【技术实现步骤摘要】
本专利技术涉及身份认证，具体涉及一种基于生理信号的身份认证方法及系统。
技术介绍
1、随着智能设备的发展，越来越多的智能穿戴设备(如智能手表、智能手环、智能指环等)被推广到市场上，通过智能穿戴设备与终端设备(如手机、平板、电脑等)的交互能够为用户带来良好的使用体验。
2、在智能穿戴设备与终端设备交互的场景中，用户可以利用智能穿戴设备解锁终端设备并触发终端设备的某些功能。但是，智能穿戴设备通常不具备指纹识别功能和人脸识别功能，智能穿戴设备不慎遗落后可能会被不法分子拿来解锁终端设备和智能穿戴设备，这样就会造成终端设备和智能穿戴设备的信息泄露，智能穿戴设备对于信息保护方面的安全性较差。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种基于生理信号的身份认证方法及系统，以解决目前智能穿戴设备对于信息保护方面的安全性较差等问题。
2、为实现上述目的，本专利技术实施例提供如下技术方案：
3、本专利技术实施例第一方面公开一种基于生理信号的身份认证方法，所述方法适用于智能穿戴设备，所述方法包括：
4、当检测到解锁操作时，采集佩戴有所述智能穿戴设备的待验证用户的生理信号；
5、调用身份验证模型处理所述生理信号，以获取得到空值或待验证向量；
6、若获取得到所述待验证向量，计算所述待验证向量和模板向量之间的相似度，所述模板向量基于所述待验证用户预先录入的模板生理信号生成；
7、若所述相似度高于相似度阈值，解锁终端设备
8、优选的，所述身份验证模型至少包含：基于样本数据进行至少一个训练阶段训练得到的共享层、分类器和认证器；
9、调用身份验证模型处理所述生理信号，以获取得到空值或待验证向量，包括：
10、调用所述共享层将所述生理信号转化为初始向量；
11、调用所述分类器预测得到所述初始向量的质量标签；
12、若所述质量标签为第一标签，调用所述认证器对所述初始向量进行向量转化，以获取得到待验证向量，所述第一标签用于表征所述生理信号为有效信号；
13、若所述质量标签为第二标签，获取得到空值，所述第二标签用于表征所述生理信号为无效信号。
14、优选的，样本数据至少包含样本用户的样本生理信号；
15、基于样本数据对共享层、分类器、认证器进行至少一个训练阶段的训练的过程，包括：
16、在执行第一个训练阶段的过程中，调用所述共享层将携带有真实质量标签的所述样本生理信号转化为第一样本向量；
17、调用所述分类器预测得到所述第一样本向量的第一样本质量标签，并基于所述真实质量标签和所述第一样本质量标签计算第一损失；
18、调用所述认证器将所述真实质量标签为第一标签的所述第一样本向量转化为第二样本向量；
19、基于所述第二样本向量和所述第二样本向量对应的所述真实质量标签计算第二损失；
20、利用所述第一损失和所述第二损失，优化所述共享层、所述分类器和所述认证器；
21、在执行第二个训练阶段的过程中，将在所述第一个训练阶段得到的所述第一样本质量标签替换掉所述第一样本向量携带的所述真实质量标签；
22、调用所述分类器预测得到所述第一样本向量的第二样本质量标签，并基于所述第一样本质量标签和所述第二样本质量标签计算第三损失；
23、基于所述第三损失优化所述分类器。
24、优选的，利用所述第一损失和所述第二损失，优化所述共享层、所述分类器和所述认证器，包括：
25、利用所述第一损失优化所述分类器，利用所述第二损失优化所述认证器；
26、将所述第一损失和所述第二损失相加，并基于所述第一损失和所述第二损失相加后的结果优化所述共享层。
27、优选的，调用身份验证模型处理所述生理信号之前，还包括：
28、对所述生理信号进行滤波处理和预处理。
29、优选的，计算所述待验证向量和模板向量之间的相似度之后，还包括：
30、若所述相似度高于相似度阈值，将所述生理信号添加到所述模板生理信号中，并为所述生理信号添加所述第一标签；
31、若所述相似度不高于所述相似度阈值，为所述生理信号添加所述第二标签；
32、基于添加了所述第一标签或所述第二标签的所述生理信号，调整所述分类器。
33、本专利技术实施例第二方面公开一种基于生理信号的身份认证系统，所述系统适用于智能穿戴设备，所述系统包括：
34、采集单元，用于当检测到解锁操作时，采集佩戴有所述智能穿戴设备的待验证用户的生理信号；
35、调用单元，用于调用身份验证模型处理所述生理信号，以获取得到空值或待验证向量；
36、计算单元，用于若获取得到所述待验证向量，计算所述待验证向量和模板向量之间的相似度，所述模板向量基于所述待验证用户预先录入的模板生理信号生成；
37、解锁单元，用于若所述相似度高于相似度阈值，解锁终端设备和/或所述智能穿戴设备。
38、优选的，所述身份验证模型至少包含：基于样本数据进行至少一个训练阶段训练得到的共享层、分类器和认证器；
39、所述调用单元具体用于：调用所述共享层将所述生理信号转化为初始向量；调用所述分类器预测得到所述初始向量的质量标签；若所述质量标签为第一标签，调用所述认证器对所述初始向量进行向量转化，以获取得到待验证向量，所述第一标签用于表征所述生理信号为有效信号；若所述质量标签为第二标签，获取得到空值，所述第二标签用于表征所述生理信号为无效信号。
40、优选的，样本数据至少包含样本用户的样本生理信号；所述调用单元包括：
41、第一训练子单元，用于在执行第一个训练阶段的过程中，调用所述共享层将携带有真实质量标签的所述样本生理信号转化为第一样本向量；调用所述分类器预测得到所述第一样本向量的第一样本质量标签，并基于所述真实质量标签和所述第一样本质量标签计算第一损失；调用所述认证器将所述真实质量标签为第一标签的所述第一样本向量转化为第二样本向量；基于所述第二样本向量和所述第二样本向量对应的所述真实质量标签计算第二损失；利用所述第一损失和所述第二损失，优化所述共享层、所述分类器和所述认证器；
42、第二训练子单元，用于在执行第二个训练阶段的过程中，将在所述第一个训练阶段得到的所述第一样本质量标签替换掉所述第一样本向量携带的所述真实质量标签；调用所述分类器预测得到所述第一样本向量的第二样本质量标签，并基于所述第一样本质量标签和所述第二样本质量标签计算第三损失；基于所述第三损失优化所述分类器。
43、优选的，所述第一训练子单元利用所述第一损失和所述第二损失优化所述共享层、所述分类器和所述认证器，包括：利用所述第一损失优化所述分类器，利用所述第二损失优化所述认证器；将所述第一损失和所述第二损失相加，并基于所述本文档来自技高网...
【技术保护点】
1.一种基于生理信号的身份认证方法，其特征在于，所述方法适用于智能穿戴设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述身份验证模型至少包含：基于样本数据进行至少一个训练阶段训练得到的共享层、分类器和认证器；
3.根据权利要求2所述的方法，其特征在于，样本数据至少包含样本用户的样本生理信号；
4.根据权利要求3所述的方法，其特征在于，利用所述第一损失和所述第二损失，优化所述共享层、所述分类器和所述认证器，包括：
5.根据权利要求1-4中任一所述的方法，其特征在于，调用身份验证模型处理所述生理信号之前，还包括：
6.根据权利要求2所述的方法，其特征在于，计算所述待验证向量和模板向量之间的相似度之后，还包括：
7.一种基于生理信号的身份认证系统，其特征在于，所述系统适用于智能穿戴设备，所述系统包括：
8.根据权利要求7所述的系统，其特征在于，所述身份验证模型至少包含：基于样本数据进行至少一个训练阶段训练得到的共享层、分类器和认证器；
9.根据权利要求8所述的系统，其特征在
10.根据权利要求9所述的系统，其特征在于，所述第一训练子单元利用所述第一损失和所述第二损失优化所述共享层、所述分类器和所述认证器，包括：利用所述第一损失优化所述分类器，利用所述第二损失优化所述认证器；将所述第一损失和所述第二损失相加，并基于所述第一损失和所述第二损失相加后的结果优化所述共享层。
...【技术特征摘要】
1.一种基于生理信号的身份认证方法，其特征在于，所述方法适用于智能穿戴设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述身份验证模型至少包含：基于样本数据进行至少一个训练阶段训练得到的共享层、分类器和认证器；
3.根据权利要求2所述的方法，其特征在于，样本数据至少包含样本用户的样本生理信号；
4.根据权利要求3所述的方法，其特征在于，利用所述第一损失和所述第二损失，优化所述共享层、所述分类器和所述认证器，包括：
5.根据权利要求1-4中任一所述的方法，其特征在于，调用身份验证模型处理所述生理信号之前，还包括：
6.根据权利要求2所述的方法，其特征在于，计算所述待验证向量和模板向量之间的相似度之后，还...
【专利技术属性】
技术研发人员：史元春，王运涛，喻纯，兴军亮，唐健凯，李哲，朱凯，
申请(专利权)人：清华大学，
类型：发明
国别省市：
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。