CN114037998A - 一种使用模型分析笔迹提升账户安全的方法及装置 - Google Patents

一种使用模型分析笔迹提升账户安全的方法及装置 Download PDF

Info

Publication number
CN114037998A
CN114037998A CN202210024707.0A CN202210024707A CN114037998A CN 114037998 A CN114037998 A CN 114037998A CN 202210024707 A CN202210024707 A CN 202210024707A CN 114037998 A CN114037998 A CN 114037998A
Authority
CN
China
Prior art keywords
handwriting
signature
model
user
analyzing
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
CN202210024707.0A
Other languages
English (en)
Inventor
杜威
张晓科
陈树华
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.)
Beijing Dingxiang Technology Co ltd
Original Assignee
Beijing Dingxiang Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Dingxiang Technology Co ltd filed Critical Beijing Dingxiang Technology Co ltd
Priority to CN202210024707.0A priority Critical patent/CN114037998A/zh
Publication of CN114037998A publication Critical patent/CN114037998A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
    • G06Q20/3825—Use of electronic signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions

Abstract

本发明公开了一种使用模型分析笔迹提升账户安全的方法及装置，所述方法包括以下步骤：S1.笔迹采集，采集用户签名笔迹，收集书写时的动作数据，所述动作数据表现为轨迹序列；S2.数据解析，对所述动作数据进行解析；S3.模型训练，通过模型训练对文字笔迹进行识别，获得用户的笔迹风格特征，与账户绑定；S4.笔迹认证，用于计算当前签名和绑定的用户笔迹风格特征的相似度，判断是否本人签名。本发明通过让用户完成中文签名的方式，收集用户的签字习惯，笔迹等信息，同账户进行绑定，从而提高账户的安全性。

Description

一种使用模型分析笔迹提升账户安全的方法及装置
技术领域
本发明涉及一种计算机网络通信技术，具体地涉及一种使用模型分析笔迹提升账户安全的方法及装置。
背景技术
账户安全是系统安全的一部分，如何防止账户被盗用，如何防止系统被人恶意撞库都属于账户安全。黑灰产行业中有专门负责养号的人员，主要是手里囤积某个平台大量的账户，将账户出售给他人进行获利，或者从某个平台的账户体系中盗取大量的账号，到其他平台进行批量撞库。 也有对于资金类账户，如果一旦被人盗用，可能会造成大量资损。
账户安全常用的一个防护手段就是身份认证，身份认证主要有短信认证，密码认证，刷脸认证，密保问题认证等方式。但对黑产而言，短信认证可以依赖接码平台获取大量可用手机号，密码认证和密保认证都不影响黑产的批量养号，对账户盗用可能也起不到好的效果，因为很多人在不同平台的密码都是一样的，黑产可以使用批量撞库的方式去尝试。刷脸认证目前安全性相对较高，但对于渠道有一定限制，比如PC，H5等渠道，有可能用户的设备并没有摄像头。
本发明针对账户安全的场景，提出一种使用人的笔迹进行安全认证的方案。
现有各种身份认证的方式有各自优势，也有各自缺点，但对于黑产而言，仍然可以通过各种手段进行批量养号，并且通过出售这些账号进行获利。也能通过其他手段盗取他人账户并使用。
发明内容
针对现有技术存在的问题，本发明的目的是通过一种让用户完成中文签名的方式，收集用户的签字习惯，笔迹等信息，同账户进行绑定，从而提高账户的安全性。这种方式可以极大提高养号的成本，并且可以很大程度阻止账户被转售。对于账户被盗用也有较好防护效果。
为实现上述目的，本发明提供一种使用模型分析笔迹提升账户安全的方法，包括以下步骤：
S1.笔迹采集，采集用户签名笔迹，收集书写时的动作数据，所述动作数据表现为轨迹序列；
S2.数据解析，对所述动作数据进行解析；
S3.模型训练，通过模型对签名笔迹进行识别，获得用户的笔迹风格特征，与账户绑定；
S4.笔迹认证，用于计算当前签名和绑定的用户笔迹风格特征的相似度，判断是否本人签名。
进一步，步骤S1中，通过JavaScript现一个固定尺寸的画布，用户在画布上完成指定文字的签名。
进一步，步骤S1中，还包括把签名后的整个轨迹序列上报到后台服务器；数据格式如下： {"timeGap":T,"x":m,"y":n},所述格式表示序列里面的一个点，x为相对签名画布的横轴坐标，m为横轴坐标值，y为纵轴坐标，n为纵轴坐标值，timeGap为相对画布展现完成后那个时间点的时间戳，T为时间戳的值，单位为毫秒。
进一步，步骤S2中，后台服务器对上报数据进行解析，通过采集的整个轨迹序列，使用一个二维矩阵还原出用户的签名。
进一步，步骤S3中，使用的模型是卷积神经网络和循环神经网络。
进一步，步骤S3中，使用的模型是分类模型。
进一步，获得用户的笔迹风格特征包括用户完成签名的速度和时间、签名过程中停顿的情况、笔画倾斜程度、签名中出现尖锐角的个数；其中
签名移动过程中每一步的速度计算公式如下：相邻的两个点a(x1,y1)和b(x2,y2), a点对应的时间戳t1，b点对应的时间戳t2，这样速度即
Figure 709037DEST_PATH_IMAGE001
。
进一步，当账户积累的签名达到预设数量，执行步骤S4，进行笔迹认证；当账户积累的签名未达到预设数量，对签名仅做正确性校验，不执行步骤S4的笔迹认证操作。
另一方面，一种使用模型分析笔迹提升账户安全的装置，所述装置用于实现本发明的使用模型分析笔迹提升账户安全的方法。
进一步，所述装置包括笔迹采集单元、数据解析单元、模型训练单元、和笔迹认证单元。
本发明通过让用户完成中文签名，收集用户的笔迹，进行模型训练，建立每个账户的笔迹风格特征，可以保证账户和使用者的强绑定关系，相比于短信验证码、密码、密保问题等，笔迹风格具备难窃取的优势。
附图说明
图1为根据本发明的一种使用模型分析笔迹提升账户安全的方法流程示意图；
图2为根据本发明的一种使用模型分析笔迹提升账户安全的装置结构示意图；
图3为根据本发明的一种使用模型分析笔迹提升账户安全的方法及装置使用的原始签名示意图；
图4为根据本发明的一种使用模型分析笔迹提升账户安全的方法及装置使用的签名矩阵示意图一；
图5为根据本发明的一种使用模型分析笔迹提升账户安全的方法及装置使用的签名矩阵示意图二；
图6为根据本发明的一种使用模型分析笔迹提升账户安全的方法及装置使用的签名矩阵示意图三；
图7为根据本发明的一种使用模型分析笔迹提升账户安全的方法及装置使用的签名矩阵示意图四。
具体实施方式
下面将结合附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1所示，根据本发明的使用模型分析笔迹提升账户安全的方法，包括以下步骤：
S1、笔迹采集。客户端通过JavaScript(简称js)实现一个固定大小的画布，比如300*150mm，让用户完成指定文字的签名，通过触屏设备，触摸板，鼠标均可以实现。
用户签名完成后，客户端需要收集用户书写时的动作数据，即整个签名过程中的轨迹序列，也就是画布上的每个移动坐标点和落点时的时间。把签名后的整个轨迹序列上报到后台。如图3所示，签名“张三”，经画布采集数据后，可以得到如图4-6所示的矩阵图。
其中数据格式如下
{"timeGap":1029,"x":62,"y":25},{"timeGap":1036,"x":57,"y":25},{"timeGap":1010,"x":56,"y":26},{"timeGap":1016,"x":59,"y":26},{"timeGap":1126,"x":58,"y":26}
{"timeGap":1029,"x":62,"y":25}表示序列里面的一个点，x为相对签名画布的横轴坐标，y为纵轴坐标，timeGap为相对画布展现完成后那个时间点的时间戳，单位为毫秒。
S2、数据解析。后台服务器对动作数据进行解析。通过采集的整个轨迹序列，可以使用一个二维矩阵还原出用户的签名笔迹。手写文字识别可以通过深度学习卷积神经网络模型处理。可以事先收集一批手写文字的序列数据，通过卷积神经网络训练以后可以达到较好的文字识别效果，数据解析的目的是文字识别，做文字正确性校验，即要求用户完成的签名‘张三’，检测用户签的文字是否正确。
S3、模型训练。识别完正确性以后，需要对文字笔迹进行识别。使用的模型可以是CNN+RNN（卷积神经网络和循环神经网络）或者分类模型，这里需要从笔迹的整个轨迹序列中解析出用户完成签名的速度和时间、签名过程中停顿的情况、笔画倾斜程度、签名中出现尖锐角的个数、签名文字的笔画数、每个笔画的移动速率、转角的度数、轨迹平滑程度等特征，通过这些特性来描述一个人字体的“风格”。 对每个账户，多次收集用户的签名数据，使用笔迹模型进行训练，这样可以得到每个用户的笔迹风格特征。笔迹模型的训练需要黑白样本，白样本即为当前用户本人的签名数据，黑样本即为其他所有用户的签名数据。这样模型的识别效果即为分析账户自身的笔迹和其他的人区别。
本发明采集的数据可以计算出以下信息，首先根据像素点可以还原出画布的图像信息，如图4-6所示。另外，签名的时候每个像素点，前端都会采集当时那个点的时间戳；所以两个像素点ab之间可以知道从a到b的时间差，这样也就可以计算出移动速度。
从图4-6所示的矩阵里面可以计算出以下特征：
1.完成签名的速度和时间。移动过程中每一步的速度：相邻的两个点a(x1,y1)和b(x2,y2), a点对应的时间戳t1，b点t2，这样速度即
Figure 341DEST_PATH_IMAGE001
同理可以计算出整个签名过程中的平均速度，最大速度，最小速度，完成签名的时间。
2.签名过程中停顿的情况。签名设备优选使用触摸屏，由于触摸屏可以在签名的过程中采集到屏幕按压触摸和抬起，这样可以采集到整个签名过程中，有多少次按压触摸和手指抬起操作，这样能分析出用户的签名习惯，是一笔一划的签名，按照笔迹停顿；还是中间不停笔，直接一笔写成。
4.笔画倾斜度。计算出普通笔画横和竖的倾斜程度，如放大图6所示，可以计算“三”字里面横的倾斜度，这个特征可以标识用户的字体风格，倾斜度可以采集一个横笔画的两头两个像素点，笔画倾斜度计算公式：
Figure 595271DEST_PATH_IMAGE002
对每个笔画都进行计算，然后可以得到每个笔画的倾斜度以及平均倾斜度。
5.签名中出现尖锐角的个数。如图7所示，两条线的夹角小于45度即认为是比较尖锐的角，尖锐角个数也可以标识字体风格，越多表示字迹越潦草，越少则表示字迹越规整。
计算得到以上特征后，则可以作为模型的输入参数进行训练，获得用户的笔迹风格特征。两次签名风格是否一致的对比实际上就是对上述这些特征值相似度的比较，比如两次签名所有的特征值依次比较，如果整体误差都在30%以内则认为是同一个人的签字笔迹。
S4、笔迹认证。这样后续在一些安全要求较高的场景下，比如转账，交易等，可以让用户完成指定的文字签名，使用模型则可以识别当前签名和本账户历史签名的相似程度。
本装置需要依赖一定数量的用户签名数据，所以如果使用本方案，在系统开始初期，因账户没有签名数据，可以先在交易，转账，退款等场景下让用户进行签名，对签名只做正确性校验。当账户积累的签名达到一定数量，比如收集字迹超过30个以后，则可以开始对账户进行笔迹模型分析，实现笔迹认证。
当账户具备笔迹认证的能力以后，对于黑产批量养号的情况，则存在极大的维护成本，黑产掌握少则几千，多则几万的账户，其很难为每个账户维护一个稳定，有区别的笔迹风格特征。然后对于大批量堆积养号然后售卖的情况，购买者想使用账号则非常困难，因其很难匹配上这些账号的笔迹风格特征。对于单个账户被盗的情况，也能有效阻止账号盗用，因为手机短信，密保问题，密码这些都可以窃取到，但笔迹风格特征很难模拟出来。
本发明通过让用户完成中文签名，收集用户的笔迹，进行模型训练，建立每个账户的笔迹风格特征，可以保证账户和使用者的强绑定关系，相比于短信验证码，密码，密保问题等，笔迹风格具备难窃取的优势。
对于黑产养号，盗号，脱库，然后售卖账号的情况可以有效阻断。
通过在业务场景下实现一个签名画布，让用户完成指定文字的手写签名，收集签名数据后进行笔迹风格的模型训练，让每个用户具备自己的笔迹风格特征。笔迹和每个的手写习惯密切相关，其具备难窃取的优势。相比短信、密码、密保问题等安全认证方式，可以更有效的做身份绑定，账户安全保护能力更强。
本方案中的签名笔迹模型主要考虑的是账户安全场景或者设备安全场景，将人的生物习惯通过签名形成模型，和账户或者设备强绑定。
让用户完成中文签名的中文文字可以是有限范围内，比如某个账户只在固定的30个汉字里面选择文字让用户签。也可以不设限制，理论上不设限制的安全性更高。
笔迹风格的模型实现不限于上面提到的CNN+RNN，其他模型通过分析签名轨迹序列能达到一样的效果均可以。
此外，本发明还涉及一种使用模型分析笔迹提升账户安全的装置100，如图2所示，包括：
笔迹采集单元101，用于采集用户签名笔迹，收集书写时的动作数据，所述动作数据表现为轨迹序列。
数据解析单元102，用于对动作数据进行解析。通过采集的整个轨迹序列，可以使用一个二维矩阵还原出用户的签名，由此进行文字识别，做文字正确性校验。
模型训练单元103，通过模型训练对文字笔迹进行识别，获得用户的笔迹风格特征，存储到数据库内的对应账户或设备，与账户和设备绑定。笔迹风格特征包括完成签名的时间、签名文字的笔画数、每个笔画的移动速率、签名过程中的停顿情况、轨迹中出现转角的数量、转角的度数、轨迹平滑程度等。
笔迹认证单元104，用于计算当前签名和绑定的用户笔迹风格特征的相似程度，确定是否本人签名。
其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种使用模型分析笔迹提升账户安全的方法，其特征在于，包括以下步骤：
S1.笔迹采集，采集用户签名笔迹，收集书写时的动作数据，所述动作数据表现为轨迹序列；
S2.数据解析，对所述动作数据进行解析；
S3.模型训练，通过模型对签名笔迹进行识别，获得用户的笔迹风格特征，与账户绑定；
S4.笔迹认证，用于计算当前签名笔迹和绑定的用户笔迹风格特征的相似度，判断是否本人签名。
2.根据权利要求1所述的使用模型分析笔迹提升账户安全的方法，其特征在于，步骤S1中，通过JavaScript现一个固定尺寸的画布，用户在画布上完成指定文字的签名。
3.根据权利要求2所述的使用模型分析笔迹提升账户安全的方法，其特征在于，步骤S1中，还包括把签名后的整个轨迹序列上报到后台服务器；数据格式如下： {"timeGap":T,"x":m,"y":n},所述数据格式表示序列里面的一个点，x为所述点相对画布的横轴坐标，m为横轴坐标值，y为纵轴坐标，n为纵轴坐标值，timeGap为相对画布展现完成后那个时间点的时间戳，T为时间戳的值，单位为毫秒。
4.根据权利要求1所述的使用模型分析笔迹提升账户安全的方法，其特征在于，步骤S2中，后台服务器对动作数据进行解析，通过采集的整个轨迹序列，使用一个二维矩阵还原出用户的签名笔迹。
5.根据权利要求1所述的使用模型分析笔迹提升账户安全的方法，其特征在于，步骤S3中，使用的模型是卷积神经网络和循环神经网络。
6.根据权利要求1所述的使用模型分析笔迹提升账户安全的方法，其特征在于，步骤S3中，使用的模型是分类模型。
7.根据权利要求5或6所述的使用模型分析笔迹提升账户安全的方法，其特征在于，获得用户的笔迹风格特征包括用户完成签名的速度和时间、签名过程中停顿的情况、笔画倾斜程度、签名笔迹中出现尖锐角的个数；其中
签名移动过程中每一步的速度计算公式如下：相邻的两个点a(x1,y1)和b(x2,y2), a点对应的时间戳t1，b点对应的时间戳t2，这样速度即
Figure 805340DEST_PATH_IMAGE001
。
8.根据权利要求1所述的使用模型分析笔迹提升账户安全的方法，其特征在于，当账户积累的签名达到预设数量，执行步骤S4，进行笔迹认证；当账户积累的签名未达到预设数量，对签名笔迹仅做正确性校验，不执行步骤S4的笔迹认证操作。
9.一种使用模型分析笔迹提升账户安全的装置，其特征在于，所述装置用于实现权利要求1-8任一项所述的使用模型分析笔迹提升账户安全的方法。
10.根据权利要求9所述的使用模型分析笔迹提升账户安全的装置，其特征在于，包括笔迹采集单元、数据解析单元、模型训练单元、和笔迹认证单元。
CN202210024707.0A 2022-01-11 2022-01-11 一种使用模型分析笔迹提升账户安全的方法及装置 Pending CN114037998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210024707.0A CN114037998A (zh) 2022-01-11 2022-01-11 一种使用模型分析笔迹提升账户安全的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210024707.0A CN114037998A (zh) 2022-01-11 2022-01-11 一种使用模型分析笔迹提升账户安全的方法及装置

Publications (1)

Publication Number Publication Date
CN114037998A true CN114037998A (zh) 2022-02-11

Family

ID=80141633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210024707.0A Pending CN114037998A (zh) 2022-01-11 2022-01-11 一种使用模型分析笔迹提升账户安全的方法及装置

Country Status (1)

Country Link
CN (1) CN114037998A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115758476A (zh) * 2022-11-11 2023-03-07 重庆傲雄在线信息技术有限公司 基于手写签名的电子名章制作方法、设备及介质
CN116070180A (zh) * 2022-11-10 2023-05-05 支付宝(杭州)信息技术有限公司 一种安全业务执行方法、装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517094A (zh) * 2013-09-30 2015-04-15 阿里巴巴集团控股有限公司 一种身份验证方法和身份验证装置
CN107169763A (zh) * 2017-04-26 2017-09-15 沈思远 基于签名识别的安全支付方法及系统
WO2018040009A1 (zh) * 2016-08-31 2018-03-08 华为技术有限公司 签名认证方法、终端、手写笔及系统
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
CN109977821A (zh) * 2019-03-14 2019-07-05 上海古鳌电子科技股份有限公司 一种数据签名验证系统
CN110619274A (zh) * 2019-08-14 2019-12-27 深圳壹账通智能科技有限公司 基于印章和签名的身份验证方法、装置和计算机设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517094A (zh) * 2013-09-30 2015-04-15 阿里巴巴集团控股有限公司 一种身份验证方法和身份验证装置
WO2018040009A1 (zh) * 2016-08-31 2018-03-08 华为技术有限公司 签名认证方法、终端、手写笔及系统
CN107169763A (zh) * 2017-04-26 2017-09-15 沈思远 基于签名识别的安全支付方法及系统
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
CN109977821A (zh) * 2019-03-14 2019-07-05 上海古鳌电子科技股份有限公司 一种数据签名验证系统
CN110619274A (zh) * 2019-08-14 2019-12-27 深圳壹账通智能科技有限公司 基于印章和签名的身份验证方法、装置和计算机设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070180A (zh) * 2022-11-10 2023-05-05 支付宝(杭州)信息技术有限公司 一种安全业务执行方法、装置、存储介质及电子设备
CN115758476A (zh) * 2022-11-11 2023-03-07 重庆傲雄在线信息技术有限公司 基于手写签名的电子名章制作方法、设备及介质
CN115758476B (zh) * 2022-11-11 2024-02-09 重庆亲笔签数字科技有限公司 基于手写签名的电子名章制作方法、设备及介质

Similar Documents

Publication Publication Date Title
TWI689942B (zh) 人機識別方法及裝置、行為特徵資料的採集方法及裝置
Zhao et al. Continuous mobile authentication using a novel graphic touch gesture feature
CN108229130B (zh) 一种验证方法及装置
Zhang et al. Touch gesture-based active user authentication using dictionaries
US10901967B2 (en) License plate matching systems and methods
US9298912B2 (en) System and method for distinguishing human swipe input sequence behavior and using a confidence value on a score to detect fraudsters
US20140267009A1 (en) Authenticating a user using hand gesture
CN105631272B (zh) 一种多重保险的身份认证方法
CN114037998A (zh) 一种使用模型分析笔迹提升账户安全的方法及装置
US20050008148A1 (en) Mouse performance identification
CN106778151B (zh) 基于笔迹的用户身份识别方法和装置
CN109784316B (zh) 一种追溯地铁闸机逃票的方法、装置及存储介质
WO2022188697A1 (zh) 提取生物特征的方法、装置、设备、介质及程序产品
CN107169763A (zh) 基于签名识别的安全支付方法及系统
Antal et al. Online signature verification on MOBISIG finger-drawn signature corpus
CN109271915A (zh) 防伪检测方法和装置、电子设备、存储介质
CN115186303B (zh) 一种基于大数据云平台的金融签章安全管理方法及系统
WO2024060951A1 (zh) 一种业务服务方法及装置
WO2024060951A9 (zh) 一种业务服务方法及装置
CN114667517A (zh) 签名验证
CN111859322A (zh) 身份验证方法、装置和电子设备
WO2022222735A1 (zh) 信息处理方法、装置、计算机设备和存储介质
CN113190310B (zh) 基于随机位置对象语义识别的验证码设计方法
Oka et al. Scribble-a-secret: Similarity-based password authentication using sketches
KR102194366B1 (ko) 사용자의 서명의 검증에 이용되는 검증 모델을 생성하는 전자 장치

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220211