KR20160144419A - 신원들을 검증하기 위한 방법 및 시스템 - Google Patents

신원들을 검증하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20160144419A
KR20160144419A KR1020167030810A KR20167030810A KR20160144419A KR 20160144419 A KR20160144419 A KR 20160144419A KR 1020167030810 A KR1020167030810 A KR 1020167030810A KR 20167030810 A KR20167030810 A KR 20167030810A KR 20160144419 A KR20160144419 A KR 20160144419A
Authority
KR
South Korea
Prior art keywords
verified
user
information
predetermined
server
Prior art date
Application number
KR1020167030810A
Other languages
English (en)
Other versions
KR102038851B1 (ko
Inventor
리종 리
Original Assignee
알리바바 그룹 홀딩 리미티드
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 알리바바 그룹 홀딩 리미티드 filed Critical 알리바바 그룹 홀딩 리미티드
Publication of KR20160144419A publication Critical patent/KR20160144419A/ko
Application granted granted Critical
Publication of KR102038851B1 publication Critical patent/KR102038851B1/ko

Links

Images

Classifications

    • G06K9/00892—
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
    • G06K9/0008—
    • G06K9/00087—
    • G06K9/001—
    • G06K9/00523—
    • G06K9/00617—
    • G06K9/6211—
    • G06K9/6293—
    • G06K9/685—
    • 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
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/322—Aspects of commerce using mobile devices [M-devices]
    • G06Q20/3224—Transactions dependent on location of M-devices
    • 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
    • G06Q20/40145—Biometric identity checks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • 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
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G06V40/1359—Extracting features related to ridge properties; Determining the fingerprint type, e.g. whorl or loop
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G06V40/1376—Matching features related to ridge properties or fingerprint texture
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Finance (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

신원들을 검증하는 것은, 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여, 검증될 사용자로부터 수집된 생체측정 정보에 적어도 부분으로 기초하여 특징점 정보를 얻는 것, 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트와 비교하는 것, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우, 검증될 사용자가 입력한 검증 데이터를 수신하는 것, 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하는 것; 검증 데이터와 사전 설정된 데이터가 동일한 경우, 검증될 사용자를 검증하는 것을 포함한다.

Description

신원들을 검증하기 위한 방법 및 시스템{METHOD AND SYSTEM FOR VERIFYING IDENTITIES}
본 출원은 2014년 6월 3일 출원되었고, 발명의 명칭이 "A METHOD AND A SYSTEM FOR VERIFYING IDENTITIES AND A METHOD AND A SERVER FOR PROCESSING SERVER DATA"인 중화인민공화국 특허출원 제201410242379.7호를 우선권으로 주장하고, 이 특허출원은 모든 목적들을 위해 참조로서 본 명세서에 통합된다.
본 출원은 신원들을 검증하기 위한 방법 및 시스템에 관한 것이다.
신원 검증은 다양한 기술들에 의해 사용자의 신원을 검증하는 것에 관한 것이다. 생체측정에 기반한 신원 검증은 사용자의 지문, 홍채, 등에 의해 기초하여 사용자의 신원을 검증하는 것에 관한 것이다. 사용자들의 지문들 및 홍채들 모두 불변이고 고유한 것이다. "불변"은 지문 또는 홍채가 손상되지 않는다면, 지문 또는 홍채가 긴 기간의 시간에 걸쳐 변화하지 않는다는 사실에 관한 것이다. "고유함"은 지문 또는 홍채가 유일한 패턴을 갖는다는 사실에 관한 것이다. 상이한 사용자들의 지문들 또는 홍채들의 패턴들은 상이하여, 지문 또는 홍채는 사용자를 고유하게 확인할 수 있다.
기존의 생체측정에 기반한 신원 검증의 일 예로서 지문들을 사용하여, 지문들의 사전 등록이 간혹 사용된다. 검증 기술은 사용자 신원이 검증되려할 때마다 수행된다. 등록 절차는 기본적으로: 수집 단말기들을 통해 사용자의 지문들의 이미지들을 수집하는 단계, 지문들로부터 특징 점 정보를 추출하는 단계, 및 추출된 특징 점 정보를 저장하는 단계를 포함한다. 특징점 정보는 특징점 유형들, 좌표들, 방향들 및 다른 이러한 파라미터들을 포함한다. 특징점 유형들은 라인 패턴의 종료점들, 도트들, 또는 루프들을 포함한다. 신원 검증 도중에, 검증될 사용자의 지문은 수집 단말기들을 통해 수집된다. 검증될 사용자의 지문은 사전처리를 받고, 특징점 정보가 추출된다. 검증될 사용자의 특징점 정보는 저장된 특징점 정보와 비교된다. 검증될 사용자의 특징점 정보와 저장된 특징점 정보 사이의 일치 수준이 미리 결정된 임계값에 도달할 때, 검증될 사용자가 검증된다.
일부 환경들 하에서, 이미 등록된 사용자는 일부 특정 이유로 인해 자신의 신원을 검증하는데 어려움을 갖고, 그 결과 사용자의 정상 업무 및 삶에 영향을 미친다. 예컨대, 수집 단말기는 너무 긴 시간 기간 동안 사용되어, 수집 단말기의 내부 구성요소들은 노화되고, 수집된 이미지들은 낮은 품질일 수 있다. 결과적으로, 추출된 특징점 정보는 완전하지 않을 것이고, 이는 미리 결정된 임계값에 도달하는데 실패하는 일치 레벨을 초래하여, 검증될 사용자의 검증을 어렵게 한다. 또한, 일부 사용자들의 물리적인 특징들은 충분히 명확하지 못하여, 유용한 생체측정 정보를 제공하지 못한다. 예컨대, 사용자의 지문들은 흉터, 등에 의해 자연적으로 희미하거나 명확하지 않을 수 있다. 이러한 경우, 수집 단말기에 의해 수집된 이미지 품질은 상대적으로 낮을 수 있다. 결과적으로, 추출된 특징점 정보는 불완전할 수 있고, 이는 미리 결정된 임계값 미만의 일치 레벨을 초래하여, 검증될 사용자의 검증을 어렵게 만든다. 손가락의 피부가 벗겨지거나 또는 손가락의 땀샘들이 과도하게 발달하거나, 또는 홍채가 충혈될 때와 같은 일부 특정 상황들 하에서, 사용자는 또한 검증이 어렵다는 것을 발견할 수 있다. 위의 상황들 하에서, 사용자는 낮은 신원 검증 통과 비율들을 경험하여, 이러한 사용자들에 대한 상당한 다툼들을 초래할 수 있다. 예컨대, 도어 보안 시스템이 지문 또는 홍채 신원확인 특징을 가질 때, 사용자 신원의 검증의 실패는 사용자가 도어를 열 수 없는 결과를 초래한다. 사용자 신원을 검증하기 위하여 생체측정을 사용하는 금융 상품의 예에서, 자신의 신원을 검증하는데 실패한 사용자는 원하는 금융 상품을 구매할 수 없다.
본 발명은, 장치; 시스템; 물질의 조성; 컴퓨터 판독 가능한 저장 매체 상에서 구현되는 컴퓨터 프로그램 제품; 및/또는 프로세서에 결합된 메모리에 저장된 및/또는 이러한 메모리에 의해 제공된 명령들을 실행하도록 구성된 프로세서와 같은 프로세서를 하나의 프로세스로서 포함하는 다양한 방식들로 구현될 수 있다. 본 명세서에서, 이들 구현들, 또는 본 발명이 취할 수 있는 임의의 다른 형태는 기술들로서 언급될 수 있다. 일반적으로, 개시된 프로세스들의 단계들의 순서는 본 KF명의 범위 내에서 변경될 수 있다. 달리 언급되지 않으면, 업무를 수행하도록 구성되는 것으로 기술된 프로세서 또는 메모리와 같은 구성요소는, 주어진 시간에 업무를 수행하도록 일시적으로 구성되는 범용 구성요소로서, 또는 업무를 수행하도록 제작되는 특수 구성요소로서 구현될 수 있다. 본 명세서에서 사용되는 "프로세서"는 하나 이상의 디바이스들, 회로들, 및/또는 컴퓨터 프로그램 명령들과 같은 데이터를 처리하도록 구성된 처리 코어들을 언급한다.
본 발명의 하나 이상의 실시예들의 상세한 설명은 본 발명의 원리들을 도시하는 첨부 도면들과 함께 아래에 제공된다. 본 발명은 이러한 실시예들과 관련하여 기술되지만, 본 발명은 임의의 실시예에 국한되지 않는다. 본 발명의 범주는 오로지 청구항들에 의해 제한되고, 본 발명은 다양한 대안들, 수정들 및 등가물들을 포함한다. 다양한 특정 세부사항들은 본 발명의 철저한 이해를 제공하기 위하여 다음의 설명에서 설명된다. 이들 세부사항들은 예시의 목적으로 제공되고, 본 발명은 이들 특정 세부사항들의 일부 또는 전부 없이 청구항들에 따라 실시될 수 있다. 명확성을 위해, 본 발명에 관련된 기술분야에서 알려진 기술 자료들은 본 발명이 불필요하게 모호하게 되지 않도록 상세하게 기술되지 않았다.
본 발명의 다양한 실시예들은 다음의 상세한 설명 및 첨부 도면들에 개시된다.
도 1은 신원들을 검증하기 위한 프로세스의 일 실시예의 흐름도.
도 2는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도.
도 3은 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도.
도 4는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도.
도 5는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도.
도 6은 신원들을 검증하기 시스템의 일 실시예의 모듈도.
도 7은 서버 데이터를 처리하기 위한 프로세스의 일 실시예의 흐름도.
도 8은 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도.
도 9는 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도.
도 10은 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도.
도 11은 검증 데이터를 수신하기 위한 프로세스의 일 실시예의 흐름도.
도 12은 검증될 사용자를 검증하기 위한 프로세스의 일 실시예의 흐름도.
도 13은 신원들을 검증하기 위한 서버의 일 실시예의 기능 모듈도.
도 14는 신원들을 검증하기 위한 서버의 다른 실시예의 기능 모듈도.
도 15는 신원들을 검증하기 위한 시스템의 일 실시예의 도면.
도 16은 신원들을 검증하기 위한 프로그램된 컴퓨터 시스템의 일 실시예를 도시하는 기능도.
도 1은 신원들을 검증하기 위한 프로세스의 일 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(100)는 도 15의 서버(1510)에 의해 구현되고, 다음을 포함한다.
110에서, 검증될 사용자의 생체측정 정보가 수집된다.
다음의 논의에서, 지문 이미지들 또는 홍채 이미지들을 포함하는 생체측정 정보는 일 예를 제공하기 위하여 논의된다. 인간의 얼굴 이미지, 홍채 이미지, 장문 이미지, 보행 비디오, 음성 오디오, 귀 형태 이미지, 등과 같은 다른 유형들의 생체측정 정보가 또한 사용될 수 있다. 일부 실시예들에 있어서, 생체측정 정보 대신에, 서명 이미지들, QR(quick response) 코드들, 바 코드들, 또는 다른 특정 이미지들이 사용자를 검증하기 위하여 사용될 수 있다.
120에서, 서버는 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여 생체측정 정보로부터 특징점 정보를 추출한다.
일부 실시예들에 있어서, 생체측정 정보는 복수의 조각들의 특징점 정보를 포함하고, 복수의 조각들의 특징점 정보는 특징점 정보 세트를 형성한다. "특징점 정보"는 사용자의 생물학에 기인한 특징들에 대응한다. 지문 이미지에 대응하는 생체측정 정보에 관한 일 예에서, 지문 선 패턴 내의 특징점들의 유형들은 종점들, 분기점들, 도트들, 루프들, 또는 이들의 임의의 조합을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 및 다른 이러한 파라미터들을 포함한다. 홍채 이미지에 대응하는 생체측정 정보에 관련된 일 예에서, 홍채 내의 특징점들의 유형들은 왕관들, 유리체, 필라멘트들, 스폿들, 구조들, 함몰들, 방사조직들, 주름들, 또는 줄무늬들을 포함할 수 있다. 특징점 정보는 특징점 유형, 좌표들, 방향, 크기 및 다른 이러한 파라미터들을 포함할 수 있다. 각 특징점 정보 세트는 사용자 생체 특징들로부터 추출되고, 특징점 정보 세트는 사용자를 고유하게 확인할 수 있다.
130에서, 서버는 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트와 비교한다.
일부 실시예들에 있어서, 사용자의 생체측정 정보는 미리 수집된다. 일부 실시예들에 있어서, 사전 설정된 특징점 정보 세트들은 생체측정 정보로부터 추출된 특징점 정보 세트들이다. 특징점 정보 세트들은 검증될 사용자가 검증을 통과하기 위하여 인가될지의 여부에 관한 사전 설정된 특징점 정보 세트들로서 미리 저장된다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 2개의 조각들이 동일한지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택되고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들을 갖는 특징점 정보와 비교되고, 이들 특징점들의 유형, 방향, 및 다른 정보가 동일한지 여부에 대해 결정된다. 위의 기술은 또한 알려진 퍼지 알고리즘과 추가로 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보가 사전 설정된 특징점 정보로부터 선택되어, 현재 선택된 특징점 정보와 비교된다. 퍼지 알고리즘은 당업자에 의해 이해되고, 간결함을 위해 추가로 설명되지 않을 것이다. 따라서, 특징점 정보가 좌표들을 제외하고 동일하다고 결정될 때, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표를 사전 설정된 특징점 정보 세트 내의 좌표로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트들의 양은 적어도 1이 될 수 있다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 때, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 별도로 매칭될 수 있다.
140에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자에 의해 입력된 검증 데이터를 수신한다. 예컨대, 생체측정 데이터를 수집하는 사용자 단말기 또는 디바이스(예, 지문/홍채 스캐너)는 또한 검증 데이터가 필요한 것을 표시하는 프롬프트를 사용자에게 디스플레이하는 디스플레이를 포함할 수 있고, 사용자 단말기는 또한 사용자가 검증 데이터를 입력하기 위한 키보드, 키패드, 또는 다른 데이터 입력 인터페이스를 포함한다. 검증 데이터는 사용자 단말기에 의해 서버로 전송된다.
150에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다. 일부 실시예들에 있어서, 사전 설정된 데이터는 사용자에 의해 구성되고 서버에 의해 저장된다. 예컨대, 사용자는 초기 생체측정 데이터 수집 프로세스 도중에 사전 설정 데이터를 구성하도록 촉구될 수 있다.
160에서, 검증 데이터가 사전 설정된 데이터와 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 매칭의 정도는 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 사전 설정된 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다. 일부 실시예들에 있어서, 매칭의 정도는, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 검증될 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다.
170에서, 매칭의 정도가 제 1의 미리 결정된 임계값보다 클 경우, 서버는 검증될 사용자를 검증한다. 일부 실시예들에 있어서, 제 1의 미리 결정된 임계값은 검증될 사용자가 직접 검증된다고 결정하기 위한 매칭의 최소 정도에 대응한다. 즉, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1의 미리 결정된 임계값 이상일 때, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 클 경우, 이러한 결정은 검증될 특징점 정보 세트 내의 특징점 정보의 특정 양이 사전 설정된 특징점 정보 세트와 동일함을 나타낸다. 몇 가지 가능한 상황들이 존재한다. 제 1 상황에 있어서, 검증될 사용자는 검증되도록 인가되지만, 수집된 생체측정 정보의 품질은 수집 단말기의 노후로 인해 비교적 열악하다. 대안적으로, 사용자가 상처를 입을 수 있거나, 또는 달리 수집 단말기에 의해 수집된 생체측정 정보의 상대적으로 열악한 품질을 초래할 수 있고, 생체측정 정보의 상대적으로 열악한 품질은 매칭의 정도를 제 1의 미리 결정된 임계값보다 작게 야기한다. 제 2 상황에 있어서, 검증될 사용자는 검증되도록 인가되지 않지만, 검증될 사용자의 검증될 특징점 정보 세트는 특징점 정보의 일부에 대해 사전 설정된 특징점 정보 세트와 객관적으로 동일하다. 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 큰 다른 이유들이 존재한다. 위의 상황들은, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고 제 2의 미리 결정된 임계값보다 큰 상황들에 관한 단순한 예이고, 제한들을 구성하지는 않는다.
180에서, 매칭의 정도가 제 2의 미리 결정된 임계값 미만인 경우, 서버는 사용자를 검증하지 않는다. 일부 실시예들에 있어서, 매칭의 정도가 제 2의 미리 결정된 임계값 미만일 때, 이러한 시나리오는 검증될 특징점 정보 세트 내의 특징점들의 작은 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 즉, 검증될 사용자가 검증되도록 인가될 가능성은 제거된다.
일부 실시예들에 있어서, 미리 결정된 데이터는 미리 사용자로부터 수집되어 사용자에 의해 저장된 데이터이다. 이러한 데이터는 미리 사용자에 의해 설정된 사전 설정된 특징점 정보 세트들에 따라 저장된다. 즉, 특정 사전 설정된 특징점 정보 세트가 주어지면, 사전 설정된 데이터가 데이터베이스에서 찾아질 수 있다. 이러한 데이터는 다음과 같이 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값과 제 2 미리 결정된 임계값 사이일 때, 미리 결정된 데이터와 동일한 검증 데이터가 입력된다. 결과적으로, 검증 데이터를 미리 결정된 데이터와 동일하게 하는 것은 검증될 사용자가 검증을 통과하도록 인가되는 것을 나타낸다. 일부 실시예들에 있어서, 미리 결정된 데이터는 하나 이상의 숫자들, 문자들, 또는 기호들을 포함하는 문자열에 대응한다.
일부 실시예들에 있어서, 검증 데이터와 미리 결정된 데이터가 상이한 경우, 검증될 사용자의 신원은 검증에 실패할 것이다. 즉, 검증될 사용자는 추가 동작들을 수행하기 위한 권한을 갖지 못할 것이다. 실패 통보는 사용자에 전송된다.
일부 실시예들에 있어서, 검증될 사용자가 일부 이유들로 인해 제 1 미리 결정된 임계값보다 작은 매칭의 정도를 갖고 검증에 실패하지만, 검증 데이터를 입력함으로써 생체측정 정보 매칭을 통과하여 검증되는 일부 경우들이 존재한다. 이러한 기술은 검증될 사용자의 편의를 위한 것이다. 일 예에서, 수집된 생체측정 정보는 수집 단말기의 노후로 인해 상대적으로 열악한 품질이거나, 또는 검증될 사용자 자신의 물리적인 조건에서 변화한다. 이후 추출되는 검증될 특징점 정보 세트는, 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰, 사전 설정된 특징점 세트에 대한 매칭 정도를 갖는다. 검증될 사용자가 검증되도록 인가되었다고 간주하면, 검증될 사용자는 검증 데이터를 입력한다. 검증 데이터는 이후 사전 설정된 데이터와 비교된다. 검증 데이터와 사전 설정된 데이터가 동일하면, 검증될 사용자의 신원은 확인될 수 있고, 이는 검증될 사용자가 검증되는 것을 나타낸다. 사용자는 이와 같이 생체측정 정보 매칭 프로세스를 다시 수행하는 것으로부터 면제된다. 더욱이, 이러한 기술은, 수집 단말기의 노후 또는 검증될 사용자의 물리적인 조건들의 변화들로 관한 이유들로 인해, 수집된 생체측정 정보가 상대적으로 낮은 품질일 때, 사용자가 검증되는 것을 허용한다.
본 실시예에 의해 제공되는 신원들을 검증하기 위한 프로세스는 생체측정 정보 수집 기능을 갖는 사용자 단말기 또는 생체측정 수집 단말기 및 서버를 포함하는 하드웨어 시스템에 적용될 수 있다. 일 예로서, 신원을 검증하기 위한 이러한 프로세스가 생체측정 정보 수집 기능을 갖는 도어 보안 시스템에 적용된 후, 도어 보안 시스템의 보안 성능은 증진될 수 있다. 신원을 검증하기 위한 이러한 프로세스가 신원을 검증하기 위하여 생체측정 정보를 사용하는 지불 시스템(생체측정 수집 단말기 및 서버를 포함)에 적용된 후, 지불 시스템의 보안 성능은 증진될 수 있고, 사용자들은 더 큰 편리성을 경험할 수 있다.
도 2는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(200)는 사용자 단말기(1520) 및 서버(1510)를 포함하는 도 15의 시스템(1500)에 의해 구현되고, 다음을 포함한다:
210에서, 사용자 단말기는 검증될 사용자에 대한 생체측정 정보를 수집하여 생체측정 정보를 포함하는 메시지를 서버에 전송한다.
일부 실시예들에 있어서, 사용자 단말기는 검증될 사용자에 대한 생체측정 정보를 수집한다. 일 예에 있어서, 수집될 생체측정 정보가 지문 이미지인 경우, 사용자 단말기는 광학 지문 판독기, 용량성 지문 센서, 또는 무선주파수 지문 센서를 포함한다. 다른 예에서, 수집될 생체측정 정보가 홍채 이미지인 경우, 사용자 단말기는 광학 카메라와 같은 이미지 캡쳐링 디바이스를 포함한다.
일부 실시예들에 있어서, 사용자 단말기와 서버 사이에서 통신이 발생한다. 이러한 통신은 인터넷 또는 LAN을 통해 발생할 수 있다. 사용자 단말기는 수집된 생체측정 정보를 장래의 분석을 위해 서버에 전송한다.
220에서, 서버는 생체측정 정보를 수신한다.
230에서, 서버는 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여 생체측정 정보로부터 특징점 정보를 추출한다.
240에서, 서버는 검증될 특징점 정보 세트를 미리(예, 프로세스(200)가 시작되기 전에) 저장된 사전 설정된 특징점 정보 세트와 비교한다.
250에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
260에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
270에서, 검증 데이터가 사전 설정된 데이터와 동일한 경우, 서버는 검증될 사용자를 검증한다.
280에서, 매칭의 정도가 제 1 미리 결정된 임계값보다 클 때, 서버는 검증될 사용자를 검증한다.
290에서, 매칭의 정도가 제 2 미리 결정된 임계값 미만일 때, 서버는 사용자를 검증하지 않는다.
일부 실시예들에 있어서, 서버는 컴퓨팅 및 저장 기능을 갖는 컴퓨터 장비에 대응한다. 사전 설정된 특징점 정보 세트는 서버에 사전에 저장될 수 있다. 서버는 검증될 사용자가 사전 설정된 특징점 정보 세트에 기초하여 검증되도록 인가되었는지의 여부를 결정한다. 일부 실시예들에 있어서, 사용자의 생체측정 정보는 미리 수집될 수 있다. 서버는 생체측정 정보로부터 특징점 정보 세트들을 추출하고, 특징점 정보 세트들이 검증될 사용자들이 검증되도록 인가되는지의 여부를 결정하기 위한 기초로서 순차적으로 판독될 수 있도록, 하나 이상의 규칙들의 세트에 기초하여 특징점 정보 세트들을 저장한다. 적어도 하나의 사전 설정된 특징점 정보 세트는 서버에 저장될 수 있고, 서버는 다양한 사용자 단말기들이 전송한 생체측정 정보를 수신할 수 있다. 따라서, 사전 설정된 특징점 정보 세트들이 서버 내에 저장된 후, 사용자들은 다양한 위치들에서 검증된 자신의 인가 레벨들을 가질 수 있고(예, 계약자는 오로지 특정 입구들에 대한 액세스를 가질 수 있지만, 관리자는 추가적인 입구들에 대한 액세스를 가질 수 있다), 검증 이후 추가적인 동작들을 수행할 수 있다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 2개의 특징점 정보가 동일한지의 여부에 관한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예로서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택되고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교되고, 이들 특징점 정보의 유형, 방향 및 다른 정보가 동일한지의 여부에 대해 결정된다. 위의 기술은 또한 추가로 퍼지 알고리즘과 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되고, 현재 선택된 특징점 정보와 비교된다. 따라서, 좌표들을 제외하고 특징점 정보가 동일한 것이 결정되는 경우, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트들의 양은 적어도 하나일 수 있다. 사전 설정된 특징점 정보 세트들의 양이 2 이상인 경우, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 개별적으로 매칭될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 사용자에 의해 미리 제공되어 서버에 저장된 데이터에 대응한다. 서버는 사용자에 의해 미리 제공된 사전 설정된 특징점 정보 세트들에 따라 미리 결정된 데이터를 저장한다. 미리 결정된 데이터는 다음을 위하여 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값 및 제 2 미리 결정된 임계값 사이일 때, 검증 데이터는 사용자에 의해 입력된다. 검증 데이터가 미리 결정된 데이터와 동일한 경우, 검증될 사용자가 검증된다. 예컨대, 미리 결정된 데이터는 하나 이상의 숫자들, 문자들, 또는 기호들을 포함하는 문자열일 수 있다.
예컨대, 프로세스(200)는 사용자 단말기들과 서버를 결합하는 하드웨어 시스템에 의해 수행될 수 있다. 당업자에 대해서는, 프로세스(200)가 사용자 단말들만으로 수행될 수도 있다. 예컨대, 사전 설정된 특징 정보 세트들은 그들의 대응하는 미리 결정된 데이터와 함께 사용자 단말들에 저장된다.
도 3은 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(300)는 사용자 단말기(1520)와 서버(1510)를 포함하는 도 15의 시스템(1500)에 의해 구현되고, 다음을 포함한다:
310에서, 사용자 단말기는 검증될 사용자에 대한 생체측정 정보를 수집한다.
320에서, 사용자 단말기는 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여 생체측정 정보로부터 특징점 정보를 추출한다.
330에서, 사용자 단말기는 검증될 특징점 정보 세트를 포함하는 메시지를 사용자에 전송한다.
일부 실시예들에 있어서, 사용자 단말기는 생체측정 정보 수집 기능 및 컴퓨팅 및 처리 성능들을 포함한다. 더욱이, 특징점 정보는 검증될 특징점 정보 세트를 얻기 위하여 미리 결정된 알고리즘에 기초하여 생체측정 정보로부터 추출된다.
340에서, 서버는 검증될 특징점 정보 세트를 포함하는 메시지를 수신한다.
350에서, 서버는 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트와 비교한다.
360에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자에 의해 입력된 검증 데이터를 수신한다.
370에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
380에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 서버는 컴퓨팅 및 저장 기능들을 갖는 컴퓨터 장비에 대응한다. 사전 설정된 특징점 정보 세트는 서버에 사전에 저장될 수 있다. 서버는, 검증될 사용자가 사전 설정된 특징점 정보 세트에 기초하여 검증되도록 인가될지의 여부가 결정된다. 일 예로서, 사용자 단말기는 미리 사용자의 생체측정 정보를 수집하고, 특징점 정보 세트를 추출할 수 있다. 서버는, 검증될 사용자들이 특징점 정보 세트에 기초하여 검증되도록 인가될지의 여부를 서버가 결정할 수 있도록, 하나 이상의 규칙들의 세트에 기초하여 특징점 정보 세트를 저장한다. 적어도 하나의 사전 설정된 특징점 정보 세트는 서버에 저장될 수 있고, 서버는 상이한 사용자 단말기들에 의해 전송된 생체측정 정보를 수신할 수 있다. 따라서, 사전 설정된 특징점 정보 세트들이 서버에 저장된 후, 사용자들은 다양한 위치들에서 검증된 그들의 권한 레벨을 가질 수 있고, 검증되는 것에 뒤이어 동작들을 수행할 수 있다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 각 조각과 특징점 정보가 동일한지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택될 수 있고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교될 수 있고, 이들 특징점들의 유형, 방향 및 다른 정보가 동일한지의 여부에 대해 결정될 수 있다. 위의 기술은 또한 퍼지 알고리즘과 추가로 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되어, 현재 선택된 특징점 정보와 비교된다. 따라서, 좌표들을 제외하고 동일한 특징점 정보가 결정될 때, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 일부 실시예들에 있어서, 사전 설정된 특징점 정보 세트의 양은 적어도 1이다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 때, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 개별적으로 매칭될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 미리 사용자에 의해 제공되어 서버에 저장된 데이터이다. 서버는 미리 사용자로부터 얻어진 사전 설정된 특징점 정보 세트들에 부합하는 미리 결정된 데이터를 저장한다. 미리 결정된 데이터는 다음을 위해 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값과 제 2 미리 결정된 임계값 사이일 때, 미리 결정된 데이터와 동일한 검증 데이터가 입력되어, 검증될 사용자가 검증을 통과하도록 인가됨을 나타낸다. 예컨대, 미리 결정된 데이터는 하나 이상의 숫자, 문자들, 또는 기호들을 포함하는 문자열이다.
도 4는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(400)는 도 15의 서버(1510)에 의해 수행되는, 도 1의 프로세스(100), 도 2의 프로세스(200), 또는 도 3의 프로세스(300)의 연속물이고, 다음을 포함한다:
410에서, 매칭의 정도가 제 1 미리 결정된 임계값보다 클 때, 서버는 검증될 사용자의 미리 결정된 위치지정 단말기의 위치 정보를 획득한다.
420에서, 서버는, 미리 결정된 위치지정 단말기 및 검증될 사용자의 생체측정 정보를 수집하는 사용자 단말기가 대략 동일한 위치에 있는지의 여부를 결정한다. 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있지 않은 경우, 제어는 430으로 진행하고; 그렇지 않을 경우, 제어는 460으로 진행한다.
일부 실시예들에 있어서, 미리 결정된 위치지정 단말기는 위치 정보를 생성하기 위하여 범지구 위치결정 시스템(GPS) 또는 통신 기지국들을 사용하는 디바이스이다. 일 예로서, 미리 결정된 위치지정 단말기는 모바일폰이다. 서버는 미리 결정된 특징 정보 세트들에 대응하는 사용자 모바일폰의 번호들을 사전에 저장한다. 서버가 모바일폰의 위치 정보를 획득하게 하는 기술은 다음을 포함할 수 있다: 서버는 위치 정보에 대한 요청을 모바일폰에 발행한다. 모바일폰이 위치 정보에 대한 요청을 수신한 후, 모바일폰은 위치지정 정보를 생성하기 위하여 GPS 위치지정 기능 또는 기지국 위치지정을 사용하는 위치지정 기능이 될 수 있는 위치지정 기능을 활성화시키고, 위치지정 결과들을 서버에 피드백한다.
일부 실시예들에 있어서, 사용자 단말기의 위치는 사전에 구성되어 저장된다. 일부 실시예들에 있어서, 사용자 단말기는 또한 위치지정 디바이스를 포함한다. 위치지정 디바이스는 사용자 단말기 위치 정보를 생성할 수 있다. 예컨대, 위치지정 디바이스는 GPS 신호를 수신하고, 이후 위치 정보를 생성하고, 위치 정보를 서버에 제공한다.
위치지정 단말기 및 사용자 단말기에 의해 결정된 위치들은 비교된다. 일부 실시예들에 있어서, 2개의 위치들 사이의 거리는 위치들의 각 좌표들을 사용하여 계산된다. 거리가 미리 한정된 임계값 미만인 경우, 위치지정 단말기 및 사용자 단말기는 대략 동일한 위치에 있다고 간주된다.
위치지정 단말기 및 사용자 단말기가 대략 동일한 위치에 있지 않은 경우, 430에서, 서버는 사용자 단말기를 통해 검증될 사용자에 의해 입력된 검증 데이터를 수신한다.
440에서, 서버는 검증 데이터와 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터를 비교한다.
450에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있지 않다고 서버가 결정하는 경우, 서버는 사용자 단말기를 통해 검증 데이터를 수신할 것이고, 이에 의해 신원 검증의 보안을 증진시킨다. 예컨대 재원, 은밀한 데이터, 또는 기밀들을 수반하는 상황들의 일부 경우들에서, 신원 검증을 위한 요건들은 증진된다. 생체측정 정보 만의 검증은 위조될 수 있다. 일 예에서, 범죄자는 임의의 채널을 통해 사용자의 지문 또는 홍채를 획득하고, 위조 기술을 사용하여 사용자의 지문 또는 홍채를 위조한다. 예컨대, 이러한 범죄자는 사용자의 지문을 포함하는 손가락 장갑을 제작하거나 또는 지문 또는 홍채 특징점 정보 세트를 추출하여, 검증을 위해 이러한 특징점 정보 세트를 서버에 전송한다. 범죄자는 상술한 바와 같이 검증될 수 있고, 이후 사용자에 대한 경제적 손실 또는 사용자의 중요한 정보의 누설을 야기할 수 있다. 일부 실시예들에 있어서, 사용자가 휴대하는 미리 결정된 위치지정 디바이스가 사용자 단말기와 동일한 위치에 있는지의 여부를 결정하는 것은 위조 생체측정 정보에 기초한 신원 검증을 방지할 수 있다. 이러한 기술은 사용자의 증진된 보안을 초래한다.
460에서, 미리 결정된 위치지정 단말기와 사용자 단말기가 대략 동일한 위치에 있는 경우, 서버는 검증될 사용자를 검증한다.
도 2의 동작(210) 또는 도 3의 동작(300)으로 되돌아 가면, 일부 실시예들에 있어서, 사용자 단말기에 의해 서버로 전송된 메시지는 또한 사용자 단말기의 위치 정보를 포함한다. 일부 실시예들에 있어서, 사용자 단말기는 고정된 위치에서 사용된다. 이러한 경우, 사용자 단말기가 생체측정 정보를 발행할 때마다 위치 정보가 부착되고, 따라서 서버가 사용자 단말기의 위치 정보를 획득하는 것을 가능하게 하도록, 위치 정보는 미리 설정된다. 물론, 사용자 단말기는 또한 위치지정 모듈, 예컨대 위치 정보를 생성하기 위하여 GPS 신호들을 사용하는 모듈을 포함할 수 있다. 이러한 방식으로, 사용자 단말기는 상이한 위치들에서 사용될 수 있다.
도 5는 신원들을 검증하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(500)는 도 15의 서버(1510)에 의해 수행되는, 도 1의 프로세스(100), 도 2의 프로세스(200), 도 3의 프로세스(300) 또는 도 4의 프로세스(400)의 연속물이고, 다음을 포함한다:
510에서, 서버는 사용자가 입력한 사업 데이터를 수신한다.
일부 실시예들에 있어서, 검증될 사용자에 대한 생체측정 정보가 수집되기 전에, 서버는 검증될 사용자가 입력한 사업 데이터를 수신한다. 검증될 사용자가 입력한 사업 데이터는 또한 검증될 사용자에 대한 생체측정 정보가 수집된 후 수신될 수 있다.
일부 실시예들에 있어서, 사용자 단말기는 사용자 단말기가 생체측정 정보를 서버에 전송할 때마다 사업 데이터를 부착한다. 이러한 방식으로, 사용자 단말기는 사업 데이터를 서버에 제공한다. 일부 실시예들에 있어서, 사용자 단말기는, 사용자 단말기가 특징점 정보 세트를 서버에 송신할 때, 사업 데이터를 부착한다.
일부 실시예들에 있어서, 프로세스(500)는 소비자가 상점에서 쇼핑하는 상황들에 적용된다. 즉, 사업 데이터는 소비자의 소비량, 상인 정보, 및 다른 거래관련 데이터를 포함하고, 소비자는 프로세스(500)에 기초하여 소비자의 신원을 검증한다.
520에서, 매칭의 정도가 제 1 미리 결정된 임계값보다 큰 경우, 서버는 사업 데이터가 사전 설정된 규칙을 준수하는 지의 여부를 결정한다. 사전 설정된 규칙의 세부사항들은 아래에 기술된다.
530에서, 사업 데이터가 사전 설정된 규칙을 준수하지 않는 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
540에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
550에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 사전 설정된 규칙은 사업 데이터를 위해 예상된 값, 사업 데이터 값에 대한 제한(예, 최대 소비량), 또는 사업 데이터의 역사적 값의 범위(예, 평균적인 역사적 소비량)를 설정한다. 미리 결정된 규칙에 대한 사업 데이터의 준수는 사업 데이터가 비정상이 아니고, 추가의 검증을 필요로 하지 않음을 나타낼 수 있다. 사업 데이터가 미리 결정된 규칙을 준수하지 않을 때, 이러한 비준수는 사업 데이터 값이 비정상일 수 있고, 검증될 사용자를 위해 추가 검증이 요청되어야 함을 나타낸다. 이러한 추가 검증은 사용자의 생체측정 정보의 누설로부터 초래될 수 있는 위조에 의해 야기된 손실로부터 사용자를 보호한다.
일부 실시예에 있어서, 프로세스(500)는 소비자들이 상점들에서 쇼핑하는 상황들에 적용된다. 상점들은 물리적인 상점들, 온라인 상점들, 또는 물리적인 및 온라인 상점들 모두가 될 수 있다. 미리 결정된 규칙은 사용자의 역사적인 소비 기록들의 분석에 기초하여 결정된 소비량 격차(spending amount interval)가 될 수 있고, 사업 데이터는 소비량 격차 내에 들도록 요구된다. 즉, 사업 데이터는 제 1 임계값보가 크고 제 2 임계값보다 작다. 사업 데이터가 소비량 격차 밖에 놓일 때, 사업 데이터는 사전 설정된 규칙을 준수하지 않는다고 간주된다. 사업 데이터는 현재의 소비량에 대응한다. 사업 데이터가 소비량 격차 밖에 놓일 때, 사업 데이터는 현재의 소비량이 사용자의 역사적인 소비 습관들을 위반했다고 나타낸다. 이러한 경우, 사용자의 생체측정 정보의 위조로부터 초래되는 재정 손실로부터 사용자를 보호하기 위하여 재검증이 필요하다. 예컨대, 재검증은 검증될 사용자가 검증 데이터를 입력하는 것을 필요로 하고, 서버는 이러한 검증 데이터가 사전 설정된 데이터와 동일한지의 여부를 결정한다. 예컨대, 사전 설정된 데이터는 범죄자가 얻기 어려운, 사전구성되어 기억된 패스워드에 대응한다. 재검증 동작은 보안 성능을 증진시킨다. 일 예에서, 소비량 격차의 최대값은 사용자의 역사적인 소비 기록들에서 가장 큰 단일 지출에 대응한다. 일부 실시예들에 있어서, 미리 결정된 규칙은 사용자의 역사적인 소비 기록들로부터 얻어진 중간 또는 평균 소비 값에 기초한다. 사업 데이터는 중간 또는 평균 소비 값의 미리 결정된 배수보다 적을 필요가 있다. 사업 데이터가 중간 또는 평균 소비 값의 미리 결정된 배수보다 클 때, 사업 데이터는 미리 결정된 규칙을 준수하지 않는다고 고려된다. 예컨대, 미리 결정된 배수는 1 내지 5이다.
도 6은 신원들을 검증하기 시스템의 일 실시예의 모듈도이다. 일부 실시예들에 있어서, 시스템(600)은, 도 1의 프로세스(100), 도 2의 프로세스(200) 또는 도 3의 프로세스(300)를 구현하도록 구성되고, 수집 모듈(610), 특징 추출 모듈(620), 매칭 모듈(630), 및 처리 모듈(640)을 포함한다.
일부 실시예들에 있어서, 수집 모듈(610)은 검증될 사용자에 대한 생체측정 정보를 수집한다.
일부 실시예들에 있어서, 생체측정 정보는 지문 이미지들, 사람의 얼굴 이미지들, 홍채 이미지들, 장문 이미지들, 보행 비디오, 음성 오디오, 귀 형태 이미지들, 서명 인식, 등을 포함한다. 일부 실시예들에 있어서, 생체측정 정보는 지문 이미지들 또는 홍채 이미지들을 포함한다.
일부 실시예들에 있어서, 수집 모듈(610)은 생체측정 정보 수집 기능을 포함하는 디바이스에 대응한다. 예컨대, 수집될 생체측정 정보가 지문 이미지에 대응하는 경우, 사용자 단말기는 광 지문 판독기, 용량성 지문 센서, 또는 무선주파수 지문 센서가 될 수 있다. 수집될 생체측정 정보가 홍채 이미지에 대응하면, 사용자 단말기는 광학 카메라와 같은 이미지 캡쳐 디바이스가 될 수 있다.
일부 실시예들에 있어서, 특징 추출 모듈(620)은 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 얻기 위하여 생체측정 정보로부터 특징점 정보를 추출한다.
일부 실시예들에 있어서, 생체측정 정보는 특징점 정보의 수 개의 조각들을 포함하고, 특징점 정보의 수 개의 조각들은 특징점 정보 세트를 형성한다. "특징점 정보"는 사용자의 생물학으로 인해 형성된 특징들에 대응한다. 생체측정 정보가 지문 이미지에 대응하는 일 예에서, 지문 라인 패턴 내의 특징점들의 유형은 종점들, 분기점들, 도트들 및 루프들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 및 다른 이러한 파라미터들을 포함한다. 생체측정 정보가 홍채 이미지에 대응하는 일 예에서, 홍채 내의 특징점들의 유형들은 왕관들, 유리체, 필라멘트들, 스폿들, 구조들, 함몰들, 방사조직들, 주름들, 또는 줄무늬들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 크기 및 다른 이러한 파라미터들을 포함할 수 있다. 각 특징점 정보 세트가 사용자 특징 정보로부터 추출되기 때문에, 특징점 정보 세트는 사용자를 고유하게 확인할 수 있다.
일부 실시예들에 있어서, 매칭 모듈(630)은 검증될 특징점 정보 세트를 미리 저정된 사전 설정된 특징점 정보 세트들에 대해 비교한다.
일부 실시예들에 있어서, 시스템(600)은 미리 사용자의 생체측정 정보를 수집한다. 사전 설정된 특징점 정보 세트들은 이러한 생체측정 정보로부터 추출된 특징점 정보 세트들에 대응할 수 있다. 이러한 특징점 정보 세트들은, 검증될 사용자가 검증을 통과하도록 인가될 지의 여부에 관한 사전 설정된 특징점 정보 세트들로서 미리 저장된다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 2개의 특징점 정보가 동일한지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택될 수 있고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교될 수 있고, 이들 특징점 정보의 유형, 방향 및 다른 정보가 동일한지의 여부에 대해 결정될 수 있다. 위의 기술은 퍼지 알고리즘과 추가로 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되고, 현재 선택된 특징점 정보와 비교된다. 따라서, 좌표들을 제외하고 동일한 특징점 정보가 확인될 때, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트의 양은 적어도 1이 될 수 있다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 때, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 개별적으로 매칭될 수 있다.
처리 모듈(640)의 일부 실시예들에 있어서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신하고, 이러한 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 매칭의 정도는 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 사전 설정된 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다. 일부 실시예들에 있어서, 매칭의 정도는, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 검증될 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다.
일부 실시예들에 있어서, 매칭의 정도가 제 1의 미리 결정된 임계값보다 클 경우, 서버는 검증될 사용자를 검증한다. 일부 실시예들에 있어서, 제 1의 미리 결정된 임계값은 검증될 사용자가 직접 검증될 수 있다고 결정하기 위한 매칭의 최소 정도에 대응한다. 즉, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1의 미리 결정된 임계값 이상일 때, 검증될 사용자는 검증된 것으로 간주될 수 있다.
일부 실시예들에 있어서, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 클 때, 이러한 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점 정보의 특정 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 이 경우, 2가지 상황들이 발행할 수 있다. 제 1 상황에 있어서, 검증될 사용자는 검증되도록 인가되지만, 수집된 생체측정 정보의 품질은 수집 단말기의 노후로 인해 비교적 열악하거나, 또는 제 1 상황의 다른 예에서, 사용자가 양호한 건강 상태가 아닐 수 있고, 수집 단말기에 의해 수집된 생체측정 정보의 품질은 상대적으로 열악하다. 생체측정 정보의 열악한 품질은 매칭의 정도를 제 1의 미리 결정된 임계값보다 작게 야기한다. 제 2 상황에 있어서, 검증될 사용자 자신은 검증을 통과하도록 인가되지 않지만, 검증될 사용자의 검증될 특징점 정보 세트는 특징점 정보의 일부에 대해 사전 설정된 특징점 정보 세트와 객관적으로 동일하다. 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 큰 다른 이유들이 또한 존재한다. 위에 제공된 이러한 상황들은, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고 제 2의 미리 결정된 임계값보다 큰 단순한 예들이고, 본 출원의 제한들을 구성하지는 않는다.
일부 실시예들에 있어서, 매칭의 정도가 제 2의 미리 결정된 임계값 미만인 경우, 서버는 사용자를 검증하지 않는다. 일부 실시예들에 있어서, 매칭의 정도가 제 2의 미리 결정된 임계값 미만인 경우, 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점들의 작은 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 즉, 검증될 사용자가 검증을 통과하도록 인가되는 가능성은 제거될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 미리 사용자에 의해 제공되어 저장된 데이터이다. 이러한 데이터는 미리 사용자에 의해 제공된 사전 설정된 특징점 정보 세트들에 따라 저장된다. 이러한 데이터는 다음과 같이 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값과 제 2 미리 결정된 임계값 사이일 때, 미리 결정된 데이터와 동일한 검증 데이터가 사용자에 의해 입력되고, 미리 결정된 데이터와 동일한 검증 데이터는 검증될 사용자가 검증을 통과하도록 인가되는 것을 나타낸다. 일 예에서, 미리 결정된 데이터는 하나 이상의 숫자들, 문자들, 또는 기호들을 포함하는 문자열이다.
일부 실시예들에 있어서, 검증 데이터와 미리 결정된 데이터가 상이한 경우, 검증될 사용자의 신원은 검증에 실패한다. 즉, 검증될 사용자는 검증에 실패하고, 추가 동작들을 수행하기 위한 권한을 갖지 못할 것이다. 실패 통보는 사용자에 전송된다.
상술한 모듈들은 하나 이상의 범용 프로세서들 상에서 실행되는 소프트웨어 구성성분들로서, 특정 기능들을 수행하도록 설계된 프로그램 가능한 논리 디바이스들 및/또는 주문형 집적회로와 같은 하드웨어로서, 또는 이들의 조합으로 구현될 수 있다. 일부 실시예들에 있어서, 이러한 모듈들은, 비휘발성 저장 매체(광 디스크, 플래쉬 저장 디바이스, 모바일 하드디스크, 등)에 저장될 수 있고, 본 발명의 실시예들에서 기술된 방법들을 구현하는 컴퓨터 디바이스(개인용 컴퓨터들, 서버들, 네트워크 장비, 등)를 구성하기 위한 다수의 명령들을 포함하는, 소프트웨어 제품들의 형태로 실현될 수 있다. 이러한 모듈은 단일 디바이스 상에서 구현될 수 있거나, 또는 다수의 디바이스들에 걸쳐 분산될 수 있다. 이러한 모듈들의 기능들은 서로 병합될 수 있거나, 또는 다수의 하위-모듈들로 추가로 분할될 수 있다.
본 명세서에서 개시된 실시예들의 견지에서 기술된 방법들 또는 알고리즘 단계들은 하드웨어, 프로세서-실행 소프트웨어 모듈들, 또는 이 둘의 조합을 사용하여 구현될 수 있다. 소프트웨어 모듈들은 랜덤-액세스 메모리(RAM), 메모리, 판독-전용 메모리(ROM), 전기적으로 프로그램 가능한 ROM, 전기적으로 소거 가능한 프로그램 가능 ROM, 레지스터들, 하드 드라이브들, 탈착 가능한 디스크들, CD-ROM, 또는 본 기술분야에서 알려진 임의의 다른 형태들의 저장 매체에 설치될 수 있다.
도 7은 서버 데이터를 처리하기 위한 프로세스의 일 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세서(700)는 도 15의 서버(1510) 상에서 구현되고, 다음을 포함한다:
710에서, 서버는 사용자 단말기에 의해 발행되는 생체측정 정보를 수신한다.
일부 실시예들에 있어서, 생체측정 정보는 지문 이미지들, 사람의 얼굴 이미지들, 홍채 이미지들, 장문 이미지들, 보행 비디오, 음성 오디오, 귀 형태 이미지들, 서명 인식, 등을 포함한다. 일 예로서, 생체측정 정보는 지문 이미지들 또는 홍채 이미지들을 포함한다. 일부 실시예들에 있어서, 사용자 단말기는 생체측정 정보 수집 기능을 포함하고, 수집된 생체측정 정보를 서버에 전송한다.
720에서, 서버는 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 얻기 위하여 생체측정 정보로부터 특징점 정보를 추출한다.
일부 실시예들에 있어서, 생체측정 정보는 특징점 정보의 수 개의 조각들을 포함하고, 특징점 정보의 수 개의 조각들은 특징점 정보 세트를 형성한다. "특징점 정보"는 사용자의 생물학으로 인해 형성된 특징들에 대응한다. 생체측정 정보가 지문 이미지에 대응하는 일 예에서, 지문 라인 패턴 내의 특징점들의 유형은 종점들, 분기점들, 도트들 및 루프들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 및 다른 이러한 파라미터들을 포함한다. 생체측정 정보가 홍채 이미지에 대응하는 일 예에서, 홍채 내의 특징점들의 유형들은 왕관들, 유리체, 필라멘트들, 스폿들, 구조들, 함몰들, 방사조직들, 주름들, 또는 줄무늬들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 크기 및 다른 이러한 파라미터들을 포함한다. 각 특징점 정보 세트가 사용자 특징 정보로부터 추출되기 때문에, 특징점 정보 세트는 사용자를 고유하게 확인할 수 있다.
730에서, 서버는 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트와 비교한다.
일부 실시예들에 있어서, 서버는 특징점 정보 세트들을 사전에 저장한다. 특징점 정보 세트들은, 검증될 사용자가 검증을 통과하도록 인가되는지의 여부를 결정하기 위하여 사용될 사전 설정된 특징점 정보 세트로서, 미리 저장된다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 특징점 정보의 각 조각과 특징점 정보가 동일한지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택되고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교되고, 이들 특징점 정보의 유형, 방향 및 다른 정보가 동일한지의 여부에 대해 결정된다. 위의 검증될 특징점 정보 세트는 또한 퍼지 알고리즘과 추가로 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되고, 현재 선택된 특징점 정보와 비교된다. 따라서, 특징점 정보가 좌표들을 제외하고 동일하다고 결정될 때, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트들의 양은 적어도 1이 될 수 있다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 때, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 개별적으로 매칭될 수 있다.
740에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
750에서, 서버는 이러한 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
760에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 매칭의 정도는 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 사전 설정된 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다. 일부 실시예들에 있어서, 매칭의 정도는, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭하는 특징점 정보의 양과 검증될 특징점 정보 세트 내의 특징점 정보의 총 양의 비율에 대응한다.
일부 실시예들에 있어서, 제 1의 미리 결정된 임계값은 검증될 사용자가 직접 검증되는 것을 결정하기 위한 매칭의 최소 정도에 대응한다. 즉, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1의 미리 결정된 임계값 이상일 때, 검증될 사용자는 검증된 것으로 결정된다.
일부 실시예들에 있어서, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 클 때, 그러한 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점 정보의 특정 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낼 수 있다. 이 경우, 2가지 상황들이 존재할 수 있다. 제 1 상황에 있어서, 검증될 사용자는 검증되도록 인가되지만, 수집된 생체측정 정보의 품질은 수집 단말기의 노후로 인해 비교적 열악하거나, 또는 사용자가 양호한 건강 상태가 아니고, 수집 단말기에 의해 수집된 생체측정 정보의 품질은 상대적으로 열악하고, 이는 매칭의 정도가 제 1의 미리 결정된 임계값보다 작게 야기한다. 제 2 상황에 있어서, 검증될 사용자 자신은 검증을 통과하도록 인가되지 않지만, 검증될 사용자의 검증될 특징점 정보 세트는 특징점 정보의 일부에 대해 사전 설정된 특징점 정보 세트와 객관적으로 동일하다. 일부 실시예들에 있어서, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 큰 다른 이유들이 존재한다. 위의 상황들은, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고 제 2의 미리 결정된 임계값보다 큰 단순한 예들이고, 본 출원의 제한들을 구성하지는 않는다.
일부 실시예들에 있어서, 매칭의 정도가 제 2의 미리 결정된 임계값보다 작을 때, 이러한 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점 정보의 더 작은 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 이러한 상황에서, 검증될 사용자가 검증을 통과하도록 인가되는 가능성은 제거될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 사용자에 의해 미리 제공되어 저장된 데이터에 대응한다. 이러한 데이터는 사용자에 의해 미리 제공된 사전 설정된 특징점 정보 세트들에 따라 저장된다. 이러한 데이터는 다음을 위하여 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값 및 제 2 미리 결정된 임계값 사이일 때, 사용자는 미리 결정된 데이터와 동일한 검증 데이터를 입력한다. 미리 결정된 데이터와 동일한 검증 데이터를 입력함으로써, 검증될 사용자는 검증되도록 인가된다. 일 예로서, 미리 결정된 데이터는 하나 이상의 숫자들, 문자들, 또는 기호들을 포함하는 문자열일 수 있다.
일부 실시예들에 있어서, 검증 데이터와 미리 결정된 데이터가 상이한 경우, 검증될 사용자의 신원 검증은 실패할 것이다. 즉, 검증될 사용자는 검증에 실패할 것이고, 추가 동작들을 수행하기 위한 권한을 갖지 않을 것이다. 실패 통지는 사용자에 전송된다.
도 8은 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(800)는 도 15의 서버(1510)에 의해 구현되고, 다음을 포함한다:
810에서, 서버는 검증될 특징점 정보 세트를 수신한다.
820에서, 서버는 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트와 비교한다.
830에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 데이터 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
840에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
850에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 서버는 컴퓨팅 및 저장 기능들을 갖는 컴퓨터 장비에 대응하고, 사전 설정된 특징점 정보 세트는 서버에 사전에 저장되고, 서버는 검증될 사용자가 사전 설정된 특징점 정보 세트에 기초하여 검증되도록 인가되는지의 여부를 결정한다. 일 예로서, 사용자 단말기는 미리 사용자의 생체측정 정보를 수집하고, 특징점 정보 세트를 추출할 수 있다. 서버는 검증될 사용자들이 특징점 정보 세트에 기초하여 검증되도록 인가되는지의 여부를 결정하기 위하여, 하나 이상의 규칙들의 세트에 기초하여 특징점 정보 세트를 저장한다. 적어도 하나의 사전 설정된 특징점 정보 세트는 서버에 저장될 수 있고, 서버는 상이한 사용자 단말기들에 의해 전송된 생체측정 정보를 수신할 수 있다. 따라서, 사전 설정된 특징점 정보 세트들이 서버에 저장된 후, 사용자들은 상이한 장소들에서 검증된 그들의 권한 레벨을 가질 수 있고, 검증에 뒤이어 추가 동작들을 수행할 수 있다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 특징점 정보의 각 조각과 사전 설정된 특징점 정보 세트 내의 특징점 정보가 동일한지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택되고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교되고, 이들 특징점들의 유형, 방향 및 다른 정보가 동일한지의 여부에 대해 결정된다. 위의 검증될 특징점 정보 세트는 또한 퍼지 알고리즘과 추가로 결합될 수 있고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되어, 현재 선택된 특징점 정보와 비교된다. 따라서, 좌표들을 제외하고 동일한 특징점 정보가 결정될 때, 2개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트의 양은 적어도 1이다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 때, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트에 대해 개별적으로 비교될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 미리 사용자에 의해 설정되어 서버에 저장된 데이터가 될 수 있다. 서버는 미리 사용자에 의해 제공된 사전 설정된 특징점 정보 세트들에 따라 미리 결정된 데이터를 저장한다. 미리 결정된 데이터는 다음을 위해 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값과 제 2 미리 결정된 임계값 사이일 때, 미리 결정된 데이터와 동일한 검증 데이터가 사용자에 의해 입력된다. 미리 결정된 데이터와 동일한 검증 데이터를 입력하는 것은 검증될 사용자가 검증을 통과하도록 인가됨을 나타낸다. 일 예에서, 미리 결정된 데이터는 하나 이상의 숫자, 문자들, 또는 기호들을 포함하는 문자열이다.
도 9는 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(900)는 도 8의 프로세스(800)의 연속물이고, 도 15의 서버(1510)에 의해 구현되고, 다음을 포함한다:
910에서, 매칭의 정도가 제 1 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자의 미리 결정된 위치지정 단말기의 위치 정보를 획득한다.
920에서, 서버는 미리 결정된 위치지정 단말기와 검증될 사용자의 생체측정 정보를 수집하는 사용자 단말기가 대략 동일한 위치에 있는지의 여부를 결정한다. 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있지 않은 경우, 제어는 930으로 진행하고; 그렇지 않을 경우 제어는 960으로 진행한다.
일부 실시예들에 있어서, 미리 결정된 위치지정 단말기는 위치 정보를 생성하기 위하여 GPS 또는 통신 기지국들을 사용하는 디바이스에 대응한다. 예컨대, 미리 결정된 위치지정 단말기는 모바일폰이다. 서버는 미리 결정된 특징 정보 세트들에 대응하는 사용자 모바일폰의 번호들을 사전에 저장한다. 서버가 모바일폰의 위치 정보를 획득하는 기술은 다음을 포함할 수 있다: 서버는 위치 정보에 대한 요청을 모바일폰에 발행한다. 모바일폰이 위치 정보에 대한 요청을 수신한 후, 모바일폰은 위치지정 정보를 생성하기 위하여 GPS 위치지정 또는 기지국 위치지정을 포함하는 위치지정 기능을 활성화시키고, 위치지정 정보를 서버에 전송한다.
930에서, 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있지 않을 때, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
940에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
950에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 서버가 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있지 않다고 결정하는 경우, 서버는 사용자 단말기를 통해 검증 데이터를 수신하고, 이에 의해 신원 검증 프로세스 내의 보안을 증진시킨다. 일부 상황들에 있어서, 예컨대 재원, 은밀한 데이터, 또는 기밀들을 수반하는 것들에 대해, 신원 검증을 위한 요건들이 더 높아질 수 있다. 생체측정 정보의 검증은 그 자체로 위조될 수 있다. 예컨대, 범죄자는 일부 채널을 통해 사용자의 지문 또는 홍채를 획득할 수 있고, 위조 기술들을 사용하여 위조를 수행할 수 있다. 예컨대, 사용자는 사용자의 지문을 갖는 손가락 장갑을 제작하거나 또는 지문 또는 홍채 특징점 정보 세트를 추출하여, 검증을 위해 이러한 특징점 정보 세트를 서버에 전송한다. 범죄자는 위의 방식으로 검증될 수 있고, 이후 사용자가 경제적 손실 또는 중요한 정보의 누설을 겪는 것을 야기할 수 있다. 일부 실시예들에 있어서, 사용자가 휴대하는 미리 결정된 위치지정 디바이스가 사용자 단말기 신원과 동일한 위치에 있는지의 여부를 결정하는 것은 위조 생체측정 정보에 기초한 검증을 방지할 수 있다. 위조 생체측정 정보에 기초한 검증을 방지함으로써, 사용자에 대한 보안이 증진될 수 있다.
960에서, 미리 결정된 위치지정 단말기와 사용자 단말기가 동일한 위치에 있는 경우, 서버는 검증될 사용자를 검증한다.
도 10은 서버 데이터를 처리하기 위한 프로세스의 다른 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(1000)는 도 9의 프로세스(900)의 연속물이고, 도 15의 서버(1510)에 의해 구현되고, 다음을 포함한다:
1010에서, 서버는 사업 데이터를 수신한다.
일부 실시예들에 있어서, 사업 데이터는 소비자의 소비량에 대응한다. 서버는 사용자가 입력한 사업 데이터를 사용자 단말기를 통해 수신할 수 있다. 사용자 단말기가 생체측정 정보 또는 특징점 정보를 서버에 전송하는 경우, 사용자 단말기는 또한 사업 데이터를 포함할 수 있다.
1020에서, 매칭의 정도가 제 1 미리 결정된 임계값보다 큰 경우, 서버는 사업 데이터를 사전 설정된 규칙과 비교한다.
1030에서, 사업 데이터가 사전 설정된 규칙을 준수하지 않는 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
1040에서, 서버는 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교한다.
1050에서, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 사전 설정된 규칙은 사업 데이터를 위해 예상된 값, 사업 데이터 값에 대한 제한, 또는 사업 데이터의 역사적 값의 범위에 대응한다. 미리 결정된 규칙에 대한 사업 데이터의 준수는 사업 데이터가 비정상이 아니고, 추가의 검증을 필요로 하지 않음을 나타낼 수 있다. 사업 데이터가 미리 결정된 규칙을 준수하지 않을 때, 이러한 비준수는 사업 데이터 값이 비정상일 수 있음을 나타내고, 검증될 사용자는 추가로 검증되어야 한다. 이러한 추가 검증은 악의적인 사용자에 생체측정 정보의 누설로부터 초래될 수 있는 위조에 의해 야기된 손실로부터 사용자를 보호한다.
신원들을 검증하기 위한 위의 프로세스들은 소비자들이 상점에서 쇼핑하는 상황들에 적용될 수 있다. 일부 실시예들에 있어서, 미리 결정된 규칙은 사용자의 역사적인 소비 기록들의 분석에 기초하여 결정된 소비량 격차이고, 사업 데이터는 소비량 격차 내에 드는 것이 요구된다. 사업 데이터가 소비량 격차 밖에 놓이는 경우, 사업 데이터는 사전 설정된 규칙을 준수하지 않는다고 결정된다. 사업 데이터는 현재의 소비량을 나타낸다. 사업 데이터가 소비량 격차 밖에 놓이는 경우, 사업 데이터는 현재의 소비가 사용자의 역사적인 소비 습관들을 위반했음을 나타낸다. 현재의 소비가 사용자의 역사적인 소비 습관들을 위반할 때, 사용자의 생체측정 정보의 위조로부터 초래되는 재정 손실로부터 사용자를 보호하기 위하여, 사용자는 재검증되어야 한다. 일부 실시예들에 있어서, 재검증은 검증될 사용자가 검증 데이터를 입력하는 것을 필요로 하고, 이러한 검증 데이터는 사전 설정된 데이터와 비교된다. 따라서 이러한 경우, 사전 설정된 데이터는 범죄자가 매우 얻기 어려운, 기억된 패스워드에 대응한다. 이러한 재검증은 보안을 증진시킨다. 예컨대, 소비량 격차의 최대값은 사용자의 역사적인 소비 기록들에서 가장 큰 단일 지출이다. 일부 실시예들에 있어서, 미리 결정된 규칙은 사용자의 역사적인 소비 기록들로부터 얻어진 중간 또는 평균 소비 값에 기초한다. 일부 실시예들에 있어서, 사업 데이터는 중간 또는 평균 소비 값의 미리 결정된 배수보다 작다. 사업 데이터가 중간 또는 평균 소비 값의 미리 결정된 배수보다 클 때, 사업 데이터는 미리 결정된 규칙을 준수하지 않는다고 고려된다. 예컨대, 미리 결정된 배수는 1 내지 5이다.
도 11은 검증 데이터를 수신하기 위한 프로세스의 일 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(1100)는 도 1의 동작(140), 도 2의 동작(250), 도 8의 동작(830), 또는 도 9의 동작(930)의 구현이고, 다음을 포함한다:
1110에서, 검증될 특징점 정보 세트와 2이상의 사전 설정된 특징점 정보 세트들 사이의 매칭의 정도가 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신한다.
1120에서, 서버는 검증 데이터를 2이상의 사전 설정된 특징점 정보 세트들의 각각의 사전 설정된 데이터와 비교한다.
일부 실시예들에 있어서, 서버는, 검증될 특징점 정보 세트를 특징점 정보 세트들의 국부적으로 저장된 사전 설정된 데이터와 비교할 때, 처리 효율을 증가시키기 위하여 퍼지 알고리즘을 채용한다. 따라서, 제 2 미리 결정된 임계값보다 큰 검증될 특징점 정보 세트와의 매칭 정도를 갖는 2이상의 사전 설정된 특징점 정보 세트들이 존재할 수 있다. 이러한 경우, 검증 데이터는 통합되어 현재 검증될 사용자가 검증을 통과하도록 인가되는지의 여부를 결정한다.
1130에서, 2이상의 사전 설정된 특징점 정보 세트들의 사전 설정된 데이터가 검증 데이터와 동일한 하나의 사전 설정된 데이터를 갖는 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 검증 데이터가 2이상의 사전 설정된 특징점 정보 세트들의 미리 결정된 데이터 중 하나와 동일한 경우, 비교 결과는 검증될 사용자가 검증되도록 인가됨을 나탄내다.
도 12은 검증될 사용자를 검증하기 위한 프로세스의 일 실시예의 흐름도이다. 일부 실시예들에 있어서, 프로세스(1200)는 도 11의 동작(1130)의 구현이고, 다음을 포함한다:
1210에서, 서버는 검증 데이터와 동일한 사전 설정된 데이터에 대응하는 사전 설정된 특징점 정보 세트를 검증될 특징점 정보 세트와 재비교한다.
1220에서, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 2 미리 결정된 임계값보다 클 경우, 서버는 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 2이상의 사전 설정된 특징점 정보 세트들의 미리 결정된 데이터 중 하나와 동일한 검증 데이터는 사전 설정된 특징점 정보 세트를 간섭하는 것을 배제하기 위하여 사용될 수 있다. 검증 데이터와 동일한 사전 설정된 데이터에 대응하는 사전 설정된 특징점 정보 세트는 이후 다시 다른 비교 동작을 거친다. 이 때, 서버는 처리 결과의 정확도를 보장하면서 서버의 처리 효율을 증가시키기 위하여, 검증될 특징점 정보 세트를 사전 설정된 특징점 정보 세트에 대해 비교하기 위한 더 정확한 알고리즘을 사용할 수 있다.
도 13은 신원들을 검증하기 위한 서버의 일 실시예의 기능 모듈도이다. 일부 실시예들에 있어서, 서버(1300)는 도 7의 프로세스(700)를 구현하도록 구성되고, 수신 모듈(1310), 특징 추출 모듈(1320), 매칭 모듈(1330), 및 처리 모듈(1340)을 포함한다.
일부 실시예들에 있어서, 수신 모듈(1310)은 사용자 단말기에 의해 발행된 생체측정 정보를 수신하도록 구성된다.
일부 실시예들에 있어서, 수신 모듈(1310)은 네트워크 통신 기능을 갖는 포트, 포트를 구동하는 소프트웨어, 또는 생체측정 정보를 수신하기 위하여 포트를 사용하는 소프트웨어를 포함한다.
일부 실시예들에 있어서, 생체측정 정보는 지문 이미지들, 사람의 얼굴 이미지들, 홍채 이미지들, 장문 이미지들, 보행 비디오, 음성 오디오, 귀 형태 이미지들, 서명 인식, 등을 포함한다. 일부 실시예들에 있어서, 생체측정 정보는 지문 이미지들 또는 홍채 이미지들을 포함한다. 사용자 단말기는 생체측정 정보 수집 기능을 포함하고, 수집된 생체측정 정보를 서버에 전송한다.
일부 실시예들에 있어서, 특징 추출 모듈(1320)은 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여 생체측정 정보로부터 특징점 정보를 추출하도록 구성된다.
일부 실시예들에 있어서, 생체측정 정보는 특징점 정보의 수 개의 조각들을 포함하고, 특징점 정보의 수 개의 조각들은 특징점 정보 세트를 형성한다. "특징점 정보"는 사용자의 생물학으로 인해 형성된 특징들에 대응한다. 생체측정 정보가 지문 이미지에 대응하는 일 예에서, 지문 라인 패턴 내의 특징점들의 유형은 종점들, 분기점들, 도트들 및 루프들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 및 다른 이러한 파라미터들을 포함한다. 생체측정 정보가 홍채 이미지인 일 예에서, 홍채 내의 특징점들의 유형들은 왕관들, 유리체, 필라멘트들, 스폿들, 구조들, 함몰들, 방사조직들, 주름들, 또는 줄무늬들을 포함한다. 특징점 정보는 특징점 유형, 좌표들, 방향, 크기 및 다른 이러한 파라미터들을 포함한다. 각 특징점 정보 세트가 사용자 특징 정보로부터 추출되기 때문에, 특징점 정보 세트는 사용자를 고유하게 확인할 수 있다.
일부 실시예들에 있어서, 매칭 모듈(1330)은 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트들과 비교하도록 구성된다.
일부 실시예들에 있어서, 서버는 특징점 정보 세트들을 사전에 저장한다. 특징점 정보 세트들은, 검증될 사용자가 검증을 통과하도록 인가될 지의 여부에 관련한 사전 설정된 특징점 정보 세트들로서 미리 저장된다.
일부 실시예들에 있어서, 검증될 특징점 정보 세트 내의 특징점 정보의 각 조각은 사전 설정된 특징점 정보 세트 내의 특징점 정보와 비교되고, 특징점 정보의 각 조각과 특징점 정보가 동일한 지의 여부에 대한 결정이 이루어진다. 검증될 특징점 정보 세트가 지문 이미지로부터 유도되는 일 예에서, 검증될 특징점 정보 세트 내의 특징점 정보는 특징점 정보 좌표들에 기초하여 특정 순서로 선택되고, 사전 설정된 특징점 정보 세트 내의 대응하는 좌표들의 특징점 정보와 비교되고, 이들 특징점들의 유형, 방향, 및 다른 정보가 동일한 지의 여부에 대해 결정된다. 이러한 비교는 또한 퍼지 알고리즘과 추가로 결합되고, 이에 의해 현재 선택된 특징점 정보 좌표들에 인접한 특징점 정보는 사전 설정된 특징점 정보 세트로부터 선택되고, 현재 선택된 특징점 정보와 비교된다. 따라서, 특징점 정보가 좌표들을 제외하고 동일한 경우, 두 개의 좌표들 사이의 차이는 검증될 특징점 정보 세트 내의 좌표들을 사전 설정된 특징점 정보 세트 내의 좌표들로 교정하기 위하여 사용될 수 있다. 사전 설정된 특징점 정보 세트의 양은 적어도 1이 될 수 있다. 사전 설정된 특징점 정보 세트들의 양이 2이상일 경우, 검증될 특징점 정보 세트는 각 미리 결정된 특징점 정보 세트와 개별적으로 비교될 수 있다.
일부 실시예들에 있어서, 처리 모듈(1340)은, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 검증될 사용자에 의해 입력된 검증 데이터를 수신하고, 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 검증될 사용자를 검증하도록 구성된다.
일부 실시예들에 있어서, 매칭의 정도는 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭된 특징점 정보의 양과 사전 설정된 특징점 정보 세트 내의 특징점 정보의 총양의 비율이다. 일부 실시예들에 있어서, 매칭의 정도는 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이에서 매칭된 특징점 정보의 양과 검증될 특징점 정보 세트 내의 특징점 정보의 총양의 비율이다.
일부 실시예들에 있어서, 제 1 미리 결정된 임계값은 검증될 사용자가 직접 확인될 수 있는 것으로 결정하기 위한 매칭의 최소 정도이다. 즉, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 이상일 때, 검증될 사용자는 검증되도록 결정될 수 있다.
일부 실시예들에 있어서, 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값 이상인 경우, 이러한 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점 정보의 특정 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 이러한 경우, 2가지 상황들이 발생할 수 있다. 제 1 상황에 있어서, 검증될 사용자는 검증되도록 인가되고, 수집된 생체측정 정보의 품질은 수집 단말기의 노후로 인해 비교적 열악하거나, 또는 사용자 자신은 양호한 건강 상태가 아니고, 수집 단말기에 의해 수집된 생체측정 정보의 품질은 상대적으로 열악하고, 이는 매칭의 정도가 제 1의 미리 결정된 임계값보다 작게 야기한다. 제 2 상황에 있어서, 검증될 사용자는 검증을 통과하도록 인가되지 않지만, 검증될 사용자의 검증될 특징점 정보 세트는 특징점 정보의 일부에 대해 사전 설정된 특징점 정보 세트와 객관적으로 동일하다. 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고, 제 2의 미리 결정된 임계값보다 큰 다른 이유들이 존재한다. 위에 제공된 상황들은 단순히, 매칭의 정도가 제 1의 미리 결정된 임계값 미만이고 제 2의 미리 결정된 임계값보다 큰 상황들에 관한 예들이고, 본 출원의 제한들을 구성하지는 않는다.
일부 실시예들에 있어서, 매칭의 정도가 제 2의 미리 결정된 임계값보다 작을 때, 이러한 매칭의 정도는 검증될 특징점 정보 세트 내의 특징점 정보의 더 작은 양이 사전 설정된 특징점 정보 세트와 동일한 것을 나타낸다. 이러한 매칭의 정도에 대해, 검증될 사용자가 검증을 통과하도록 인가되는 가능성은 제거될 수 있다.
일부 실시예들에 있어서, 미리 결정된 데이터는 사용자에 의해 미리 제공되어 저장된 데이터가 될 수 있다. 이러한 데이터는 사용자에 의해 미리 제공된 사전 설정된 특징점 정보 세트들에 따라 저장된다. 이러한 데이터는 다음을 위하여 사용된다: 생체측정 정보의 매칭 정도가 제 1 미리 결정된 임계값 및 제 2 미리 결정된 임계값 사이일 때, 미리 결정된 데이터와 동일한 검증 데이터는 사용자에 의해 입력되고, 이러한 매칭 데이터는 검증될 사용자가 인증을 통과하도록 인가되는 것을 나타낸다. 일 예에서, 미리 결정된 데이터는 하나 이상의 숫자들, 문자들, 또는 기호들을 포함하는 문자열일 수 있다.
일부 실시예들에 있어서, 검증 데이터와 미리 결정된 데이터가 상이한 경우, 검증될 사용자의 신원 검증은 실패할 것이다. 즉, 검증될 사용자는 검증에 실패할 것이고, 추가 동작들을 수행하기 위한 권한을 갖지 않을 것이다. 실패 통지는 사용자에 전송된다.
도 14는 신원들을 검증하기 위한 서버의 다른 실시예의 기능 모듈도이다. 일부 실시예들에 있어서, 서버(1400)는 도 8의 프로세서(800)를 수행하도록 구성되고, 수신 모듈(1410), 매칭 모듈(1420), 및 처리 모듈(1430)을 포함한다.
일부 실시예들에 있어서, 수신 모듈(1410)은 검증될 특징점 정보 세트를 수신하도록 구성된다.
일부 실시예들에 있어서, 매칭 모듈(1420)은 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트들과 비교하도록 구성된다.
일부 실시예들에 있어서, 처리 모듈(1430)은, 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 검증될 사용자에 의해 입력된 검증 데이터를 수신하고, 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 검증될 사용자를 검증하도록 구성된다.
일부 실시예들에 있어서, 수신 모듈(1410)은 또한 검증될 특징점 정보 세트를 직접 수신하도록 구성되고, 사용자 단말기는 생체측정 데이터로부터 특징점 정보 세트를 추출한다. 서버(1400)에 대한 작업부하는 감소된다. 서버(1400)의 처리 효율은 이후 증가된다. 더욱이, 사용자 단말기의 하드웨어 자원들은 또한 완전히 사용될 수 있게 된다.
도 15는 신원들을 검증하기 위한 시스템의 일 실시예의 도면이다. 일부 실시예들에 있어서, 시스템(1500)은 네트워크(1530)를 통해 사용자 단말기 또는 클라이언트(1520)에 연결된 서버(1510)를 포함한다.
일부 실시예들에 있어서, 사용자 단말기(1520)는 사용자로부터 생체측정 정보를 수집하고, 생체측정 정보를 서버(1510)에 전송한다.
일부 실시예들에 있어서, 서버(1510)는 검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여 생체측정 정보로부터 특징점 정보를 추출하고, 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트에 대해 비교한다. 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고 제 2 미리 결정된 임계값보다 큰 경우, 서버는 검증될 사용자가 입력한 검증 데이터를 수신하고, 이러한 검증 데이터를 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고, 검증 데이터와 사전 설정된 데이터가 동일한 경우, 검증될 사용자를 검증한다.
일부 실시예들에 있어서, 시스템(1500)은 위치지정 단말기(1540)를 더 포함한다.
일부 실시예들에 있어서, 위치지정 단말기(1540)는 사용자 단말기(1520)의 위치 정보와 비교될 위치지정 정보를 제공하여, 위치지정 단말기가 검증될 사용자의 생체측정 정보를 수집한 사용자 단말기와 대략 동일한 위치에 있는지의 여부를 결정한다.
도 16은 신원들을 검증하기 위한 프로그램된 컴퓨터 시스템의 일 실시예를 도시하는 기능도이다. 자명한 바와 같이, 다른 컴퓨터 시스템의 구조들 및 구성들은 신원들을 검증하기 위하여 사용될 수 있다. 아래에서 설명되는 다양한 하위 시스템들을 포함하는 컴퓨터 시스템(1600)은 적어도 하나의 마이크로프로세서 하위시스템(프로세서 또는 중앙 처리 유닛(CPU)로도 언급됨)(1602)을 포함한다. 예컨대, 프로세서(1602)는 단일칩 프로세서 또는 다수의 프로세서들에 의해 구현될 수 있다. 일부 실시예들에 있어서, 프로세서(1602)는 컴퓨터 시스템(1600)의 동작을 제어하는 범용 디지털 프로세서이다. 메모리(1610)로부터 수신된 명령들을 사용하여, 프로세서(1602)는 입력 데이처의 수신 및 조작, 및 출력 디바이스들(예, 디스플레이(1618)) 상에 데이터의 출력 및 디스플레이를 제어한다.
프로세서(1602)는 전형적으로 랜덤 액세스 메모리(RAM)인 제 1 기본 저장장치, 및 전형적으로 판독-전용 메모리(ROM)인 제 2 기본 저장 영역을 포함할 수 있는 메모리(1610)와 양방향으로 접속된다. 해당 기술분야에서 잘 알려진 바와 같이, 기본 저장장치는 범용 저장 영역으로서 및 스크래치-패드 메모리로서 사용될 수 있고, 또한 입력 데이터 및 처리된 데이터를 저장하는데 사용될 수 있다. 기본 저장장치는 또한 프로세서(1602) 상에서 동작하는 프로세스들을 위한 다른 데이터 및 명령들에 덧붙여, 프로그래밍 명령들 및 데이터를 데이터 객체들 및 텍스트 객체들의 형태로 저장할 수 있다. 또한, 해당 기술분야에서 잘 알려진 바와 같이, 기본 저장장치는 전형적으로 기본 동작 명령들, 프로그램 코드, 데이터 및 프로세서의 기능들(예, 프로그램된 명령들)을 수행하기 위하여 프로세서(1602)에 의해 사용된 객체들을 포함한다. 예컨대, 메모리(1610)는, 예컨대 데이터 액세스가 양방향 또는 단방향일 필요가 있는지의 여부에 따라, 아래에 기술된 임의의 적합한 컴퓨터 판독 가능한 저장 매체를 포함할 수 있다. 예컨대, 프로세서(1602)는 또한 빈번하게 필요한 데이터를 캐쉬 메모리(미도시) 내에서 직접 그리고 매우 신속하게 검색하고 저장할 수 있다.
탈착 가능한 대량 저장 디바이스(1612)는 컴퓨터 시스템(1600)을 위한 추가적인 데이터 저장 용량을 제공하고, 양방향(판독/기록)으로 또는 단반향(판독전용)으로 프로세서(1602)에 접속된다. 예컨대, 저장 디바이스(1612)는 또한 자기 테이프, 플래쉬 메모리, PC-CARDS, 휴대용 대략 저장 디바이스들, 홀로그래픽 저장 디바이스들, 및 다른 저장 디바이스들과 같은 컴퓨터 판독 가능한 매체를 포함할 수 있다. 고정형 대량 저장장치(1620)는 또한 예컨대 추가적인 데이터 저장 용량을 제공한다. 대량 저장장치(1620)의 대부분의 공통예는 하드디스크 드라이브이다. 일반적으로 대량 저장장치(1612, 1620)는, 전형적으로 프로세서(1602)에 의한 활성적인 사용 상태에 있지 않은 추가적인 프로그래밍 명령들, 데이터, 등을 저장한다. 대량 저장장치(1612 및 1620) 내에 보유된 정보가 필요하다면 표준 방식으로 가상 메모리로서 메모리(1610)(예, RAM)의 일부로서 통합될 수 있음이 인식될 것이다.
프로세서(1602)에 저장 하위 시스템들에 대한 액세스를 제공하는 것에 덧붙여, 버스(1614)는 또한 다른 하위 시스템들 및 디바이스들에 대한 액세스를 제공하기 위하여 사용될 수 있다. 도시된 바와 같이, 이들은 디스플레이 모니터(1618), 네트워크 인터페이스(1616), 키보드(1604), 및 포인팅 디바이스(1606)와 함께 보조 입/출력 디바이스 인터페이스, 사운드 카드, 스피커들, 및 필요한 다른 하위시스템들을 포함할 수 있다. 예컨대, 포인팅 디바이스(1606)는 마우스, 스타일러스, 트랙볼, 또는 태블릿이 될 수 있고, 그래픽 사용자 인터페이스와 상호작용하기 위하여 유용한다.
네트워크 인터페이스(1616)는 프로세서(1602)가 도시된 네트워크 연결을 사용하여 다른 컴퓨터, 컴퓨터 네트워크, 또는 원거리통신 네트워크에 접속되는 것을 허용한다. 예컨대, 네트워크 인터페이스(1616)를 통해, 프로세서(1602)는 방법/처리 단계들을 수행하는 과정에서, 다른 네트워크로부터 정보(예, 데이터 객체들 또는 프로그램 명령들), 또는 다른 네트워크로의 출력 정보를 수신할 수 있다. 간혹 프로세서 상에서 실행될 명령들의 시퀀스로 표현되는 정보는 다른 네트워크로부터 수신되고 다른 네트워크에 출력될 수 있다. 인터페이스 카드 또는 유사한 디바이스 및 프로세서(1602)에 의해 구현된(예, 프로세서상에서 실행/수행된) 적절한 소프트웨어는 컴퓨터 시스템(1600)을 외부 네트워크에 연결하고 표준 프로토콜들에 따라 데이터를 전달하기 위하여 사용될 수 있다. 예컨대, 본 명세서에서 기술된 다양한 처리 실시예들은 프로세서(1602) 상에서 실행될 수 있거나, 또는 처리의 일부를 공유하는 원격 프로세서와 연결되어, 인터넷, 인트라넷 네트워크들, 근거리 네트워크들과 같은 네트워크에 걸쳐 수행될 수 있다. 추가적인 대량 저장 저장장치(미도시)는 또한 네트워크 인터페이스(1616)를 통해 프로세서(1602)에 연결될 수 있다.
보조 I/O 디바이스 인터페이스(미도시)는 컴퓨터 시스템(1600)과 연결되어 사용될 수 있다. 보조 I/O 디바이스 인터페이스는 범용 및 맞춤화된 인터페이스들을 포함할 수 있고, 이들 인터페이스들은 프로세서(1602)가 데이터를 전송하는 것을 허용하고, 보다 전형적으로 마이크들, 터치감응 디스플레이들, 트랜스듀서 카드 판독기들, 테이프 판독기들, 음성 또는 필기 인식기들, 생체측정 판독기들, 카메라들, 휴대용 대량 저장 디바이스들, 및 다른 컴퓨터들과 같은 다른 디바이스들로부터 데이터를 수신하는 것을 허용한다.
도 16에 도시된 컴퓨터 시스템은 단지 본 명세서에 개시된 다양한 실시예들과 함께 사용하기 위해 적합한 컴퓨터 시스템의 일 예이다. 이러한 사용에 적합한 다른 컴퓨터 시스템은 추가적이거나 또는 더 적은 하위시스템들을 포함할 수 있다. 덧붙여, 버스(1614)는 하위시스템을 연결하도록 작용하는 임의의 상호연결 구조를 예시한다. 하위시스템의 상이한 구성들을 갖는 다른 컴퓨터 구조들이 또한 사용될 수 있다.
도 1 내지 도 16에 도시된 바와 같이, 본 출원은 2개의 기준 값들, 즉 검증될 특징점 정보 세트 및 미리 결정된 특징점 정보 세트 사이에서 매칭의 정도에 대한, 제 1 미리 결정된 임계값 및 제 2 미리 결정된 임계값을 한정한다. 매칭의 정도가 제 1 미리 결정된 임계값 및 제 2 미리 결정된 임계값 사이인 경우, 추가적인 검증 수단이 사용된다. 결과적으로, 원래 검증을 통과하도록 인가되었지만 일부 특별한 이유로 검증을 통과하는데 실패한 사용자들은 신원 검증에 다수의 시도들을 수행해야할 필요없이, 단일의 신원 검증 처리에서 검증되는 그들의 신원을 가질 수 있다. 이것은 사용자들을 위한 추가적인 편리성을 초래한다.
상기 실시예들이 명확한 이해를 위해 일부 상세하게 기술되었지만, 본 발명은 제공된 세부사항들에 국한되지 않는다. 본 발명을 구현하는 많은 대안적인 방식들이 존재한다. 개시된 실시예들은 예시적이고 비제한적이다.

Claims (21)

  1. 방법으로서:
    검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여, 상기 검증될 사용자로부터 수집된 생체측정 정보에 적어도 부분으로 기초하여 특징점 정보를 얻는 단계;
    상기 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트들과 비교하는 단계; 및
    상기 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우,
    상기 검증될 사용자가 입력한 검증 데이터를 수신하는 단계;
    상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하는 단계; 및
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 검증될 사용자를 검증하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우, 상기 검증될 사용자를 검증하는 단계를 포함하는, 방법.
  3. 제 1 항에 있어서,
    상기 검증될 사용자의 상기 생체측정 정보는 적어도:
    사용자 단말기를 통해 상기 생체측정 정보를 수집하는 단계;
    상기 사용자 단말기를 통해 상기 생체측정 정보를 포함하는 메시지를 서버로 전송하는 단계; 및
    상기 서버를 통해 상기 생체측정 정보를 수신하는 단계에 의해 결정되고;
    상기 생체측정 정보로부터 상기 특징점 정보를 획득하는 상기 단계는, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 형성하기 위하여 상기 생체측정 정보로부터 상기 특징점 정보를 추출하는 단계를 포함하고;
    상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트와 비교하는 상기 단계는, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 단계를 포함하고;
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 상기 단계는, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 단계를 포함하고;
    상기 검증 데이터를 상기 사전 설정된 데이터와 비교하는 상기 단계는, 상기 서버를 통해, 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 단계를 포함하고;
    상기 검증될 사용자를 검증하는 단계는, 상기 서버를 통해 상기 검증될 사용자를 검증하는 단계를 포함하는, 방법.
  4. 제 1 항에 있어서,
    상기 검증될 사용자의 상기 생체측정 정보는 적어도:
    사용자 단말기를 통해 상기 생체측정 정보를 수집하는 단계에 의해 결정되고;
    상기 생체측정 정보로부터 상기 특징점 정보를 획득하는 상기 단계는:
    상기 사용자 단말기를 통해, 상기 검증될 특징점 정보 세트를 형성하기 위하여 상기 생체측정 정보로부터 특징점 정보를 추출하는 단계;
    상기 사용자 단말기를 통해, 상기 검증될 특징점 정보 세트를 포함하는 메시지를 서버에 전송하는 단계; 및
    상기 서버를 통해, 상기 검증될 특징점 정보 세트를 수신하는 단계를 포함하고;
    상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 상기 단계는, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 단계를 포함하고;
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 상기 단계는, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 단계를 포함하고;
    상기 검증 데이터를 상기 사전 설정된 데이터와 비교하는 상기 단계는, 상기 서버를 통해 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 단계를 포함하고;
    상기 검증될 사용자를 검증하는 상기 단계는, 상기 서버를 통해, 상기 검증될 사용자를 검증하는 단계를 포함하는, 방법.
  5. 제 3 항에 있어서,
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우:
    상기 서버를 통해 상기 검증될 사용자의 미리 결정된 위치지정 단말기의 위치 정보를 획득하는 단계;
    상기 미리 결정된 위치지정 단말기와 상기 검증될 사용자의 상기 생체측정 정보를 수집한 상기 사용자 단말기가 동일한 위치에 있는지의 여부를 결정하는 단계;
    상기 미리 결정된 위치지정 단말기와 상기 사용자 단말기가 동일한 위치에 있지 않은 경우, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 단계를 더 포함하고, 상기 수신하는 단계는:
    상기 서버를 통해, 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 단계; 및
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 서버를 통해, 검증될 사용자를 검증하는 단계를 포함하는, 방법.
  6. 제 5 항에 있어서,
    상기 미리 결정된 위치지정 단말기와 상기 사용자 단말기가 동일한 위치에 있는 경우, 상기 검증될 사용자를 검증하는 단계를 더 포함하는, 방법.
  7. 제 5 항에 있어서,
    상기 메시지는 상기 사용자 단말기의 위치 정보를 포함하는, 방법.
  8. 제 1 항에 있어서,
    상기 검증될 사용자가 입력한 사업 데이터를 수신하는 단계;
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우, 상기 사업 데이터를 사전 설정된 규칙과 비교하는 단계; 및
    상기 사업 데이터가 상기 사전 설정된 규칙을 준수하지 않는 경우:
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 단계;
    상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 단계; 및
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 검증될 사용자를 검증하는 단계를 더 포함하는, 방법.
  9. 제 8 항에 있어서,
    상기 사업 데이터는 소비량을 포함하고;
    상기 사전 설정된 규칙은 상기 검증될 사용자의 이력적인 소비 기록들의 분석에 기초하여 결정된 소비량 격차에 대응하고, 상기 사업 데이터는 상기 소비량 격차 내에 드는 것이 요구되는, 방법.
  10. 제 8 항에 있어서,
    상기 사업 데이터는 소비량이고;
    상기 사전 설정된 규칙은 상기 검증될 사용자의 이력적인 소비 기록들의 분석에 기초하여 중간 또는 평균 소비 값에 대응하고;
    상기 사업 데이터는 상기 중간 또는 평균 소비 값의 배수 미만인, 방법.
  11. 시스템에 있어서:
    적어도 하나의 프로세서로서,
    검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여, 상기 검증될 사용자로부터 수집된 생체측정 정보에 적어도 부분으로 기초하여 특징점 정보를 얻고;
    상기 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트들과 비교하고;
    상기 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우,
    상기 검증될 사용자가 입력한 검증 데이터를 수신하고;
    상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고;
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 검증될 사용자를 검증하도록 구성된 상기 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서에 접속되어 상기 적어도 하나의 프로세서에 명령들을 제공하도록 구성된 메모리를 포함하는, 시스템.
  12. 제 10 항에 있어서,
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우, 상기 검증될 사용자를 검증하는, 시스템.
  13. 제 10 항에 있어서,
    상기 검증될 사용자의 상기 생체측정 정보는 적어도:
    사용자 단말기를 통해 상기 생체측정 정보를 수집하고;
    상기 사용자 단말기를 통해 상기 생체측정 정보를 포함하는 메시지를 서버로 전송하고;
    상기 서버를 통해 상기 생체측정 정보를 수신함으로써 결정되고;
    상기 생체측정 정보로부터 상기 특징점 정보를 획득하는 것은, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 형성하기 위하여 상기 생체측정 정보로부터 상기 특징점 정보를 추출하는 것을 포함하고;
    상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 것은, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 것을 포함하고;
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 것은, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 것을 포함하고;
    상기 검증 데이터를 상기 사전 설정된 데이터와 비교하는 것은, 상기 서버를 통해, 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 것을 포함하고;
    상기 검증될 사용자를 검증하는 것은, 상기 서버를 통해 상기 검증될 사용자를 검증하는 것을 포함하는, 시스템.
  14. 제 10 항에 있어서,
    상기 검증될 사용자의 상기 생체측정 정보는 적어도:
    사용자 단말기를 통해, 상기 생체측정 정보를 수집함으로써 결정되고;
    상기 생체측정 정보로부터 상기 특징점 정보를 획득하는 것은:
    상기 사용자 단말기를 통해, 상기 검증될 특징점 정보 세트를 형성하기 위하여 상기 생체측정 정보로부터 특징점 정보를 추출하는 것;
    상기 사용자 단말기를 통해, 상기 검증될 특징점 정보 세트를 포함하는 메시지를 서버에 전송하는 것; 및
    상기 서버를 통해, 상기 검증될 특징점 정보 세트를 수신하는 것을 포함하고;
    상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 것은, 상기 서버를 통해, 상기 검증될 특징점 정보 세트를 미리 저장된 상기 사전 설정된 특징점 정보 세트들과 비교하는 것을 포함하고;
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 것은, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하는 것을 포함하고;
    상기 검증 데이터를 상기 사전 설정된 데이터와 비교하는 것은, 상기 서버를 통해, 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 것을 포함하고;
    상기 검증될 사용자를 검증하는 것은, 상기 서버를 통해, 상기 검증될 사용자를 검증하는 것을 포함하는, 시스템.
  15. 제 13 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우:
    상기 서버를 통해, 상기 검증될 사용자의 미리 결정된 위치지정 단말기의 위치 정보를 획득하고;
    상기 미리 결정된 위치지정 단말기와 상기 검증될 사용자의 상기 생체측정 정보를 수집한 상기 사용자 단말기가 동일한 위치에 있는지의 여부를 결정하고;
    상기 미리 결정된 위치지정 단말기와 상기 사용자 단말기가 동일한 위치에 있지 않은 경우, 상기 서버를 통해, 상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하도록 추가로 구성되고,
    상기 검증 데이터를 수신하는 것은:
    상기 서버를 통해, 상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하는 것; 및
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 서버를 통해, 검증될 사용자를 검증하는 것을 포함하는, 시스템.
  16. 제 15 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 미리 결정된 위치지정 단말기와 상기 사용자 단말기가 동일한 위치에 있는 경우, 상기 검증될 사용자를 검증하도록 추가로 구성되는, 시스템.
  17. 제 15 항에 있어서,
    상기 메시지는 상기 사용자 단말기의 위치 정보를 포함하는, 시스템.
  18. 제 10 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 검증될 사용자가 입력한 사업 데이터를 수신하고;
    상기 매칭의 정도가 상기 제 1 미리 결정된 임계값보다 큰 경우, 상기 사업 데이터를 사전 설정된 규칙과 비교하고;
    상기 사업 데이터가 상기 사전 설정된 규칙을 준수하지 않는 경우:
    상기 검증될 사용자가 입력한 상기 검증 데이터를 수신하고;
    상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 상기 사전 설정된 데이터와 비교하고;
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 검증될 사용자를 검증하도록 추가로 구성되는, 시스템.
  19. 제 18 항에 있어서,
    상기 사업 데이터는 소비량을 포함하고;
    상기 사전 설정된 규칙은 상기 검증될 사용자의 이력적인 소비 기록들의 분석에 기초하여 결정된 소비량 격차에 대응하고, 상기 사업 데이터는 상기 소비량 격차 내에 드는 것이 요구되는, 시스템.
  20. 제 18 항에 있어서,
    상기 사업 데이터는 소비량이고;
    상기 사전 설정된 규칙은 상기 검증될 사용자의 이력적인 소비 기록들의 분석에 기초하여 결정된 중간 또는 평균 소비 값에 대응하고;
    상기 사업 데이터는 상기 중간 또는 평균 소비 값의 배수 미만이어야 하는, 시스템.
  21. 유형의 비일시적 컴퓨터 판독 가능한 저장 매체에 구현되고, 컴퓨터 명령들을 포함하는, 컴퓨터 프로그램 제품으로서:
    상기 컴퓨터 명령들은:
    검증될 사용자를 확인하는 검증될 특징점 정보 세트를 형성하기 위하여, 상기 검증될 사용자로부터 수집된 생체측정 정보에 적어도 부분으로 기초하여 특징점 정보를 얻고;
    상기 검증될 특징점 정보 세트를 미리 저장된 사전 설정된 특징점 정보 세트들과 비교하고;
    상기 검증될 특징점 정보 세트와 사전 설정된 특징점 정보 세트 사이의 매칭의 정도가 제 1 미리 결정된 임계값 미만이고, 제 2 미리 결정된 임계값보다 큰 경우,
    상기 검증될 사용자가 입력한 검증 데이터를 수신하고;
    상기 검증 데이터를 상기 사전 설정된 특징점 정보 세트에 대응하는 사전 설정된 데이터와 비교하고;
    상기 검증 데이터와 상기 사전 설정된 데이터가 동일한 경우, 상기 검증될 사용자를 검증하기 위한 것인, 컴퓨터 프로그램 제품.
KR1020167030810A 2014-06-03 2015-05-28 신원들을 검증하기 위한 방법 및 시스템 KR102038851B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN201410242379.7A CN105227307A (zh) 2014-06-03 2014-06-03 身份验证方法与系统以及服务器数据处理方法和服务器
CN201410242379.7 2014-06-03
US14/723,320 2015-05-27
US14/723,320 US9704051B2 (en) 2014-06-03 2015-05-27 Method and system for verifying identities
PCT/US2015/032841 WO2015187445A1 (en) 2014-06-03 2015-05-28 Method and system for verifying identities

Publications (2)

Publication Number Publication Date
KR20160144419A true KR20160144419A (ko) 2016-12-16
KR102038851B1 KR102038851B1 (ko) 2019-10-31

Family

ID=54702167

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167030810A KR102038851B1 (ko) 2014-06-03 2015-05-28 신원들을 검증하기 위한 방법 및 시스템

Country Status (9)

Country Link
US (1) US9704051B2 (ko)
EP (1) EP3152702A1 (ko)
JP (1) JP6518694B2 (ko)
KR (1) KR102038851B1 (ko)
CN (1) CN105227307A (ko)
HK (1) HK1215766A1 (ko)
SG (2) SG10201907025VA (ko)
TW (1) TWI650666B (ko)
WO (1) WO2015187445A1 (ko)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11562448B2 (en) * 2015-04-27 2023-01-24 First Advantage Corporation Device and method for performing validation and authentication of a physical structure or physical object
CN106411812B (zh) 2015-07-27 2019-10-08 阿里巴巴集团控股有限公司 用户身份的验证方法、系统和验证服务器
KR101736710B1 (ko) * 2015-08-07 2017-05-17 주식회사 슈프리마 생체 정보 관리 방법 및 장치
CN105915714A (zh) * 2016-05-24 2016-08-31 北京小米移动软件有限公司 终端丢失提示方法及装置
CN105897747B (zh) * 2016-05-27 2020-04-03 北京中金国信科技有限公司 基于数字生物签名的数据存储方法、装置及智能设备
CN106203371A (zh) * 2016-07-19 2016-12-07 柳州龙辉科技有限公司 一种基于身份识别的人口管理系统和方法
CN106228054A (zh) * 2016-08-02 2016-12-14 北京小米移动软件有限公司 身份验证方法和装置
CN107103218B (zh) * 2016-10-24 2020-12-22 创新先进技术有限公司 一种业务实现方法和装置
CN108009168B (zh) * 2016-10-31 2020-12-01 腾讯科技（深圳）有限公司 用户帐号识别方法及装置
CN108806025A (zh) * 2017-05-03 2018-11-13 腾讯科技（深圳）有限公司 实现访客临时访问的门禁授权方法及装置
CN108989038B (zh) * 2017-05-31 2021-06-22 国民技术股份有限公司 一种用于地理位置认证的识别设备、系统及方法
CN107491674B (zh) * 2017-07-27 2020-04-07 阿里巴巴集团控股有限公司 基于特征信息进行用户验证的方法及装置
CN111295633B (zh) * 2017-08-29 2024-02-20 新加坡商欧之遥控有限公司 精细的用户识别
CN109844764B (zh) * 2017-08-31 2021-12-28 华为技术有限公司 指纹传感器功能的验证方法及终端
CN107633564A (zh) * 2017-08-31 2018-01-26 深圳市盛路物联通讯技术有限公司 基于图像的监控方法及物联网服务器
TWI663567B (zh) * 2017-09-25 2019-06-21 中國信託商業銀行股份有限公司 Address verification device and system and online address verification method
CN108171033A (zh) * 2017-12-15 2018-06-15 微梦创科网络科技（中国）有限公司 智能终端的混合身份验证方法、装置、存储介质和终端
CN108647576A (zh) * 2018-04-10 2018-10-12 阳光暖果（北京）科技发展有限公司 一种基于视频序列人脸识别的活体身份认证方法
CN109033768B (zh) * 2018-06-28 2022-07-19 重庆辉烨物联科技有限公司 一种基于智能移动终端的充电方法、装置和终端
CN108846273B (zh) * 2018-07-18 2020-09-01 维沃移动通信有限公司 一种身份识别验证方法及模组
CN110298245B (zh) * 2019-05-22 2023-10-13 平安科技（深圳）有限公司 兴趣收集方法、装置、计算机设备及存储介质
CN110276892A (zh) * 2019-06-26 2019-09-24 深圳市腾讯计算机系统有限公司 无人售货方法、装置、设备及存储介质
CN110599639B (zh) * 2019-08-13 2021-05-07 深圳市天彦通信股份有限公司 身份验证方法及相关产品
CN112528706A (zh) * 2019-09-17 2021-03-19 清华大学 人员识别系统及其方法
CN112825051A (zh) * 2019-11-20 2021-05-21 精品科技股份有限公司 数据验证方法
CN111914637B (zh) * 2020-06-28 2021-05-04 普瑞达建设有限公司 一种智能人脸识别集成管理方法及系统
CN112446709A (zh) * 2020-12-15 2021-03-05 安徽银通物联有限公司 一种人脸识别支付认证方法及系统
CN112613891B (zh) * 2020-12-24 2023-10-03 支付宝(杭州)信息技术有限公司 一种店铺注册信息验证方法、装置及设备
JP6926351B1 (ja) * 2021-02-01 2021-08-25 真旭 徳山 端末装置、情報処理方法、及びプログラム
CN114742647B (zh) * 2022-03-01 2023-09-29 陕西维一信息技术有限公司 一种基于区块链和大数据的金融交易系统
CN116418976B (zh) * 2022-11-24 2023-12-12 北京的卢铭视科技有限公司 结构光相机的产测sdk授权方法、电子设备及存储介质
CN118735470A (zh) * 2024-09-04 2024-10-01 青岛邦诚信息科技有限公司 一种基于服务验证的企业项目管理系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050175225A1 (en) * 2004-02-06 2005-08-11 Fujitsu Limited Biometric information verifying apparatus
US20050223236A1 (en) * 2004-03-30 2005-10-06 Fujitsu Limited Biometric information verifying apparatus, biometric information narrowing apparatus, and computer-readable recording medium storing a biometric information narrowing program thereon

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5127043A (en) * 1990-05-15 1992-06-30 Vcs Industries, Inc. Simultaneous speaker-independent voice recognition and verification over a telephone network
US6560352B2 (en) * 1999-10-08 2003-05-06 Lumidigm, Inc. Apparatus and method of biometric identification or verification of individuals using optical spectroscopy
US6816605B2 (en) * 1999-10-08 2004-11-09 Lumidigm, Inc. Methods and systems for biometric identification of individuals using linear optical spectroscopy
JP4586250B2 (ja) * 2000-08-31 2010-11-24 ソニー株式会社 個人識別証明書リンクシステム、情報処理装置、および情報処理方法、並びにプログラム提供媒体
JP2004030560A (ja) * 2002-12-27 2004-01-29 Ntt Data Corp データ処理装置、データ処理システム及び方法
JP2005010826A (ja) * 2003-06-16 2005-01-13 Fujitsu Ltd 認証端末装置、生体情報認証システム、及び生体情報取得システム
JP4340618B2 (ja) * 2004-10-08 2009-10-07 富士通株式会社 生体情報認証装置及び方法，並びに生体情報認証プログラム及び生体情報認証プログラムを記録したコンピュータ読取可能な記録媒体
WO2006101943A2 (en) * 2005-03-16 2006-09-28 Lc Technologies, Inc. System and method for eyeball surface topography as a biometric discriminator
JP4961214B2 (ja) * 2006-03-29 2012-06-27 株式会社日立情報制御ソリューションズ 生体認証方法およびシステム
JP4886371B2 (ja) * 2006-06-07 2012-02-29 株式会社日立情報制御ソリューションズ 生体認証方法及びシステム
JP4743053B2 (ja) * 2006-09-06 2011-08-10 ヤマハ株式会社 生体認証装置、生体認証方法およびプログラム
CN101303724A (zh) * 2007-05-10 2008-11-12 中国银联股份有限公司 一种认证授权方法及系统
US8065529B2 (en) 2007-05-21 2011-11-22 Ut-Battelle, Llc Methods for using a biometric parameter in the identification of persons
JP2010015307A (ja) * 2008-07-02 2010-01-21 Oki Telecommunication Systems Co Ltd サービス提供システム、サービス提供装置、通信端末、位置認証装置、サービス提供プログラム、通信プログラム及び位置認証プログラム
TWI459309B (zh) * 2008-11-28 2014-11-01 Chi Mei Comm Systems Inc 虹膜識別系統及方法
JP5228872B2 (ja) * 2008-12-16 2013-07-03 富士通株式会社 生体認証装置、生体認証方法及び生体認証用コンピュータプログラムならびにコンピュータシステム
TW201113741A (en) * 2009-10-01 2011-04-16 Htc Corp Lock-state switching method, electronic apparatus and computer program product
WO2011070646A1 (ja) * 2009-12-08 2011-06-16 富士通株式会社 生体認証システム及び生体認証方法
CN102137077A (zh) * 2010-01-26 2011-07-27 凹凸电子（武汉）有限公司 访问控制系统和采用计算机系统控制访问权限的方法
JP2012234235A (ja) * 2011-04-28 2012-11-29 Hitachi Ltd 生体認証システムおよび生体認証方法
CN103294986B (zh) * 2012-03-02 2019-04-09 汉王科技股份有限公司 一种生物特征的识别方法和装置
CN103685311B (zh) * 2013-12-27 2017-06-13 网易（杭州）网络有限公司 一种登录验证方法及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050175225A1 (en) * 2004-02-06 2005-08-11 Fujitsu Limited Biometric information verifying apparatus
US20050223236A1 (en) * 2004-03-30 2005-10-06 Fujitsu Limited Biometric information verifying apparatus, biometric information narrowing apparatus, and computer-readable recording medium storing a biometric information narrowing program thereon

Also Published As

Publication number Publication date
JP2017524998A (ja) 2017-08-31
KR102038851B1 (ko) 2019-10-31
US9704051B2 (en) 2017-07-11
TW201546645A (zh) 2015-12-16
WO2015187445A1 (en) 2015-12-10
US20150347857A1 (en) 2015-12-03
SG11201609229UA (en) 2016-12-29
JP6518694B2 (ja) 2019-05-22
EP3152702A1 (en) 2017-04-12
SG10201907025VA (en) 2019-09-27
TWI650666B (zh) 2019-02-11
CN105227307A (zh) 2016-01-06
HK1215766A1 (zh) 2016-09-09

Similar Documents

Publication Publication Date Title
KR102038851B1 (ko) 신원들을 검증하기 위한 방법 및 시스템
KR101997371B1 (ko) 신원 인증 방법 및 장치, 단말기 및 서버
US10068076B1 (en) Behavioral authentication system using a behavior server for authentication of multiple users based on their behavior
US10580243B2 (en) Conditional and situational biometric authentication and enrollment
US9892576B2 (en) Biometrics identification module and personal wearable electronics network based authentication and transaction processing
US10303963B1 (en) ATM with biometric security
US11496471B2 (en) Mobile enrollment using a known biometric
US11494474B2 (en) Brain activity-based authentication
EP3655874B1 (en) Method and electronic device for authenticating a user
JP7428242B2 (ja) 認証装置、認証システム、認証方法および認証プログラム
Belkhede et al. Biometric mechanism for enhanced security of online transaction on Android system: A design approach
US20150120543A1 (en) EyeWatch ATM and Wire Transfer Fraud Prevention System
WO2018179723A1 (ja) 顔認証処理装置、顔認証処理方法及び顔認証処理システム
US20150100493A1 (en) EyeWatch credit card fraud prevention system
JP2011118561A (ja) 個人認証装置及び個人認証方法
KR20150039309A (ko) 개인 신분 도용 차단 방법 및 그 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right