CN115186303A - 一种基于大数据云平台的金融签章安全管理方法及系统 - Google Patents

一种基于大数据云平台的金融签章安全管理方法及系统 Download PDF

Info

Publication number
CN115186303A
CN115186303A CN202211106692.9A CN202211106692A CN115186303A CN 115186303 A CN115186303 A CN 115186303A CN 202211106692 A CN202211106692 A CN 202211106692A CN 115186303 A CN115186303 A CN 115186303A
Authority
CN
China
Prior art keywords
signature
financial
information
application
applicant
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
Application number
CN202211106692.9A
Other languages
English (en)
Other versions
CN115186303B (zh
Inventor
王小伟
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 Huilang Times Technology Co Ltd
Original Assignee
Beijing Huilang Times 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 Huilang Times Technology Co Ltd filed Critical Beijing Huilang Times Technology Co Ltd
Priority to CN202211106692.9A priority Critical patent/CN115186303B/zh
Publication of CN115186303A publication Critical patent/CN115186303A/zh
Application granted granted Critical
Publication of CN115186303B publication Critical patent/CN115186303B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • G06V30/1448—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields based on markings or identifiers characterising the document or the area
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Bioethics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及签章管理技术领域，公开了一种基于大数据云平台的金融签章安全管理方法及系统，包括：获取申请者身份信息及签章申请信息，通过云平台对申请者身份信息进行核验，构建申请分类模型对所述签章申请信息进行识别分类，确定申请者所需签章信息；根据所需签章的空闲状态及申请者签章申请信息的重要性设置签章使用顺序，并将使用顺序进行反馈；在签章使用过程中，根据申请文件与签章覆盖文件的一致性、签章的位置信息及签章覆盖次数分析签章使用风险；将所述印章使用风险与签章应用痕迹相匹配，存入签章安全管理数据库。本发明解决了用章各环节无法追溯及用印全流程安防防控难题，提升了金融签章使用效率，由此降低了企业相关管理成本。

Description

一种基于大数据云平台的金融签章安全管理方法及系统
技术领域
本发明涉及签章管理技术领域，更具体的，涉及一种基于大数据云平台的金融签章安全管理方法及系统。
背景技术
在工作中，各种文件的签署，都离不开签章，并由于签章都伴随着法律效应，所以签章的使用对个人或集体的利益都具有举足轻重的意义，签章的使用管理，关系着企业正常经营管理活动的开展，施印不当是引发企业经济纠纷的频发点，因此印章管理作为企业管理的重点和难点，容不得丝毫的懈怠。就目前签章管理体系而言，虽相关制度、流程已趋于完善，但仍留有部分风险点，无法有效杜绝。传统实体印章管理盖章效率低，存在私自盖章、人情章、一章多盖、盗刻公章使用等风险,难以追踪溯源。
现在金融系统中，金融票据需要进行签章后才为有效的票据，由于金融票据可能具有较高的经济价值，在金融"严监管"的大背景下,银行系统"假印真用""真印假用"案例频发，给商业银行等金融系统带来严重的资产损失和声誉风险，因此，关于金融签章的安全管理显得尤为重要。与传统印章管理相比，金融印章安全管理系统可实现签章全过程无死角监管、全痕迹留存与追溯，解决了用章各环节无法追溯及用印全流程安防防控难题，提升了签章使用效率。所以提供一种基于大数据云平台的金融签章安全管理的方法是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于大数据云平台的金融签章安全管理方法及系统。
本发明第一方面提供了一种基于大数据云平台的金融签章安全管理方法，包括：
获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
本方案中，构建申请分类模型对所述金融签章申请信息进行识别分类，具体为：
基于深度学习构建申请分类模型，根据预设金融签章申请格式设置固定宽度锚框，将固定宽度锚框与金融签章申请信息结合，判断各锚框中是否存在文字信息；
选取含有文字信息的锚框通过卷积神经网络获取特征信息，根据所述特征信息提取词向量，通过词向量进行加权平均构建句向量表达，获取各锚框内文字信息的语义特征向量；
将各锚框的语义特征向量进行聚合，根据现有金融签章数量信息基于SVM分类器略构建分类器，将聚合特征与各分类器预设特征数据进行对比获取相似度，识别申请事由；
获取相似度最大的分类器预设特征数据对应的金融签章作为申请者的所需签章信息。
本方案中，通过云平台对申请者身份信息进行核验，具体为：
根据申请者的登录信息获取职位信息，通过所述职位信息的职务范围与所述金融签章申请信息进行匹配对比，判断所述金融签章申请信息中的业务详情及授权信息是否处于职务范围内；
若不处于，则将金融签章申请的驳回通知反馈至申请者，若处于，则对申请者进行人脸识别验证；
获取申请者的人脸图像信息，将所述人脸图像信息进行人脸检测并进行校正，获取特征区域，并在特征区域中选取关键点提取申请者的人脸特征向量；
将所述人脸特征向量进行与云端数据库中申请者登录信息对应的预存数据进行对比，若对比结果大于预设阈值，则说明申请者人脸符合；
另外，根据申请者的历史登录信息及历史金融签章申请信息获取使用习惯信息存入云平台，若申请者的登录信息及金融签章申请信息与使用习惯信息的偏差率大于预设偏差率阈值，则对申请者的金融签章申请信息进行风险标注。
本方案中，根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈，具体为：
根据云平台获取所需金融签章的使用状态及位置信息，判断所需金融签章是否处于空闲状态；
若所需金融签章不处于空闲状态，则根据所需金融签章的覆盖位置信息与申请者是否一致，根据所需金融签章的使用状态获取后续使用计划；
通过大数据检索获取企业当前业务数据，对业务数据进行分类，对各类别业务数据集赋予对应类别权重，同时根据职位体系对各职位赋予职位权重；
根据申请者金融签章申请信息中的申请事由判断所属业务数据类别，根据所属业务数据类别对应的类别权重及申请者的职位权重获取金融签章申请的重要性；
获取所需金融签章的后续使用计划中各申请的重要性，结合申请者金融签章申请者的重要性进行排序，根据重要性排序结果生成所需金融签章的使用顺序，并反馈至申请者。
本方案中，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险，具体为：
根据金融签章申请信息获取申请文件的名称及主题信息，获取申请文件图像信息，对申请文件图像信息进行文字提取识别；
根据获取的名称及主题信息在金融签章覆盖前及覆盖后分别对申请文件进行关键词频率检测，通过关键词频率检测结果获取判断申请文件与金融签章覆盖文件的一致性；
根据对申请文件进行扫描获取目标签章区域，根据目标签章区域位置信息反馈至签章控件实现金融签章的精准覆盖，获取金融签章单次使用过程中的覆盖次数；
根据所述目标签章区域及覆盖次数判断金融签章覆盖文件中金融签章的匹配度；
基于深度学习构建签章使用风险评价模型，进行初始化训练，将所述申请文件与金融签章覆盖文件的一致性、金融签章的匹配度及申请者使用风险标注信息输入签章使用风险评价模型，输出金融签章申请信息的签章使用风险。
本方案中，将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态，具体为：
基于云平台构建金融签章安全管理数据库，将申请者的金融签章申请信息与签章使用风险及签章使用痕迹进行匹配生成数据序列，根据所述数据序列更新申请者的使用习惯信息；
根据签章使用痕迹获取签章覆盖后文件信息，当后续金融签章申请信息对应的文件出现重复时，通过业务数据核验前次签章覆盖后文件的去向信息，根据所述去向信息及申请事由判断是否为异常金融签章申请；
将申请者的金融签章申请次数及每次的签章使用风险进行数据统计获取申请者的异常金融签章申请信息；
根据所述异常金融签章申请信息对申请者进行标记，对标记申请者的金融申请信息的使用风险核验阈值进行调整；
同时，获取金融签章的使用状态及使用顺序，根据所述使用状态及使用顺序实时更新金融签章的空闲状态，根据预设时间内各金融签章的使用情况数据进行空闲时段的预测，并将预测结果按照预设方式进行发送显示。
本发明第二方面还提供了一种基于大数据云平台的金融签章安全管理系统，该系统包括：存储器、处理器，所述存储器中包括一种基于大数据云平台的金融签章安全管理方法程序，所述一种基于大数据云平台的金融签章安全管理方法程序被所述处理器执行时实现如下步骤：
获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
本发明公开了一种基于大数据云平台的金融签章安全管理方法及系统，包括：获取申请者身份信息及签章申请信息，通过云平台对申请者身份信息进行核验，构建申请分类模型对所述签章申请信息进行识别分类，确定申请者所需签章信息；根据所需签章的空闲状态及申请者签章申请信息的重要性设置签章使用顺序，并将使用顺序进行反馈；在签章使用过程中，根据申请文件与签章覆盖文件的一致性、签章的位置信息及签章覆盖次数分析签章使用风险；将所述印章使用风险与签章应用痕迹相匹配，存入签章安全管理数据库。本发明可用于智能签章管理平台，结合智能签章管理设备、云平台及APP，解决了用章各环节无法追溯及用印全流程安防防控难题，提升了金融签章使用效率，并由此降低了企业的相关管理成本。
附图说明
图1示出了本发明一种基于大数据云平台的金融签章安全管理方法的流程图；
图2示出了本发明对金融签章申请信息进行识别分类的方法流程图；
图3示出了本发明通过合作推荐模型生成对其他用户预测评分的方法流程图；
图4示出了本发明一种基于大数据云平台的金融签章安全管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据云平台的金融签章安全管理方法的流程图。
如图1所示，本发明第一方面提供了一种基于大数据云平台的金融签章安全管理方法，包括：
S102，获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
S104，根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
S106，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
S108，将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
需要说明的是，通过云平台对申请者身份信息进行核验，具体为：根据申请者的登录信息获取职位信息，通过所述职位信息的职务范围与所述金融签章申请信息进行匹配对比，判断所述金融签章申请信息中的业务详情及授权信息是否处于职务范围内；若不处于，则将金融签章申请的驳回通知反馈至申请者，若处于，则对申请者进行人脸识别验证；获取申请者的人脸图像信息，将所述人脸图像信息进行人脸检测并进行校正，获取特征区域，并在特征区域中选取关键点提取申请者的人脸特征向量；由于人脸在进行眨眼、张嘴、摇头等动作时，相应关键点的比例距离会产生变化，通过人脸特点检测算法在关键点进行动作核验进行活体检验，将所述人脸特征向量进行与云端数据库中申请者登录信息对应的预存数据进行对比，若对比结果大于预设阈值，则说明申请者人脸符合。
另外，根据申请者的历史登录信息及历史金融签章申请信息获取使用习惯信息存入云平台，若申请者的登录信息及金融签章申请信息与使用习惯信息的偏差率大于预设偏差率阈值，则对申请者的金融签章申请信息进行风险标注，例如，申请者的历史金融签章申请多集中在上班时间段，当申请者的当前金融签章申请为下班后时间，则将其标注为风险申请。
图2示出了本发明对金融签章申请信息进行识别分类的方法流程图。
根据本发明实施例，构建申请分类模型对所述金融签章申请信息进行识别分类，具体为：
S202，基于深度学习构建申请分类模型，根据预设金融签章申请格式设置固定宽度锚框，将固定宽度锚框与金融签章申请信息结合，判断各锚框中是否存在文字信息；
S204，选取含有文字信息的锚框通过卷积神经网络获取特征信息，根据所述特征信息提取词向量，通过词向量进行加权平均构建句向量表达，获取各锚框内文字信息的语义特征向量；
S206，将各锚框的语义特征向量进行聚合，根据现有金融签章数量信息基于SVM分类器略构建分类器，将聚合特征与各分类器预设特征数据进行对比获取相似度，识别申请事由；
S208，获取相似度最大的分类器预设特征数据对应的金融签章作为申请者的所需签章信息。
需要说明的是，原始的SVM分类器只能应用与二分类任务，基于SVM分类器结合OvO（One VS One）策略及现有金融签章数量构建分类器。根据云平台获取所需金融签章的使用状态及位置信息，判断所需金融签章是否处于空闲状态；若所需金融签章不处于空闲状态，则根据所需金融签章的覆盖位置信息与申请者是否一致，根据所需金融签章的使用状态获取后续使用计划；通过大数据检索获取企业当前业务数据，对业务数据进行分类，对各类别业务数据集赋予对应类别权重，同时根据职位体系对各职位赋予职位权重；根据申请者金融签章申请信息中的申请事由判断所属业务数据类别，根据所属业务数据类别对应的类别权重及申请者的职位权重获取金融签章申请的重要性；获取所需金融签章的后续使用计划中各申请的重要性，结合申请者金融签章申请者的重要性进行排序，根据重要性排序结果生成所需金融签章的使用顺序，并反馈至申请者。
图3示出了本发明通过合作推荐模型生成对其他用户预测评分的方法流程图。
根据本发明实施例，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险，具体为：
S302，根据金融签章申请信息获取申请文件的名称及主题信息，获取申请文件图像信息，对申请文件图像信息进行文字提取识别；
S304，根据获取的名称及主题信息在金融签章覆盖前及覆盖后分别对申请文件进行关键词频率检测，通过关键词频率检测结果获取判断申请文件与金融签章覆盖文件的一致性；
S306，根据对申请文件进行扫描获取目标签章区域，根据目标签章区域位置信息反馈至签章控件实现金融签章的精准覆盖，获取金融签章单次使用过程中的覆盖次数；
S308，根据所述目标签章区域及覆盖次数判断金融签章覆盖文件中金融签章的匹配度；
S310，基于深度学习构建签章使用风险评价模型，进行初始化训练，将所述申请文件与金融签章覆盖文件的一致性、金融签章的匹配度及申请者使用风险标注信息输入签章使用风险评价模型，输出金融签章申请信息的签章使用风险。
需要说明的是，基于支持向量机及神经网络等深度学习方法构建签章使用风险评价模型预设签章使用风险阈值，通过历史金融签章申请进行人工标注后对签章使用风险评价模型进行初始化训练，若签章使用风险大于签章使用风险阈值，则视为异常金融签章申请：基于云平台构建金融签章安全管理数据库，将申请者的金融签章申请信息与签章使用风险及签章使用痕迹进行匹配生成数据序列，根据所述数据序列更新申请者的使用习惯信息；根据签章使用痕迹获取签章覆盖后文件信息，当后续金融签章申请信息对应的文件出现重复时，通过业务数据核验前次签章覆盖后文件的去向信息，根据所述去向信息及申请事由判断是否为异常金融签章申请；将申请者的金融签章申请次数及每次的签章使用风险进行数据统计获取申请者的异常金融签章申请信息；根据所述异常金融签章申请信息对申请者进行标记，对标记申请者的金融申请信息的使用风险核验阈值进行调整；同时，获取金融签章的使用状态及使用顺序，根据所述使用状态及使用顺序实时更新金融签章的空闲状态，根据预设时间内各金融签章的使用情况数据进行空闲时段的预测，并将预测结果按照预设方式进行发送显示。
根据本发明实施例，对申请文件中已有金融签章进行真伪验证，具体为：
将申请文件图像信息通过图像分割获取已有金融签章图像区域，在已有金融签章图像区域中获取感兴趣区域，对感兴趣区域中的已有金融签章进行二值化处理；
获取已有金融签章的二值化图像进行印章提取分割及滤波去噪，提取已有签章的文字特征及几何特征，根据几何特征提取外边框信息，通过所述外边框信息进行配准；
根据已有金融签章的边缘信息提取特征点，并将特征点进行筛选，去除低对比度及不稳定的边缘特征点，通过筛选后的特征点获取特征点集；
根据所述文字特征及几何特征在云端进行相似度对比，对已有金融签章进行识别，通过识别结果获取已有金融签章的标准覆盖图像信息；
在标准覆盖图像信息中根据所述特征点集进行特征提取，获取特征差值，若所述特征差值小于预设特征差值阈值，则证明已有金融签章为真；
同时，若申请文件中存在已有金融签章，则签章真伪作为评价指标之一设置签章使用风险评价模型。
根据本发明实施例，获取金融签章的覆盖图像信息判断金融签章是否作废，具体为：
利用Canny分割算子提取金融签章覆盖图像信息的边缘信息，根据所述边缘信息判断金融签章的可分辨度；
根据金融签章的文字信息标注重要文字信息，预设第一完整度阈值及第二完整度阈值；
提取重要文字信息的边缘信息，根据所述边缘信息与重要文字信息完整边缘信息进行匹配获取完整度，判断完整度是否大于第一完整度阈值，若不大于，则说明金融签章的可分辨度低于预设标准；
当重要文字信息的完整度小于第一完整度阈值时，判断金融签章中重要文字信息之外的边缘信息的完整度是否大于第二完整度阈值，若不大于，则说明金融签章的可分辨度低于预设标准；
当金融签章的可分辨度低于预设标准时，对金融签章进行作废操作。
图4示出了本发明一种基于大数据云平台的金融签章安全管理系统的框图。
本发明第二方面还提供了一种基于大数据云平台的金融签章安全管理系统4，该系统包括：存储器41、处理器42，所述存储器中包括一种基于大数据云平台的金融签章安全管理方法程序，所述一种基于大数据云平台的金融签章安全管理方法程序被所述处理器执行时实现如下步骤：
获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
需要说明的是，通过云平台对申请者身份信息进行核验，具体为：根据申请者的登录信息获取职位信息，通过所述职位信息的职务范围与所述金融签章申请信息进行匹配对比，判断所述金融签章申请信息中的业务详情及授权信息是否处于职务范围内；若不处于，则将金融签章申请的驳回通知反馈至申请者，若处于，则对申请者进行人脸识别验证；获取申请者的人脸图像信息，将所述人脸图像信息进行人脸检测并进行校正，获取特征区域，并在特征区域中选取关键点提取申请者的人脸特征向量；由于人脸在进行眨眼、张嘴、摇头等动作时，相应关键点的比例距离会产生变化，通过人脸特点检测算法在关键点进行动作核验进行活体检验，将所述人脸特征向量进行与云端数据库中申请者登录信息对应的预存数据进行对比，若对比结果大于预设阈值，则说明申请者人脸符合。
另外，根据申请者的历史登录信息及历史金融签章申请信息获取使用习惯信息存入云平台，若申请者的登录信息及金融签章申请信息与使用习惯信息的偏差率大于预设偏差率阈值，则对申请者的金融签章申请信息进行风险标注，例如，申请者的历史金融签章申请多集中在上班时间段，当申请者的当前金融签章申请为下班后时间，则将其标注为风险申请。
根据本发明实施例，构建申请分类模型对所述金融签章申请信息进行识别分类，具体为：
基于深度学习构建申请分类模型，根据预设金融签章申请格式设置固定宽度锚框，将固定宽度锚框与金融签章申请信息结合，判断各锚框中是否存在文字信息；
选取含有文字信息的锚框通过卷积神经网络获取特征信息，根据所述特征信息提取词向量，通过词向量进行加权平均构建句向量表达，获取各锚框内文字信息的语义特征向量；
将各锚框的语义特征向量进行聚合，根据现有金融签章数量信息基于SVM分类器略构建分类器，将聚合特征与各分类器预设特征数据进行对比获取相似度，识别申请事由；
获取相似度最大的分类器预设特征数据对应的金融签章作为申请者的所需签章信息。
需要说明的是，根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈，具体为：根据云平台获取所需金融签章的使用状态及位置信息，判断所需金融签章是否处于空闲状态；若所需金融签章不处于空闲状态，则根据所需金融签章的覆盖位置信息与申请者是否一致，根据所需金融签章的使用状态获取后续使用计划；通过大数据检索获取企业当前业务数据，对业务数据进行分类，对各类别业务数据集赋予对应类别权重，同时根据职位体系对各职位赋予职位权重；根据申请者金融签章申请信息中的申请事由判断所属业务数据类别，根据所属业务数据类别对应的类别权重及申请者的职位权重获取金融签章申请的重要性；获取所需金融签章的后续使用计划中各申请的重要性，结合申请者金融签章申请者的重要性进行排序，根据重要性排序结果生成所需金融签章的使用顺序，并反馈至申请者。
根据本发明实施例，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险，具体为：
根据金融签章申请信息获取申请文件的名称及主题信息，获取申请文件图像信息，对申请文件图像信息进行文字提取识别；
根据获取的名称及主题信息在金融签章覆盖前及覆盖后分别对申请文件进行关键词频率检测，通过关键词频率检测结果获取判断申请文件与金融签章覆盖文件的一致性；
根据对申请文件进行扫描获取目标签章区域，根据目标签章区域位置信息反馈至签章控件实现金融签章的精准覆盖，获取金融签章单次使用过程中的覆盖次数；
根据所述目标签章区域及覆盖次数判断金融签章覆盖文件中金融签章的匹配度；
基于深度学习构建签章使用风险评价模型，进行初始化训练，将所述申请文件与金融签章覆盖文件的一致性、金融签章的匹配度及申请者使用风险标注信息输入签章使用风险评价模型，输出金融签章申请信息的签章使用风险。
需要说明的是，基于支持向量机及神经网络等深度学习方法构建签章使用风险评价模型预设签章使用风险阈值，通过历史金融签章申请进行人工标注后对签章使用风险评价模型进行初始化训练，若签章使用风险大于签章使用风险阈值，则视为异常金融签章申请：基于云平台构建金融签章安全管理数据库，将申请者的金融签章申请信息与签章使用风险及签章使用痕迹进行匹配生成数据序列，根据所述数据序列更新申请者的使用习惯信息；根据签章使用痕迹获取签章覆盖后文件信息，当后续金融签章申请信息对应的文件出现重复时，通过业务数据核验前次签章覆盖后文件的去向信息，根据所述去向信息及申请事由判断是否为异常金融签章申请；将申请者的金融签章申请次数及每次的签章使用风险进行数据统计获取申请者的异常金融签章申请信息；根据所述异常金融签章申请信息对申请者进行标记，对标记申请者的金融申请信息的使用风险核验阈值进行调整；同时，获取金融签章的使用状态及使用顺序，根据所述使用状态及使用顺序实时更新金融签章的空闲状态，根据预设时间内各金融签章的使用情况数据进行空闲时段的预测，并将预测结果按照预设方式进行发送显示。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于大数据云平台的金融签章安全管理方法，其特征在于，包括以下步骤：
获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
2.根据权利要求1所述的一种基于大数据云平台的金融签章安全管理方法，其特征在于，构建申请分类模型对所述金融签章申请信息进行识别分类，具体为：
基于深度学习构建申请分类模型，根据预设金融签章申请格式设置固定宽度锚框，将固定宽度锚框与金融签章申请信息结合，判断各锚框中是否存在文字信息；
选取含有文字信息的锚框通过卷积神经网络获取特征信息，根据所述特征信息提取词向量，通过词向量进行加权平均构建句向量表达，获取各锚框内文字信息的语义特征向量；
将各锚框的语义特征向量进行聚合，根据现有金融签章数量信息基于SVM分类器略构建分类器，将聚合特征与各分类器预设特征数据进行对比获取相似度，识别申请事由；
获取相似度最大的分类器预设特征数据对应的金融签章作为申请者的所需签章信息。
3.根据权利要求1所述的一种基于大数据云平台的金融签章安全管理方法，其特征在于，通过云平台对申请者身份信息进行核验，具体为：
根据申请者的登录信息获取职位信息，通过所述职位信息的职务范围与所述金融签章申请信息进行匹配对比，判断所述金融签章申请信息中的业务详情及授权信息是否处于职务范围内；
若不处于，则将金融签章申请的驳回通知反馈至申请者，若处于，则对申请者进行人脸识别验证；
获取申请者的人脸图像信息，将所述人脸图像信息进行人脸检测并进行校正，获取特征区域，并在特征区域中选取关键点提取申请者的人脸特征向量；
将所述人脸特征向量进行与云端数据库中申请者登录信息对应的预存数据进行对比，若对比结果大于预设阈值，则说明申请者人脸符合；
另外，根据申请者的历史登录信息及历史金融签章申请信息获取使用习惯信息存入云平台，若申请者的登录信息及金融签章申请信息与使用习惯信息的偏差率大于预设偏差率阈值，则对申请者的金融签章申请信息进行风险标注。
4.根据权利要求1所述的一种基于大数据云平台的金融签章安全管理方法，其特征在于，根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈，具体为：
根据云平台获取所需金融签章的使用状态及位置信息，判断所需金融签章是否处于空闲状态；
若所需金融签章不处于空闲状态，则根据所需金融签章的覆盖位置信息与申请者是否一致，根据所需金融签章的使用状态获取后续使用计划；
通过大数据检索获取企业当前业务数据，对业务数据进行分类，对各类别业务数据集赋予对应类别权重，同时根据职位体系对各职位赋予职位权重；
根据申请者金融签章申请信息中的申请事由判断所属业务数据类别，根据所属业务数据类别对应的类别权重及申请者的职位权重获取金融签章申请的重要性；
获取所需金融签章的后续使用计划中各申请的重要性，结合申请者金融签章申请者的重要性进行排序，根据重要性排序结果生成所需金融签章的使用顺序，并反馈至申请者。
5.根据权利要求1所述的一种基于大数据云平台的金融签章安全管理方法，其特征在于，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险，具体为：
根据金融签章申请信息获取申请文件的名称及主题信息，获取申请文件图像信息，对申请文件图像信息进行文字提取识别；
根据获取的名称及主题信息在金融签章覆盖前及覆盖后分别对申请文件进行关键词频率检测，通过关键词频率检测结果获取判断申请文件与金融签章覆盖文件的一致性；
根据对申请文件进行扫描获取目标签章区域，根据目标签章区域位置信息反馈至签章控件实现金融签章的精准覆盖，获取金融签章单次使用过程中的覆盖次数；
根据所述目标签章区域及覆盖次数判断金融签章覆盖文件中金融签章的匹配度；
基于深度学习构建签章使用风险评价模型，进行初始化训练，将所述申请文件与金融签章覆盖文件的一致性、金融签章的匹配度及申请者使用风险标注信息输入签章使用风险评价模型，输出金融签章申请信息的签章使用风险。
6.根据权利要求1所述的一种基于大数据云平台的金融签章安全管理方法，其特征在于，将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态，具体为：
基于云平台构建金融签章安全管理数据库，将申请者的金融签章申请信息与签章使用风险及签章使用痕迹进行匹配生成数据序列，根据所述数据序列更新申请者的使用习惯信息；
根据签章使用痕迹获取签章覆盖后文件信息，当后续金融签章申请信息对应的文件出现重复时，通过业务数据核验前次签章覆盖后文件的去向信息，根据所述去向信息及申请事由判断是否为异常金融签章申请；
将申请者的金融签章申请次数及每次的签章使用风险进行数据统计获取申请者的异常金融签章申请信息；
根据所述异常金融签章申请信息对申请者进行标记，对标记申请者的金融申请信息的使用风险核验阈值进行调整；
同时，获取金融签章的使用状态及使用顺序，根据所述使用状态及使用顺序实时更新金融签章的空闲状态，根据预设时间内各金融签章的使用情况数据进行空闲时段的预测，并将预测结果按照预设方式进行发送显示。
7.一种基于大数据云平台的金融签章安全管理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种基于大数据云平台的金融签章安全管理方法程序，所述一种基于大数据云平台的金融签章安全管理方法程序被所述处理器执行时实现如下步骤：
获取申请者身份信息及金融签章申请信息，构建申请分类模型对所述金融签章申请信息进行识别分类，确定申请者所需签章信息，通过云平台对申请者身份信息进行核验；
根据所需金融签章的空闲状态及申请者金融签章申请信息的重要性设置金融签章使用顺序，并将使用顺序进行反馈；
在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险；
将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态。
8.根据权利要求7所述的一种基于大数据云平台的金融签章安全管理系统，其特征在于，构建申请分类模型对所述金融签章申请信息进行识别分类，具体为：
基于深度学习构建申请分类模型，根据预设金融签章申请格式设置固定宽度锚框，将固定宽度锚框与金融签章申请信息结合，判断各锚框中是否存在文字信息；
选取含有文字信息的锚框通过卷积神经网络获取特征信息，根据所述特征信息提取词向量，通过词向量进行加权平均构建句向量表达，获取各锚框内文字信息的语义特征向量；
将各锚框的语义特征向量进行聚合，根据现有金融签章数量信息基于SVM分类器略构建分类器，将聚合特征与各分类器预设特征数据进行对比获取相似度，识别申请事由；
获取相似度最大的分类器预设特征数据对应的金融签章作为申请者的所需签章信息。
9.根据权利要求7所述的一种基于大数据云平台的金融签章安全管理系统，其特征在于，在金融签章使用过程中，根据申请文件与金融签章覆盖文件的一致性、金融签章的覆盖位置信息、金融签章覆盖次数及申请者信息分析签章使用风险，具体为：
根据金融签章申请信息获取申请文件的名称及主题信息，获取申请文件图像信息，对申请文件图像信息进行文字提取识别；
根据获取的名称及主题信息在金融签章覆盖前及覆盖后分别对申请文件进行关键词频率检测，通过关键词频率检测结果获取判断申请文件与金融签章覆盖文件的一致性；
根据对申请文件进行扫描获取目标签章区域，根据目标签章区域位置信息反馈至签章控件实现金融签章的精准覆盖，获取金融签章单次使用过程中的覆盖次数；
根据所述目标签章区域及覆盖次数判断金融签章覆盖文件中金融签章的匹配度；
基于深度学习构建签章使用风险评价模型，进行初始化训练，将所述申请文件与金融签章覆盖文件的一致性、金融签章的匹配度及申请者使用风险标注信息输入签章使用风险评价模型，输出金融签章申请信息的签章使用风险。
10.根据权利要求7所述的一种基于大数据云平台的金融签章安全管理系统，其特征在于，将所述签章使用风险与签章使用痕迹相匹配，存入金融签章安全管理数据库，通过金融签章安全管理数据库更新签章的使用状态，具体为：
基于云平台构建金融签章安全管理数据库，将申请者的金融签章申请信息与签章使用风险及签章使用痕迹进行匹配生成数据序列，根据所述数据序列更新申请者的使用习惯信息；
根据签章使用痕迹获取签章覆盖后文件信息，当后续金融签章申请信息对应的文件出现重复时，通过业务数据核验前次签章覆盖后文件的去向信息，根据所述去向信息及申请事由判断是否为异常金融签章申请；
将申请者的金融签章申请次数及每次的签章使用风险进行数据统计获取申请者的异常金融签章申请信息；
根据所述异常金融签章申请信息对申请者进行标记，对标记申请者的金融申请信息的使用风险核验阈值进行调整；
同时，获取金融签章的使用状态及使用顺序，根据所述使用状态及使用顺序实时更新金融签章的空闲状态，根据预设时间内各金融签章的使用情况数据进行空闲时段的预测，并将预测结果按照预设方式进行发送显示。
CN202211106692.9A 2022-09-13 2022-09-13 一种基于大数据云平台的金融签章安全管理方法及系统 Active CN115186303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211106692.9A CN115186303B (zh) 2022-09-13 2022-09-13 一种基于大数据云平台的金融签章安全管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211106692.9A CN115186303B (zh) 2022-09-13 2022-09-13 一种基于大数据云平台的金融签章安全管理方法及系统

Publications (2)

Publication Number Publication Date
CN115186303A true CN115186303A (zh) 2022-10-14
CN115186303B CN115186303B (zh) 2022-11-18

Family

ID=83524308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211106692.9A Active CN115186303B (zh) 2022-09-13 2022-09-13 一种基于大数据云平台的金融签章安全管理方法及系统

Country Status (1)

Country Link
CN (1) CN115186303B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115967585A (zh) * 2023-03-16 2023-04-14 广东维信智联科技有限公司 一种基于局域网的数据安全管理方法
CN116191227A (zh) * 2023-03-03 2023-05-30 北京惠朗时代科技有限公司 一种带有预警功能的印控仪供电设备
CN116319081A (zh) * 2023-05-17 2023-06-23 北京惠朗时代科技有限公司 一种基于大数据云平台的电子签章安全管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1588385A (zh) * 2004-07-15 2005-03-02 上海交通大学 签章集中管理与委托授权电子签章安全的方法
CN104537525A (zh) * 2014-12-30 2015-04-22 北京中科江南软件有限公司 电子印章授权使用系统
CN112848718A (zh) * 2021-02-06 2021-05-28 周丽君 一种基于位置大数据的金融印章签章验证系统
CN113112222A (zh) * 2021-04-02 2021-07-13 北京点聚信息技术有限公司 一种基于大数据分析的ofd版式文件的自动签章方法及系统
WO2021258634A1 (zh) * 2020-06-23 2021-12-30 南京南审审计大数据研究院有限公司 一种图像审计识别方法、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1588385A (zh) * 2004-07-15 2005-03-02 上海交通大学 签章集中管理与委托授权电子签章安全的方法
CN104537525A (zh) * 2014-12-30 2015-04-22 北京中科江南软件有限公司 电子印章授权使用系统
WO2021258634A1 (zh) * 2020-06-23 2021-12-30 南京南审审计大数据研究院有限公司 一种图像审计识别方法、装置及存储介质
CN112848718A (zh) * 2021-02-06 2021-05-28 周丽君 一种基于位置大数据的金融印章签章验证系统
CN113112222A (zh) * 2021-04-02 2021-07-13 北京点聚信息技术有限公司 一种基于大数据分析的ofd版式文件的自动签章方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116191227A (zh) * 2023-03-03 2023-05-30 北京惠朗时代科技有限公司 一种带有预警功能的印控仪供电设备
CN116191227B (zh) * 2023-03-03 2023-09-08 北京惠朗时代科技有限公司 一种带有预警功能的印控仪供电设备
CN115967585A (zh) * 2023-03-16 2023-04-14 广东维信智联科技有限公司 一种基于局域网的数据安全管理方法
CN116319081A (zh) * 2023-05-17 2023-06-23 北京惠朗时代科技有限公司 一种基于大数据云平台的电子签章安全管理系统
CN116319081B (zh) * 2023-05-17 2023-07-28 北京惠朗时代科技有限公司 一种基于大数据云平台的电子签章安全管理系统

Also Published As

Publication number Publication date
CN115186303B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
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
CN110147726B (zh) 业务质检方法和装置、存储介质及电子装置
CN109409204B (zh) 防伪检测方法和装置、电子设备、存储介质
Ramachandra et al. Towards making morphing attack detection robust using hybrid scale-space colour texture features
Ferrer et al. Robustness of offline signature verification based on gray level features
EP1936536B1 (en) System and method for performing classification through generative models of features occuring in an image
CN108108744B (zh) 用于辐射图像辅助分析的方法及其系统
JP2014232533A (ja) Ｏｃｒ出力検証システム及び方法
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
CN110598019B (zh) 重复图像识别方法及装置
CN112381775A (zh) 一种图像篡改检测方法、终端设备及存储介质
CN112989035A (zh) 基于文本分类识别用户意图的方法、装置及存储介质
CN111782550B (zh) 基于用户隐私保护训练指标预测模型的方法及装置
CN102292700A (zh) 用于增强安全印刷的系统和方法
Piekarczyk Hierarchical random graph model for off-line handwritten signatures recognition
CN110795714A (zh) 一种身份验证方法、装置、计算机设备及存储介质
CN109547466B (zh) 基于机器学习提高风险感知能力的方法及装置、计算机设备和存储介质
CN112418167A (zh) 图像的聚类方法、装置、设备和存储介质
CN108268641A (zh) 发票信息识别方法及发票信息识别装置、设备和存储介质
Kundu et al. A new forged handwriting detection method based on Fourier spectral density and variation
Nandanwar et al. A new method for detecting altered text in document images
CN111462388A (zh) 一种票据检验方法、装置、终端设备及存储介质
CN113673528B (zh) 文本处理方法、装置、电子设备和可读存储介质
CN114971294A (zh) 数据采集方法、装置、设备及存储介质
CN111461143A (zh) 一种图片翻拍识别方法和装置及电子设备

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