CN114003883A - 一种便携式的数字化身份验证设备及身份验证方法 - Google Patents

Abstract

本发明公开了一种便携式的数字化身份验证设备及身份验证方法，通过对使用者的声音、人脸以及指纹数据进行校验，允许校验通过的人员远程访问数据库中的数据，从而有效地保证了数据访问的安全性，保证了数据访问者为合法访问者。同时设置了高级用户访问区和低级用户访问区，只允许授权者访问低级用户访问区内的数据，允许管理者访问高级用户访问区内的数据，进一步地保证了数据访问的安全性。

Description

一种便携式的数字化身份验证设备及身份验证方法

技术领域

本申请数据数据处理领域以及身份识别领域，具体涉及一种便携式的数字化身份验证设备及身份验证方法。

背景技术

随着计算机科学及信息技术的不断发展，数据如何进行安全访问一直是政府、企业、学校以及其他商业机构重点关注的问题。对于大多数企业用户而言，为了保证数据安全，常常只允许企业内网用户对数据库中的数据进行访问。也有一部分企业用户，允许外网对数据库中的数据进行访问，并采用账号密码的方式进行授权，存在账号密码被盗以及数据丢失的风险。在现有技术中，因为只允许内网访问企业数据库，造成了外出时或者员工处于异地时，数据访问不方便，难以查询企业内部数据的问题，使用及其不方便，或者采用账号密码的方式进行数据访问，容易产生账号被盗，企业机密数据泄露的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种便携式的数字化身份验证设备解决了现有技术中存在的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种便携式的数字化身份验证设备，包括麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块以及显示模块；

所述麦克风通过第一信号输入模块与处理模块电性连接，所述摄像头通过第二输入信号与处理模块电性连接，所述指纹输入模块、人机交互模块、存储模块、通信模块和显示模块均与处理模块电性连接，所述通信模块与服务器通信连接。

进一步地，所述第一信号输入模块包括依次电性连接的第一滤波单元、信号放大单元和第一AD转换单元，所述第一滤波单元与麦克风电性连接，所述第一AD转换单元与处理模块电性连接；所述第二信号输入模块包括依次电性连接的第二滤波单元和第二AD转换单元，所述第二滤波单元与摄像头电性连接，所述第二AD转换单元与处理模块电性连接。

进一步地，还包括电源模块，所述电源模块分别为麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块和显示模块提供工作电压。

进一步地，所述存储模块中存储有管理者的声音数据、人脸数据以及指纹数据，所述服务器中存储有授权者的声音数据、人脸数据以及指纹数据，所述服务器包括数据库，所述数据库包括高级用户访问区和低级用户访问区，所述高级用户访问区的存储数据允许管理者访问，所述低级用户访问区的存储数据允许管理者和授权者访问。

基于所述便携式的数字化身份验证设备的身份验证方法，包括

S1、通过麦克风、摄像头以及指纹输入模块采集使用者的声音数据、人脸数据以及指纹数据；

S2、将使用者的声音数据、人脸数据以及指纹数据传输至处理模块进行处理；

S3、调取存储模块中的数据，并通过处理模块对声音数据、人脸数据以及指纹数据进行识别，得到第一识别结果，所述第一识别结果包括使用者为管理者或使用者为非管理者；

S4、根据第一识别结果，判断使用者是否为管理者，若是，则允许该使用者访问服务器的数据库，否则，将声音数据、人脸数据以及指纹数据通过通信模块传输至服务器进行识别，得到第二识别结果；所述第二识别结果包括使用者为授权者或使用者为非授权者；

S5、根据第二识别结果，判断使用者是否为授权者，若是，则允许该使用者访问服务器中数据库的低级用户访问区，否则，拒绝该使用者的访问。

进一步地，所述步骤S3中对声音数据进行识别的方法为：

S3.11、对待识别声音数据进行预处理，并提取声音数据的特征，得到待识别声音数据的梅尔倒谱系数；

S3.13、根据待识别声音数据的梅尔倒谱系数，并采用DTW语音识别算法对声音数据进行匹配，获取声音数据的识别结果。

进一步地，所述步骤S3.11中对待识别的声音数据进行预处理包括预加重、分帧、加窗、端点检测以及去除无声部分。

进一步地，所述步骤S3.13包括：

S3.131、提取存储模块中管理者的声音数据，所述管理者的声音数据包括声音数据模板；

S3.132、根据待识别声音数据的梅尔倒谱系数和声音数据模板，采用DTW 语音识别算法进行匹配，得到最小匹配距离；

S3.133、判断最小匹配距离是否在设定的阈值内，若是，则判定待识别声音数据的为管理者的声音数据，得到声音数据的识别结果，否则判定待识别声音数据的为非管理者的声音数据，得到声音数据的识别结果。

进一步地，所述步骤S3中对人脸数据进行识别包括：

S3.21、提取存储模块中管理者的人脸数据，对提取的人脸数据进行预处理，并将预处理后的人脸数据作为训练集；

S3.22、构建人脸识别模型，并对人脸识别模型的参数初始化，得到初级人脸识别模型；

S3.23、构建损失函数，以损失函数最小为目标，并通过训练集对初级人脸识别模型进行训练，直至损失函数小于训练阈值a，得到训练完成的人脸识别模型；

S3.24、对待识别人脸数据进行预处理，并将预处理后的人脸数据输入训练完成的人脸识别模型，得到人脸识别结果，所述人脸识别结果为待识别人脸数据为管理者的人脸数据或非管理者的人脸数据。

进一步地，所述损失函数L具体为：

其中，n＝1,2,...,N，N表示每一类样本的总数，k＝1,2,...,K，K表示样本类别数，δ(y_n＝k)表示人脸识别模型计算得到的第n个样本的输出结果为第k类情况下的激活函数值，Y_n(k)表示第n个样本为第k类的概率，λ₁表示第一损失计算参数值，λ₂表示第二损失计算参数值，R()表示正则化，W表示第一人脸识别模型的网络参数，θ表示第二人脸识别模型的网络参数。

本发明提供了一种便携式的数字化身份验证设备及身份验证方法，通过对使用者的声音、人脸以及指纹数据进行校验，允许校验通过的人员远程访问数据库中的数据，从而有效地保证了数据访问的安全性，保证了数据访问者为合法访问者。同时设置了高级用户访问区和低级用户访问区，只允许授权者访问低级用户访问区内的数据，允许管理者访问高级用户访问区内的数据，进一步地保证了数据访问的安全性。

附图说明

图1为本发明实施例提供的一种便携式的数字化身份验证设备示意图。

图2为本发明实施例提供的身份验证方法流程图。

图3为本发明实施例提供的人脸识别模型结构图。

图4为本发明实施例提供的图像处理模块结构图。

图5为本发明实施例提供的辅助分类模块结构图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

下面结合附图详细说明本发明的实施例。

如图1所示，一种便携式的数字化身份验证设备，包括麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块以及显示模块；所述麦克风通过第一信号输入模块与处理模块电性连接，所述摄像头通过第二输入信号与处理模块电性连接，所述指纹输入模块、人机交互模块、存储模块、通信模块和显示模块均与处理模块电性连接，所述通信模块与服务器通信连接。

在一种可能的实施方式中，所述第一信号输入模块包括依次电性连接的第一滤波单元、信号放大单元和第一AD转换单元，所述第一滤波单元与麦克风电性连接，所述第一AD转换单元与处理模块电性连接；所述第二信号输入模块包括依次电性连接的第二滤波单元和第二AD转换单元，所述第二滤波单元与摄像头电性连接，所述第二AD转换单元与处理模块电性连接。

通设置第一滤波单元和第二滤波单元，可以对输入的声音数据和人脸数据进行滤波，从而保证输入信号的稳定性。通过设置第一AD转换单元和第二AD 转换单元，将输入的声音数据和人脸数据转换为数字信号，以便进行进一步地的数据处理。

可选的，指纹输入模块可以通过指纹识别器实现，通过指纹识别器采集指纹，并获奖指纹数据转换为数字信号，发送至处理模块进行指纹识别。

在一种可能的实施方式中，还包括电源模块，所述电源模块分别为麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块和显示模块提供工作电压。

在一种可能的实施方式中，所述存储模块中存储有管理者的声音数据、人脸数据以及指纹数据，所述服务器中存储有授权者的声音数据、人脸数据以及指纹数据，所述服务器包括数据库，所述数据库包括高级用户访问区和低级用户访问区，所述高级用户访问区的存储数据允许管理者访问，所述低级用户访问区的存储数据允许管理者和授权者访问。

在本实施例中，服务器包括高级用户访问区、低级用户访问区、授权者的人脸数据库、授权者的声音数据库、授权者的指纹数据库和识别单元。可以在低级用户访问区内存放企业的日常使用文件，可以在高级用户访问区内存放公司的高级机密文件，非管理者不能访问高级机密文件，从而保证公司机密数据的安全性。可以在授权者的人脸数据库、授权者的声音数据库、授权者的指纹数据库分别存储授权者的人脸数据、声音数据和指纹数据，以便进行远程身份验证。识别单元可以用于根据待识别的人脸数据、待识别的声音数据和待识别的指纹数据在人脸数据库、声音数据库和指纹数据库中进行匹配，并将匹配结果返回数字化身份验证设备，匹配结果可以包括用户为非授权者或授权者。

如图2所示，基于所述便携式的数字化身份验证设备的身份验证方法，包括

S1、通过麦克风、摄像头以及指纹输入模块采集使用者的声音数据、人脸数据以及指纹数据；

S2、将使用者的声音数据、人脸数据以及指纹数据传输至处理模块进行处理；

S3、调取存储模块中的数据，并通过处理模块对声音数据、人脸数据以及指纹数据进行识别，得到第一识别结果，所述第一识别结果包括使用者为管理者或使用者为非管理者；

S4、根据第一识别结果，判断使用者是否为管理者，若是，则允许该使用者访问服务器的数据库，否则，将声音数据、人脸数据以及指纹数据通过通信模块传输至服务器进行识别，得到第二识别结果；所述第二识别结果包括使用者为授权者或使用者为非授权者；

S5、根据第二识别结果，判断使用者是否为授权者，若是，则允许该使用者访问服务器中数据库的低级用户访问区，否则，拒绝该使用者的访问。

可选的，允许使用者进行数据访问后，根据使用者对应的权限，并通过人机交互模块访问数据库中的部分或全部数据。在访问数据的同时，通过显示模块提供可视化的操作界面。

当对使用者的声音数据、人脸数据以及指纹数据进行识别时，三者、两者或一者满足，则可以认定为使用者为管理者或授权者。可以根据实际情况，设定使用者需要声音数据、人脸数据和指纹数据中的一种或者几种，即可使用数据库中的数据，自适应能力更强。

在一种可能的实施方式中，所述步骤S3中对声音数据进行识别的方法为：

S3.11、对待识别声音数据进行预处理，并提取声音数据的特征，得到待识别声音数据的梅尔倒谱系数；

S3.13、根据待识别声音数据的梅尔倒谱系数，并采用DTW(Dynamic TimeWarping，动态时间规整)语音识别算法对声音数据进行匹配，获取声音数据的识别结果。

在一种可能的实施方式中，所述步骤S3.11中对待识别的声音数据进行预处理包括预加重、分帧、加窗、端点检测以及去除无声部分。

可选的，也可以采用其他的语音识别算法来判断当前使用者是否为管理者或授权者，其他的语音识别算法包括基于参数模型的隐马尔可夫模型的方法、基于非参数模型的矢量量化的方法等。

在一种可能的实施方式中，所述步骤S3.13包括：

S3.131、提取存储模块中管理者的声音数据，所述管理者的声音数据包括声音数据模板；

S3.132、根据待识别声音数据的梅尔倒谱系数和声音数据模板，采用DTW 语音识别算法进行匹配，得到最小匹配距离；

S3.133、判断最小匹配距离是否在设定的阈值内，若是，则判定待识别声音数据的为管理者的声音数据，得到声音数据的识别结果，否则判定待识别声音数据的为非管理者的声音数据，得到声音数据的识别结果。

在一种可能的实施方式中，所述步骤S3中对人脸数据进行识别包括：

S3.21、提取存储模块中管理者的人脸数据，对提取的人脸数据进行预处理，并将预处理后的人脸数据作为训练集；

S3.22、构建人脸识别模型，并对人脸识别模型的参数初始化，得到初级人脸识别模型；

S3.23、构建损失函数，以损失函数最小为目标，并通过训练集对初级人脸识别模型进行训练，直至损失函数小于训练阈值a，得到训练完成的人脸识别模型；

S3.24、对待识别人脸数据进行预处理，并将预处理后的人脸数据输入训练完成的人脸识别模型，得到人脸识别结果，所述人脸识别结果为待识别人脸数据为管理者的人脸数据或非管理者的人脸数据。

可选的，对待识别人脸数据进行预处理可以包括高斯滤波、均值滤波、最小均方差滤波、Gabor滤波、灰度化处理以及轮廓纵坐标重建。

如图3所示，人脸识别模型可以包括依次连接的输入层、第一卷积层、第一最大池化层、第一归一化层、第二卷积层、第三卷积层、第二归一化层、第二最大池化层、第一图像处理模块、第二图像处理模块、第三最大池化层、第三图像处理模块、第四图像处理模块、第五图像处理模块、第六图像处理模块、第七图像处理模块、第四最大池化层、第八图像处理模块、第九图像处理模块、第一平均池化层、第一全连接层、第一SoftmaxActivation激活层和输出层。

如图4所示，第一图像处理模块、第二图像处理模块、第三图像处理模块、第四图像处理模块、第五图像处理模块、第六图像处理模块、第七图像处理模块、第八图像处理模块和第九图像处理模块结构相同，且均包括第四卷积层、第五卷积层、第六卷积层和第五最大池化层，第四卷积层的输入端、第五卷积层的输入端、第六卷积层的输入端和第五最大池化层的输入端共同组成图像处理模块的输入端，第四卷积层的输出端与聚合层的输入端连接，第五卷积层通过第七卷积层与聚合层的输入端连接，第六卷积层通过第八卷积层与聚合层的输入端连接，第五最大池化层的输出端通过第九卷积层与聚合层的输入端连接；聚合层的输出端为图像处理模块的输出端，其用于在输出通道这个维度上进行聚合。

如图5所示，第三图像处理模块的输出端还与第一辅助分类模块连接，第六图像处理模块的输出端还与第二辅助分类模块连接，第一辅助分类模块和第二辅助分类模块结构相同，且均包括依次连接的第二平均池化层、第十卷积层、第二全连接层、第三全连接层、第二SoftmaxActivation激活层和辅助分类输出层。在本实施例中，第一最大池化层、第二最大池化层和第一每个卷积层的输出结果均进行ReLU计算后再传输至下一层。

在一种可能的实施方式中，所述损失函数L具体为：

其中，n＝1,2,...,N，N表示每一类样本的总数，k＝1,2,...,K，K表示样本类别数，δ(y_n＝k)表示人脸识别模型计算得到的第n个样本的输出结果为第k类情况下的激活函数值，Y_n(k)表示第n个样本为第k类的概率，λ₁表示第一损失计算参数值，λ₂表示第二损失计算参数值，R()表示正则化，W表示第一人脸识别模型的网络参数，θ表示第二人脸识别模型的网络参数。

可选的，Y_n(k)具体为：

其中，

表示在人脸识别模型参数为W和b的情况下，输入样本为x_n所得到的输入信号抽象特征；b表示第三人脸识别模型的网络参数；

表示在人脸识别模型参数为θ的情况下，输入特征

所得到的对应标签；

网络参数W、b和θ的更新公式为：

其中，W^k表示使用第k类样本训练时的第一人脸识别模型的网络参数，θ^k表示使用第k类样本训练时的第二人脸识别模型的网络参数，b^k表示使用第k 类样本训练时的第三人脸识别模型的网络参数，

和

均表示微分项，α表示网络更新学习率。

在一种可能的实施方式中，将预处理后的人脸数据输入训练完成的人脸识别模型，得到人脸识别结果包括：

A1、将预处理后的待识别图像输入训练完成的人脸识别模型中；

A2、采集输出层的分类结果为k₁、第一辅助分类模块的分类结果为k₂和第二辅助分类模块的分类结果为k₃；

A3、分别设置输出层、第一辅助分类模块和第二辅助分类模块的权值为h₁、 h₂和h₃；

A4、将k₁、k₂和k₃中同类别分别结果的权值相加，并取权值最大的分类结果作为人脸识分类结果。

本发明提供了一种便携式的数字化身份验证设备及身份验证方法，通过对使用者的声音、人脸以及指纹数据进行校验，允许校验通过的人员远程访问数据库中的数据，从而有效地保证了数据访问的安全性，保证了数据访问者为合法访问者。同时设置了高级用户访问区和低级用户访问区，只允许授权者访问低级用户访问区内的数据，允许管理者访问高级用户访问区内的数据，进一步地保证了数据访问的安全性。

本发明提供的身份验证设备，不仅方便携带，还可以对用户身份进行识别，只有授权用户和管理者用户才能够访问数据库，增强了数据库的访问安全性。本发明通过生物特征对使用者进行身份识别，避免了账号密码被盗的问题，同时可以使用多种生物特征进行识别，安全性和适用性都得到了增强。

Claims (10)

1.一种便携式的数字化身份验证设备，其特征在于，包括麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块以及显示模块；

所述麦克风通过第一信号输入模块与处理模块电性连接，所述摄像头通过第二输入信号与处理模块电性连接，所述指纹输入模块、人机交互模块、存储模块、通信模块和显示模块均与处理模块电性连接，所述通信模块与服务器通信连接。

2.根据权利要求1所述的便携式的数字化身份验证设备，其特征在于，所述第一信号输入模块包括依次电性连接的第一滤波单元、信号放大单元和第一AD转换单元，所述第一滤波单元与麦克风电性连接，所述第一AD转换单元与处理模块电性连接；所述第二信号输入模块包括依次电性连接的第二滤波单元和第二AD转换单元，所述第二滤波单元与摄像头电性连接，所述第二AD转换单元与处理模块电性连接。

3.根据权利要求1所述的便携式的数字化身份验证设备，其特征在于，还包括电源模块，所述电源模块分别为麦克风、摄像头、指纹输入模块、第一信号输入模块、第二信号输入模块、处理模块、人机交互模块、存储模块、通信模块和显示模块提供工作电压。

4.根据权利要求1所述的便携式的数字化身份验证设备，其特征在于，所述存储模块中存储有管理者的声音数据、人脸数据以及指纹数据，所述服务器中存储有授权者的声音数据、人脸数据以及指纹数据，所述服务器包括数据库，所述数据库包括高级用户访问区和低级用户访问区，所述高级用户访问区的存储数据允许管理者访问，所述低级用户访问区的存储数据允许管理者和授权者访问。

5.基于权利要求1至4任一所述便携式的数字化身份验证设备的身份验证方法，其特征在于，包括

S1、通过麦克风、摄像头以及指纹输入模块采集使用者的声音数据、人脸数据以及指纹数据；

S2、将使用者的声音数据、人脸数据以及指纹数据传输至处理模块进行处理；

S3、调取存储模块中的数据，并通过处理模块对声音数据、人脸数据以及指纹数据进行识别，得到第一识别结果，所述第一识别结果包括使用者为管理者或使用者为非管理者；

S4、根据第一识别结果，判断使用者是否为管理者，若是，则允许该使用者访问服务器的数据库，否则，将声音数据、人脸数据以及指纹数据通过通信模块传输至服务器进行识别，得到第二识别结果；所述第二识别结果包括使用者为授权者或使用者为非授权者；

S5、根据第二识别结果，判断使用者是否为授权者，若是，则允许该使用者访问服务器中数据库的低级用户访问区，否则，拒绝该使用者的访问。

6.根据权利要求5所述的身份验证方法，其特征在于，所述步骤S3中对声音数据进行识别的方法为：

S3.11、对待识别声音数据进行预处理，并提取声音数据的特征，得到待识别声音数据的梅尔倒谱系数；

S3.13、根据待识别声音数据的梅尔倒谱系数，并采用DTW语音识别算法对声音数据进行匹配，获取声音数据的识别结果。

7.根据权利要求6所述的身份验证方法，其特征在于，所述步骤S3.11中对待识别的声音数据进行预处理包括预加重、分帧、加窗、端点检测以及去除无声部分。

8.根据权利要求7所述的身份验证方法，其特征在于，所述步骤S3.13包括：

S3.131、提取存储模块中管理者的声音数据，所述管理者的声音数据包括声音数据模板；

S3.132、根据待识别声音数据的梅尔倒谱系数和声音数据模板，采用DTW语音识别算法进行匹配，得到最小匹配距离；

S3.133、判断最小匹配距离是否在设定的阈值内，若是，则判定待识别声音数据的为管理者的声音数据，得到声音数据的识别结果，否则判定待识别声音数据的为非管理者的声音数据，得到声音数据的识别结果。

9.根据权利要求6所述的身份验证方法，其特征在于，所述步骤S3中对人脸数据进行识别包括：

S3.21、提取存储模块中管理者的人脸数据，对提取的人脸数据进行预处理，并将预处理后的人脸数据作为训练集；

S3.22、构建人脸识别模型，并对人脸识别模型的参数初始化，得到初级人脸识别模型；

S3.23、构建损失函数，以损失函数最小为目标，并通过训练集对初级人脸识别模型进行训练，直至损失函数小于训练阈值a，得到训练完成的人脸识别模型；

S3.24、对待识别人脸数据进行预处理，并将预处理后的人脸数据输入训练完成的人脸识别模型，得到人脸识别结果，所述人脸识别结果为待识别人脸数据为管理者的人脸数据或非管理者的人脸数据。

10.根据权利要求9所述的身份验证方法，其特征在于，所述损失函数L具体为：

其中，n＝1,2,...,N，N表示每一类样本的总数，k＝1,2,...,K，K表示样本类别数，δ(y_n＝k)表示人脸识别模型计算得到的第n个样本的输出结果为第k类情况下的激活函数值，Y_n(k)表示第n个样本为第k类的概率，λ₁表示第一损失计算参数值，λ₂表示第二损失计算参数值，R()表示正则化，W表示第一人脸识别模型的网络参数，θ表示第二人脸识别模型的网络参数。

Images