CN116074033A - 信息校验方法、服务器及存储介质 - Google Patents

信息校验方法、服务器及存储介质 Download PDF

Info

Publication number
CN116074033A
CN116074033A CN202111302427.3A CN202111302427A CN116074033A CN 116074033 A CN116074033 A CN 116074033A CN 202111302427 A CN202111302427 A CN 202111302427A CN 116074033 A CN116074033 A CN 116074033A
Authority
CN
China
Prior art keywords
information
voiceprint
model
matching
health risk
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
CN202111302427.3A
Other languages
English (en)
Inventor
白雪
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.)
ZTE Corp
Original Assignee
ZTE 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 ZTE Corp filed Critical ZTE Corp
Priority to CN202111302427.3A priority Critical patent/CN116074033A/zh
Priority to PCT/CN2022/127061 priority patent/WO2023078115A1/zh
Publication of CN116074033A publication Critical patent/CN116074033A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • 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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/40—Network security protocols

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Bioethics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明实施例提供一种信息校验方法、服务器及存储介质，属于通信技术领域。该方法包括：读取待核验人员的身份验证信息和生物特征信息；根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息。本发明的技术方案通过利用身份验证信息和生物特征信息对核验待核验人员进行健康风险等级核验，能避免人工核验出现作弊的情况和降低流调发布带来个人信息泄露的风险，以及提高了健康风险等级核验的准确性、高效性和安全性。

Description

信息校验方法、服务器及存储介质
技术领域
本发明涉及通信技术领域，尤其涉及一种信息校验方法、服务器及存储介质。
背景技术
近年来随着新冠疫情全球肆虐，常态化和智能便捷的防疫显得至关重要。用户的健康风险等级是防疫的关键指标，目前健康风险等级由健康码进行展示，健康码是以真实数据为基础，由用户自行通过网上申报，并经相关部门审核后，生成的属于该用户的个人二维码。健康码作为该用户在出入通行时的一个电子凭证。当流行性疾病广泛在社会中传播时，通过健康码可以实现对流动性人员的高效管理，例如，在办公楼、商场、地铁、火车站等人流密集的地点，通过检查健康码来提高过检效率，避免过多的人员接触和聚集。但是目前用于防疫的健康码核验存在着安全性低和核验效率低的问题，增加了防疫工作的困难。
发明内容
本发明实施例在于提供一种信息校验方法、服务器及存储介质，旨在提高对待核验人员的健康风险等级进行核验的效率和准确性。
第一方面，本发明实施例提供一种信息校验方法，包括：
读取待核验人员的身份验证信息和生物特征信息；
根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息。
第二方面，本发明实施例还提供一种服务器，所述服务器包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，其中所述计算机程序被所述处理器执行时，实现如本发明说明书提供的任一项信息校验方法的步骤。
第三方面，本发明实施例还提供一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明说明书提供的任一项健康码核验方法的步骤。
本发明实施例提供一种信息校验方法、服务器及存储介质，本发明实施例通过读取待核验人员的身份验证信息和生物特征信息；然后根据身份验证信息和生物特征信息，核验待核验人员的健康风险信息。本方案根据身份验证信息和生物特征信息对待核验人员进行健康风险等级核验，能避免人工核验出现作弊的情况和降低流调发布带来个人信息泄露的风险，以及提高了健康风险等级核验的准确性、高效性和安全性。
附图说明
图1为本发明实施例提供的一种信息校验方法的流程示意图；
图2为图1中的信息校验方法的子步骤流程示意图；
图3为本发明实施例提供的信息校验方法的另一流程示意图；
图4为本发明实施例提供的信息校验方法的一场景示意图；
图5为本发明实施例提供的信息校验方法的又一流程示意图；
图6为本发明实施例提供的信息校验方法的又一流程示意图；
图7为本发明实施例提供的一种服务器的结构示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
本发明实施例提供一种信息校验方法、服务器及存储介质。其中，该信息校验方法可应用于服务器中，该服务器是单台的服务器，也可以是多个单台服务器组成的服务器集群。例如，服务器获取待核验人员的身份验证信息和生物特征信息；然后根据身份验证信息和生物特征信息，核验待核验人员的健康风险等级。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本发明实施例提供的一种信息校验方法的流程示意图。
如图1所示，该信息校验方法包括步骤S101至步骤102。
步骤S101、读取待核验人员的身份验证信息和生物特征信息。
获取终端设备传输的待核验人员的身份验证信息和生物特征信息，其中，身份验证信息包括待核验人员的第一暗号信息和终端设备的设备ID中至少一种，生物特征信息包括以下至少一种：声纹特征信息、虹膜特征信息、人脸特征信息和指纹特征信息。其中，该终端设备可以根据实际情况进行选择，本实施例对此不做具体限定，例如，该终端设备可以是闸机、门禁设备和手机等设备。需要说明的是，终端设备与服务器的通信的方式可以根据实际情况进行选择，本实施例对此不做具体限定，例如，通过5G消息进行身份验证信息和生物特征信息的发送。
示例性的，终端设备为闸机，闸机采集待核验人员的身份验证信息和生物特征信息，通过5G消息将待核验人员的身份验证信息和生物特征信息发送给服务器，以使服务器读取到待核验人员的身份验证信息和生物特征信息。通过5G消息发送身份验证信息和生物特征信息不需要安装额外的应用程序，使用终端设备的原生接口就能完成，极大地提高了传输的便捷性、效率和安全性。
步骤102、根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息。
其中，健康风险信息包括健康风险等级，健康风险等级包括第一健康风险等级和第二健康风险等级，第一健康风险等级为低风险，第二健康风险等级为高风险。
在一实施例中，如图2所示，步骤102包括子步骤S1021至子步骤S1022。
子步骤S1021、获取与所述第一暗号信息匹配的生物特征信息库。
其中，第一暗号信息包括以下至少一种：语音口令信息、手势动作信息、面部动作信息，例如，该第一暗号信息为预先设置的语音口令信息，该语音口令信息可以是根据实际情况进行设置，本实施例对此不做具体限定，例如，该语音口令信息可以为“芝麻开门”。
在一实施例中，获取每个生物特征信息库各自对应的第二暗号信息，并确定第一暗号信息与每个第二暗号信息之间的匹配度；将匹配度大于或等于预设匹配度的生物特征信息库确定为与第一暗号信息匹配的生物特征信息库。其中，该预设匹配度可以根据实际情况进行设置，本实施例对此不做具体限定。通过将第一暗号信息与多个第二暗号信息进行匹配，将匹配度大于或等于预设匹配度的生物特征信息库确定为与第一暗号信息匹配的生物特征信息库，提高了生物特征信息库匹配的准确性。
在一实施例中，获取每个生物特征信息库各自对应的第二暗号信息，并确定第一暗号信息与每个第二暗号信息之间的匹配度，得到多个匹配度；根据匹配度大小对多个匹配度进行排序，并将最大匹配度大于或等于预设匹配度的生物特征信息库确定为与第一暗号信息匹配的生物特征信息库。其中，对匹配度进行排序可以根据匹配度从小到大进行排序，也可以根据匹配度从大到小进行排序，本实施例对此不做具体限定。通过对多个匹配度进行排序能够提高确定生物特征信息库的效率。
在一实施例中，确定第一暗号信息与每个第二暗号信息之间的匹配度的方式可以为：将第一暗号信息与每个第二暗号信息进行欧几里得距离计算，得到第一暗号信息与每个第二暗号信息之间的欧几里得距离，获取预设的欧几里得距离与匹配度之间的映射关系表，根据该映射关系表和欧几里得距离，确定第一暗号信息与第二暗号信息之间的匹配度。其中，该映射关系表为预先根据欧几里得距离与匹配度建立的，该映射关系表的建立可以根据实际情况进行建立，本实施例对此不做具体限定。
示例性的，存在生物特征信息库1、生物特征信息库2、生物特征信息库3、生物特征信息库4和生物特征信息库5，生物特征信息库1对应第二暗号信息为A、生物特征信息库2对应第二暗号信息为B、生物特征信息库3对应第二暗号信息为C、生物特征信息库4对应第二暗号信息为D、生物特征信息库5对应第二暗号信息为E，第一暗号信息为a，将第一暗号信息a与第二暗号信息A进行欧几里得距离计算，得到欧几里得距离A；将第一暗号信息a与第二暗号信息B进行欧几里得距离计算，得到欧几里得距离B；将第一暗号信息a与第二暗号信息C进行欧几里得距离计算，得到欧几里得距离C；将第一暗号信息a与第二暗号信息D进行欧几里得距离计算，得到欧几里得距离D；将第一暗号信息a与第二暗号信息E进行欧几里得距离计算，得到欧几里得距离E。获取预设的欧几里得距离与匹配度之间的映射关系表，从该映射关系表中查询得到欧几里得距离A对应的匹配度为95％、欧几里得距离B对应的匹配度为40％、欧几里得距离C对应的匹配度为60％、欧几里得距离D对应的匹配度为20％、欧几里得距离E对应的匹配度为25％。其中，预设匹配度为90％，根据匹配度从大到小进行排序为匹配度95％、匹配度60％、匹配度40％、匹配度25％和匹配度20％，最大匹配度为匹配度95％，且匹配度95％大于预设匹配度90％，将匹配度95％对应的生物特征信息库1作为第一暗号信息匹配的生物特征信息库。
在一实施例中，当根据第一暗号信息未获取到与第一暗号信息匹配的生物特征信息库，则重新获取待核验人员的身份验证信息。通过重新获取待核验人员的身份验证信息能够提高健康风险等级核验的准确性。
子步骤S1022、根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息。
在一实施例中，生物特征信息包括声纹特征信息，生物特征信息库包括第一声纹模型库，第一声纹模型库包括多个第一声纹模型。确定声纹特征信息与每个第一声纹模型之间的第一匹配分数；根据多个第一匹配分数确定目标第一声纹模型，将目标第一声纹模型对应的健康风险等级作为所述待核验人员的健康风险等级。通过根据多个第一匹配分数确定目标第一声纹模型，并根据第一声纹模型对应的健康风险等级准确地确定待核验人员的健康风险等级。
在一实施例中，确定声纹特征信息与每个第一声纹模型之间的第一匹配分数的方式可以为：将声纹特征信息输入每个第一声纹模型进行处理，得到声纹特征信息与每个第一声纹模型之间的第一匹配概率；将声纹特征信息输入第一声纹模型库对应的第一声纹背景模型进行处理，得到所述声纹特征信息与所述第一声纹背景模型之间的第二匹配概率；根据第一匹配概率和第二匹配概率，确定声纹特征信息与每个第一声纹模型之间的第一匹配分数。通过确定声纹特征信息与第一声纹模型之间的第一匹配概率，确定声纹特征信息与第一声纹背景模型之间的第二匹配概率，根据第一匹配概率和第二匹配概率，能够准确的确定声纹特征信息与每个第一声纹模型之间的第一匹配分数。
在一实施例中，根据第一匹配概率和第二匹配概率，确定声纹特征信息与每个第一声纹模型之间的第一匹配分数的方式可以为：对第一匹配概率取对数，得到第三匹配概率；对第二匹配概率取对数，得到第四匹配概率；将第三匹配概率减去第四匹配概率，得到声纹特征信息与第一声纹模型之间的第一匹配分数。
在一实施例中，将所述第一声纹模型对应的健康风险等级作为待核验人员的健康风险等级的方式可以为：确定第一声纹模型对应的目标人员，获取该目标人员的健康风险等级，将该目标人员的健康风险等级作为待核验人员的健康风险等级。
示例性的，获取第一匹配分数公式，其中，第一匹配分数公式为S1＝logP1-logP2，S1为第一匹配分数，P1为声纹特征信息与第一声纹模型之间的第一匹配概率，P2为声纹特征信息与第一声纹背景模型之间的第二匹配概率，基于该第一匹配分数公式，根据第一匹配概率和第二匹配概率，生成声纹特征信息与第一声纹模型之间的第一匹配分数。
在一实施例中，根据多个第一匹配分数确定目标第一声纹模型的方式可以为：从多个第一匹配分数中选取大于或等于第一阈值的第一匹配分数，得到多个候选第一匹配分数，根据匹配分数大小对多个候选第一匹配分数进行排序，得到候选第一匹配分数队列，从候选第一匹配分数队列中选取最大的候选第一匹配分数作为目标第一匹配分数，将目标第一匹配分数对应的第一声纹模型作为目标第一声纹模型。其中，该第一阈值可以根据实际情况进行设置，本实施例对此不做具体限定；对多个候选第一匹配分数进行排序可以根据匹配分数从大到小进行排序，也可以根据匹配分数从小到大进行排序。
在一实施例中，身份验证信息包括终端设备的设备ID，获取与设备ID匹配的第一声纹模型；确定声纹特征信息与第一声纹模型之间的第二匹配分数；在第二匹配分数大于或等于第二阈值时，将所述第一声纹模型对应的健康风险等级作为待核验人员的健康风险等级。其中，第二阈值可以根据实际情况进行设置，本实施例对此不做具体限定。通过设备ID确定待核验人员的健康风险等级是否通过核验，能够提高待核验人员的健康风险等级核验的效率。
在一实施例中，获取与设备ID匹配的第一声纹模型的方式可以为：获取每个第一声纹模型对应的预存设备ID，将与设备ID匹配的预存设备ID对应的第一声纹模型作为与设备ID匹配的第一声纹模型。其中，第一声纹模型有一个或者多个对应的预存设备ID，第一声纹模型与预存设备ID为预先设置的，第一声纹模型与预存设备ID可以根据实际情况进行设置，本实施例对此不做具体限定。需要说明的是，计算声纹特征信息与第一声纹模型之间的第二匹配分数的方式与计算声纹特征信息与每个第一声纹模型之间的第一匹配分数的方式相同，因此，计算声纹特征信息与第一声纹模型之间的第二匹配分数的方式可以参照计算声纹特征信息与每个第一声纹模型之间的第一匹配分数的方式。
在一实施例中，在未获取到与第一暗号信息匹配的生物特征信息库，或在每个第一匹配分数均小于第一阈值，或第二匹配分数小于第二阈值时，获取第二声纹模型库，第二声纹模型库包括多个第二声纹模型；确定声纹特征信息与每个第一声纹模型之间的第三匹配分数，并确定声纹特征信息与每个第二声纹模型之间的第四匹配分数；在每个第三匹配分数均小于第三阈值，且每个第四匹配分数均小于第四阈值时，确定待核验人员的健康风险信息为正常；存在一个第三匹配分数大于或等于第三阈值和/或一个第四匹配分数大于或等于第四阈值时，确定待核验人员的健康风险信息为异常。其中，第三阈值和第四阈值可以根据实际情况进行设置，本实施例对此不做具体限定。通过确定第三匹配分数和第四匹配分数，并根据第三匹配分数和第四匹配分数能够准确的确定待核验人员是否通过核验。
在一实施例中，确定声纹特征信息与每个第一声纹模型之间的第三匹配分数的方式可以为：将声纹特征信息输入每个第一声纹模型进行处理，得到声纹特征信息与每个第一声纹模型之间的第五匹配概率；将声纹特征信息输入第一声纹模型库对应的第一声纹背景模型进行处理，得到所述声纹特征信息与所述第一声纹背景模型之间的第六匹配概率；根据第五匹配概率和第六匹配概率，确定声纹特征信息与每个第一声纹模型之间的第三匹配分数。通过确定声纹特征信息与第一声纹模型之间的第五匹配概率，确定声纹特征信息与第一声纹背景模型之间的第六匹配概率，根据第五匹配概率和第六匹配概率，能够准确的确定声纹特征信息与每个第一声纹模型之间的第三匹配分数。
在一实施例中，根据第五匹配概率和第六匹配概率，确定声纹特征信息与每个第一声纹模型之间的第三匹配分数的方式可以为：对第五匹配概率取对数，得到第七匹配概率；对第六匹配概率取对数，得到第八匹配概率；将第七匹配概率减去第八匹配概率，得到声纹特征信息与第二声纹模型之间的第三匹配分数。
示例性的，获取第三匹配分数公式，其中，第三匹配分数公式为S2＝logP3-logP4，S2为第三匹配分数，P3为声纹特征信息与第一声纹模型之间的第五匹配概率，P4为声纹特征信息与第一声纹背景模型之间的第六匹配概率，基于该第三匹配分数公式，根据第五匹配概率和第六匹配概率，生成声纹特征信息与第一声纹模型之间的第三匹配分数。
在一实施例中，确定声纹特征信息与每个第二声纹模型之间的第四匹配分数的方式可以为：将声纹特征信息输入每个第二声纹模型进行处理，得到声纹特征信息与每个第二声纹模型之间的第九匹配概率；将声纹特征信息输入第二声纹模型库对应的第二声纹背景模型进行处理，得到声纹特征信息与第二声纹背景模型之间的第十匹配概率；根据第九匹配概率和第十匹配概率，确定声纹特征信息与每个第二声纹模型之间的第四匹配分数。通过确定声纹特征信息与第二声纹模型之间的第九匹配概率，确定声纹特征信息与第二声纹背景模型之间的第十匹配概率，根据第九匹配概率和第十匹配概率，能够准确的确定声纹特征信息与每个第二声纹模型之间的第四匹配分数。
在一实施例中，根据第九匹配概率和第十匹配概率，确定声纹特征信息与每个第二声纹模型之间的第四匹配分数的方式可以为：对第九匹配概率取对数，得到第十一匹配概率；对第十匹配概率取对数，得到第十二匹配概率；将第十一匹配概率减去第十二匹配概率，得到声纹特征信息与第二声纹模型之间的第四匹配分数。
示例性的，获取第四匹配分数公式，其中，第四匹配分数公式为S3＝logP5-logP6，S3为第四匹配分数，P5为声纹特征信息与第二声纹模型之间的第九匹配概率，P6为声纹特征信息与第二声纹背景模型之间的第十匹配概率，基于该第四匹配分数公式，根据第九匹配概率和第十匹配概率，生成声纹特征信息与第二声纹模型之间的第四匹配分数。
示例性的，如图3所示，身份验证信息为设备ID，生物特征信息为声纹特征信息，所述方法包括步骤S201、获取待核验人员的设备ID和生物特征信息，步骤S202、判断是否存在与设备ID匹配的预存设备ID，步骤S203、当存在与设备ID匹配的预存设备ID，获取预存设备ID匹配的第一声纹模型，并确定声纹特征信息与第一声纹模型之间的第二匹配分数，步骤S204、判断第二匹配分数是否大于或等于第二阈值，步骤S205、当第二匹配分数大于或等于第二阈值，将所述第一声纹模型对应的健康风险等级作为待核验人员的健康风险等级，步骤S206、若不存在与设备ID匹配的预存设备ID和/或第二匹配分数小于第二阈值，获取第二声纹模型库，并根据第一声纹模型库、第二声纹模型库和声纹特征信息确定待核验人员是否通过核验。
在一实施例中，核验该待核验人员的健康风险等级之后，将该待核验人员的健康风险等级发送给终端设备，以使终端设备进行下一步的运行。其中，终端设备下一步的运行可以根据实际情况进行设置，本实施例对此不做具体限定，例如，终端设备为门禁设备时，当待核验人员的健康风险等级为第一风险等级，则将门禁打开以使该待核验人员通过，当待核验人员的健康风险等级为第二风险等级，不打开门禁并发出报警声。
示例性，如图4所示，门禁设备A采集待核验人员的第一暗号信息和声纹特征信息，门禁设备A将该第一暗号信息和声纹特征信息发送给服务器B，服务器B根据第一暗号信息和声纹特征信息，核验待核验人员的健康风险等级为第一风险等级，则待核验人员的健康风险等级通过核验，生成打开门禁控制指令，并将该开门禁控制指令发送给门禁设备A，以使门禁设备A打开门禁，以使待核验人员通过。
在一实施例中，生物特征模型为虹膜特征信息，从虹膜特征信息库中筛选出与虹膜特征信息匹配的目标虹膜特征信息，将目标虹膜特征信息对应的健康风险等级作为待核验人员的健康风险等级。其中，该虹膜特征信息库为预先根据健康风险等级和虹膜特征信息建立的，该虹膜特征信息库可以根据实际情况进行建立，本实施例对此不做具体限定。
在一实施例中，如图5所示，所述方法还包括步骤S301至步骤S305。
步骤S301、获取健康码生成请求，其中，所述健康码生成请求包括申请健康码的目标人员的暗号信息、声纹特征信息和健康风险等级。
其中，暗号信息包括以下至少一种：语音口令信息、手势动作信息、面部动作信息，例如，暗号信息为语音口令信息时，该语音口令信息可以是“你好”和“芝麻开门”等口令，健康风险等级为目标人员风险等级，例如，健康风险等级包括第一风险等级和第二风险等级，第一风险等级对应的低风险，第二风险等级对应的高风险。
在一实施例中，目标人员使用的移动终端获取目标人员的暗号信息、声纹特征信息和健康风险等级，根据暗号信息、声纹特征信息和健康风险等级生成健康码生成请求。移动终端将该健康码生成请求发送给服务器，以使服务器接收到目标人员的健康码生成请求。其中，该移动终端可以根据实际情况进行选择，本实施例对此不做具体限定，例如，该移动终端可以是手机、平板和智能手表等电子设备。
需要说明的是，移动终端与服务器的通信的方式可以根据实际情况进行选择，本实施例对此不做具体限定，例如，通过5G消息进行健康码生成请求的发送。通过5G消息进行健康码生成请求的发送有以下优点：目标人员的电话号码就是目标人员的身份信息，移动终端与服务器进行交互时不需要额外地身份认证，利用移动终端的原生接口，使得移动终端不需要额外地安装应用程序，并可以实时地获取位置信息和完成信息交互等。
在一实施例中，移动终端采集到目标人员发出的语音口令信息，对该语音口令信息进行语音文本转换，得到核验人员的暗号信息。对该语音口令信息进行声纹特征提取，得到声纹特征信息。通过对语音口令信息进行提取能够准确的得到声纹特征信息。
需要说明的是，对该语音口令信息进行语音文本转换，得到目标人员的暗号信息的方式可以根据实际情况进行选择，本实施例对此不做具体限定，例如，通过语音文本转换模型或语音识别模型对语音口令信息进行语音文本转换，得到暗号信息。语音文本转换模型和语音识别模型可以是神经网络模型也可以是其他识别模型，本实施例对此不做具体限定。
在一实施例中，对该语音口令信息进行声纹特征提取，得到声纹特征信息的方式可以为：该声纹特征信息包括梅尔频率倒谱系数，对语音口令信息进行预加重、分帧和加窗，对每个短时分析窗进行快速傅里叶变换，得到每个短时分析窗对应的频谱，通过预设滤波器组对每个频谱进行过滤，得到多个梅尔频谱，对多个梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数。其中，倒谱分析包括对梅尔频谱取对数和逆变换等处理。通过对语音口令信息进行声纹特征提取能够准确的得到声纹特征信息。需要说明的是，对语音口令信息进行声纹特征提取之前还可以对语音口令信息进行预处理，预处理包括噪声抑制、盲分离、端点检测和AI降噪处理等预处理，通过上述预处理能够提高对语音口令信息提取声纹特征信息的准确性和效率。
在一实施例中，获取目标人员的健康风险等级的方式可以为：获取目标人员的身份信息、定位信息、身体健康状况信息、采集时间戳和相关的关联人员的健康风险等级，根据目标人员的身份信息、定位信息、身体健康状况信息、采集时间戳和相关的关联人员的健康风险等级，生成该目标人员的健康风险等级。其中，该身份信息包括目标人员的姓名、手机号码、身份证号码和移动终端的设备ID(Identity document，身份标识号)，身体健康状况信息包括体温信息和目标人员是否存在咳嗽等异常身体状况，关联人员为与目标人员相关的人员，具体可以根据实际情况进行关联人员的设置，例如，关联人员可以是与目标人员共同居住的人员。根据目标人员的身份信息、定位信息、身体健康状况信息、采集时间戳和相关的关联人员的健康风险等级，能准确的生成该目标人员的健康风险等级。
在一实施例中，根据目标人员的身份信息、身体健康状况信息、定位信息和采集时间戳以及相关的关联人员的健康风险等级，生成该目标人员的健康风险等级。所述该目标人员的健康风险等级的生成方式可以为：获取预设的身份权重系数、身体健康状况权重系数、定位和采集时间权重系数和相关的关联人员的健康风险等级权重系数，将身份信息与身份权重系数相乘、身体健康状况信息与身体健康状况权重系数相乘、定位信息、采集时间戳与定位和采集时间权重系数相乘、相关的关联人员的健康风险等级与相关的关联人员的健康风险等级权重系数相乘，分别得到第一权重值、第二权重值、第三权重值和第四权重值，对第一权重值、第二权重值、第三权重值和第四权重值进行加法运算，得到目标人员的健康风险评分。根据该健康风险评分确定目标人员的健康风险等级。其中，该预设的身份权重系数、身体健康状况权重系数、定位和采集时间权重系数和相关的关联人员的健康风险等级权重系数可以根据实际情况进行设置，本实施例对此不做具体限定；身份信息包括目标人员的身份证号和职业信息。通过确定目标人员的健康风险评分，进而根据健康风险评分能够准确的得到目标人员的健康风险等级。
在一实施例中，根据该健康风险评分确定目标人员的健康风险等级的方式可以为：获取预设的健康风险评分与健康风险等级之间的映射关系表，从该映射关系表中查询得到健康风险评分对应的健康风险等级，得到目标人员的健康风险等级。其中，该映射关系表为预先根据健康风险评分和健康风险等级建立的，该映射关系表的建立可以根据实际情况进行建立，本实施例对此不做具体限定。通过该映射关系表能够准确的确定目标人员的健康风险等级。
步骤S302、将所述声纹特征信息加入所述暗号信息对应的第一声纹特征信息库。
将暗号信息与第一风险等级中每个的第一声纹特征信息库对应标准暗号信息进行匹配，将声纹特征信息加入至匹配度最高的第一声纹特征信息库。
在一实施例中，将暗号信息与第一风险等级中每个的第一声纹特征信息库对应标准暗号信息进行匹配的方式可以为：将暗号信息与每个标准暗号信息进行欧几里得距离计算，得到暗号信息与每个标准暗号信息之间的欧几里得距离，获取预设的欧几里得距离与匹配度之间的映射关系表，根据该映射关系表和欧几里得距离确定暗号信息与每个标准暗号信息之间的匹配度。其中，该映射关系表为预先根据欧几里得距离与匹配度建立的，该映射关系表的建立可以根据实际情况进行建立，本实施例对此不做具体限定。
步骤S303、根据所述第一声纹特征信息库生成所述暗号信息对应的第一声纹背景模型。
基于预设第一算法，对第一声纹特征信息库进行运算处理，得到暗号信息对应的第一声纹背景模型。其中，该预设第一算法可以根据情况进行选择，本实施例对此不做具体限定，例如，该预定第一算法可以为最大期望算法(Expectation Maximizationalgorithm，EM算法)。通过该预设第一算法对第一声纹特征信息库进行运算处理，能准确的得到暗号信息对应的第一声纹背景模型。
示例性的，预定第一算法为EM算法，通过EM算法对第一声纹特征信息库进行运算处理，得到第一声纹背景模型θμ＝μμ，σμ，αμ)，θμ为第一声纹背景模型的模型参数，μμ为模型参数的期望，σμ为模型参数的方差，αμ为模型参数的权重。
步骤S304、根据所述第一声纹背景模型和所述声纹特征信息生成第一声纹模型。
基于预设第二算法，对第一声纹背景模型和声纹特征信息进行运算处理，得到声纹特征信息对应的第一声纹模型。其中，该预设第二算法可以根据实际情况进行选择，本实施例对此不做具体限定，例如，该预设第二算法可以为最大后验概率(maximum aposteriori probability，MAP算法)。通过该预设第二算法对第一声纹背景模型和声纹特征信息进行运算处理，能够准确的得到声纹特征信息对应的第一声纹模型。
示例性的，预设第二算法为MAP算法，基于该MAP算法，并根据声纹特征信息对第一声纹背景模型的模型参数进行调整，得到第一声纹模型θ1＝μ1，σ1，α1)，其中，θ1为第一声纹模型的模型参数，μ1为模型参数的期望，σ1为模型参数的方差，α1为模型参数的权重。
步骤S305、将所述第一声纹模型存入所述暗号信息对应的第一声纹模型库，并将所述第一声纹模型和所述健康风险等级加入所述目标人员的健康码档案中。
在得到目标人员的第一声纹模型之后，将该第一声纹模型存入暗号信息对应的第一声纹模型库，并将第一声纹模型和第一风险等级加入该目标人员的健康码档案，以完成目标人员的健康码的建立。
在一实施例中，如图6所示，步骤S301之后还包括步骤S306至步骤S308。
步骤S306、在所述健康风险等级为第二风险等级时，将所述声纹特征信息加入第二声纹特征信息库。
示例性的，存在目标人员1、目标人员2、目标人员3、目标人员4和目标人员5，其中，目标人员1和目标人员4的健康风险等级为第二风险等级，将目标人员1的声纹特征信息1和目标人员4的声纹特征信息4加入至第二声纹特征信息库。
步骤S307、根据所述第二声纹特征信息库生成第二声纹背景模型，并根据所述第二声纹背景模型和所述声纹特征信息，生成第二声纹模型。
基于预设第一算法，对第二声纹特征信息库进行运算处理，得到第二声纹背景模型。其中，该预设第一算法可以根据情况进行选择，本实施例对此不做具体限定，例如，该预定第一算法可以为最大期望算法(Expectation Maximization algorithm，EM算法)。通过该预设第一算法对第二声纹特征信息库进行运算处理，能准确的得到第二声纹背景模型。
示例性的，预定第一算法为EM算法，通过EM算法对第二声纹特征信息库进行运算处理，得到第二声纹背景模型θh＝μh，σh，αh)，θh为第二声纹背景模型的模型参数，μh为模型参数的期望，σh为模型参数的方差，αh为模型参数的权重。
在一实施例中，基于预设第二算法，对第二声纹背景模型和声纹特征信息进行运算处理，得到声纹特征信息对应的第二声纹模型。其中，该预设第二算法可以根据实际情况进行选择，本实施例对此不做具体限定，例如，该预设第二算法可以为最大后验概率(maximum a posteriori probability，MAP算法)。通过该预设第二算法对第二声纹背景模型和声纹特征信息进行运算处理，能够准确的得到声纹特征信息对应的第二声纹模型。
示例性的，预设第二算法为MAP算法，基于该MAP算法，并根据声纹特征信息对第二声纹背景模型的模型参数进行调整，得到第二声纹模型θ2＝μ2，σ2，α2)，其中，θ2为第二声纹模型的模型参数，μ2为模型参数的期望，σ2为模型参数的方差，α2为模型参数的权重。
步骤S308、将所述第二声纹模型存入第二声纹模型库，并将所述第二声纹模型加入所述目标人员的健康码档案中。
在得到目标人员的第二声纹模型之后，将该第二声纹模型存入第二声纹模型库，并将第二声纹模型和第二风险等级加入该目标人员的健康码档案，以完成目标人员的健康码的建立。
在一实施例中，当目标人员的健康风险等级由第一风险等级变为第二风险等级时，将目标人员的声纹特征信息加入第二风险等级对应的第二声纹特征信息库，并生成声纹特征信息对应的第二声纹背景模型和第二声纹模型。将目标人员的第二声纹模型存入第二声纹模型库，并将第二声纹模型加入目标人员的健康码档案中，对目标人员的声纹模型进行调整，能够提高后续对进行健康风险等级核验的准确的实时性。
在一实施例中，当目标人员的健康风险等级由第一风险等级变为第二风险等级，获取与目标人员相关的关联人员；对关联人员的健康风险等级和声纹模型进行更新。通过对关联人员的健康风险等级和声纹模型进行更新，能够提高防疫管理准确性和高效性。
在一实施例中，间隔预设时间获取目标人员的定位信息，根据定位信息和采集时间确定目标人员的健康风险等级，当目标人员的健康风险等级发生变化，对目标人员声纹模型进行更新，以及更新关联人员的健康风险等级和声纹模型。
上述实施例中的信息校验方法，通过读取待核验人员的身份验证信息和生物特征信息；然后根据身份验证信息和生物特征信息，核验待核验人员的健康风险信息。本方案根据身份验证信息和生物特征信息对待核验人员进行健康风险等级核验，能避免人工核验出现作弊的情况和降低流调发布带来个人信息泄露的风险，提高了健康风险等级核验的准确性、高效性和安全性。
请参阅图7，图7为本发明实施例提供的一种服务器的结构示意性框图。
如图7所示，服务器400包括处理器401和存储器402，处理器401和存储器402通过总线403连接，该总线比如为I2C(Inter-integrated Circuit)总线。
具体地，处理器401用于提供计算和控制能力，支撑整个服务器的运行。处理器401可以是中央处理单元(Central Processing Unit，CPU)，该处理器401还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
具体地，存储器402可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的服务器的限定，具体的服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现本发明实施例提供的任意一种所述的信息校验方法。
在一实施方式中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现如下步骤：
读取待核验人员的身份验证信息和生物特征信息；
根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息。
在一实施例中，所述处理器在实现所述身份验证信息包括所述待核验人员的第一暗号信息，所述根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息时，用于实现：
获取与所述第一暗号信息匹配的生物特征信息库；
根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息。
在一实施例中，所述处理器在实现所述获取与所述第一暗号信息匹配的生物特征信息库时，用于实现：
获取每个生物特征信息库各自对应的第二暗号信息，并确定所述第一暗号信息与每个所述第二暗号信息之间的匹配度；
将所述匹配度大于或等于预设匹配度的生物特征信息库确定为与所述第一暗号信息匹配的生物特征信息库。
在一实施例中，所述处理器在实现所述生物特征信息包括声纹特征信息，所述生物特征信息库包括第一声纹模型库，所述第一声纹模型库包括多个第一声纹模型，所述根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息时，用于实现：
确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数；
根据多个所述第一匹配分数确定目标第一声纹模型，将所述目标第一声纹模型对应的健康风险等级作为所述待核验人员的健康风险等级。
在一实施例中，所述处理器在实现所述确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数时，用于实现：
将所述声纹特征信息输入每个所述第一声纹模型进行处理，得到所述声纹特征信息与每个所述第一声纹模型之间的第一匹配概率；
将所述声纹特征信息输入所述第一声纹模型库对应的第一声纹背景模型进行处理，得到所述声纹特征信息与所述第一声纹背景模型之间的第二匹配概率；
根据所述第一匹配概率和所述第二匹配概率，确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数。
在一实施例中，所述处理器在实现所述身份验证信息包括终端设备的设备ID；所述根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息时，用于实现：
获取与所述设备ID匹配的第一声纹模型；
确定所述声纹特征信息与所述第一声纹模型之间的第二匹配分数；
在所述第二匹配分数大于或等于第二阈值时，将所述第一声纹模型对应的健康风险等级作为所述待核验人员的健康风险等级。
在一实施例中，所述处理器在实现还用于实现：
在未获取到与所述第一暗号信息匹配的生物特征信息库，或在每个所述第一匹配分数均小于所述第一阈值，或第二匹配分数小于第二阈值时，获取第二声纹模型库，所述第二声纹模型库包括多个第二声纹模型；
确定所述声纹特征信息与每个所述第一声纹模型之间的第三匹配分数，并确定所述声纹特征信息与每个所述第二声纹模型之间的第四匹配分数；
在每个所述第三匹配分数均小于第三阈值，且每个所述第四匹配分数均小于第四阈值时，确定所述待核验人员的健康风险信息为正常；
存在一个所述第三匹配分数大于或等于第三阈值和/或一个所述第四匹配分数大于或等于第四阈值时，确定所述待核验人员的健康风险信息为异常。
在一实施例中，所述处理器在实现还用于实现：
获取健康码生成请求，其中，所述健康码生成请求包括申请健康码的目标人员的暗号信息、声纹特征信息和健康风险等级；
将所述声纹特征信息加入所述暗号信息对应的第一声纹特征信息库；
根据所述第一声纹特征信息库生成所述暗号信息对应的第一声纹背景模型；
根据所述第一声纹背景模型和所述声纹特征信息生成第一声纹模型；
将所述第一声纹模型存入所述暗号信息对应的第一声纹模型库，并将所述第一声纹模型和所述健康风险等级加入所述目标人员的健康码档案中。
在一实施例中，所述处理器在实现还用于实现：
在所述健康风险等级为第二风险等级时，将所述声纹特征信息加入第二声纹特征信息库；
根据所述第二声纹特征信息库生成第二声纹背景模型，并根据所述第二声纹背景模型和所述声纹特征信息，生成第二声纹模型；
将所述第二声纹模型存入第二声纹模型库，并将所述第二声纹模型加入所述目标人员的健康码档案中。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的服务器的具体工作过程，可以参考前述信息校验方法实施例中的对应过程，在此不再赘述。
本发明实施例还提供一种存储介质，用于计算机可读存储，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本发明说明书提供的任一项健康码核验的方法的步骤。
其中，所述存储介质可以是前述实施例所述的服务器的内部存储单元，例如所述服务器的硬盘或内存。所述存储介质也可以是所述服务器的外部存储设备，例如所述服务器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。

Claims (11)

1.一种信息校验方法，其特征在于，包括：
读取待核验人员的身份验证信息和生物特征信息；
根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息。
2.根据权利要求1所述的信息校验方法，其特征在于，所述身份验证信息包括所述待核验人员的第一暗号信息，所述根据所述身份验证信息和所述生物特征信息，核验所述待核验人员的健康风险信息，包括：
获取与所述第一暗号信息匹配的生物特征信息库；
根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息。
3.根据权利要求2所述的信息校验方法，其特征在于，所述获取与所述第一暗号信息匹配的生物特征信息库，包括：
获取每个生物特征信息库各自对应的第二暗号信息，并确定所述第一暗号信息与每个所述第二暗号信息之间的匹配度；
将所述匹配度大于或等于预设匹配度的生物特征信息库确定为与所述第一暗号信息匹配的生物特征信息库。
4.根据权利要求2所述的信息校验方法，其特征在于，所述生物特征信息包括声纹特征信息，所述生物特征信息库包括第一声纹模型库，所述第一声纹模型库包括多个第一声纹模型，所述根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息，包括：
确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数；
根据多个所述第一匹配分数确定目标第一声纹模型，将所述目标第一声纹模型对应的健康风险等级作为所述待核验人员的健康风险等级。
5.根据权利要求4所述的信息校验方法，其特征在于，所述确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数，包括：
将所述声纹特征信息输入每个所述第一声纹模型进行处理，得到所述声纹特征信息与每个所述第一声纹模型之间的第一匹配概率；
将所述声纹特征信息输入所述第一声纹模型库对应的第一声纹背景模型进行处理，得到所述声纹特征信息与所述第一声纹背景模型之间的第二匹配概率；
根据所述第一匹配概率和所述第二匹配概率，确定所述声纹特征信息与每个所述第一声纹模型之间的第一匹配分数。
6.根据权利要求2所述的信息校验方法，其特征在于，所述身份验证信息包括终端设备的设备ID；所述根据所述生物特征信息库和所述生物特征信息，核验所述待核验人员的健康风险信息，包括：
获取与所述设备ID匹配的第一声纹模型；
确定所述声纹特征信息与所述第一声纹模型之间的第二匹配分数；
在所述第二匹配分数大于或等于第二阈值时，将所述第一声纹模型对应的健康风险等级作为所述待核验人员的健康风险等级。
7.根据权利要求4所述的信息校验方法，其特征在于，所述方法还包括：
在未获取到与所述第一暗号信息匹配的生物特征信息库，或在每个所述第一匹配分数均小于第一阈值，或第二匹配分数小于第二阈值时，获取第二声纹模型库，所述第二声纹模型库包括多个第二声纹模型；
确定所述声纹特征信息与每个所述第一声纹模型之间的第三匹配分数，并确定所述声纹特征信息与每个所述第二声纹模型之间的第四匹配分数；
在每个所述第三匹配分数均小于第三阈值，且每个所述第四匹配分数均小于第四阈值时，确定所述待核验人员的健康风险信息为正常；
存在一个所述第三匹配分数大于或等于第三阈值和/或一个所述第四匹配分数大于或等于第四阈值时，确定所述待核验人员的健康风险信息为异常。
8.根据权利要求1-7中任一项所述的信息校验方法，其特征在于，所述方法还包括：
获取健康码生成请求，其中，所述健康码生成请求包括申请健康码的目标人员的暗号信息、声纹特征信息和健康风险等级；
将所述声纹特征信息加入所述暗号信息对应的第一声纹特征信息库；
根据所述第一声纹特征信息库生成所述暗号信息对应的第一声纹背景模型；
根据所述第一声纹背景模型和所述声纹特征信息生成第一声纹模型；
将所述第一声纹模型存入所述暗号信息对应的第一声纹模型库，并将所述第一声纹模型和所述健康风险等级加入所述目标人员的健康码档案中。
9.根据权利要求8所述的信息校验方法，其特征在于，所述方法还包括：
在所述健康风险等级为第二风险等级时，将所述声纹特征信息加入第二声纹特征信息库；
根据所述第二声纹特征信息库生成第二声纹背景模型，并根据所述第二声纹背景模型和所述声纹特征信息，生成第二声纹模型；
将所述第二声纹模型存入第二声纹模型库，并将所述第二声纹模型加入所述目标人员的健康码档案中。
10.一种服务器，其特征在于，所述服务器包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，其中所述计算机程序被所述处理器执行时，实现如权利要求1至9中任一项所述的信息校验方法的步骤。
11.一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至9中任一项所述的信息校验方法的步骤。
CN202111302427.3A 2021-11-04 2021-11-04 信息校验方法、服务器及存储介质 Pending CN116074033A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111302427.3A CN116074033A (zh) 2021-11-04 2021-11-04 信息校验方法、服务器及存储介质
PCT/CN2022/127061 WO2023078115A1 (zh) 2021-11-04 2022-10-24 信息校验方法、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111302427.3A CN116074033A (zh) 2021-11-04 2021-11-04 信息校验方法、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN116074033A true CN116074033A (zh) 2023-05-05

Family

ID=86168752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111302427.3A Pending CN116074033A (zh) 2021-11-04 2021-11-04 信息校验方法、服务器及存储介质

Country Status (2)

Country Link
CN (1) CN116074033A (zh)
WO (1) WO2023078115A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598795A (zh) * 2015-01-30 2015-05-06 科大讯飞股份有限公司 身份验证方法及系统
JP7477875B2 (ja) * 2018-07-11 2024-05-02 株式会社Provigate ヘルスケア管理方法
CN211506527U (zh) * 2020-03-23 2020-09-15 深圳市商汤科技有限公司 人脸识别装置
CN111803032B (zh) * 2020-07-03 2022-08-19 赵永翔 一种新冠肺炎疑似感染的大面积观测方法及系统
CN112201351A (zh) * 2020-09-04 2021-01-08 广东科学技术职业学院 基于声音收集分析进行健康提示的方法、装置及介质

Also Published As

Publication number Publication date
WO2023078115A1 (zh) 2023-05-11

Similar Documents

Publication Publication Date Title
CN111709004B (zh) 一种身份认证方法、装置、电子设备及可读存储介质
US10275671B1 (en) Validating identity and/or location from video and/or audio
WO2019100606A1 (zh) 电子装置、基于声纹的身份验证方法、系统及存储介质
WO2018166187A1 (zh) 服务器、身份验证方法、系统及计算机可读存储介质
CN110956966B (zh) 声纹认证方法、装置、介质及电子设备
Bigun et al. Multimodal biometric authentication using quality signals in mobile communications
CN109543516A (zh) 签约意向判断方法、装置、计算机设备和存储介质
CN108766444B (zh) 用户身份验证方法、服务器及存储介质
JP5710748B2 (ja) 生体認証システム
JP2013122679A (ja) 安全性の高い生体認証システム
CN108154371A (zh) 电子装置、身份验证的方法及存储介质
CN112464200B (zh) 一种认证风险检测方法及其系统
CN107680221A (zh) 开门方法及装置、门禁装置和计算机可读存储介质
CN108694952B (zh) 电子装置、身份验证的方法及存储介质
CA3030133C (en) Technologies for authenticating a speaker using voice biometrics
CN113988223A (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN107451451B (zh) 解锁控制方法及相关产品
CN111063359B (zh) 电话回访有效性判别方法、装置、计算机设备和介质
CN115147887A (zh) 人脸识别率提高方法、门禁设备及计算机可读存储介质
CN112818312A (zh) 基于人脸识别技术mes系统登录认证方法及mes系统
CN116074033A (zh) 信息校验方法、服务器及存储介质
CN111444377A (zh) 一种声纹识别的认证方法和装置以及设备
US10803873B1 (en) Systems, devices, software, and methods for identity recognition and verification based on voice spectrum analysis
CN111933152B (zh) 注册音频的有效性的检测方法、检测装置和电子设备
US11244688B1 (en) Systems, devices, software, and methods for identity recognition and verification based on voice spectrum analysis

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