身份识别及验证系统、方法、装置和计算机可读存储介质制造方法及图纸

技术编号:21225007 阅读:27 留言:0更新日期:2019-05-29 05:45
本公开一种基于击键动力学的身份识别及验证系统、方法、装置和计算机可读存储介质。该基于击键动力学的身份识别及验证系统,包括:击键信息采集模块,包括:N粒按键,这些按键接受用户敲击而输出连续电压信号,N≥1;模数转换模块,用于接收击键信息采集模块中N粒按键所输出的连续电压信号,对连续电压信号进行模数转换,将其转换为数字信号;特征提取模块,用于对模数转换模块输出的数字信号进行处理,提取特征信息;以及模式识别模块,用于利用特征提取模块提取的特征信息进行用户身份识别及验证。本公开中,通过对连续模拟信号进行处理,可以获得更为丰富的用户特征信息,这些用户特征信息保证了训练的有效性和用户识别的准确性。

Identity Recognition and Authentication System, Method, Device and Computer Readable Storage Media

The present disclosure discloses an identity recognition and verification system, method, device and computer readable storage medium based on keystroke dynamics. The identification and verification system based on keystroke dynamics includes: keystroke information acquisition module, including: N keys, which receive the user's tapping and output continuous voltage signal, N (> 1); analog-to-digital conversion module, which receives the continuous voltage signal from N keys in keystroke information acquisition module, and for continuous electricity. Voltage signal is converted to digital signal by analog-to-digital conversion; feature extraction module is used to process digital signal output by analog-to-digital conversion module and extract feature information; and pattern recognition module is used to identify and verify user's identity by feature extraction module. In the present disclosure, more abundant user feature information can be obtained by processing continuous analog signals, which ensures the effectiveness of training and the accuracy of user identification.

【技术实现步骤摘要】
身份识别及验证系统、方法、装置和计算机可读存储介质
本公开涉及网络安全
,尤其涉及一种基于击键动力学的身份识别及验证系统、方法、装置和计算机可读存储介质。
技术介绍
在高速发展的信息时代,网络安全已经成为人们的一大顾虑,这使得人机交互界面需要有一个有效并持续的解决方案。需要至少两个认证因素的多因素认证可以提供比常用的仅密码方案高得多的安全级别。它不仅要求私人信息的知识,例如密码,还要求用户与自己相关的东西,例如安全令牌或生物特征。击键动力学是基于人们的打字属性的行为生物识别,例如按键延迟和按键保持时间。当使用诸如数字键盘或键盘的输入设备记录信息时,它会是一种理想的认证因素。然而,类似于其他行为生物特征,击键动力学的打字属性有时会有大的统计上的波动,而如果能从击键行为里提取更多的打字属性,将会有利于减少这种波动对于最终验证结果的影响。公开内容(一)要解决的技术问题本公开提供了一种基于击键动力学的身份识别及验证系统、方法、装置和计算机可读存储介质,以至少部分解决以上所提出的技术问题。(二)技术方案根据本公开的一个方面,提供了一种基于击键动力学的身份识别及验证系统,包括:击键信息采集模块,包括:N粒按键,这些按键接受用户敲击而输出连续电压信号,N≥1;模数转换模块,与击键信息采集模块电性耦接,用于接收击键信息采集模块中N粒按键所输出的连续电压信号,对连续电压信号进行模数转换,将其转换为数字信号;特征提取模块,与模数转换模块电性耦接,用于对模数转换模块输出的数字信号进行处理,提取特征信息;以及模式识别模块,与特征提取模块电性耦接,用于利用特征提取模块提取的特征信息进行用户身份识别及验证。在本公开的一些实施例中,特征提取模块提取的特征信息包括:一阶特征信息和/或二阶特征信息;一阶特征信息包括以下信息的至少一种:峰值大小、峰值间隔、按键时间;二阶特征信息包括以下信息的至少一种:频域特征信息、小波变换域特征信息、离散余弦变换域信息。在本公开的一些实施例中,特征提取模块提取的二阶特征信息中:频域特征信息包括以下信息中的一种或多种:峰值大小、峰值位置;和/或小波变换域特征信息包括以下信息中的一种或多种:频率突变性、小波能量分布;和/或离散余弦变换域信息包括以下信息中的一种或多种:频率分布、能量分布。在本公开的一些实施例中,特征提取模块包括:数字滤波模块,用于将数字信号进行时域滤波,滤除噪声信号,得到有效的数字电压信号;归一化模块,用于对有效的数字电压信号进行归一化;时域特征提取模块,用于对归一化后的数字电压信号进行峰值检测、上升沿检测和下降沿检测,获取按键信号的时域特征信息;频域特征提取模块,用于对归一化后的数字电压信号进行时频转换,将其转换为频域,对频域信号进行峰值检测,得到按键信号的频域特征信息;小波变换域特征提取模块,用于将归一化后的数字电压信号进行小波变换,对小波变换后的信号进行检测,得到小波变换域特征信息;离散余弦域特征提取模块,将归一化后的数字电压信号进行离散余弦变换,对离散余弦变换后的信号进行检测,得到离散余弦变换域信息。在本公开的一些实施例中,模式识别模块,用于利用特征提取模块提取的一阶特征信息和二阶特征信息,基于机器学习算法进行用户身份识别及验证;机器学习算法为监督式深度学习算法或非监督式学习算法;监督式学习算法包括以下算法中的一种或多种:决策树方法、朴素贝叶斯方法、最小二乘法或支持向量机法;非监督式学习算法包括以下算法中的一种或多种:聚类算法或主成分分析法。在本公开的一些实施例中,模式识别模块用于:在训练阶段,将多个用户的标签及每一用户对应的四组特征信息作为输入,经过深度学习算法学习后获得系统用户模型参数;在识别阶段,将通过击键信息采集模块输入的密码及在输入过程中采集的连续电压信号通过处理获取的时域特征信息、频域特征信息、小波变换域特征信息、离散余弦变换域信息的四组特征信息作为输入,利用深度学习算法和系统用户模型参数进行判定,获得对目标用户标签的估计,作为输出。在本公开的一些实施例中,按键为电容式按键、电阻式按键、基于摩擦纳米发电机的按键。在本公开的一些实施例中,基于摩擦纳米发电机的按键为单电极按键或双电极按键,包括:软体框架;上摩擦组件和下摩擦组件,位于软体框架内;其中,上摩擦组件和下摩擦组件相对表面的材料为处于摩擦电极序上不同位置的材料,在敲击力的作用下,上摩擦组件和下摩擦组件的相对表面在分离状态和接触状态之间切换,从而产生连续电压信号。在本公开的一些实施例中,按键还包括:屏蔽电极,设置于软体框架的承力面和上摩擦组件之间,用于屏蔽手指所带电荷对连续电压信号的干扰。在本公开的一些实施例中,上摩擦组件自上而下包括:上电极基底;依次形成于上电极基底上的上电极和内表层;下摩擦组件自下而上包括:下电极基底和形成于下电极基底上的下电极;其中,上摩擦组件的内表层和下摩擦组件的下电极由处于摩擦电极序上不同位置的材料制成。在本公开的一些实施例中,屏蔽电极设置于软体框架的承力面和上电极基底之间;和/或屏蔽电极的外围边缘相比于上电极的外围边缘向外侧延伸0.5~2mm;且屏蔽电极的外围边缘向下方倾斜,呈向下盖住上电极的形状。在本公开的一些实施例中,上电极、下电极和屏蔽电极均由ITO材料制备;软体框架采用硅胶材料制备;上电极基底、下电极基底采用PET薄膜制备。基于同一专利技术构思,本公开还提供了基于击键动力学的身份识别及验证方法,包括:对数字信号进行处理,提取特征信息,其中,数字信号为由用户敲击按键而输出的连续电压信号经模数转换而来;以及利用特征信息进行用户身份识别及验证。在本公开的一些实施例中,特征信息包括:一阶特征信息和/或二阶特征信息;一阶特征信息包括以下信息的至少一种:峰值大小、峰值间隔、按键时间;二阶特征信息包括以下信息的至少一种:频域特征信息、小波变换域特征信息、离散余弦变换域信息。在本公开的一些实施例中,二阶特征信息中:频域特征信息包括以下信息中的一种或多种:峰值大小、峰值位置;和/或小波变换域特征信息包括以下信息中的一种或多种:频率突变性、小波能量分布;和/或离散余弦变换域信息包括以下信息中的一种或多种:频率分布、能量分布。在本公开的一些实施例中,利用特征信息进行用户身份识别及验证的步骤具体包括:利用一阶特征信息和二阶特征信息,基于机器学习算法进行用户身份识别及验证;其中,机器学习算法为监督式深度学习算法或非监督式学习算法;监督式学习算法包括以下算法中的一种或多种:决策树方法、朴素贝叶斯方法、最小二乘法或支持向量机法;非监督式学习算法包括以下算法中的一种或多种:聚类算法或主成分分析法。基于同一专利技术构思,本公开还提供了一种计算机装置,包括:存储器;以及处理器,电性耦接至存储器,其被配置为基于存储在存储器中的指令,执行如上的身份识别及验证方法。基于同一专利技术构思,本公开还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上的身份识别及验证方法。(三)有益效果从上述技术方案可以看出,本公开基于击键动力学的身份识别及验证系统、方法、装置和计算机可读存储介质至少具有以下有益效果其中之一:(1)击键信息采集模块获得连续电压信号,该电压信号为连续模拟信号,而并非本文档来自技高网...

【技术保护点】
1.一种基于击键动力学的身份识别及验证系统,包括:击键信息采集模块,包括:N粒按键,这些按键接受用户敲击而输出连续电压信号,N≥1;模数转换模块,与所述击键信息采集模块电性耦接,用于接收所述击键信息采集模块中N粒按键所输出的连续电压信号,对连续电压信号进行模数转换,将其转换为数字信号;特征提取模块,与所述模数转换模块电性耦接,用于对所述模数转换模块输出的数字信号进行处理,提取特征信息;以及模式识别模块,与所述特征提取模块电性耦接,用于利用特征提取模块提取的特征信息进行用户身份识别及验证。

【技术特征摘要】
1.一种基于击键动力学的身份识别及验证系统,包括:击键信息采集模块,包括:N粒按键,这些按键接受用户敲击而输出连续电压信号,N≥1;模数转换模块,与所述击键信息采集模块电性耦接,用于接收所述击键信息采集模块中N粒按键所输出的连续电压信号,对连续电压信号进行模数转换,将其转换为数字信号;特征提取模块,与所述模数转换模块电性耦接,用于对所述模数转换模块输出的数字信号进行处理,提取特征信息;以及模式识别模块,与所述特征提取模块电性耦接,用于利用特征提取模块提取的特征信息进行用户身份识别及验证。2.根据权利要求1所述的身份识别及验证系统,其中,所述特征提取模块提取的特征信息包括:一阶特征信息和/或二阶特征信息;所述一阶特征信息包括以下信息的至少一种:峰值大小、峰值间隔、按键时间;所述二阶特征信息包括以下信息的至少一种:频域特征信息、小波变换域特征信息、离散余弦变换域信息。3.根据权利要求2所述的身份识别及验证系统,所述特征提取模块提取的二阶特征信息中:所述频域特征信息包括以下信息中的一种或多种:峰值大小、峰值位置;和/或所述小波变换域特征信息包括以下信息中的一种或多种:频率突变性、小波能量分布;和/或所述离散余弦变换域信息包括以下信息中的一种或多种:频率分布、能量分布。4.根据权利要求3所述的身份识别及验证系统,所述特征提取模块包括:数字滤波模块,用于将数字信号进行时域滤波,滤除噪声信号,得到有效的数字电压信号;归一化模块,用于对有效的数字电压信号进行归一化;时域特征提取模块,用于对归一化后的数字电压信号进行峰值检测、上升沿检测和下降沿检测,获取按键信号的时域特征信息;频域特征提取模块,用于对归一化后的数字电压信号进行时频转换,将其转换为频域,对频域信号进行峰值检测,得到按键信号的频域特征信息;小波变换域特征提取模块,用于将归一化后的数字电压信号进行小波变换,对小波变换后的信号进行检测,得到小波变换域特征信息;离散余弦域特征提取模块,将归一化后的数字电压信号进行离散余弦变换,对离散余弦变换后的信号进行检测,得到离散余弦变换域信息。5.根据权利要求2至4中任一项所述的身份识别及验证系统,其中:所述模式识别模块,用于利用特征提取模块提取的一阶特征信息和二阶特征信息,基于机器学习算法进行用户身份识别及验证;所述机器学习算法为监督式深度学习算法或非监督式学习算法;所述监督式学习算法包括以下算法中的一种或多种:决策树方法、朴素贝叶斯方法、最小二乘法或支持向量机法;所述非监督式学习算法包括以下算法中的一种或多种:聚类算法或主成分分析法。6.根据权利要求5所述的身份识别及验证系统,其中,所述模式识别模块用于:在训练阶段,将多个用户的标签及每一用户对应的四组特征信息作为输入,经过深度学习算法学习后获得系统用户模型参数;在识别阶段,将通过击键信息采集模块输入的密码及在输入过程中采集的连续电压信号通过处理获取的时域特征信息、频域特征信息、小波变换域特征信息、离散余弦变换域信息的四组特征信息作为输入,利用深度学习算法和系统用户模型参数进行判定,获得对目标用户标签的估计,作为输出。7.根据权利要求1至6中任一项所述的身份识别及验证系统,其中,所述按键为电容式按键、电阻式按键、基于摩擦纳米...

【专利技术属性】
技术研发人员:吴昌盛丁文伯王琦其他发明人请求不公开姓名
申请(专利权)人:北京纳米能源与系统研究所
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1