练数据来训练使用者认证模型，所述使用者认证模型是配置成执行所述使用者认证的学习模型；以及
基于新的生物统计学数据通过对所述使用者认证模型进行使用来执行所述使用者认证。
2.根据权利要求1所述的方法，其中，所述添加包括将成功的生物统计学数据添加至所述训练数据，所述成功的生物统计学数据是在所述使用者认证中成功的生物统计学数据。
3.根据权利要求2所述的方法，其中，所述添加包括将先前的生物统计学数据添加至所述训练数据，所述先前的生物统计学数据是在所述成功的生物统计学数据之前获取的生物统计学数据。
4.根据权利要求3所述的方法，其中，将所述先前的生物统计学数据添加至所述训练数据包括：将紧接在获取所述成功的生物统计学数据之前所获取的所述先前的生物统计学数据中的预定数量的部分添加至所述训练数据。
5.根据权利要求3所述的方法，其中，所述先前的生物统计学数据是在获取所述成功的生物统计学数据之前的预定时间段内获取到所述训练数据的生物统计学数据。
6.根据权利要求3所述的方法，其中，将所述先前的生物统计学数据添加至所述训练数据包括：将在获取所述成功的生物统计学数据之前的预定时间段内所获取的所述先前的生物统计学数据中的预定数量的部分添加至所述训练数据。
7.根据权利要求3所述的方法，其中，将所述先前的生物统计学数据添加至所述训练数据包括：将所述先前的生物统计学数据中的顺序地获取的多个部分添加至所述训练数据，以及
其中，将所述先前的生物统计学数据中的一部分添加至所述训练数据与将所述先前的生物统计学数据中的另一部分添加至所述训练数据之间的时间间隔、和将所述成功的生物统计学数据添加至所述训练数据与将紧接在所述成功的生物统计学数据之前所获取的所述先前的生物统计学数据中的一部分添加至所述训练数据之间的时间间隔中的每一者均小于或等于预定时间间隔。
8.根据权利要求1所述的方法，其中，所述添加包括将相似的生物统计学数据添加至所述训练数据，所述相似的生物统计学数据是具有以下相似度的生物统计学数据：所述相似度对于参考数据而言等于或大于第一参考值。
9.根据权利要求8所述的方法，其中，所述使用者认证的执行包括：基于所述参考数据与所获取的生物统计学数据之间的相似度等于或大于第二参考值来判定所述使用者认证成功，其中，所述第二参考值大于所述第一参考值。
10.根据权利要求8所述的方法，其中，所述参考数据是提前为所述使用者认证获取的使用者的生物统计学数据，以及
其中，所述添加还包括将所述参考数据添加至所述训练数据。
11.根据权利要求1所述的方法，所述方法还包括：基于所述使用者认证模型的使用者识别率或所述训练数据的数量来判断所述使用者认证模型是否需要被进行训练。
12.一种用于执行使用者认证的设备，所述用于执行使用者认证的设备包括：
传感器，所述传感器配置成获取生物统计学数据；
存储器，所述存储器配置成储存至少一个程序；以及
控制器，所述控制器配置成通过执行所述至少一个程序来执行使用者认证，
其中，所述至少一个程序包括用于实施以下操作的指令：
基于所获取的生物统计学数据执行所述使用者认证；
在执行所述使用者认证之后将所述生物统计学数据添加至训练数据；
通过使用所述训练数据来训练使用者认证模型，所述使用者认证模型是配置成执行所述使用者认证的学习模型；以及
基于新的生物统计学数据通过对所述使用者认证模型进行使用来执行所述使用者认证。
13.根据权利要求12所述的设备，还包括：
电池；以及
加热器，所述加热器配置成接收来自所述电池的电力并且对气溶胶生成材料进行加热，
其中，所述控制器对从所述电池供给至所述加热器的电力进行控制。
14.根据权利要求13所述的用于执行使用者认证的设备，其中，所述控制器基于所述使用者认证的结果对输送至所述加热器的所述电力进行控制。
15.根据权利要求13所述的用于执行使用者认证的设备，还包括输入接合元件，所述输入接合元件配置成获取用于对所述用于执行使用者认证的设备进行控制的使用者输入，其中，所述控制器配置成：在所述使用者认证中成功之后将通过所述输入接合元件获取的生物统计学数据添加至所述训练数据。
CN202080005007.6A 2019-10-28 2020-10-06 执行使用者认证的设备和方法 Pending CN113068409A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2019-0134799 2019-10-28
KR1020190134799A KR102323506B1 (ko) 2019-10-28 2019-10-28 사용자 인증을 수행하는 장치 및 방법
PCT/KR2020/013569 WO2021085880A1 (en) 2019-10-28 2020-10-06 Apparatus and method of performing user authentication

Publications (1)

Publication Number Publication Date
CN113068409A true CN113068409A (zh) 2021-07-02

Family

ID=74844648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080005007.6A Pending CN113068409A (zh) 2019-10-28 2020-10-06 执行使用者认证的设备和方法

Country Status (6)

Country Link
US (1) US20220284083A1 (zh)
EP (1) EP3834109A4 (zh)
JP (1) JP7093463B2 (zh)
KR (1) KR102323506B1 (zh)
CN (1) CN113068409A (zh)
WO (1) WO2021085880A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240004774A (ko) * 2021-05-07 2024-01-11 제이티 인터내셔널 소시에떼 아노님 에어로졸 발생 장치, 및 에어로졸 발생 장치를 작동시키기 위한 방법
KR102609470B1 (ko) * 2021-11-22 2023-12-04 주식회사 케이티앤지 사용자 입력에 따라 잠금을 해제하는 방법 및 장치
GB202200783D0 (en) * 2022-01-21 2022-03-09 Nicoventures Trading Ltd Aerosol provision arrangement

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160029697A1 (en) * 2013-03-15 2016-02-04 Altria Client Services Llc Electronic smoking article
US20170116401A1 (en) * 2015-10-21 2017-04-27 Samsung Electronics Co., Ltd. Biometric authentication method and apparatus
US20180293370A1 (en) * 2017-04-07 2018-10-11 Samsung Electronics Co., Ltd. Electronic device and method for storing fingerprint information
CN108847941A (zh) * 2018-05-31 2018-11-20 上海众人网络安全技术有限公司 身份认证方法、装置、终端及存储介质
CN110223698A (zh) * 2018-03-02 2019-09-10 苹果公司 训练数字助理的说话人识别模型

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2529503B8 (en) 2012-09-11 2020-01-29 Auraya Pty Ltd Voice authentication system and method
US9569605B1 (en) * 2014-02-12 2017-02-14 Symantec Corporation Systems and methods for enabling biometric authentication options
US10980275B2 (en) 2015-04-02 2021-04-20 Philip Morris Products S.A. Kit comprising a module and an electrically operated aerosol-generating system
RU2700021C2 (ru) 2015-06-10 2019-09-12 Филип Моррис Продактс С.А. Электрическая система, генерирующая аэрозоль
GB201517088D0 (en) * 2015-09-28 2015-11-11 Nicoventures Holdings Ltd Electronic aerosol provision systems and methods
KR20180085587A (ko) * 2017-01-19 2018-07-27 삼성전자주식회사 지문을 획득하기 위한 전자 장치 및 그 제어 방법
DE112017007141T5 (de) 2017-03-31 2019-11-14 Mitsubishi Electric Corporation Registrierungsvorrichtung, authentifizierungsvorrichtung, systemzur persönlichen authentifizierung und verfahren zur persönlichenauthentifizierung und programm und aufzeichnungsmedium
CA3083248A1 (en) 2017-11-22 2019-05-31 Juul Labs, Inc. Electronic vaporizer sessioning

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160029697A1 (en) * 2013-03-15 2016-02-04 Altria Client Services Llc Electronic smoking article
US20170116401A1 (en) * 2015-10-21 2017-04-27 Samsung Electronics Co., Ltd. Biometric authentication method and apparatus
US20180293370A1 (en) * 2017-04-07 2018-10-11 Samsung Electronics Co., Ltd. Electronic device and method for storing fingerprint information
CN110223698A (zh) * 2018-03-02 2019-09-10 苹果公司 训练数字助理的说话人识别模型
CN108847941A (zh) * 2018-05-31 2018-11-20 上海众人网络安全技术有限公司 身份认证方法、装置、终端及存储介质

Also Published As

Publication number Publication date
JP7093463B2 (ja) 2022-06-29
WO2021085880A1 (en) 2021-05-06
US20220284083A1 (en) 2022-09-08
EP3834109A1 (en) 2021-06-16
EP3834109A4 (en) 2021-09-08
KR102323506B1 (ko) 2021-11-08
JP2022509902A (ja) 2022-01-25
KR20210050325A (ko) 2021-05-07

Similar Documents

Publication Publication Date Title
CN113068409A (zh) 执行使用者认证的设备和方法
US20180213849A1 (en) Control method for electronic cigarette apparatus and system, and electronic cigarette
JP6380995B2 (ja) バイオメトリクスによる人物認証
CN105474223A (zh) 用于改变电子设备的设置的用户验证
US20140118520A1 (en) Seamless authorized access to an electronic device
US9275386B2 (en) Method for facilitating payment with a programmable payment card
CN110062933B (zh) 指纹识别卡及利用指纹识别卡的电源运行方法
US20150373019A1 (en) Electrocardiogram (ecg) biometric authentication
CN105518729A (zh) 在线商业中生物特征图像的用途
US20180026974A1 (en) Portable electric device and operating method therefor
US10216914B2 (en) System, method, and apparatus for personal identification
JP2020528591A (ja) スマートカードおよびスマートカードの制御方法
EP2733636A1 (en) Secure screen lock with pressure pattern
KR20150011046A (ko) 생체인식 기반 인증 방법 및 장치
CN107704745B (zh) 一种生物特征识别方法及移动终端
JP6267025B2 (ja) 通信端末及び通信端末の認証方法
CN105723636A (zh) 用于保护基于身体的通信的技术
CN112000726A (zh) 按摩操作模式的存储方法及电子设备、存储介质
US20220414194A1 (en) Method and system for user authentication
JP2023533654A (ja) ユーザ認証を伴うエアロゾル発生装置
US20200100104A1 (en) Method and system for the behaviour-based authentication of a user
CN113779531A (zh) 移动终端触控解锁处理方法、装置、移动终端及存储介质
US10957140B2 (en) Multi-factor biometric authentication
JP2016143281A (ja) 生体認証システム及び生体認証方法
CN110383276B (zh) 基于行为验证使用者的方法和系统

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