用户身份认证方法、装置、用户终端及服务器制造方法及图纸

本发明专利技术实施例中提供了一种用户身份认证方法、装置、用户终端及服务器。其中的方法包括：获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；基于所述签名传感器数据及手写笔迹截图数据，分别对用户身份进行识别；若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。本发明专利技术将手写过程的行为特征和手写笔迹的生物特征融合使用，更加精确地进行手写签名身份认证，并且能够提高身份认证的速度。

【技术实现步骤摘要】
用户身份认证方法、装置、用户终端及服务器
本专利技术涉及人工智能
，尤其涉及一种用户身份认证方法、装置、用户终端及服务器。
技术介绍
目前，对用户进行身份认证有多种方法。例如，从获取到的手写签名中选取一组参数来表示签名，并通过比较训练签名和待验证签名的参数来判断待验证签名的真假。这些参数包括签名的横纵坐标、位移、速度和加速度以及这些参数的平均值、方差、最大值和最小值等。但现有技术存在如下几方面缺陷：第一、需要基于专用的手写设备(专用手写板和手写笔)进行签名身份认证；第二、不能对于任意文字、数字或者符号都适用；第三、应用场景受限。
技术实现思路
有鉴于此，本专利技术实施例提供一种用户身份认证方法、装置、用户终端及服务器，至少部分解决现有技术中存在的问题。第一方面，本专利技术实施例提供了一种用户身份认证方法，包括：获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；所述签名传感器数据用于生成用户在书写过程中的行为特征，所述手写笔迹截图数据用于生成用户书写的生物特征；基于所述签名传感器数据及手写笔迹截图数据，分别对用户身份进行识别；若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。进一步地，根据本专利技术实施例的一种具体实现方式，基于所述用户手写笔迹截图数据对用户身份进行识别包括：将当前用户输入的手写笔迹截图数据转化为灰度图像数据；调整所述灰度图像数据的大小；基于预先训练好的手写笔迹生物特征身份认证模型，对调整大小后的灰度图像进行特征提取，获得手写笔迹生物特征；将所述手写笔迹生物特征与每一历史手写笔迹截图数据所对应的手写笔迹生物特征进行相似度计算，确定超过给定相似度阈值的数量，若所述数量超过预先设定的数量阈值，则通过用户手写笔迹生物特征的验证；其中所述历史手写笔迹截图数据为用户唯一标识关联，且用户在注册时所预先录入；所述每一历史手写笔迹截图数据所对应的手写笔迹生物特征为：所述历史手写笔迹截图数据调整大小后的灰度图像输入所述手写笔迹生物特征身份认证模型后所获得的图像特征。进一步地，根据本专利技术实施例的一种具体实现方式，所述手写笔迹生物特征身份认证模型采用人脸识别算法或图像分类算法。进一步地，根据本专利技术实施例的一种具体实现方式，基于所述签名传感器数据对用户身份进行识别包括如下步骤：根据当前用户输入的签名传感器数据，获取对应的当前动态指标数据和当前静态指标数据；通过用户唯一标识查询预先存储的多条历史签名传感器数据，并获得对应的历史动态指标数据和历史静态指标数据；对当前动态指标数据与多条历史动态指标数据进行衍生，并进行归一化以及数据重采样的操作；基于重采样后获得的数据，计算第一动态指标距离向量与第二动态指标距离向量；其中，所述第一动态指标距离向量通过如下方式获得：将多条历史动态指标数据中相同的指标，两两计算距离，将获得的动态指标距离向量作为所述第一动态指标距离向量；所述第二动态指标距离向量通过如下方式获得：将所述当前动态指标数据与所述多条历史动态指标数据中的相同指标两两计算距离，将获得的动态指标距离向量作为所述第二动态指标距离向量；对当前静态指标数据与多条历史静态指标数据进行衍生，并进行归一化操作；对经过数据归一化处理的静态指标数据中的相同指标相减，然后取绝对值，获得多个静态指标距离向量，作为第一静态指标距离向量；对经过归一化处理的当前静态指标数据与多条所述历史静态指标数据的相同指标相减，然后取绝对值，获得多个静态指标距离向量，作为第二静态指标距离向量；将所述第一动态指标距离向量与所述第一静态指标距离向量进行横向拼接，获得多个第一新距离向量，并基于所述第一新距离向量训练传感器行为特征身份认证模型，所述传感器行为特征身份认证模型为SVDD算法；将多个所述第二动态指标距离向量与多个所述第二静态指标距离向量进行横向拼接，获得多个第二新距离向量，并将所述第二新距离向量作为所述传感器行为特征身份认证模型的输入，根据输出结果对用户身份进行识别。进一步地，根据本专利技术实施例的一种具体实现方式，所述对当前动态指标数据与多条历史动态指标数据进行衍生，并进行归一化以及数据重采样的操作中，所述归一化包括：旋转归一化、大小归一化和位置归一化。进一步地，根据本专利技术实施例的一种具体实现方式，所述数据重采样为等距数据重采样。进一步地，根据本专利技术实施例的一种具体实现方式，所述第一动态指标距离向量、所述第二动态指标距离向量、第一静态指标距离向量和所述第二静态指标距离向量均采用改进的DTW算法计算获得。第二方面，本专利技术实施例还提供了一种用户身份认证装置，包括：当前输入获取模块，用于获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；所述签名传感器数据用于生成用户在书写过程中的行为特征，所述手写笔迹截图数据用于生成用户书写的生物特征；识别模块，用于基于所述签名传感器数据及手写笔迹截图数据，分别对用户身份进行识别；认证模块，用于若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。进一步地，根据本专利技术实施例的一种具体实现方式，所述识别模块包括生物特征获取子模块，包括：转换单元，用于将当前用户输入的手写笔迹截图数据转化为灰度图像数据；调整单元，用于调整所述灰度图像数据的大小；生物特征获取单元，用于基于预先训练好的手写笔迹生物特征身份认证模型，对调整大小后的灰度图像进行特征提取，获得手写笔迹生物特征；第一识别单元，用于将所述手写笔迹生物特征与每一历史手写笔迹截图数据所对应的手写笔迹生物特征进行相似度计算，确定超过给定相似度阈值的数量，若所述数量超过预先设定的数量阈值，则通过用户手写笔迹生物特征的验证；其中所述历史手写笔迹截图数据为用户唯一标识关联，且用户在注册时所预先录入；所述每一历史手写笔迹截图数据所对应的手写笔迹生物特征为：所述历史手写笔迹截图数据调整大小后的灰度图像数据输入所述手写笔迹生物特征身份认证模型后所获得的图像特征。进一步地，根据本专利技术实施例的一种具体实现方式，所述手写笔迹生物特征身份认证模型采用人脸识别算法或图像分类算法。进一步地，根据本专利技术实施例的一种具体实现方式，所述识别模块包括行为特征识别子模块，包括：指标获取单元，用于根据当前用户输入的签名传感器数据，获取对应的当前动态指标数据和当前静态指标数据；历史数据获取单元，用于通过用户唯一标识查询预先存储的多条历史签名传感器数据，并获得对应的历史动态指标数据和历史静态指标数据；动态指标处理单元，用于对当前动态指标数据与多条历史动态指标数据进行衍生，并进行归一化以及数据重采样的操作；第一距离向量计算单元，用于基于重本文档来自技高网...

【技术保护点】
1.一种用户身份认证方法，其特征在于，包括：/n获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；其中，所述签名传感器数据用于生成用户在书写过程中的行为特征，所述手写笔迹截图数据用于生成用户书写的生物特征；/n基于所述签名传感器数据及所述手写笔迹截图数据，分别对用户身份进行识别；/n若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。/n

【技术特征摘要】
1.一种用户身份认证方法，其特征在于，包括：
获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；其中，所述签名传感器数据用于生成用户在书写过程中的行为特征，所述手写笔迹截图数据用于生成用户书写的生物特征；
基于所述签名传感器数据及所述手写笔迹截图数据，分别对用户身份进行识别；
若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。


2.根据权利要求1所述的用户身份认证方法，其特征在于，基于所述用户手写笔迹截图数据对用户身份进行识别包括：
将当前用户输入的手写笔迹截图数据转化为灰度图像数据；
调整所述灰度图像数据的大小；
基于预先训练好的手写笔迹生物特征身份认证模型，对调整大小后的灰度图像进行特征提取，获得手写笔迹生物特征；
将所述手写笔迹生物特征与每一历史手写笔迹截图数据所对应的手写笔迹生物特征进行相似度计算，确定超过给定相似度阈值的数量，若所述数量超过预先设定的数量阈值，则通过用户手写笔迹生物特征的验证；其中
所述历史手写笔迹截图数据为用户唯一标识关联，且用户在注册时所预先录入；
每一所述历史手写笔迹截图数据所对应的手写笔迹生物特征为：所述历史手写笔迹截图数据调整大小后的灰度图像数据输入所述手写笔迹生物特征身份认证模型后所获得的图像特征。


3.根据权利要求2所述的用户身份认证方法，其特征在于，所述手写笔迹生物特征身份认证模型为人脸识别算法或图像分类算法。


4.根据权利要求1所述的用户身份认证方法，其特征在于，基于所述签名传感器数据对用户身份进行识别包括如下步骤：
根据当前用户输入的签名传感器数据，获取对应的当前动态指标数据和当前静态指标数据；
通过用户唯一标识查询预先存储的多条历史签名传感器数据，并获得对应的历史动态指标数据和历史静态指标数据；
对当前动态指标数据与多条历史动态指标数据进行衍生，并进行归一化以及数据重采样的操作；
基于重采样后获得的数据，计算第一动态指标距离向量与第二动态指标距离向量；其中，所述第一动态指标距离向量通过如下方式获得：将多条历史动态指标数据中相同的指标，两两计算距离，将获得的动态指标距离向量作为所述第一动态指标距离向量；所述第二动态指标距离向量通过如下方式获得：将所述当前动态指标数据与所述多条历史动态指标数据中的相同指标两两计算距离，将获得的动态指标距离向量作为所述第二动态指标距离向量；
对当前静态指标数据与多条历史静态指标数据进行衍生，并进行归一化操作；对经过数据归一化处理的静态指标数据中的相同指标相减，然后取绝对值，获得多个静态指标距离向量，作为第一静态指标距离向量；对经过归一化处理的当前静态指标数据与多条所述历史静态指标数据的相同指标相减，然后取绝对值，获得多个静态指标距离向量，作为第二静态指标距离向量；
将所述第一动态指标距离向量与所述第一静态指标距离向量进行横向拼接，获得多个第一新距离向量，并基于所述第一新距离向量训练传感器行为特征身份认证模型，所述传感器行为特征身份认证模型为SVDD算法；
将多个所述第二动态指标距离向量与多个所述第二静态指标距离向量进行横向拼接，获得多个第二新距离向量，并将所述第二新距离向量作为所述传感器行为特征身份认证模型的输入，根据输出结果对用户身份进行识别。


5.根据权利要求4所述的用户身份认证方法，其特征在于，
所述对当前动态指标数据与多条历史动态指标数据进行衍生，并进行归一化以及数据重采样的操作中，所述归一化包括：旋转归一化、大小归一化和位置归一化。


6.根据权利要求5所述的用户身份认证方法，其特征在于，
所述数据重采样为等距数据重采样。


7.根据权利要求6所述的用户身份认证方法，其特征在于，
所述第一动态指标距离向量、所述第二动态指标距离向量、第一静态指标距离向量和所述第二静态指标距离向量均采用改进的DTW算法计算获得。


8.一种用户身份认证装置，其特征在于，包括：
当前输入获取模块，用于获取由用户终端的传感器在当前用户签名过程中所采集的签名传感器数据，以及用户在签名过程中形成的手写笔迹截图数据；所述签名传感器数据用于生成用户在书写过程中的行为特征，所述手写笔迹截图数据用于生成用户书写的生物特征；
识别模块，用于基于所述签名传感器数据及手写笔迹截图数据，分别对用户身份进行识别；
认证模块，用于若基于所述签名传感器数据和基于所述手写笔迹截图数据的验证结果均合法，则身份认证通过。

【专利技术属性】
技术研发人员：李向阳，赵景程，李德庆，潘和平，苏洋，吴仕威，刘广军，曾家劲，
申请(专利权)人：深圳市能信安技术有限公司，
类型：发明
国别省市：广东;44