一种基于大数据信息管理的身份认证系统
技术领域
本发明涉及身份认证技术领域,尤其涉及一种基于大数据信息管理的身份认证系统。
背景技术
信息管理,是人类为了有效地开发和利用信息资源,以现代信息技术为手段,对信息资源进行计划、组织、领导和控制的社会活动。简单地说,信息管理就是人对信息资源和信息活动的管理。信息管理是指在整个管理过程中,人们收集、加工和输入、输出的信息的总称。信息管理的过程包括信息收集、信息传输、信息加工和信息储存。
身份认证也称为“身份认证”或“身份鉴别”,它是指在计算机及计算机网络系统中确认操作者身份的过程,从而确定该用户是否具有对某种资源的访问和使用权限,进而使计算机和网络系统的访问策略能够可靠、有效地执行,防止攻击者假冒合法用户获得资源的访问权限,保证系统和数据的安全,以及授权访问者的合法利益。
目前大数据信息管理的身份认证技术还不够完善,在收集用户身份信息时,对于采集信息时发生信息整合错误,导致的进入模块识别时,无法与用户登录时扫描的信息相匹配,导致认证失败,进而影响身份认证进程。在用户进行面部扫描和指纹录入时,因面部扫描模糊或者指纹录入不完整,进而导致模型计算的结果存在较大误差,与已录入信息存在较大差异,从而导致身份认证失败,无法进行多层次的认证,导致不够认证方式不够安全;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于:通过用户注册登录时,采集用户相关数据信息并进行整合,有利于为各模块提供有用的数据信息并进行识别分析进而为用户进行身份认证带来便利;且通过了面部识别分析、指纹识别分析、骨骼识别分析,有助于快速得出分析结果从而确认用户的身份,并提高了系统的安全性;通过对已采集的用户面部图像进行识别分析以初步认证用户的身份,有助于可以准确的识别出每个用户的特征,并且不受外界环境的影响;而通过对已采集的用户指纹进行识别分析以进一步认证用户的身份,有助于提高系统识别速率以及便于各年龄段的用户进行操作。此外,通过已采集的用户骨骼断层信息进行骨骼识别分析以及分别与面部识别模型和指纹识别模型相结合分析,选取最终适用的综合认证模型并进行了复检分析,便于用户进行下一次身份认证,有助于身份认证系统进行优化,进而提高系统的安全性能。
为了实现上述目的,本发明采用了如下技术方案:
一种基于大数据信息管理的身份认证系统,包括用户登录模块、认证采集模块、多层认证模块、认证服务器和复检分析模块;认证服务器分别与用户登录模块、认证采集模块、多层认证模块、认证服务器和复检分析模块信号连接;
用户登录模块,用户在注册登录时注册用户的身份信息,并将用户的身份信息填入用户登录模块中开启初始登录,并将用户的身份信息发送到认证服务器内进行储存,当认证服务器接收到用户的身份信息时,将其接收时刻标记为注册时刻,再生成认证信号,还将生成的认证信号发送给认证采集模块;
认证采集模块接收认证信号并采集用户的多重认证信息,还将用户的多重认证信息发送给多层认证模块;其中用户的多重认证信息为用户的用户面部图像、用户指纹和骨骼断层扫描图;
多层认证模块接收到认证信号后采集用户的多重认证信息并处理以任意组合的形式生成综合认证模型,还将综合认证模型发送到认证服务器内储存;
复检分析模块再次通过认证采集模块采集用户的多重认证信息中的任意两种信息并获取认证服务器内储存的综合认证模型;且将任意两种信息与综合认证模型进行检验分析并判断认证完成,当判断认证完成后实现身份认证。
进一步的,认证采集模块包括面部识别模块、指纹识别模块和骨骼识别模块;
面部识别模块用于采集用户的面部图像,指纹识别模块用于采集用户的指纹信息,骨骼识别模块接收到认证信号后采集用户的骨骼断层扫描图。
进一步的,多层认证模块的具体工作步骤如下:
面部图像识别分析以此进行初步身份认证;再依据预设相似区间,对计算得出的面识别度加以判断,当计算的面识度较高时则直接传送至指纹识别模块进行认证;
指纹信息的指纹识别分析,以此进行第二步身份认证,再依据预设纹理重合值,对计算得出的纹理重合度加以判断,当第二步认证成功时,则进入确定认证模块,进行骨骼识别模块;
骨骼断层扫描图进行骨骼识别分析,通过对用户身体三部分骨骼扫描并进行骨骼识别分析,以此进行最终身份认证,再将骨骼识别模型与面部识别模型及指纹识别模型任意相结合分析,以此得出最终适用的综合认证模型,并将综合认证模型发送到认证服务器内储存,便于用户首次身份认证后,简化后续用户再次进行登录认证。
进一步的,面部识别分析以进行身份认证的具体过程是;
建立面部识别的计算模型并计算面识度,再结合预设相似区间进行判定;且将面识度标记为Q,预设相似区间分别为[0,q1%)、[q1%,q2%]和(q2%,100%],其中0≤q1<q1≤100%;
当Q在[0,q1%)范围内则提示“非本人,请重新扫描”则需要用户重新扫描;
当Q在[q1%,q2%]范围内,则需要用户手机短信认证,才可以进入系统查询;
当Q在(q2%,100%]范围内,则直接进行指纹识别认证。
进一步的,指纹识别分析以进行身份认证的具体过程是;
对已采集的用户指纹图像进行预处理,预处理的过程为:将用户指纹图像转化为灰度指纹图像,再提取预设灰度区间内的灰度指纹图像以提取生成指纹区域;
对指纹区域进行归一化处理,即提取指纹图像中的指纹排列特征值和指纹大小,并建立指纹识别模型,计算纹理重合度;
当计算得出的纹理重合度大于预设纹理重合值时,即该用户第二步认证成功;
当计算得出的纹理重合度小于预设纹理重合值时,即该用户第二步认证失败;
当第二步认证成功时,则进入确定认证模块,进行骨骼识别模块;
当认证失败时,则进行认证失败处理操作。
进一步的,骨骼识别分析以进行身份认证的具体过程是;
通过用户身体骨骼断层信息,将其分为三个部分:头部骨骼、上半身骨骼、下半身骨骼,并将各部分的大小分别标记为B1、B2、B3;再从信息采集模块中提取该用户的身高与体重信息,再分别标记为Ci、Di,其中,i=1,2,3……m;
通过建立骨骼识别模型来计算骨骼度,当骨骼度等于预设骨骼度值时,则身份认证成功。
进一步的,骨骼识别模型与面部识别模型及指纹识别模型任意相结合分析以生成综合认证模型的具体过程是;
将骨骼识别模型与面部识别模型相结合得到综合公式一,来得到综合识别因子Y1n,其中n=1,2,3;综合识别因子Y1n是衡量综合运算模型1对用户身份认证识别准确性和可靠性的度量值;
再将骨骼识别模型与指纹识别模型相结合得到综合公式,来得到综合识别因子Y2n,其中n=1,2,3;综合识别因子Y2n是衡量综合运算模型2对用户身份认证识别准确性和可靠性的度量值;
当生成综合认证模型,还将综合认证模型发送到认证服务器内储存。
进一步的,复检分析以判定认证完成实现身份认证的具体过程是;
复检分析模块再次采集用户的多重认证信息中的任意两种信息并获取认证服务器内储存的综合认证模型;且将任意两种信息与综合认证模型进行复检分析并判断认证完成,即采集某用户面部图像信息和指纹信息和骨骼断层信息,将信息分别发送至面部识别模块和指纹识别模块,进而计算面识度和纹理重合度、骨骼度,选取综合模型所需要的度量值并代入,当计算结果在预设综合区间内,则判定认证完成实现身份认证。
本发明的有益效果是:
(1)通过用户注册登录时,采集用户相关数据信息并进行整合,有利于为各模块提供有用的数据信息并进行识别分析进而为用户进行身份认证带来便利;且通过了面部识别分析、指纹识别分析、骨骼识别分析,有助于快速得出分析结果从而确认用户的身份,并提高了系统的安全性;
(2)通过对已采集的用户面部图像进行识别分析以初步认证用户的身份,有助于可以准确的识别出每个用户的特征,并且不受外界环境的影响;而通过对已采集的用户指纹进行识别分析以进一步认证用户的身份,有助于提高系统识别速率以及便于各年龄段的用户进行操作。此外,通过已采集的用户骨骼断层信息进行骨骼识别分析以及分别与面部识别模型和指纹识别模型相结合分析,选取最终适用的综合认证模型并进行了复检分析,便于用户进行下一次身份认证,有助于身份认证系统进行优化,进而提高系统的安全性能。
附图说明
下面结合附图对本发明作进一步的说明。
图1示出了本发明的流程框图。
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,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
请参阅图1所示,本发明一种基于大数据信息管理的身份认证系统,包括:用户登录模块、认证采集模块、多层认证模块、复检分析模块和认证服务器,需要说明的是,认证服务器分别与用户登录模块、认证采集模块、多层认证模块、复检分析模块和认证服务器之间信号连接。
具体工作步骤:
步骤一:用户登录模块,用户在注册登录时注册用户的身份信息,并将用户的身份信息填入用户登录模块中开启初始登录,并将用户的身份信息发送到认证服务器内进行储存,当认证服务器接收到用户的身份信息时,将其接收时刻标记为注册时刻,再生成认证信号,还将生成的认证信号发送给认证采集模块,其中待采集数据包内含有用户的姓名、性别、身份证号码、电话、家庭住址、本人正面照片、家庭成员个数、家庭成员姓名等信息,以方便核实人员身份,提高结果的真实性;
步骤二:认证采集模块接收认证信号并采集用户的多重认证信息,还将用户的多重认证信息发送给多层认证模块;其中用户的多重认证信息为用户的用户面部图像、用户指纹和骨骼断层扫描图;其中认证采集模块包括面部识别模块、指纹识别模块和骨骼识别模块;面部识别模块用于采集用户的面部图像,指纹识别模块用于采集用户的指纹信息,骨骼识别模块接收到认证信号后采集用户的骨骼断层扫描图。
步骤三:多层认证模块接收到认证信号后,对认证采集模块采集用户的多重认证信息进行处理以任意两两组合的形式生成综合认证模型,还将综合认证模型发送到认证服务器内储存;
面部分析以进行身份认证的具体过程是:
通过建立面部识别的计算模型:,计算面识度M,从而判定面部识别相似度;其中w为用户照片特征图矩阵大小、p为矩阵的行数、d为矩阵的列数、a为特征图的层数;当特征图矩阵越大,矩阵的行数越多,且矩阵的列数越少,特征图的层数越少,则面识度的值越大,则说明该用户面部识别图像与其已经采集的照片相似度较高,可初步判定为是本人;当特征图矩阵越小,矩阵的行数越少,且矩阵的列数越多,特征图的层数越多,则面识度的值越小,则说明该用户面部识别图像与其已经采集的照片相似度较小,可初步判定为不是本人。
通过用户初始注册登录时采集的面部图像进行初步身份认证,获取面部识别模块的预设相似区间,其中分别为低度相似、中度相似及高度相似,这些相似度区间分别为[0,q1%)、[q1%,q2%]及(q2%,100%]。设置面部识别相似度等级有利于提高系统的安全性,有效保护用户的身份信息,防止被不法分子获取。当计算结果在相似度区间[0,q1%)范围内则提示“非本人,请重新采集”则需要重新扫描用户面部图像并采集,当多次计算结果显示都非本人,则通过警报装置发出“滴滴”声提醒系统客服人员该人员身份信息有误,给予警告,并将该注册账户锁定,需要由客服人员进行审核认证,审核成功再将该注册账号解锁并恢复使用;当扫描结果相似度在[q1%,q2%]范围内,则需要用户手机短信认证,才可以进入系统;当扫描结果相似度在(q2%,100%]范围内,则传送认证信号至指纹识别模块进行认证;
指纹分析以进行身份认证的具体过程是:
首先对已采集的用户指纹图像进行预处理,预处理的过程为:将用户指纹图像转化为灰度指纹图像,再提取预设灰度区间内的灰度指纹图像以提取生成指纹区域,使整个指纹变得更加清晰;
对指纹区域进行归一化处理,即先提取指纹图像中的指纹排列特征值F和指纹大小G,并建立指纹识别模型:,来计算纹理重合度Z,当指纹图像中的指纹排列特征值F越大,指纹大小G越小则说明纹理重合度越高,且超过预设纹理重合值时,即该用户第二步认证成功;指纹图像中的指纹排列特征值F越大,指纹大小G,且小于预设纹理重合值时,即该用户第二步认证失败;当第二步认证成功时,则发送认证信号至骨骼识别模块,从而来进行身份认证。
当认证失败时,可分为两种情况:
S1:用户指纹信息采集后发生整合错误,将他人指纹归类到该用户身份信息中,导致用户进行指纹认证时与已采集的身份信息不匹配,致使指纹识别认证失败,此种情况需要认证采集模块重新进行信息整合;
S2:用户进行注册身份信息时,由于手指放置错误或者手指有磨损,进而使采集的指纹不完整,因而指纹识别模块中识别的信息不完整则导致计算的纹理重合度误差较大,致使指纹识别认证失败;因此,需要用户进行多次指纹录入或者更换手指并录入指纹。
骨骼识别分析以进行身份认证的具体过程是:
将采集的用户身体骨骼断层图像分为三个部分:头部骨骼、上半身骨骼、下半身骨骼,并将各部分的大小分别标记为B1、B2、B3;再从信息采集模块中提取该用户的身高与体重信息,再分别标记为Ci、Di,其中,i=1,2,3……m;
通过建立骨骼识别模型:,来计算骨骼度U,其中e1、e2、e3为权重因子,权重因子使骨骼度U模拟计算的更加真实,e1+e2+e3=1,且e1大于e2大于e3;其中头部骨骼越大,半身骨骼越大,下半身骨骼越大,身高越高,体重越小,则骨骼度越大,说明骨骼识别越精准;反之头部骨骼越小,半身骨骼越小,下半身骨骼越小,身高越矮,体重越大,则骨骼度越小,说明骨骼识别越粗略;当骨骼度U等于预设骨骼度值时,则身份认证成功。
骨骼识别模型与面部识别模型及指纹识别模型任意相结合分析以生成综合认证模型的具体过程是:
将骨骼识别模型与面部识别模型相结合得到综合公式一:,来得到综合识别因子Y1n,其中n=1,2,3;综合识别因子Y1n是衡量综合运算模型1对用户身份认证识别准确性和可靠性的度量值,其中K1、K2为权重因子,综合识别因子Y1n模拟计算的更加真实,K1+K2=1,且K1大于K2;
当n=1时表示的是骨骼度U与面识度M存在高度相关,说明利用综合运算模型1对用户身份认证识别的准确性和可靠性很高;当n=2时/>表示的是骨骼度U与面识度M存在轻度相关,说明利用综合运算模型1对用户身份认证识别的准确性和可靠性较高;当n=3时/>表示的是骨骼度U与面识度M不存在相关关系,说明利用综合运算模型1对用户身份认证识别的准确性和可靠性较差,骨骼识别模型与面部识别模型相结合的综合运算模型来进行身份认证的效果较差,所以两者无需结合;
再将骨骼识别模型与指纹识别模型相结合得到综合公式二:,来得到综合识别因子Y2n,其中n=1,2,3;综合识别因子Y2n是衡量综合运算模型2对用户身份认证识别准确性和可靠性的度量值,其中K3、K4为权重因子,综合识别因子Y2n模拟计算的更加真实,K3+K4=1,且K3大于K4;
当n=1时表示的是骨骼度U与纹理重合度Z存在高度相关,说明利用综合运算模型2对用户身份认证识别的准确性和可靠性很高;当n=2时/>表示的是骨骼度U与纹理重合度Z存在轻度相关,说明利用综合运算模型2对用户身份认证识别的准确性和可靠性较高;当n=3时/>表示的是骨骼度U与纹理重合度Z不存在相关关系,说明利用综合运算模型2对用户身份认证识别的准确性和可靠性较差,骨骼识别模型与指纹识别模型相结合的综合运算模型来进行身份认证的效果较差,所以两者无需结合;
当生成综合认证模型,还将综合认证模型发送到认证服务器内储存;
复检分析以判定认证完成实现身份认证的具体过程是:
复检分析模块再次采集用户的多重认证信息中的任意两种信息并获取认证服务器内储存的综合认证模型;且将任意两种信息与综合认证模型进行复检分析并判断认证完成,即采集某用户面部图像信息和指纹信息和骨骼断层信息,其中分别包含为矩阵的行数p、为矩阵的列数d、为特征图的层数a、指纹排列特征值F、指纹大小G、头部骨骼大小为B1、上半身骨骼大小为B2、下半身骨骼大小为B3,将信息分别发送至面部识别模块和指纹识别模块,进而计算面识度M和纹理重合度Z、骨骼度U,选取综合模型所需要的度量值并代入,当计算结果在预设综合区间[h,l]内,则判定认证完成实现身份认证。
综合上述过程,通过用户注册登录时,采集用户相关数据信息并进行整合,有利于为各模块提供有用的数据信息并进行识别分析进而为用户进行身份认证带来便利;且通过了面部识别分析、指纹识别分析、骨骼识别分析,有助于快速得出分析结果从而确认用户的身份,并提高了系统的安全性;通过对已采集的用户面部图像进行识别分析以初步认证用户的身份,有助于可以准确的识别出每个用户的特征,并且不受外界环境的影响;而通过对已采集的用户指纹进行识别分析以进一步认证用户的身份,有助于提高系统识别速率以及便于各年龄段的用户进行操作。此外,通过已采集的用户骨骼断层信息进行骨骼识别分析以及分别与面部识别模型和指纹识别模型相结合分析,选取最终适用的综合认证模型并进行了复检分析,便于用户进行下一次身份认证,有助于身份认证系统进行优化,进而提高系统的安全性能。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,本发明中的预设值均为标准模型情况通过人为设定的值,这样用于保证采集的信息不会较差,以保证复检和后续的验证使用,以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。