一种基于安全计算机的安全认证方法技术

本发明专利技术公开了一种基于安全计算机的安全认证方法，具体涉及计算机安全认证技术领域，包括身份安全认证模型

【技术实现步骤摘要】
一种基于安全计算机的安全认证方法


[0001]本专利技术涉及计算机安全
，更具体地说，本专利技术涉及一种基于安全计算机的安全认证方法
。

技术介绍

[0002]随着计算机网络的快速发展，计算机的安全性受到越来越多的关注，计算机的网络安全问题关系到用户的财产安全，当计算机的安全无法保障意味着数字资产的巨大损失
、
用户隐私数据被窃取
、
商业机密被泄露
。
海量的电子数据存储在用户端设备是不现实的，基于云技术的发展，用户通过登录终端设备，经过安全认证构建用户到服务器的会话通道，基于会话通道用户基于权限限制进行访问，获取数据
。
[0003]生物特征识别技术采用指纹
、
虹膜
、
面部识别，使用生物特征识别技术的优点在于：提供更安全和方便的身份验证方式，减少密码泄露和冒充风险
。
[0004]为了保证用户身份及存储数据的安全性，目前主要采用强密码加双因素身份认证的方法保障安全认证：启用双因素身份验证来增加账户登录的安全性，这通常需要在输入密码之后，通过手机验证码
、
指纹或其他身份安全认证方式进行第二次确认
。
现有的双因素身份认证方法存在的缺点有：（1）指纹身份的缺点在于，指纹的窃取和仿制技术越来越逼真，基于指纹安全认证安全系数降低；（2）手机验证码存在验证码被窃取的风险；（3）人脸识别安全认证存在的缺点有缺少对数据可靠性的验证，随着
AI
技术的发展，窃取人脸图像帧
、
基于人脸图像帧合成视频的伪造行为越来越多
。
因此缺少一种更安全应用于安全计算机的安全认证方法，以解决现有安全认证方法的安全系数不够高的问题
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术提供一种基于安全计算机的安全认证方法，以解决上述
技术介绍
中提出的问题
。
[0006]技术方案
[0007]为实现上述目的，本专利技术提供如下技术方案：一种基于安全计算机的安全认证方法，包括：
[0008]登陆请求验证：获取登陆请求，验证用户登录请求，验证通过后，启动数据采集；
[0009]数据采集：采集人脸图像信息
、
采集环境状况信息
、
采集设备信息；
[0010]安全认证：基于采集的数据进行安全认证，包括身份安全认证模型
、
数据可靠性认证模型，将采集的人脸图像信息输入身份安全认证模型，输出身份风险指数；将采集的环境状况信息
、
设备信息输入可靠性认证模型，输出数据可靠程度指数；
[0011]将获取的指数和预设的阈值进行判断，满足阈值要求则通过安全认证，构建用户到服务器的会话通道，基于身份风险指数和数据可靠程度指数计算会话通道的安全指数，用户基于会话通道向服务器发送访问请求，服务器接收访问请求后，基于用户权限验证执行访问请求，将数据通过会话通道传输至用户登录的设备终端
。
[0012]优选的，人脸图像信息包括动态的人脸图像视频，人脸图像视频由
n
张图像帧组成，动态人脸图像视频包括人脸正面图像帧和侧面图像帧，设摄像机每秒采集的帧数为
24
，每次采集的视频超过3秒，
n≥72
张，数据采集的工具为摄像机
。
[0013]轮廓线随时间变化的系数越小，系数越大，获取轮廓线随时间的变化速度，按照变化速度将轮廓线按照变化速度从小到大的顺序进行排序，基于大数据获取变化速度小人脸轮廓的作为人脸的关键轮廓线，如耳轮廓线
、
侧面轮廓线
、
正面轮廓线
[0014]优选的，身份安全认证模型的实现过程包括：
[0015]步骤
S01、
从人脸正面图像帧和侧面图像帧中获取人脸的关键轮廓线，将获取的关键轮廓线与预设的轮廓线进行位置对比，计算关键轮廓线相似度；
[0016]步骤
S02、
从人脸正面图像帧中获取关键部位的面积，与预设的人脸正面图像帧中获取关键部位的面积进行比较，计算关键部位相似度；
[0017]步骤
S03、
从人脸正面图像帧中获取关键点的位置坐标并计算关键点间的相对距离，从预设的人脸正面图像帧中获取关键点的预设坐标并计算关键点间的相对距离，最后计算关键点位置偏离度；
[0018]步骤
S04、
基于人脸关键轮廓线相似度
、
关键部位相似度
、
关键点位置偏离度计算用户的身份风险指数
。
[0019]优选的，步骤
S01
中，关键轮廓线相似度的计算模型满足公式，其中，
y1表示第一轮廓线与预设的第一轮廓线的相似度，
y2表示第二轮廓线与预设的第二轮廓线的相似度，
y3表示第三轮廓线与预设的第三轮廓线的相似度，
w1表示第一轮廓线的权重系数，
w2表示第二轮廓线的权重系数，
w3表示第三轮廓线的权重系数，相似度计算包括：设预设轮廓线的位置坐标为
q
01
，
q
02
，
…
，
q
0n
，设采集的轮廓线的位置坐标为
q1，
q2，
…
，
q
n
，轮廓计算相似度计算模型满足公式：
[0020]，
[0021]其中，
λ1表示坐标转换系数，
λ
不为0，将第一轮廓线
、
第二轮廓线
、
第三轮廓线输入模型中得到
y1，
y2，
y3。
[0022]优选的，步骤
S02
中，设采集的人脸关键部位的面积为
m
01
，
m
02
，
…
，
m
0n
，将预设的人脸图像帧中的人脸关键部位的面积记为
m
01
，
m
02
，
…
，
m
0n
，关键部位相似度的计算模型满足公式，其中
。
[0023]优选的，步骤
S03
中，预设关键点的相对距离，记为
g1，
g2，
…
，
g
i
，
…
，
g
n
，设采集的关键点的相对距离为
g
01
，
g
02
，
…
，
g
0n
，关键点位置偏离度计算模型满足公式
。
[0024]优选的，身份风险指数的计算模型满足公式，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于安全计算机的安全认证方法，其特征在于：包括：登陆请求验证：获取登陆请求，验证用户登录请求，验证通过后，启动数据采集；数据采集：采集人脸图像信息
、
采集环境状况信息
、
采集设备信息；安全认证：将采集的人脸图像信息输入身份安全认证模型，输出身份风险指数；将采集的环境状况信息
、
设备信息输入可靠性认证模型，输出数据可靠程度指数；搭建会话通道：将获取的指数和预设的阈值进行判断，满足阈值要求则通过安全认证，构建用户到服务器的会话通道，完成认证；身份安全认证模型的实现过程包括：步骤
S01、
从人脸正面图像帧和侧面图像帧中获取人脸的关键轮廓线，将获取的关键轮廓线与预设的轮廓线进行位置对比，计算关键轮廓线相似度；步骤
S02、
从人脸正面图像帧中获取关键部位的面积，与预设的人脸正面图像帧中获取关键部位的面积进行比较，计算关键部位相似度；步骤
S03、
从人脸正面图像帧中获取关键点的位置坐标并计算关键点间的相对距离，从预设的人脸正面图像帧中获取关键点的预设坐标并计算关键点间的相对距离，最后计算关键点位置偏离度；步骤
S04、
基于人脸关键轮廓线相似度
、
关键部位相似度
、
关键点位置偏离度计算用户的身份风险指数
。2.
根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于：人脸图像信息包括动态的人脸图像视频，人脸图像视频由
n
张图像帧组成，动态人脸图像视频包括人脸正面图像帧和侧面图像帧，数据采集的工具为摄像机
。3.
根据权利要求1所述的一种基于安全计算机的安全认证方法，其特征在于：关键轮廓线相似度的计算模型满足公式，其中，
y1表示第一轮廓线与预设的第一轮廓线的相似度，
y2表示第二轮廓线与预设的第二轮廓线的相似度，
y3表示第三轮廓线与预设的第三轮廓线的相似度，
w1表示第一轮廓线的权重系数，
w2表示第二轮廓线的权重系数，
w3表示第三轮廓线的权重系数，相似度计算包括：设预设轮廓线的位置坐标为
q
01
，
q
02
，
…
，
q
0n
，设采集的轮廓线的位置坐标为
q1，
q2，
…
，
q
n
，轮廓计算相似度计算模型满足公式：，其中，
λ1表示坐标转换系数，
λ
不为0，将第一轮廓线
、
第二轮廓线
、
第三轮廓线输入模型中得到
y1，
y2，
y3。4.
根据权利要求3所述的一种基于安全计算机的安全认证方法，其特征在于：设采集的人脸关键部位的面积为
m
01
，
m
02
，
…
，
m
0n
，将预设的人脸图像帧中的人脸关键部位的面积记为
m
01
，
m
02
，
…
，
m
0n
，关键部位相似度的计算模型满足公式，其中；预设关键点的相对距离，记为
g1，
g2，
…
，
g
i
，
…
，
g
n
，设采集的关键点的相对距离为
g
01
，
g
02
，
…
，
g
0n
，关键点位置偏离度计算模型满足公式；身份风险指数的计算模型满足公式，其中，
X1表示身份风险指数，
S1表示关键轮廓相似度，
S2表示关键部位相似度，
S3表示关键点位置偏差度，
P1表示采集的人脸图像帧是预设用户的概率，通过卷积神经网络获取
。5.
根据权利要求4所述的一种基于安全计算机的安全认证方法，其特征在于：基于人脸识别模型获取人脸图像帧是预设用户的概率
P1，包括：步骤
S41、
数据收集：收集具有各种不同人脸的图像数据集，确保数据集中包含多个人的图像；步骤
S42、
数据预处理：对数据进行预处理以准备用于训练模型；步骤
S43、
划分训练集和测试集：将数据集划分为训练集和测试集，训练集用于模型的训练，测试集用于评估模型的性能；步骤
S44、
构建卷积神经网络模型：定义初始值和损失函数...

【专利技术属性】
技术研发人员：李绪甲，徐诠景，黄健，吴显达，
申请(专利权)人：北京云尚汇信息技术有限责任公司，
类型：发明
国别省市：