CN116758661B - 智能解锁方法、装置、电子设备和计算机可读介质 - Google Patents
智能解锁方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116758661B CN116758661B CN202311028524.7A CN202311028524A CN116758661B CN 116758661 B CN116758661 B CN 116758661B CN 202311028524 A CN202311028524 A CN 202311028524A CN 116758661 B CN116758661 B CN 116758661B
- Authority
- CN
- China
- Prior art keywords
- information
- security
- unlocking
- replacement
- diffusion
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000605 extraction Methods 0.000 claims abstract description 52
- 238000012795 verification Methods 0.000 claims abstract description 44
- 238000009792 diffusion process Methods 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 57
- 239000011159 matrix material Substances 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 25
- 238000011176 pooling Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 210000003462 vein Anatomy 0.000 description 61
- 230000006870 function Effects 0.000 description 37
- 230000001815 facial effect Effects 0.000 description 23
- 238000013507 mapping Methods 0.000 description 16
- 238000010606 normalization Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000006467 substitution reaction Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00563—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys using personal physical data of the operator, e.g. finger prints, retinal images, voicepatterns
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00309—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated with bidirectional data transmission between data carrier and locks
- G07C2009/00412—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated with bidirectional data transmission between data carrier and locks the transmitted data signal being encrypted
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Lock And Its Accessories (AREA)
Abstract
本公开的实施例公开了智能解锁方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；对第一加密安全解锁信息集进行解密处理，得到第一解密安全解锁信息集；对第二加密安全解锁信息集进行解密处理，得到第二解密安全解锁信息集；将待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；基于第一解密安全解锁信息集和第二解密安全解锁信息集，对待校验安全特征信息进行校验处理，得到校验结果；响应于确定校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。该实施方式提高了智能解锁的灵活性和适用性。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及智能解锁方法、装置、电子设备和计算机可读介质。
背景技术
智能门锁的解锁方法，应用了指纹解锁、虹膜解锁、人脸识别和静脉解锁各种方法。目前，在通过静脉解锁智能门锁时，通常采用的方式为：使用面部静脉解锁或掌部静脉解锁的方式，通过卷积网络模型提取特征，然后将提取的静脉特征与数据库中保存的特征数据匹配，匹配成功后控制智能门锁解锁。
然而，发明人发现，当采用上述方式进行智能解锁时，经常会存在如下技术问题：
第一，面部静脉与掌部静脉均需要在一定距离内才能进行识别，单一使用面部静脉解锁或单一使用掌部静脉解锁的方式，限制了静脉解锁的使用场景，从而，导致了智能解锁的灵活性和适用性降低。
第二，将特征数据直接保存在数据库中，特征数据易被盗取，导致智能解锁的安全度降低；
第三，当需要提高提取到的静脉特征的准确度以提高智能解锁的准确度时，需要增加卷积网络模型中卷积网络的数量，导致卷积网络模型的复杂度增加，从而，导致难以及时进行特征提取，进而，导致难以及时控制门锁进行解锁。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了智能解锁方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种智能解锁方法，该方法包括：获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果；响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。
第二方面，本公开的一些实施例提供了一种智能解锁方法，装置包括：获取单元，被配置成获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；第一解密单元，被配置成对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；第二解密单元，被配置成对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；输入单元，被配置成将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；校验单元，被配置成基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果；发送单元，被配置成响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面中任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面中任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的智能解锁方法，可以提高智能解锁的灵活性和适用性。具体来说，造成智能解锁的灵活性和适用性降低的原因在于：面部静脉与掌部静脉均需要在一定距离内才能进行识别，单一使用面部静脉解锁或单一使用掌部静脉解锁的方式，限制了静脉解锁的使用场景。基于此，本公开的一些实施例的智能解锁方法，首先，获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集。其次，对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集。由此，可以得到已录入的解密后的脸部特征信息。然后，对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集。由此，可以得到已录入的解密后的掌部特征信息。接着，将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息。由此，可以得到待校验信息的特征信息，以便后续与上述解密后的特征信息进行匹配。随后，基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果。由此，可以确定待校验信息是否符合解锁条件。最后，响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。由此，当待校验信息符合解锁条件时，可以控制门锁解锁。因此，本公开的一些智能解锁方法，无论输入的待校验信息为掌部静脉信息还是面部静脉信息，可以在进行特征提取后，与数据库中已存储的掌部静脉信息或面部静脉信息进行比对。由此，可以减少掌部静脉解锁和面部静脉解锁的使用场景的限制，从而，可以提高智能解锁的灵活性和适用性。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的智能解锁方法的一些实施例的流程图；
图2是根据本公开的智能解锁装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的智能解锁方法的一些实施例的流程100。该智能解锁方法，包括以下步骤：
步骤101，获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集。
在一些实施例中，智能解锁方法的执行主体可以通过有线连接或无线连接的方式从信息采集设备上获取上述待校验信息，从存储终端上获取上述第一加密安全解锁信息集和第二加密安全解锁信息集。其中，上述信息采集设备可以是用于采集上述待校验信息的设备。上述存储终端可以是用于存储上述第一加密安全解锁信息集和第二加密安全解锁信息集的终端。上述待校验信息可以是用于进行校验以供解锁的信息。
作为示例，上述信息采集设备可以包括但不限于以下至少一项：红外摄像头和图像传感器。上述存储终端可以是但不限于以下至少一项：云服务器和存储器。上述待校验信息可以是上述信息采集设备采集的图像。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB（ultra wideband）连接、以及其他现在已知或将来开发的无线连接方式。
可选地，上述第一加密安全解锁信息集中的每个第一加密安全解锁信息可以是通过以下步骤生成的：
第一步，响应于接收到用户终端发送的录入请求信息，从上述用户终端上获取初始安全解锁信息。其中，可以通过上述信息采集设备从上述用户终端上采集上述初始安全解锁信息。上述用户终端可以是用于录入初始安全解锁信息的终端。上述录入请求信息可以表征上述用户终端想要输入上述初始安全解锁信息。
其中，当上述信息采集设备与上述用户终端的距离在第一距离区间内时，上述初始安全解锁信息可以是表征面部静脉特征的信息。当上述信息采集设备与上述用户终端的距离在第二距离区间内时，上述初始安全解锁信息可以是表征掌部静脉特征的信息。
作为示例，上述第一距离区间可以是0.3米至1米。上述第二距离区间可以是5厘米至15厘米。
由此，不仅可以采集面部静脉信息，还可以采集掌部静脉信息，相较于单一采集面部静脉信息或掌部静脉信息的方式，提高了信息采集的适用性，从而，可以提高智能解锁方法的适用性。
第二步，对上述初始安全解锁信息进行分类处理，得到分类结果。其中，当上述初始安全解锁信息为表征面部静脉特征的信息时，可以将表征面部静脉的信息确定为分类结果。当上述初始安全解锁信息为表征面部静脉特征的信息时，可以将表征掌部静脉的信息确定为分类结果。
第三步，响应于确定上述分类结果满足第一分类条件，将上述初始安全解锁信息确定为第一初始安全解锁信息。其中，上述第一分类条件可以是上述分类结果为表征面部静脉的信息。
第四步，将上述第一初始安全解锁信息输入至上述预先训练的安全特征信息提取模型，得到第一初始安全解锁特征信息。其中，上述预先训练的安全特征信息提取模型，可以是以安全解锁信息为输入，以安全解锁特征信息为输出的神经网络模型。
第五步，对上述第一初始安全解锁特征信息进行加密处理，得到上述第一加密安全解锁信息。
第六步，将上述第一加密安全解锁信息存储至存储终端。
在一些实施例的一些可选的实现方式中，上述执行主体对上述第一初始安全解锁特征信息进行加密处理，得到上述第一加密安全解锁信息，可以包括以下步骤：
第一步，获取随机序列生成模型。其中，可以从存储终端上获取上述随机序列生成模型。
作为示例，上述随机序列生成模型可以是混沌伪随机序列产生器。
第二步，基于第一预设密钥序列、第二预设密钥序列和预设迭代次数，对上述随机序列生成模型进行初始化处理，得到目标随机序列生成模型。其中，可以将上述第一预设密钥序列和上述第二预设密钥序列输入至上述随机序列生成模型，进行上述预设迭代次数次迭代后，得到上述目标随机序列生成模型。上述第一预设密钥序列和上述第二预设密钥序列可以是预设位数的密钥。
作为示例，上述预设位数可以是156，上述预设迭代次数可以是100。
第三步，基于上述目标随机序列生成模型，生成第一随机密钥序列和第二随机密钥序列。其中，可以通过上述目标随机序列生成模型，生成第一随机密钥序列和第二随机密钥序列。
第四步，将上述第一随机密钥序列和上述第二随机密钥序列分别输入至预先训练的扩散网络模型，得到第一扩散密钥序列和第二扩散密钥序列。
作为示例，上述预先训练的扩散网络模型可以是BN（Batch Normalization，批量样本归一化）网络模型。
由此，通过上述扩散网络模型，可以扩大密钥空间，提高密钥的复杂度，从而，可以提高第一加密安全解锁信息的安全度。
第五步，对上述第一扩散密钥序列和上述第二扩散密钥序列进行标准化处理，得到第一标准密钥序列和第二标准密钥序列，以及将上述第一标准密钥序列和上述第二标准密钥序列存储至上述存储终端。其中，可以通过如下公式，得到上述第一标准密钥序列：
。
其中，表示上述第一扩散密钥序列。/>表示上述第一标准密钥序列。/>表示取余函数。/>表示向下取整函数。
这里，得到上述第二标准密钥序列的的具体实现及其所带来的技术效果，可以参考上述实施例中的步骤101，在此不再赘述。
第六步，对上述第一标准密钥序列进行分解处理，得到第一密钥平面集。其中，可以通过预设的分解算法，对上述第一标准密钥序列进行分解处理，得到第一密钥平面集。上述第一密钥平面集中的每个第一密钥平面可以是二进制的三维矩阵。
作为示例，上述预设的分解算法可以是二进制位平面分解算法。
第七步，对上述第一初始安全解锁特征信息进行置换处理，得到置换矩阵信息。其中，上述置换矩阵信息可以是三维矩阵。
第八步，对上述置换矩阵信息进行分解处理，得到置换平面信息集。其中，可以通过上述预设的分解算法，对上述置换矩阵信息进行分解处理，得到置换平面信息集。上述置换平面信息集中的每个置换平面信息可以是二进制的三维矩阵。
第九步，基于上述第一密钥平面集，对上述置换平面信息集中的各个置换平面信息进行第一扩散处理，得到第一置换扩散信息。其中，可以通过预设的第一扩散算法，得到第一置换扩散信息。上述第一置换扩散信息可以是的二进制的矩阵。
作为示例，上述预设的第一扩散算法可以是位级同步置乱扩散算法。
第十步，对上述第一置换扩散信息进行矩阵转换处理，得到第一置换扩散矩阵。其中，可以将上述二进制的矩阵转换为十进制格式，得到上述第一置换扩散矩阵。
第十一步，基于上述第二标准密钥序列，对上述第一置换扩散矩阵进行第二扩散处理，得到第二置换扩散矩阵。其中，可以通过预设的第二扩散算法，对上述第一置换扩散矩阵进行第二扩散处理，得到第二置换扩散信息。上述第二置换扩散信息可以是的三维矩阵。
作为示例，上述预设的第二扩散算法可以是像素级环形扩散算法。
第十二步，对上述第二置换扩散矩阵进行转换处理，得到上述第一加密安全解锁信息。其中，可以通过预设的分割函数，将上述第二置换扩散矩阵从三维矩阵分割为二维矩阵，以及将得到的每个二维矩阵确定为色彩通道图像，得到色彩通道图像集。然后，可以通过预设的合并函数，将上述色彩通道图像集中的各个色彩通道图像合并为一张图像，得到上述第一加密安全解锁信息。
作为示例，上述预设的分割函数可以是但不限于以下至少一项：reshape（重塑）函数或eval（评估）函数。上述预设的合并函数可以是merge（合并）函数。
在一些实施例的一些可选的实现方式中，上述执行主体对上述第一初始安全解锁特征信息进行置换处理，得到置换矩阵信息，可以包括以下步骤：
第一步，对上述第一初始安全解锁特征信息进行通道特征提取处理，得到通道特征信息集。其中，可以通过预设的色彩通道提取算法，对上述第一初始安全解锁特征信息进行通道特征提取处理，得到通道特征信息集。上述通道特征信息集中的每个通道特征信息可以是单通道图像。
作为示例，上述预设的色彩通道提取算法可以是split（分离）函数。
第二步，对上述通道特征信息集中的每个通道特征信息进行像素置换处理以生成第一通道置换信息，得到第一通道置换信息集。其中，可以通过预设的置乱算法，对上述通道特征信息集中的每个通道特征信息进行像素置换处理以生成第一通道置换信息。上述第一通道置换信息可以是第一通道置换图像。
作为示例，上述预设的置乱算法可以包括但不限于以下至少一项：Arnold（阿诺德）置乱算法、zigzag（Z字形）变换算法和行列交换算法。
第三步，对上述第一通道置换信息集中的每个第一通道置换信息进行位级置换处理以生成第二通道置换信息，得到第二通道置换信息集。其中，可以通过预设的置换算法，对上述第一通道置换信息集中的每个第一通道置换信息进行位级置换处理以生成第二通道置换信息。上述第二通道置换信息可以是第二通道置换图像。
作为示例，上述预设的置换算法可以是行位级同步置乱扩散算法。
第四步，对上述第二通道置换信息集中的各个第二通道置换信息进行拼接处理，得到置换矩阵信息。其中，可以将上述第二通道置换图像集中的各个第二通道置换图像按照水平方向拼接，得到上述置换矩阵信息。
可选地，上述执行主体还可以执行以下步骤：
第一步，响应于确定上述分类结果满足第二分类条件，将上述初始安全解锁信息确定为第二初始安全解锁信息。其中，上述第二分类条件可以是上述分类结果为表征掌部静脉的信息。
第二步，将上述第二初始安全解锁信息输入至上述预先训练的安全特征信息提取模型，得到第二初始安全解锁特征信息。
第三步，对上述第二初始安全解锁特征信息进行加密处理，得到上述第二加密安全解锁信息。其中，上述对上述第二初始安全解锁特征信息进行加密处理，得到上述第二加密安全解锁信息的具体实现及其所带来的技术效果，可以参考上述实施例中的步骤101，在此不再赘述。
第四步，将上述第二加密安全解锁信息存储至存储终端。
上述步骤101的相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“智能解锁的安全度降低”。其中，导致了智能解锁的安全度降低的因素往往如下：将特征数据直接保存在数据库中，特征数据易被盗取。如果解决了上述因素，就能达到提高智能解锁的安全度的效果。为了达到这一效果，本公开可以使用密钥和固定的迭代次数训练随机序列生成模型，然后通过训练后的随机序列生成模型生成随机密钥序列。若攻击者难以提供上述随机序列生成模型的相关参数，则难以得到与上述训练后的随机序列生成模型相同的生成模型。进而，难以得到与上述随机密钥序列相同的密钥。然后，通过扩散网络模型，进一步扩大密钥空间，从而可以进一步提高密钥的安全度。接着，可以根据扩散后的密钥，对特征信息进行置乱。最后，可以将置乱后的特征信息存储在存储终端中。因此，可以通过上述加密方法，对用户终端录入的面部静脉信息和掌部静脉信息分别进行加密并存储至存储终端，从而，可以提高特征数据的安全度，进而，可以提高智能解锁的安全度。
可选地，上述安全特征信息提取模型可以是通过以下步骤训练得到的：
第一步，获取训练样本集和初始安全特征信息提取模型。其中，上述训练样本集中的每个训练样本包括：样本安全信息和样本安全特征信息，上述初始安全特征信息提取模型包括：全量卷积模块、残差卷积模块序列和池化模块。这里，上述样本安全信息可以是待识别的静脉图像。上述样本安全特征信息可以表征上述样本安全信息的静脉特征。上述全量卷积模块可以用于对上述样本安全信息执行卷积操作。上述残差卷积模块序列中的每个残差卷积模块可以包括但不限于以下至少一项：第一卷积模块和第二卷积模块。上述第一卷积模块和上述第二卷积模块可以结构相同。上述第一卷积模块可以包括但不限于以下至少一项：局部卷积核集。上述局部卷积核集中的每个局部卷积核可以用于执行卷积操作。
作为示例，上述静脉图像可以是但不限于以下至少一项：面部静脉图像或掌部静脉图像。上述池化模块可以是Global Average Pooling（全局平均池化）网络。
第二步，从上述训练样本集中选取训练样本，执行以下训练子步骤：
第一子步骤，将训练样本包括的样本安全信息输入至初始安全特征信息提取模型包括的全量卷积模块中，得到全量卷积特征信息。其中，可以随机地从上述训练样本集中选取训练样本。
第二子步骤，将全量卷积特征信息输入至初始安全特征信息提取模型包括的残差卷积模块序列中，得到残差卷积信息。
第三子步骤，将残差卷积信息输入至初始安全特征信息提取模型包括的池化模块，得到初始安全特征信息。
第四子步骤，基于预设的损失函数，确定初始安全特征信息与训练样本包括的样本安全特征信息的安全差异值。
作为示例，上述预设的损失函数可以是交叉熵损失函数。
第五子步骤，响应于确定安全差异值小于目标值，将初始安全特征信息提取模型确定为安全特征信息提取模型。
作为示例，上述目标值可以是0.01。
可选地，上述执行主体还可以响应于确定安全差异值大于等于目标值，调整初始安全特征信息提取模型中的相关参数，将调整后的初始安全特征信息提取模型确定为初始安全特征信息提取模型，以及从上述训练样本集中选取训练样本，以供再次执行上述训练步骤。其中，可以通过预设的调整算法，调整初始安全特征信息提取模型中的相关参数。
作为示例，上述预设的调整算法可以是Adam（亚当）优化器算法。
在一些实施例的一些可选的实现方式中，上述执行主体将全量卷积特征信息输入至初始安全特征信息提取模型包括的残差卷积模块序列中，得到残差卷积信息，可以包括以下步骤：
第一步，对于上述残差卷积模块序列中的每个残差卷积模块，执行以下卷积子步骤：
第一子步骤，将上述全量卷积特征信息输入至上述残差卷积模块包括的第一卷积模块中，得到第一初始安全卷积信息。
第二子步骤，对上述第一初始安全卷积信息进行归一化处理，得到第一归一化安全卷积信息。其中，可以通过预设的归一化函数，得到上述第一归一化安全卷积信息。
作为示例，上述预设的归一化函数可以是但不限于以下至少一项：ReLU（Rectified Linear Unit，线性整流）函数或BN（Batch Normalization，批量样本归一化）函数。
第三子步骤，将上述第一归一化安全卷积信息输入至上述残差卷积模块包括的第二卷积模块中，得到第二初始安全卷积信息。其中，将上述第一归一化安全卷积信息输入至上述残差卷积模块包括的第二卷积模块中，得到第二初始安全卷积信息的具体实现及其所带来的技术效果，可以参考上述实施例中的步骤101，在此不再赘述。
第四子步骤，对上述第二初始安全卷积信息进行归一化处理，得到第二归一化安全卷积信息。其中，可以通过上述预设的归一化函数，得到第二归一化安全卷积信息。
第五子步骤，对上述第二归一化安全卷积信息与上述全量卷积特征信息的和进行归一化处理，得到第三安全卷积信息。其中，可以通过上述预设的归一化函数，得到第三安全卷积信息。
第六子步骤，响应于确定上述残差卷积模块满足预设序号条件，将第三安全卷积信息确定为残差卷积信息。其中，上述预设序号条件，可以是上述残差卷积模块为上述残差卷积模块序列中最后一个残差卷积模块。
可选地，上述执行主体还可以响应于确定残差卷积模块不满足预设序号条件，将第三安全卷积信息确定为全量卷积特征信息，将残差卷积模块的下一个残差卷积模块确定为残差卷积模块，以再次执行上述卷积子步骤。
由此，在每个残差卷积模块中，可以通过两次卷积，得到特征信息，经过各个残差卷积模块后执行卷积操作后，可以提高残差卷积信息的准确度。
在一些实施例的一些可选的实现方式中，上述执行主体将全量卷积特征信息输入至残差卷积模块包括的第一卷积模块中，得到第一初始安全卷积信息，可以包括以下步骤：
第一步，对上述第一卷积模块包括的局部卷积核集中的每个局部卷积核进行正则化处理以生成正则局部卷积核，得到正则局部卷积核集。其中，可以通过预设的正则化算法，得到正则局部卷积核集。
作为示例，上述预设的正则化算法可以是L1正则化算法。
第二步，生成与上述正则局部卷积核集中每个正则局部卷积核对应的裁剪指标值，得到裁剪指标值集。其中，可以通过预设的指标生成函数，得到裁剪指标值集。
作为示例，上述预设的指标生成函数可以是二阶范数函数。
第三步，将上述裁剪指标值集中小于预设阈值的各个裁剪指标值，确定为目标裁剪指标值集。
作为示例，上述预设阈值可以是0.01。
第四步，将上述局部卷积核集中与上述目标裁剪指标值集中每个目标裁剪指标值对应的局部卷积核从上述局部卷积核集中删除，得到裁剪卷积核集。
第五步，基于上述裁剪卷积核集，对上述全量卷积特征信息进行卷积处理，得到局部卷积信息集。其中，可以通过上述裁剪卷积核集中的每个裁剪卷积核，对上述全量卷积特征信息进行卷积处理以生成局部卷积信息，得到局部卷积信息集。
第六步，基于预设的映射函数集，对上述局部卷积信息集中的每个局部卷积信息进行映射处理以生成映射卷积信息，得到映射卷积信息集。其中，上述预设的映射函数集中的映射函数与上述局部卷积信息集中的局部卷积信息是一一对应的。对于上述局部卷积信息集中的每个局部卷积信息，可以通过上述预设的映射函数集中与上述局部卷积信息对应的映射函数，对上述局部卷积信息进行映射处理。然后，可以将所生成的各个映射卷积信息确定为映射卷积信息集。
作为示例，上述预设的映射函数集中的每个映射函数可以是一次线性函数。
第七步，对上述局部卷积信息集和上述映射卷积信息集进行拼接处理，得到上述第一初始安全卷积信息。其中，可以将上述局部卷积信息集中的各个局部卷积信息和上述映射卷积信息集中的各个映射卷积信息在通道上进行拼接，得到上述第一初始安全卷积信息。
由此，在删除卷积核之前，可以通过对每个卷积核进行正则化与确定指标的方式，提高删除的准确度，从而，可以在减少卷积网络模型的复杂度的同时，提高卷积操作得到的卷积信息的准确度。
上述步骤101的相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“难以及时控制门锁进行解锁”。其中，导致了难以及时控制门锁进行解锁的因素往往如下：当需要提高提取到的静脉特征的准确度以提高智能解锁的准确度时，需要增加卷积网络模型中卷积网络的数量，导致卷积网络模型的复杂度增加，从而，导致难以及时进行特征提取。如果解决了上述因素，就能达到可以及时控制门锁进行解锁的效果。为了达到这一效果，本公开可以在卷积网络模型提取特征信息时，对卷积网络模型中的各个卷积核进行删除，通过删除后的各个卷积核，对待校验的安全信息进行特征提取，从而，可以减少卷积网络模型的计算量，从而，可以及时得到待校验的安全特征信息，进而，可以及时控制门锁进行解锁。
步骤102，对第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集。
在一些实施例中，上述执行主体可以对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集。
可选地，上述执行主体对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，可以包括以下步骤：
第一步，从上述存储终端上获取上述第一标准密钥序列和上述第二标准密钥序列。
第二步，对上述第一加密安全解锁信息进行通道特征提取处理，得到加密通道特征信息集。其中，可以通过上述预设的色彩通道提取算法，得到上述加密通道特征信息集。
第三步，对上述加密通道特征信息集中的各个加密通道特征信息进行拼接处理，得到加密通道特征图像。其中，可以将上述加密通道特征信息集中的各个加密通道特征信息在通道上进行拼接，得到上述加密通道特征图像。
第四步，对上述加密通道特征图像进行第一逆扩散处理，得到加密逆扩散像素矩阵。其中，可以通过上述预设的第二扩散算法，得到上述加密逆扩散像素矩阵。
第五步，对上述加密逆扩散像素矩阵进行分解处理，得到加密逆扩散像素平面集。其中，可以通过上述预设的分解算法，得到上述加密逆扩散像素平面集。
第六步，对上述加密逆扩散像素平面集中的每个加密逆扩散像素平面进行第二逆扩散处理以生成加密逆扩散像素图像，得到加密逆扩散像素图像集。其中，可以通过上述预设的第一扩散算法，得到上述加密逆扩散像素图像集。
第七步，对上述加密逆扩散像素图像集中的每个加密逆扩散像素图像进行置换处理以生成加密色彩图像，得到加密色彩图像集。其中，可以通过上述预设的置乱算法和上述预设的置换算法，对上述加密逆扩散像素图像集中的每个加密逆扩散像素图像进行置换处理以生成加密色彩图像。
第八步，对上述加密色彩图像集中的各个加密色彩图像进行合并处理，得到上述第一解密安全解锁信息。其中，可以通过上述预设的合并函数，将上述加密色彩图像集中的各个加密色彩图像合并为一张图像，得到上述第一加密安全解锁信息。
步骤103，对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集。
在一些实施例中，上述执行主体可以对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集。其中，上述步骤103的具体实现及其所带来的技术效果，可以参考上述实施例中的步骤102，在此不再赘述。
步骤104，将待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息。
在一些实施例中，上述执行主体可以将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息。其中，上述待校验安全特征信息可以包括但不限于以下至少一项：特征类别信息。上述特征类别信息可以表征上述待校验安全特征信息表征的静脉图像的类别。
作为示例，上述静脉图像的类别可以是但不限于以下至少一项：面部静脉图像或掌部静脉图像。
步骤105，基于第一解密安全解锁信息集和第二解密安全解锁信息集，对待校验安全特征信息进行校验处理，得到校验结果。
在一些实施例中，上述执行主体可以基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果，可以包括以下步骤：
第一步，响应于确定上述待校验安全特征信息包括的特征类别信息满足第一类别条件，将上述待校验安全特征信息与上述第一解密安全解锁信息集中的每个第一解密安全解锁信息进行匹配处理以生成匹配结果，得到匹配结果集。其中，可以通过预设的匹配算法，将上述待校验安全特征信息与上述第一解密安全解锁信息集中的每个第一解密安全解锁信息进行匹配处理以生成匹配结果。上述第一类别条件可以是上述特征类别信息表征的静脉图像的类别为面部静脉图像。上述匹配结果可以是表征“匹配成功”的信息或表征“匹配失败”的信息。
作为示例，上述预设的匹配算法可以包括但不限于以下至少一项：汉明距离算法、双向匹配算法和PROSAC(Progressive Sampling Consensus，渐近一致采样)算法。
第二步，响应于确定上述待校验安全特征信息包括的特征类别信息满足第二类别条件，将上述待校验安全特征信息与上述第二解密安全解锁信息集中的每个第二解密安全解锁信息进行匹配处理以生成匹配结果，得到匹配结果集。其中，可以通过上述预设的匹配算法，将上述待校验安全特征信息与上述第二解密安全解锁信息集中的每个第二解密安全解锁信息进行匹配处理以生成匹配结果。上述第二类别条件可以是上述特征类别信息表征的静脉图像的类别为掌部静脉图像。上述匹配结果可以是表征“匹配成功”的信息或表征“匹配失败”的信息。
第三步，响应于确定匹配结果集中存在满足预设匹配条件的匹配结果，将第一预设校验信息确定为校验结果。其中，上述预设匹配条件可以是匹配结果为表征“匹配成功”的信息。上述第一预设校验信息可以是表征“校验成功”的信息。
第四步，响应于确定匹配结果集中不存在满足上述预设匹配条件的匹配结果，将第二预设校验信息确定为校验结果。其中，上述第二预设校验信息可以是表征“校验失败”的信息。
步骤106，响应于确定校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。
在一些实施例中，上述执行主体可以响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。其中，上述预设成功条件可以是上述校验结果为表征“校验成功”的信息。上述预设的解锁命令可以表征上述执行主体控制门锁解锁。上述解锁终端可以是用于控制门锁解锁的终端。
可选地，上述执行主体还可以响应于确定上述校验结果不满足上述预设成功条件，将预设的报警命令发送至报警终端以控制上述报警终端执行报警操作。其中，上述预设的报警命令可以表征上述执行主体想要执行报警操作。上述报警终端可以是用于执行报警操作的终端。上述报警终端执行报警操作，可以是显示警告性的文字或控制扬声器发出提示音。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的智能解锁方法，可以提高智能解锁的灵活性和适用性。具体来说，造成智能解锁的灵活性和适用性降低的原因在于：面部静脉与掌部静脉均需要在一定距离内才能进行识别，单一使用面部静脉解锁或单一使用掌部静脉解锁的方式，限制了静脉解锁的使用场景。基于此，本公开的一些实施例的智能解锁方法，首先，获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集。其次，对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集。由此，可以得到已录入的解密后的脸部特征信息。然后，对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集。由此，可以得到已录入的解密后的掌部特征信息。接着，将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息。由此，可以得到待校验信息的特征信息，以便后续与上述解密后的特征信息进行匹配。随后，基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果。由此，可以确定待校验信息是否符合解锁条件。最后，响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。由此，当待校验信息符合解锁条件时，可以控制门锁解锁。因此，本公开的一些智能解锁方法，无论输入的待校验信息为掌部静脉信息还是面部静脉信息，可以在进行特征提取后，与数据库中已存储的掌部静脉信息或面部静脉信息进行比对。由此，可以减少掌部静脉解锁和面部静脉解锁的使用场景的限制，从而，可以提高智能解锁的灵活性和适用性。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种智能解锁装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该智能解锁装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的智能解锁装置200包括：获取单元201、第一解密单元202、第二解密单元203、输入单元204、校验单元205和发送单元206。其中，获取单元201，被配置成获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；第一解密单元202，被配置成对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；第二解密单元203，被配置成对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；输入单元204，被配置成将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；校验单元205，被配置成基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果；发送单元206，被配置成响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。
可以理解的是，该智能解锁装置200中记载的诸单元与参考图1描述的智能解锁方法中的各个步骤相对应。由此，上文针对智能解锁方法描述的操作、特征以及产生的有益效果同样适用于智能解锁装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；对上述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；对上述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；将上述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；基于上述第一解密安全解锁信息集和上述第二解密安全解锁信息集，对上述待校验安全特征信息进行校验处理，得到校验结果；响应于确定上述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一解密单元、第二解密单元、输入单元、校验单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种智能解锁方法，包括：
获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；
对所述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；
对所述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；
将所述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；
基于所述第一解密安全解锁信息集和所述第二解密安全解锁信息集，对所述待校验安全特征信息进行校验处理，得到校验结果；
响应于确定所述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁；
其中，所述第一加密安全解锁信息集中的每个第一加密安全解锁信息是通过以下步骤生成的：
响应于接收到用户终端发送的录入请求信息，从所述用户终端上获取初始安全解锁信息；
对所述初始安全解锁信息进行分类处理，得到分类结果；
响应于确定所述分类结果满足第一分类条件，将所述初始安全解锁信息确定为第一初始安全解锁信息；
将所述第一初始安全解锁信息输入至所述预先训练的安全特征信息提取模型，得到第一初始安全解锁特征信息；
对所述第一初始安全解锁特征信息进行加密处理，得到所述第一加密安全解锁信息；
将所述第一加密安全解锁信息存储至存储终端；
其中，所述对所述第一初始安全解锁特征信息进行加密处理，得到所述第一加密安全解锁信息，包括：
获取随机序列生成模型；
基于第一预设密钥序列、第二预设密钥序列和预设迭代次数，对所述随机序列生成模型进行初始化处理，得到目标随机序列生成模型；
基于所述目标随机序列生成模型，生成第一随机密钥序列和第二随机密钥序列；
将所述第一随机密钥序列和所述第二随机密钥序列分别输入至预先训练的扩散网络模型，得到第一扩散密钥序列和第二扩散密钥序列；
对所述第一扩散密钥序列和所述第二扩散密钥序列进行标准化处理，得到第一标准密钥序列和第二标准密钥序列，以及将所述第一标准密钥序列和所述第二标准密钥序列存储至所述存储终端；
对所述第一标准密钥序列进行分解处理，得到第一密钥平面集；
对所述第一初始安全解锁特征信息进行置换处理，得到置换矩阵信息；
对所述置换矩阵信息进行分解处理，得到置换平面信息集；
基于所述第一密钥平面集，对所述置换平面信息集中的各个置换平面信息进行第一扩散处理，得到第一置换扩散信息；
对所述第一置换扩散信息进行矩阵转换处理，得到第一置换扩散矩阵；
基于所述第二标准密钥序列，对所述第一置换扩散矩阵进行第二扩散处理，得到第二置换扩散矩阵；
对所述第二置换扩散矩阵进行转换处理，得到所述第一加密安全解锁信息。
2.根据权利要求1所述的方法，其中，所述方法还包括：
响应于确定所述校验结果不满足所述预设成功条件，将预设的报警命令发送至报警终端以控制所述报警终端执行报警操作。
3.根据权利要求1所述的方法，其中，所述对所述第一初始安全解锁特征信息进行置换处理，得到置换矩阵信息，包括：
对所述第一初始安全解锁特征信息进行通道特征提取处理，得到通道特征信息集；
对所述通道特征信息集中的每个通道特征信息进行像素置换处理以生成第一通道置换信息，得到第一通道置换信息集；
对所述第一通道置换信息集中的每个第一通道置换信息进行位级置换处理以生成第二通道置换信息，得到第二通道置换信息集；
对所述第二通道置换信息集中的各个第二通道置换信息进行拼接处理，得到置换矩阵信息。
4.根据权利要求1所述的方法，其中，所述待校验安全特征信息包括：特征类别信息；以及
所述基于所述第一解密安全解锁信息集和所述第二解密安全解锁信息集，对所述待校验安全特征信息进行校验处理，得到校验结果，包括：
响应于确定所述待校验安全特征信息包括的特征类别信息满足第一类别条件，将所述待校验安全特征信息与所述第一解密安全解锁信息集中的每个第一解密安全解锁信息进行匹配处理以生成匹配结果，得到匹配结果集；
响应于确定所述待校验安全特征信息包括的特征类别信息满足第二类别条件，将所述待校验安全特征信息与所述第二解密安全解锁信息集中的每个第二解密安全解锁信息进行匹配处理以生成匹配结果，得到匹配结果集；
响应于确定匹配结果集中存在满足预设匹配条件的匹配结果，将第一预设校验信息确定为校验结果；
响应于确定匹配结果集中不存在满足所述预设匹配条件的匹配结果，将第二预设校验信息确定为校验结果。
5.根据权利要求1所述的方法，其中，所述安全特征信息提取模型是通过以下步骤训练得到的：
获取训练样本集和初始安全特征信息提取模型，其中，所述训练样本集中的每个训练样本包括：样本安全信息和样本安全特征信息，所述初始安全特征信息提取模型包括：全量卷积模块、残差卷积模块序列和池化模块；
从所述训练样本集中选取训练样本，执行以下训练步骤：
将训练样本包括的样本安全信息输入至初始安全特征信息提取模型包括的全量卷积模块中，得到全量卷积特征信息；
将全量卷积特征信息输入至初始安全特征信息提取模型包括的残差卷积模块序列中，得到残差卷积信息；
将残差卷积信息输入至初始安全特征信息提取模型包括的池化模块，得到初始安全特征信息；
基于预设的损失函数，确定初始安全特征信息与训练样本包括的样本安全特征信息的安全差异值；
响应于确定安全差异值小于目标值，将初始安全特征信息提取模型确定为安全特征信息提取模型。
6.根据权利要求5所述的方法，其中，所述方法还包括：
响应于确定安全差异值大于等于目标值，调整初始安全特征信息提取模型中的相关参数，将调整后的初始安全特征信息提取模型确定为初始安全特征信息提取模型，以及从所述训练样本集中选取训练样本，以供再次执行所述训练步骤。
7.一种智能解锁装置，包括：
获取单元，被配置成获取待校验信息、第一加密安全解锁信息集和第二加密安全解锁信息集；
第一解密单元，被配置成对所述第一加密安全解锁信息集中的每个第一加密安全解锁信息进行解密处理以生成第一解密安全解锁信息，得到第一解密安全解锁信息集；
第二解密单元，被配置成对所述第二加密安全解锁信息集中的每个第二加密安全解锁信息进行解密处理以生成第二解密安全解锁信息，得到第二解密安全解锁信息集；
输入单元，被配置成将所述待校验信息输入至预先训练的安全特征信息提取模型，得到待校验安全特征信息；
校验单元，被配置成基于所述第一解密安全解锁信息集和所述第二解密安全解锁信息集，对所述待校验安全特征信息进行校验处理，得到校验结果；
发送单元，被配置成响应于确定所述校验结果满足预设成功条件，将预设的解锁命令发送至解锁终端以控制门锁解锁；
其中，所述第一加密安全解锁信息集中的每个第一加密安全解锁信息是通过以下步骤生成的：
响应于接收到用户终端发送的录入请求信息，从所述用户终端上获取初始安全解锁信息；
对所述初始安全解锁信息进行分类处理，得到分类结果；
响应于确定所述分类结果满足第一分类条件，将所述初始安全解锁信息确定为第一初始安全解锁信息；
将所述第一初始安全解锁信息输入至所述预先训练的安全特征信息提取模型，得到第一初始安全解锁特征信息；
对所述第一初始安全解锁特征信息进行加密处理，得到所述第一加密安全解锁信息；
将所述第一加密安全解锁信息存储至存储终端；
其中，所述对所述第一初始安全解锁特征信息进行加密处理，得到所述第一加密安全解锁信息，包括：
获取随机序列生成模型；
基于第一预设密钥序列、第二预设密钥序列和预设迭代次数，对所述随机序列生成模型进行初始化处理，得到目标随机序列生成模型；
基于所述目标随机序列生成模型，生成第一随机密钥序列和第二随机密钥序列；
将所述第一随机密钥序列和所述第二随机密钥序列分别输入至预先训练的扩散网络模型，得到第一扩散密钥序列和第二扩散密钥序列；
对所述第一扩散密钥序列和所述第二扩散密钥序列进行标准化处理，得到第一标准密钥序列和第二标准密钥序列，以及将所述第一标准密钥序列和所述第二标准密钥序列存储至所述存储终端；
对所述第一标准密钥序列进行分解处理，得到第一密钥平面集；
对所述第一初始安全解锁特征信息进行置换处理，得到置换矩阵信息；
对所述置换矩阵信息进行分解处理，得到置换平面信息集；
基于所述第一密钥平面集，对所述置换平面信息集中的各个置换平面信息进行第一扩散处理，得到第一置换扩散信息；
对所述第一置换扩散信息进行矩阵转换处理，得到第一置换扩散矩阵；
基于所述第二标准密钥序列，对所述第一置换扩散矩阵进行第二扩散处理，得到第二置换扩散矩阵；
对所述第二置换扩散矩阵进行转换处理，得到所述第一加密安全解锁信息。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311028524.7A CN116758661B (zh) | 2023-08-16 | 2023-08-16 | 智能解锁方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311028524.7A CN116758661B (zh) | 2023-08-16 | 2023-08-16 | 智能解锁方法、装置、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116758661A CN116758661A (zh) | 2023-09-15 |
| CN116758661B true CN116758661B (zh) | 2023-10-27 |
Family
ID=87951781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311028524.7A Active CN116758661B (zh) | 2023-08-16 | 2023-08-16 | 智能解锁方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116758661B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106888310A (zh) * | 2015-12-16 | 2017-06-23 | 展讯通信（上海）有限公司 | 加解密装置和方法以及通信终端设备 |
| CN107045627A (zh) * | 2017-03-22 | 2017-08-15 | 海南大学 | 一种基于密文域的加密人脸识别方法 |
| CN107274517A (zh) * | 2017-04-25 | 2017-10-20 | 合肥中科奔巴科技有限公司 | 融合三维人脸与掌静脉识别的智能门禁系统 |
| KR20180054414A (ko) * | 2016-11-14 | 2018-05-24 | 삼성전자주식회사 | 얼굴 영상 분석 방법 및 장치 |
| CN109345662A (zh) * | 2018-08-22 | 2019-02-15 | 华东师范大学 | 一种多功能解锁方式的智能锁及解锁方法 |
| CN110391909A (zh) * | 2018-04-20 | 2019-10-29 | 武汉真元生物数据有限公司 | 基于生物特征识别的终端解锁方法及系统 |
| CN110912674A (zh) * | 2019-11-29 | 2020-03-24 | 珠海大横琴科技发展有限公司 | 图像加密方法、装置、电子设备及可读存储介质 |
| CN115661948A (zh) * | 2022-12-15 | 2023-01-31 | 云丁网络技术(北京)有限公司 | 用户身份认证方法、装置及电子设备 |
-
2023
- 2023-08-16 CN CN202311028524.7A patent/CN116758661B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106888310A (zh) * | 2015-12-16 | 2017-06-23 | 展讯通信（上海）有限公司 | 加解密装置和方法以及通信终端设备 |
| KR20180054414A (ko) * | 2016-11-14 | 2018-05-24 | 삼성전자주식회사 | 얼굴 영상 분석 방법 및 장치 |
| CN107045627A (zh) * | 2017-03-22 | 2017-08-15 | 海南大学 | 一种基于密文域的加密人脸识别方法 |
| CN107274517A (zh) * | 2017-04-25 | 2017-10-20 | 合肥中科奔巴科技有限公司 | 融合三维人脸与掌静脉识别的智能门禁系统 |
| CN110391909A (zh) * | 2018-04-20 | 2019-10-29 | 武汉真元生物数据有限公司 | 基于生物特征识别的终端解锁方法及系统 |
| CN109345662A (zh) * | 2018-08-22 | 2019-02-15 | 华东师范大学 | 一种多功能解锁方式的智能锁及解锁方法 |
| CN110912674A (zh) * | 2019-11-29 | 2020-03-24 | 珠海大横琴科技发展有限公司 | 图像加密方法、装置、电子设备及可读存储介质 |
| CN115661948A (zh) * | 2022-12-15 | 2023-01-31 | 云丁网络技术(北京)有限公司 | 用户身份认证方法、装置及电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 基于双混沌的数字图像加密算法的研究;秦海玉;赵海燕;赵荷;;科技通报(12);第169-173页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116758661A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11989634B2 (en) | Private federated learning with protection against reconstruction | |
| CN112434620B (zh) | 场景文字识别方法、装置、设备和计算机可读介质 | |
| CN114006769B (zh) | 基于横向联邦学习的模型训练方法及其设备 | |
| CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
| CN117408646B (zh) | 电子签章签署方法、装置、电子设备和计算机可读介质 | |
| CN114004905B (zh) | 人物风格形象图的生成方法、装置、设备及存储介质 | |
| US20230281956A1 (en) | Method for generating objective function, apparatus, electronic device and computer readable medium | |
| CN116129440B (zh) | 异常用户端告警方法、装置、电子设备和介质 | |
| CN116110159B (zh) | 基于cfca认证标准的用户认证方法、设备和介质 | |
| CN116758661B (zh) | 智能解锁方法、装置、电子设备和计算机可读介质 | |
| CN111797822A (zh) | 文字对象评价方法、装置和电子设备 | |
| CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
| CN113610228B (zh) | 神经网络模型的构建方法及装置 | |
| CN115205089A (zh) | 图像加密方法、网络模型的训练方法、装置及电子设备 | |
| CN115567937A (zh) | 短信验证方法、装置、存储介质及电子设备 | |
| CN112434619B (zh) | 病例信息提取方法、装置、设备和计算机可读介质 | |
| CN115757933A (zh) | 推荐信息生成方法、装置、设备、介质和程序产品 | |
| CN115270981A (zh) | 对象处理方法、装置、可读介质及电子设备 | |
| CN113705386A (zh) | 视频分类方法、装置、可读介质和电子设备 | |
| CN114595474A (zh) | 联邦学习建模优化方法、电子设备、介质及程序产品 | |
| CN114357504A (zh) | 基于隐私保护的联邦学习方法以及相关设备 | |
| CN112242978A (zh) | 一种处理数据的方法和装置 | |
| CN114049417B (zh) | 虚拟角色图像的生成方法、装置、可读介质及电子设备 | |
| CN111814807B (zh) | 用于处理图像的方法、装置、电子设备和计算机可读介质 | |
| CN113077353B (zh) | 用于生成核保结论的方法、装置、电子设备和介质 |
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 |