一種身份驗證方法和身份驗證裝置制造方法
【專利摘要】本發(fā)明提供一種身份驗證方法，包括：通過筆跡采集設(shè)備接收驗證圖符輸入；在輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)；判斷該驗證圖符與請求登陸賬戶的自選圖符是否一致；若是，則進入下一步；根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)；將該身份驗證筆跡分析參數(shù)輸入請求登陸賬戶的筆跡判斷模型，判斷采樣筆跡是否相符；若是，則通過身份驗證請求。本發(fā)明同時提供一種身份驗證裝置。本發(fā)明可利用現(xiàn)有移動通信設(shè)備廣泛配置的觸摸屏實現(xiàn)筆跡信息采集，并利用驗證圖符和筆跡進行兩級身份認證，較現(xiàn)有技術(shù)能夠更好的確保用戶的信息安全。
【專利說明】一種身份驗證方法和身份驗證裝置

【技術(shù)領(lǐng)域】
[0001]本申請涉及身份驗證識別技術(shù)，尤其是涉及一種身份驗證方法。本申請同時涉及一種身份驗證裝置。

【背景技術(shù)】
[0002]網(wǎng)絡(luò)已經(jīng)成為人們生產(chǎn)生活不可或缺的工具。在網(wǎng)絡(luò)上登陸各個網(wǎng)站或者應(yīng)用，經(jīng)常需要進行身份驗證，以獲得相關(guān)的權(quán)限。在一些網(wǎng)絡(luò)支付場合，身份驗證更關(guān)系到使用者的經(jīng)濟安全。另外，一些移動終端在開機、解鎖等場合也需要進行身份驗證。
[0003]身份驗證技術(shù)的核心問題在于其安全性，但同時也需要兼顧方便性?，F(xiàn)有技術(shù)下已經(jīng)出現(xiàn)了各種身份驗證方法。
[0004]在現(xiàn)有技術(shù)下，采用密碼進行身份驗證是最普遍的身份驗證方法。但密碼對使用者個體的標識性并不好，一旦被盜獲取就失去了身份驗證的價值。另外，各種密碼的記憶非常繁瑣，使用者往往使用少量密碼對應(yīng)很多應(yīng)用或者賬戶，一旦其中一個密碼被破解，就會造成多個賬戶信息被盜用的后果。
[0005]另外一種身份驗證方式是利用使用者的生理特征。例如，采用指紋密碼。這種方式的主要問題在于，技術(shù)過于復(fù)雜，需要設(shè)置功能單一的指紋采集設(shè)備，增加了設(shè)備制造成本。并且，這種方法更適于設(shè)備的身份驗證，不適于網(wǎng)站或者應(yīng)用的身份驗證。
[0006]隨著移動網(wǎng)絡(luò)的普及，手機等移動終端日益成為使用網(wǎng)絡(luò)的主要工具，其便攜性增加了日常使用便利性，但是，也造成了易于丟失的問題。一旦丟失，存儲在其中的各種信息有可能被盜用。例如，采用驗證碼進行身份驗證的網(wǎng)站或者應(yīng)用，這些驗證信息很可能就被自動保存在移動終端中，一旦移動終端被盜用，該用戶在其中存儲的各種密碼都會使盜用者方便的進入相關(guān)網(wǎng)站賬戶或者應(yīng)用賬戶，對真正的機主產(chǎn)生嚴重損害。
[0007]由于以上原因，移動終端的信息安全性受到日益廣泛的關(guān)注；設(shè)計適當?shù)纳矸蒡炞C方法實現(xiàn)移動終端的信息安全性已經(jīng)成為急待解決的問題。


【發(fā)明內(nèi)容】

[0008]為解決上述技術(shù)問題，本申請?zhí)峁┮环N身份驗證方法，該方法適用于具有觸摸屏的設(shè)備，具有更高的安全性和便捷性；由于觸摸屏已經(jīng)日益成為移動互聯(lián)設(shè)備的標配，使該方法具有廣泛的適用性。
[0009]本申請同時提供一種身份驗證裝置。
[0010]本申請?zhí)峁┑纳矸蒡炞C方法，包括如下步驟:
[0011]通過筆跡采集設(shè)備接收驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)；
[0012]判斷該驗證圖符與請求登陸賬戶的自選圖符是否一致；若是，則進入下一步，若否，則阻止該請求；
[0013]根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)；
[0014]將該身份驗證筆跡分析參數(shù)輸入先期獲得的請求登陸賬戶的筆跡判斷模型，判斷所述身份驗證筆跡與先期獲得的采樣筆跡是否相符；若是，則通過身份驗證請求；若否，則阻止該身份驗證請求。
[0015]可選的，所述筆跡判斷模型和所述自選圖符通過采樣獲得，該采樣過程在首次進行身份驗證前完成，采樣的具體過程包括:
[0016]通過筆跡采集設(shè)備接收用戶對應(yīng)特定賬戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)；
[0017]根據(jù)上述采樣筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得筆跡判斷模型和自選圖符識別結(jié)果。
[0018]可選的，采樣過程中，所述接收用戶對應(yīng)特定賬戶輸入的自選圖符的步驟中，接收用戶對同一個自選圖符的兩次或者兩次以上輸入；在采樣過程中進行所述筆跡分析和學(xué)習(xí)時，以該用戶自選圖符的各次輸入作為正樣本，將其它用戶的自選圖符作為負樣本。
[0019]可選的，采樣過程中的所述筆跡分析和學(xué)習(xí)具體包括:
[0020]根據(jù)所述采樣筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項采樣筆跡特征值；
[0021]對所獲得的采樣筆跡特征值計算結(jié)果進行歸一化；
[0022]對上述歸一化后的采樣筆跡特征值，使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述采樣筆跡判斷模型；
[0023]進行身份驗證時，根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)的過程包括:
[0024]采用與上述采樣過程中一致的方法，根據(jù)身份驗證時獲得的所述身份驗證筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項身份驗證筆跡特征值；
[0025]對所獲得的計算結(jié)果進行歸一化，歸一化后的數(shù)值就是所述身份驗證筆跡分析參數(shù)。
[0026]可選的，在采樣過程中，對所獲得的計算結(jié)果進行歸一化，具體是，正樣本時，使用該用戶本次輸入和其它次輸入的比值，作為歸一化的結(jié)果；負樣本時使用用戶本次輸入與其他用戶輸入的比值，作為歸一化的結(jié)果。
[0027]可選的，在身份驗證時進行歸一化的步驟中，使用所接收的驗證圖符與采樣過程中該用戶的自選圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
[0028]可選的，所述機器學(xué)習(xí)算法為支持向量機算法和/或人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
[0029]本申請同時提供一種身份驗證裝置，包括身份驗證單元；
[0030]所述身份驗證單元包括:
[0031]身份驗證筆跡點陣數(shù)據(jù)獲得子單元，用于通過筆跡采集設(shè)備接收驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)；
[0032]驗證圖符判斷子單元，用于判斷所述驗證圖符與請求登陸的特定賬戶的自選圖符是否一致；若是，則啟動身份驗證筆跡分析單元進行筆跡分析，若否，則發(fā)出阻止身份驗證請求的命令；
[0033]身份驗證筆跡分析子單元，用于接收所述身份驗證筆跡點陣數(shù)據(jù)獲得子單元輸出的身份驗證筆跡點陣數(shù)據(jù)，根據(jù)該身份驗證筆跡點陣數(shù)據(jù)，對其進行筆跡分析，獲得身份驗證筆跡分析參數(shù)；
[0034]筆跡特征判斷子單元，用于接收所述身份驗證筆跡分析參數(shù)，將該身份驗證筆跡分析參數(shù)輸入先期獲得的請求登陸賬戶的筆跡判斷模型，判斷所述身份驗證筆跡與先期獲得的采樣筆跡是否相符；若是，則通過身份驗證請求；若否，則阻止該身份驗證請求。
[0035]可選的，包括采樣單元，所述采樣單元包括:
[0036]采樣筆跡點陣數(shù)據(jù)獲得子單元，用于通過筆跡采集設(shè)備接收用戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)；
[0037]學(xué)習(xí)子單元，用于根據(jù)上述采樣用筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得對應(yīng)該賬戶的筆跡判斷模型和自選圖符識別結(jié)果。
[0038]可選的，所述采樣單元的采樣筆跡點陣數(shù)據(jù)獲得子單元，通過筆跡采集設(shè)備接收用戶輸入的自選圖符時，接收用戶對同一個自選圖符的兩次或者兩次以上輸入；所述學(xué)習(xí)子單元，在進行學(xué)習(xí)時，以該用戶自選圖符的各次輸入作為正樣本，將其它用戶的自選圖符作為負樣本。
[0039]可選的，采樣單元的所述學(xué)習(xí)子單元包括如下子單元:
[0040]采樣筆跡特征值計算子單元，用于根據(jù)所述采樣筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度和/或DTW值中的一項或者多項采樣筆跡特征值；
[0041]采樣歸一化子單元，用于對采樣筆跡特征值計算子單元所獲得的采樣筆跡特征數(shù)值進行歸一化；
[0042]筆跡訓(xùn)練子單元，用于對歸一化后的采樣筆跡特征值使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述采樣筆跡判斷模型；
[0043]所述身份驗證單元的身份驗證筆跡分析子單元包括:
[0044]身份驗證筆跡特征值計算子單元，用于采用與上述采樣階段一致的方法，根據(jù)所述身份驗證用筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW中的一項或者多項筆跡特征值；
[0045]身份驗證歸一化子單元，用于對上述身份驗證筆跡特征值計算子單元所獲得的計算結(jié)果進行歸一化。
[0046]可選的，所述采樣歸一化子單元，正樣本時，使用該用戶本次輸入和其它次輸入的比值，作為歸一化的結(jié)果；負樣本時使用用戶本次輸入與其他用戶輸入的比值，作為歸一化的結(jié)果。
[0047]可選的，所述身份驗證歸一化子單元，使用所接收的驗證圖符與采樣階段該用戶的自選圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
[0048]本申請?zhí)峁┑纳矸蒡炞C方法，利用現(xiàn)有移動通信設(shè)備廣泛配置的觸摸屏實現(xiàn)筆跡信息的采集。采用該方法進行驗證時，用戶應(yīng)當通過筆跡采集設(shè)備輸入驗證圖符，驗證過程中，首先驗證用戶輸入的驗證圖符是否與請求登陸的賬戶的自選圖符是否一致，若一致，則進一步驗證筆跡是否相符，通過上述兩個步驟的驗證，確保用戶的信息安全。
[0049]在本申請?zhí)峁┑尿炞C方法中，先期的采樣過程中，要求用戶首先通過觸摸屏或者其它筆跡采集設(shè)備輸入自選圖符，在輸入過程中搜集采樣筆跡點陣數(shù)據(jù)，對應(yīng)該自選圖符的采樣筆跡信息通過筆跡分析和學(xué)習(xí)后，獲得筆跡判斷模型和自選圖符識別結(jié)果；上述自選圖符識別結(jié)果和采樣筆跡分析判斷模型與用戶的特定賬戶或者特定用戶相對應(yīng)。
[0050]在本申請的優(yōu)選實施方式中，在采樣階段接收同一用戶對同一自選驗證圖符的兩次以及兩次以上的輸入，并將該用戶的各次輸入彼此作為正樣本，而將其它用戶的輸入作為負樣本，通過上述方式，能夠獲得更好的筆跡識別效果。

【專利附圖】

【附圖說明】
[0051]為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。
[0052]圖1為本申請第一實施例提供的身份驗證方法的流程圖；
[0053]圖2為本申請第二實施例提供的身份驗證裝置的單元框圖。

【具體實施方式】
[0054]下面將結(jié)合本申請實施例中的附圖,對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請優(yōu)選實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├绢I(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
[0055]如圖1所示，圖1是本申請?zhí)峁┑囊环N通過筆跡識別進行身份驗證的方法的第一實施例流程圖。以下結(jié)合該圖進行說明。首先需要說明，該方法包括采樣階段和身份驗證階段，前者對筆跡進行采樣，只需要最初進行一次即可，后者對筆跡進行身份驗證，判斷是否與采樣階段的筆跡一致。以下步驟S101-S102為采樣過程，步驟S103-S106為身份驗證過程。由于采樣過程僅僅需要一次，因此，大多數(shù)情況下，該身份驗證方法僅僅實施身份驗證過程。
[0056]步驟S101，通過筆跡采集設(shè)備接收用戶對應(yīng)特定賬戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)。
[0057]本步驟為對用戶筆跡進行最初采樣的階段。
[0058]首先，用戶應(yīng)當自選圖符，這個圖符以后作為登錄相關(guān)賬戶的密碼。其次，用戶需要通過觸摸屏或者手寫板或者其它現(xiàn)有技術(shù)下可能接收手寫輸入的設(shè)備輸入該自選圖符，在本申請中，將這些設(shè)備統(tǒng)稱為筆跡采集設(shè)備。
[0059]為了后續(xù)進行筆跡分析，需要在輸入自選圖符的過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，該記錄獲得的是完整的采樣筆跡點陣數(shù)據(jù)。
[0060]在本實施例中，自選圖符為客戶自己選擇的圖符或者簡易的常見圖形。可供選擇的圖符在一定的范圍之內(nèi)，如英文26個符號或者10個阿拉伯數(shù)字的范圍，或者五角星，三角型、圓形等事先規(guī)定的圖形。上述符號或者圖形統(tǒng)稱為圖符。
[0061]為了后續(xù)筆跡分析能夠更為準確，本步驟中采集兩次甚至兩次以上的同一自選圖符的筆跡點陣數(shù)據(jù)。當然，并不排除僅僅采集一次筆跡點陣數(shù)據(jù)的實施方案。
[0062]步驟S102，根據(jù)上述采樣筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得對應(yīng)該賬戶的采樣筆跡學(xué)習(xí)結(jié)果，包括筆跡判斷模型以及自選圖符識別結(jié)果。
[0063]進行筆跡分析和學(xué)習(xí)的方法很多，以下為本實施例采用的優(yōu)選方案，該方案以步驟SlOl中采集了兩個及其以上的同一自選圖符的筆跡點陣數(shù)據(jù)為例。
[0064]步驟S102-1，根據(jù)所述采樣用筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項采樣筆跡特征值。當然，采樣筆跡特征值還可以是其它可能的用于分析筆跡的特征值。
[0065]上述各項計算都是為了對筆跡點陣數(shù)據(jù)進行分析，對每一組筆跡點陣數(shù)據(jù)都可以計算上述各項指標，這些指標均可以作為筆跡特征值來區(qū)分筆跡書寫者。在進行筆跡分析時，可以采用上述筆跡特征值中的一種或者幾種。采用多種指標，相當于從多個角度對筆跡特征進行描述，能夠提高筆跡區(qū)分的精度。
[0066]當采用上述多個指標時，可以建立一個采樣數(shù)據(jù)庫，針對每一個采樣設(shè)置若干數(shù)據(jù)段，例如，可以有:周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、DTW值等數(shù)據(jù)段，通過對一份筆跡采樣記錄上述數(shù)據(jù)段，就可以獲得對一份筆跡采樣的比較精確的描述。
[0067]上述各個指標的計算屬于圖形識別【技術(shù)領(lǐng)域】，以下對其進行簡要說明。
[0068]首先，把離散的前后采樣點用線段連接，并且把筆跡的終點和起點也連接起來，最終形成二值圖像。根據(jù)該二值圖像確定圖形輪廓，該輪廓對應(yīng)一系列的點形成的封閉曲線。該圖形輪廓可以對應(yīng)若干個圖形對象，每個圖形對象為一個獨立的封閉區(qū)域。根據(jù)上述圖形輪廓首先可以確定用戶自選圖符的識別結(jié)果，即用戶到底選擇可供選擇的驗證圖符中的哪一個圖符作為用于進行身份驗證的自選圖符。更進一步的，以該圖形輪廓為基礎(chǔ)，還可以進行下一步的筆跡特征值的計算。在根據(jù)圖形輪廓進行采樣筆跡特征值計算時，圖形輪廓可能會分為幾個獨立的封閉區(qū)域，這些封閉區(qū)域分別作為一個圖形對象處理。
[0069]以下分別介紹幾種主要的采樣筆跡特征值的計算方法。
[0070]周長:找出圖形輪廓的邊緣部位，計算邊緣的周長。
[0071]總面積:計算整個或部分圖形輪廓的面積。在計算部分輪廓的情況時，計算由輪廓弧線和連接兩端點的弦圍成的區(qū)域的總面積。
[0072]平均面積:筆跡連接成的圖像有可能有幾個圖形對象(組成)，總面積/對象數(shù)為平均面積。
[0073]最小面積:從計算筆跡對象中各個圖形對象的面積中，找出最小面積。
[0074]最大面積:從計算筆跡對象中各個圖形對象的面積中，找出最大面積。
[0075]Hu矩:對于已經(jīng)分割好的筆跡的圖形輪廓，計算由Hu矩組成的特征量；Hu矩是圖形識別中常用的特征量，現(xiàn)有技術(shù)下存在成熟的計算方式。
[0076]輪廓矩形寬度:計算點集的最外面矩形邊界。
[0077]最小包圍矩形面積:對上述2D點集找到圖形輪廓最小包圍矩形的面積。
[0078]夾角:計算圖形輪廓凸外形給定的2D點集中含有的夾角。
[0079]平均速度:某點速度的定義為此點與上一點和下一點的距離的和再除以上一點與下一點的時間間隔。把所有點的速度相加除以點數(shù)得到平均速度。
[0080]最小速度:在所有點的速度中找到速度的最小值。
[0081]最大速度:在所有點的速度中找到速度的最大值。
[0082]加速度:圖形輪廓總長與時間的二次求導(dǎo)。
[0083]DTff =DTff是一種衡量兩個時間序列之間的相似度的方法。DTW通過把時間序列進行延伸和縮短，來計算兩個時間序列性之間的相似性。DTW使用所有這些相似點之間的距離的和，稱之為歸整路徑距離(Warp Path Distance)，可以用于衡量兩個時間序列之間的相似性。計算DTW值的過程中，需要對采集值進行歸一化，具體方法是，將X軸坐標、Y軸坐標以及距離起點的時間變量用采集值與最小值的差和最大值與最小值之差的比值作為歸一化結(jié)果。
[0084]由于本實施例中，對每個用戶的自選驗證圖符采樣至少兩次，要分別計算每一次采樣的筆跡特征值。由于處于采樣階段，這個階段獲得的筆跡特征值稱為采樣筆跡特征值。
[0085]上述選擇的各項筆跡特征值中，其區(qū)分精度也有所不同。其中，Hu矩和DTW數(shù)值具有很好的區(qū)分度，是優(yōu)選的指標。周長和面積指標一般需要和其它特征值相結(jié)合。由于本認證方法可以使用于多種身份認證場合，并且可以由多種供身份認證的圖符集合，所以，使用何種筆跡特征值獲得后續(xù)的筆跡學(xué)習(xí)結(jié)果可以存在多種選擇方式。
[0086]步驟S102-2，對計算結(jié)果進行歸一化。
[0087]對計算結(jié)果進行歸一化的目的是便于進行后續(xù)的分析，使不同驗證圖符的相同指標能夠具有相同的含義。
[0088]若采樣次數(shù)為兩次，則在執(zhí)行上述步驟S102-1計算獲得兩次采樣的各個分析指標后，計算兩次采樣的相同分析指標的比值，其中比值定義為本次采樣相同分析指標除以另一次采樣相同分析指標，這個比值數(shù)值作為歸一化計算結(jié)果。以周長指標為例，假設(shè)第一次采樣獲得的數(shù)據(jù)為5，第二次采樣獲得的數(shù)據(jù)為4。第一次采樣周長歸一化結(jié)果為5/4=1.2，第二次采樣周長歸一化結(jié)果為4/5=0.8。
[0089]如果采樣次數(shù)大于兩次，則可以將每次采樣獲得的數(shù)值除以其它各次采樣的數(shù)值，獲得多個歸一化數(shù)值。
[0090]該用戶采樣獲得的數(shù)值除以其他用戶各次采樣的數(shù)值，作為各次負樣本歸一化的數(shù)值。
[0091]步驟S102-3，使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述采樣筆跡學(xué)習(xí)結(jié)果。
[0092]本步驟中，首先需要選擇合適的機器學(xué)習(xí)算法，具體可以選擇支持向量機算法、人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中的一種或者兩種。使用上述算法進行的具體訓(xùn)練的過程屬于現(xiàn)有技術(shù)，并非本申請的核心改進，在此不予詳述。所述采樣筆跡學(xué)習(xí)結(jié)果，可以理解為對用戶輸入的自選驗證圖符的特征描述，該特征描述能夠?qū)⒃撚脩舻墓P跡與其它用戶的筆跡相區(qū)另|J。具體的學(xué)習(xí)結(jié)果，是形成一個學(xué)習(xí)文件。
[0093]在進行上述訓(xùn)練過程中，選擇同一用戶各次輸入的自選驗證圖符作為正樣本，將已經(jīng)搜集到的其它用戶的自選驗證圖符作為負樣本。
[0094]所謂正樣本和負樣本，即獲得的筆跡判斷模型應(yīng)當能夠使所有的正樣本全部判斷為筆跡符合，而負樣本全部判斷為筆跡不符合。通過正樣本和負樣本的選取，能夠準確識別每一個用戶的筆跡。
[0095]上述支持向量機算法和人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法都是經(jīng)典的機器學(xué)習(xí)算法。
[0096]選擇支持向量機算法進行訓(xùn)練時，先根據(jù)獲得的來自各個用戶的歸一化的筆跡采樣特征值，設(shè)置訓(xùn)練樣本集，一組是數(shù)據(jù)的類別，即對數(shù)據(jù)是否屬于某個用戶的判斷結(jié)果；一組是數(shù)據(jù)的向量信息，即歸一化的筆跡特征值；上述數(shù)據(jù)類別和數(shù)據(jù)的向量信息是相互對應(yīng)的。然后設(shè)置終止條件標準，例如以準確率(例如99%)為終止條件、最大的迭代次數(shù)(例如1000次),再設(shè)置訓(xùn)練SVM參數(shù),包括SVM類型、核函數(shù)、核函數(shù)參數(shù)和權(quán)重。各種參數(shù)設(shè)置完成后，調(diào)用SVM訓(xùn)練函數(shù)建立SVM模型，通過代入訓(xùn)練樣本集，得出模型文件，該模型文件包括設(shè)置的各種參數(shù)、支持向量的個數(shù)以及對應(yīng)索引編號的支持向量。上述模型文件中的這些數(shù)據(jù)代入上述對訓(xùn)練樣本集的樣本的判斷能夠達到要求的準確程度。以后采用這些數(shù)據(jù)，使用SVM模型就可以獲得對歸一化的一組筆記特征值是否屬于某個用戶的判斷。
[0097]選擇人工神經(jīng)網(wǎng)絡(luò)方法學(xué)習(xí)時，先創(chuàng)建歸一化后特征向量的輸入樣本矩陣和輸出樣本矩陣(即是否屬于某個用戶的判斷結(jié)果)，為每個樣本設(shè)置權(quán)值；然后設(shè)置神經(jīng)網(wǎng)絡(luò)層數(shù)；再設(shè)置終止條件標準，例如以準確率為終止條件，最大的迭代次數(shù)，例如1000次，以及結(jié)果的準確性；接下來選擇人工神經(jīng)網(wǎng)絡(luò)算法以及調(diào)整參數(shù)，例如BP反向傳播算法。各種參數(shù)設(shè)置完成后，調(diào)用ANN訓(xùn)練函數(shù)建立ANN模型，模型文件包括設(shè)置的各種參數(shù)、輸入和輸出比例、權(quán)向量。以后采用這些數(shù)據(jù)，使用ANN模型就可以獲得對歸一化的一組筆記特征值是否屬于某個用戶的判斷。
[0098]根據(jù)不同的系統(tǒng)配置情況，以及不同的驗證場合，上述筆跡判斷模型可以返回客戶端或者存放在服務(wù)器一側(cè)供讀取。
[0099]通過不斷的積累不同用戶的自選驗證圖符的筆跡分析結(jié)果，可以獲得一個較大的樣本庫，隨著樣本庫的增加，識別的精確度也會提高。在該識別方法剛剛建立時，需要建立一個基礎(chǔ)的樣本庫，搜集一定數(shù)量用戶的筆跡點陣數(shù)據(jù)，建議的最少用戶數(shù)為200個。
[0100]該自選驗證圖符以及筆跡判斷模型，根據(jù)用戶在步驟SlOl中的選擇，將與特定賬戶對應(yīng)。
[0101]該特定賬戶可以是某個設(shè)備，或者是某個網(wǎng)絡(luò)賬戶或者是某個應(yīng)用程序。如果該身份驗證方法用于某個設(shè)備，例如手機，則其筆跡判斷模型可以從服務(wù)器下載到該手機本地，以便于應(yīng)用該筆跡學(xué)習(xí)結(jié)果。當然，也可以在手機中預(yù)存已經(jīng)獲取的樣本庫，從該設(shè)備獲得的用戶筆跡采樣作為正樣本與樣本庫的樣本一起進行上述學(xué)習(xí)過程。
[0102]本實施例更可能的應(yīng)用情景是，對應(yīng)于某個遠端的網(wǎng)站或者遠程應(yīng)用，上述筆跡判斷模型存儲在網(wǎng)絡(luò)上的服務(wù)器中即可，當然，也不排除存放在客戶端本地。
[0103]以上步驟SlOl-步驟S102為采樣階段，以下步驟S103開始為身份驗證階段。上述采樣階段只要最初執(zhí)行一次，建立好采樣樣本即可。
[0104]步驟S103，接收客戶端的驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點整數(shù)據(jù)。
[0105]上述驗證圖符輸入以及獲得身份驗證筆跡點陣數(shù)據(jù)的過程，和采樣階段的相應(yīng)過程相同，即和步驟SlOl的過程相同。
[0106]步驟S104，判斷該驗證圖符與請求身份驗證的特定賬戶對應(yīng)的自選圖符是否一致；若是，則進入步驟S106 ;若否，則阻止該驗證請求。
[0107]本步驟首先判斷驗證圖符與采樣階段選擇的自選圖符是否一致。圖符識別在現(xiàn)有技術(shù)中已經(jīng)存在若干成熟的技術(shù)，精確度比較高，如果驗證圖符與自選圖符不一致，則可以阻止該登陸請求。若一致，則可以進入下一個步驟，進一步進行筆跡分析。
[0108]步驟S105，根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)。
[0109]筆跡分析的方法，即使用上述步驟S103獲得的身份驗證筆跡點陣數(shù)據(jù)，采用上述步驟S102-1的方法計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度和/或DTW值中的一項或者多項數(shù)值，將這些數(shù)值作為該驗證圖符輸入的筆跡特征值。
[0110]計算獲得上述筆跡特征值后，就可以將其與采樣階段獲得的正樣本進行比較，進行歸一化處理。歸一化處理的結(jié)果即可以作為采樣筆跡學(xué)習(xí)結(jié)果的輸入?yún)?shù)，這些歸一化后的數(shù)值就是身份驗證筆跡分析參數(shù)。
[0111]歸一化處理的具體方式，是使用所接收的驗證圖符與采樣過程中該用戶的自選圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
[0112]步驟S106，將該身份驗證筆跡分析參數(shù)作為采樣階段獲得的筆跡判斷模型的輸入，判斷該身份驗證筆跡與采樣筆跡是否相符；若是，則通過身份驗證請求；若否，則阻止該身份驗證請求。
[0113]所述筆記判斷模型表現(xiàn)為一個文件，經(jīng)過歸一化的身份驗證筆跡特征值，即身份驗證筆跡參數(shù)，提供給該文件后，該文件可以對其進行分析，作出該身份驗證筆跡與采樣筆跡是否相符的判斷。若是，則通過身份驗證請求，若否，則阻止該身份驗證請求。根據(jù)不同的設(shè)置，可以再給一次身份驗證機會，累計身份驗證N次無法通過后，可以采取徹底阻止來自該節(jié)點的身份驗證或者屏蔽身份驗證請求一段時間等措施。
[0114]由于觸摸屏等可以進行筆跡采樣的設(shè)備已經(jīng)成為標準的配置，上述方法不需要另外配置相關(guān)硬件。另外，由于進行了圖符和筆跡兩次身份驗證，使身份驗證安全性得到顯著提高。在通常的網(wǎng)絡(luò)使用環(huán)境中，上述身份驗證方法的主要計算過程可以通過服務(wù)器端提供的計算能力實現(xiàn)，使其特別適用于希望不依賴具體客戶端設(shè)備而又特別重要的身份驗證場合，例如網(wǎng)絡(luò)支付等。
[0115]當然，上述驗證方法也完全適用于手機等移動客戶端的開機以及屏幕解鎖等情況的身份驗證。此時，相關(guān)計算可以在移動客戶端本地進行，移動客戶端可以實現(xiàn)從服務(wù)器端下載來自其它客戶端的筆跡樣本庫，或者采用預(yù)先搜集和存儲在該客戶端的標準筆跡樣本庫。
[0116]請參看圖2，該圖為本申請第二實施例提供的身份驗證裝置。
[0117]如圖2所示，該身份驗證裝置包括采樣單元I和身份驗證單元2。
[0118]所述采樣單元I包括采樣筆跡點陣數(shù)據(jù)獲得子單元1-1、學(xué)習(xí)子單元1-2。
[0119]所述采樣筆跡點陣數(shù)據(jù)獲得子單元1-1，用于通過筆跡采集設(shè)備接收用戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)。
[0120]為了獲得更為準確的判斷結(jié)果，該采樣筆跡點陣數(shù)據(jù)獲得子單元1-1通過筆跡采集設(shè)備接收用戶輸入的自選圖符時，接收用戶對同一個自選圖符的兩次或者兩次以上輸入。
[0121]所述學(xué)習(xí)子單元1-2，用于根據(jù)上述采樣用筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得對應(yīng)該賬戶的筆跡判斷模型和自選圖符識別結(jié)果。
[0122]該學(xué)習(xí)子單元1-2包括采樣筆跡特征值計算子單元1-2-1、歸一化子單元1-2-2、筆跡訓(xùn)練子單元1-2-3。
[0123]所述采樣筆跡特征值計算子單元1-2-1，用于根據(jù)所述采樣筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度和/或DTW值中的一項或者多項采樣筆跡特征值。計算DTW值的過程中，需要對采集值進行歸一化，具體方法是，將X軸坐標、Y軸坐標以及距離起點的時間變量用采集值與最小值的差和最大值與最小值之差的比值作為歸一化結(jié)果。
[0124]所述歸一化子單元1-2-2，用于對采樣筆跡特征值計算子單元所獲得的筆跡特征數(shù)值進行歸一化。
[0125]具體的歸一化方法可以有多種，一種比較優(yōu)選的方案是:正樣本時使用同一用戶任意兩次輸入的比值，作為歸一化的結(jié)果；負樣本時使用用戶本次輸入與其他用戶輸入的比值，作為歸一化的結(jié)果。
[0126]所述筆跡訓(xùn)練子單元1-2-3，用于對歸一化后的筆跡特征值使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述筆跡判斷模型。
[0127]為了獲得更為準確的判斷結(jié)果，該采樣筆跡點陣數(shù)據(jù)獲得子單元1-1通過筆跡采集設(shè)備接收用戶輸入的自選圖符時，接收用戶對同一個自選圖符的兩次或者兩次以上輸入。在進行學(xué)習(xí)時，以用戶自選圖符的各次輸入作為正樣本，將其它用戶的自選圖符作為負樣本。
[0128]所述身份驗證單元2包括身份驗證筆跡點陣數(shù)據(jù)獲得子單元2-1、驗證圖符判斷子單元2-2、身份驗證筆跡分析子單元2-3、筆跡特征判斷子單元2-4。
[0129]所述身份驗證筆跡點陣數(shù)據(jù)獲得子單元2-1，用于通過筆跡采集設(shè)備接收驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)。
[0130]所述驗證圖符判斷子單元2-2，用于判斷所述驗證圖符與請求登陸的特定賬戶的自選圖符是否一致；若是，則啟動身份驗證筆跡分析單元進行筆跡分析，若否，則發(fā)出阻止身份驗證請求的命令；
[0131]所述身份驗證筆跡分析子單元2-3，用于接收所述身份驗證筆跡點陣數(shù)據(jù)獲得子單元輸出的身份驗證筆跡點陣數(shù)據(jù)，根據(jù)該身份驗證筆跡點陣數(shù)據(jù)，對其進行筆跡分析，獲得身份驗證筆跡分析結(jié)果。
[0132]該身份驗證筆跡分析子單元2-3包括身份驗證筆跡特征計算子單元2-3-1、身份驗證歸一化子單元2-3-2。
[0133]所述身份驗證筆跡特征計算子單元2-3-1，用于采用與上述采樣階段一致的方法，根據(jù)所述身份驗證用筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項筆跡特征值；
[0134]所述身份驗證歸一化子單元2-3-2，用于對身份驗證筆跡計算子單元所獲得的計算結(jié)果進行歸一化，使用所接收的驗證圖符與采樣階段該用戶的自選驗證圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
[0135]所述筆跡特征判斷子單元2-4，用于接收所述身份驗證筆跡分析結(jié)果，將該身份驗證筆跡分析結(jié)果輸入采樣階段獲得的采樣筆跡學(xué)習(xí)結(jié)果，判斷身份驗證筆跡與采樣筆跡是否相符；并輸出判斷結(jié)果，若判斷結(jié)果為是，則通過身份驗證請求；若判斷結(jié)果為否，則阻止該身份驗證請求。
[0136]在一個典型的配置中，計算設(shè)備包括一個或多個處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。
[0137]內(nèi)存可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲器(ROM)或閃存(flash RAM)。內(nèi)存是計算機可讀介質(zhì)的示例。
[0138]計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可以是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機存取存儲器(SRAM)、動態(tài)隨機存取存儲器(DRAM)、其他類型的隨機存取存儲器(RAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設(shè)備訪問的信息。按照本文中的界定，計算機可讀介質(zhì)不包括非暫存電腦可讀媒體(transitory media),如調(diào)制的數(shù)據(jù)信號和載波。
[0139]本領(lǐng)域技術(shù)人員應(yīng)明白，本申請的實施例可提供為方法、系統(tǒng)或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。
[0140]以上對本申請所提供的一種身份驗證方法和裝置進行了詳細介紹，本文中應(yīng)用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在【具體實施方式】及應(yīng)用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。
【權(quán)利要求】
1.一種身份驗證方法，其特征在于， 通過筆跡采集設(shè)備接收驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)； 判斷該驗證圖符與請求登陸賬戶的自選圖符是否一致；若是，則進入下一步，若否，則阻止該請求； 根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)； 將該身份驗證筆跡分析參數(shù)輸入先期獲得的請求登陸賬戶的筆跡判斷模型，判斷所述身份驗證筆跡與先期獲得的采樣筆跡是否相符；若是，則通過身份驗證請求；若否，則阻止該身份驗證請求。
2.根據(jù)權(quán)利要求1所述的身份驗證方法，其特征在于，所述筆跡判斷模型和所述自選圖符通過采樣獲得，該采樣過程在首次進行身份驗證前完成，采樣的具體過程包括: 通過筆跡采集設(shè)備接收用戶對應(yīng)特定賬戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)； 根據(jù)上述采樣筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得筆跡判斷模型和自選圖符識別結(jié)果。
3.根據(jù)權(quán)利要求2所述的身份驗證方法，其特征在于，采樣過程中，所述接收用戶對應(yīng)特定賬戶輸入的自選圖符的步驟中，接收用戶對同一個自選圖符的兩次或者兩次以上輸入；在采樣過程中進行所述筆跡分析和學(xué)習(xí)時，以該用戶自選圖符的各次輸入作為正樣本，將其它用戶的自選圖符作為負樣本。
4.根據(jù)權(quán)利要求3所述的身份驗證方法，其特征在于，采樣過程中的所述筆跡分析和學(xué)習(xí)具體包括: 根據(jù)所述采樣筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項采樣筆跡特征值； 對所獲得的采樣筆跡特征值計算結(jié)果進行歸一化； 對上述歸一化后的采樣筆跡特征值，使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述采樣筆跡判斷模型； 進行身份驗證時，根據(jù)所述身份驗證筆跡點陣數(shù)據(jù)進行筆跡分析，獲得身份驗證筆跡分析參數(shù)的過程包括: 采用與上述采樣過程中一致的方法，根據(jù)身份驗證時獲得的所述身份驗證筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW值中的一項或者多項身份驗證筆跡特征值； 對所獲得的計算結(jié)果進行歸一化，歸一化后的數(shù)值就是所述身份驗證筆跡分析參數(shù)。
5.根據(jù)權(quán)利要求4所述的身份驗證方法，其特征在于，在采樣過程中，對所獲得的計算結(jié)果進行歸一化，具體是，正樣本時，使用該用戶本次輸入和其它次輸入的比值，作為歸一化的結(jié)果；負樣本時使用用戶本次輸入與其他用戶輸入的比值，作為歸一化的結(jié)果。
6.根據(jù)權(quán)利要求4所述的身份驗證方法，其特征在于，在身份驗證時進行歸一化的步驟中，使用所接收的驗證圖符與采樣過程中該用戶的自選圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
7.根據(jù)權(quán)利要求4所述的身份驗證方法，其特征在于，所述機器學(xué)習(xí)算法為支持向量機算法和/或人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
8.一種身份驗證裝置，其特征在于，包括身份驗證單元； 所述身份驗證單元包括: 身份驗證筆跡點陣數(shù)據(jù)獲得子單元，用于通過筆跡采集設(shè)備接收驗證圖符輸入；在上述驗證圖符輸入過程中，對筆跡采集設(shè)備的被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得身份驗證筆跡點陣數(shù)據(jù)； 驗證圖符判斷子單元，用于判斷所述驗證圖符與請求登陸的特定賬戶的自選圖符是否一致；若是，則啟動身份驗證筆跡分析單元進行筆跡分析，若否，則發(fā)出阻止身份驗證請求的命令； 身份驗證筆跡分析子單元，用于接收所述身份驗證筆跡點陣數(shù)據(jù)獲得子單元輸出的身份驗證筆跡點陣數(shù)據(jù)，根據(jù)該身份驗證筆跡點陣數(shù)據(jù)，對其進行筆跡分析，獲得身份驗證筆跡分析參數(shù)； 筆跡特征判斷子單元，用于接收所述身份驗證筆跡分析參數(shù)，將該身份驗證筆跡分析參數(shù)輸入先期獲得的請求登陸賬戶的筆跡判斷模型，判斷所述身份驗證筆跡與先期獲得的采樣筆跡是否相符；若是，則通過身份驗證請求；若否，則阻止該身份驗證請求。
9.根據(jù)權(quán)利要求8所述的身份驗證裝置，其特征在于，包括采樣單元，所述采樣單元包括: 采樣筆跡點陣數(shù)據(jù)獲得子單元，用于通過筆跡采集設(shè)備接收用戶輸入的自選圖符；在上述自選圖符輸入過程中，對被觸點的X軸坐標、Y軸坐標以及距離起點的時間進行記錄，獲得采樣筆跡點陣數(shù)據(jù)； 學(xué)習(xí)子單元，用于根據(jù)上述采樣用筆跡點陣數(shù)據(jù)進行筆跡分析和學(xué)習(xí)，獲得對應(yīng)該賬戶的筆跡判斷模型和自選圖符識別結(jié)果。
10.根據(jù)權(quán)利要求9所述的身份驗證裝置，其特征在于，所述采樣單元的采樣筆跡點陣數(shù)據(jù)獲得子單元，通過筆跡采集設(shè)備接收用戶輸入的自選圖符時，接收用戶對同一個自選圖符的兩次或者兩次以上輸入；所述學(xué)習(xí)子單元，在進行學(xué)習(xí)時，以該用戶自選圖符的各次輸入作為正樣本，將其它用戶的自選圖符作為負樣本。
11.根據(jù)權(quán)利要求9所述的身份驗證裝置，其特征在于，采樣單元的所述學(xué)習(xí)子單元包括如下子單元: 采樣筆跡特征值計算子單元，用于根據(jù)所述采樣筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、力口速度和/或DTW值中的一項或者多項采樣筆跡特征值； 采樣歸一化子單元，用于對采樣筆跡特征值計算子單元所獲得的采樣筆跡特征數(shù)值進行歸一化； 筆跡訓(xùn)練子單元，用于對歸一化后的采樣筆跡特征值使用機器學(xué)習(xí)算法進行訓(xùn)練，形成所述采樣筆跡判斷模型； 所述身份驗證單元的身份驗證筆跡分析子單元包括: 身份驗證筆跡特征值計算子單元，用于采用與上述采樣階段一致的方法，根據(jù)所述身份驗證用筆跡點陣數(shù)據(jù)計算周長、最小面積、最大面積、Hu矩、平均速率、最小速率、最大速率、輪廓矩形寬度、最小包圍矩形面積、夾角、加速度、和/或DTW中的一項或者多項筆跡特征值； 身份驗證歸一化子單元，用于對上述身份驗證筆跡特征值計算子單元所獲得的計算結(jié)果進行歸一化。
12.根據(jù)權(quán)利要求11所述的身份驗證裝置，其特征在于，所述采樣歸一化子單元，正樣本時，使用該用戶本次輸入和其它次輸入的比值，作為歸一化的結(jié)果；負樣本時使用用戶本次輸入與其他用戶輸入的比值，作為歸一化的結(jié)果。
13.根據(jù)權(quán)利要求11所述的身份驗證裝置，其特征在于，所述身份驗證歸一化子單元，使用所接收的驗證圖符與采樣階段該用戶的自選圖符的筆跡特征值的比值，作為歸一化的結(jié)果。
【文檔編號】G06K9/00GK104517094SQ201310461377
【公開日】2015年4月15日 申請日期:2013年9月30日 優(yōu)先權(quán)日:2013年9月30日
【發(fā)明者】曹愷, 張潔 申請人:阿里巴巴集團控股有限公司