一種基于筆跡鑒定的網(wǎng)上安全支付系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理、模式識(shí)別等領(lǐng)域,尤其涉及一種基于筆跡鑒定的網(wǎng)上安全 支付方法。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)和電子商務(wù)的飛速發(fā)展,也使信息安全成為人們?cè)絹?lái)越關(guān)注的重 點(diǎn),因此實(shí)時(shí)性準(zhǔn)確的個(gè)人身份認(rèn)證越發(fā)重要,對(duì)個(gè)人身份認(rèn)證的準(zhǔn)確性、安全性、實(shí)用性 都提出了更高的要求。
[0003] 身份認(rèn)證技術(shù)是計(jì)算機(jī)網(wǎng)絡(luò)中確認(rèn)操作者身份的過(guò)程而產(chǎn)生的有效解決方法,身 份認(rèn)證通過(guò)標(biāo)識(shí)和鑒別用戶的身份,提供一種判別和確認(rèn)用戶身份的機(jī)制。目前常用的身 份認(rèn)證方式主要有靜態(tài)密碼、動(dòng)態(tài)口令、生物識(shí)別技術(shù)等,而靜態(tài)密碼存在著許多安全隱 患,極易造成密碼泄露或被監(jiān)聽(tīng)設(shè)備截獲;動(dòng)態(tài)口令采用一次一密的方法,雖保證了用戶身 份的安全性,但有可能發(fā)生合法用戶無(wú)法登錄的問(wèn)題,且使用不方便;而生物識(shí)別技術(shù)主要 是利用生物特征認(rèn)證來(lái)代替密碼認(rèn)證,具有普遍性、唯一性、穩(wěn)定性、易采集性、可接受性等 優(yōu)點(diǎn)。目前常見(jiàn)的生物識(shí)別技術(shù)主要有指紋認(rèn)證、虹膜認(rèn)證、人臉認(rèn)證、聲音認(rèn)證等。盡管 上述的生物識(shí)別技術(shù)已有部分實(shí)用產(chǎn)品,但其必須要求有專門(mén)的設(shè)備,成本高,不易普及使 用。因此在這種背景下,提出了筆跡鑒定技術(shù)。
[0004] 筆跡鑒定技術(shù)作為生物識(shí)別技術(shù)的一個(gè)重要分支,其具有難模仿,易接受,易采集 等特點(diǎn),其主要是采集用戶簽名的筆跡、拐點(diǎn)、位置和建立的時(shí)間序列等信息,通過(guò)比較用 戶筆跡的相似度來(lái)判別筆跡的真?zhèn)?。與其他生物識(shí)別技術(shù)相比,筆跡鑒定具有成本低、對(duì)設(shè) 備要求不高、不易丟失、易普及等特點(diǎn)。由此可見(jiàn),筆跡鑒定是一種安全、高效、便捷的個(gè)人 身份認(rèn)證技術(shù),極大程度上削弱了用戶對(duì)記憶密碼的依賴性。
【發(fā)明內(nèi)容】
[0005] 針對(duì)上述問(wèn)題,本發(fā)明提供一種基于筆跡鑒定的網(wǎng)上安全支付系統(tǒng),旨在提高網(wǎng) 上支付的安全性、高效性、以及便捷性。
[0006] 本發(fā)明的技術(shù)方案如下:
[0007] -種基于筆跡鑒定的網(wǎng)上安全支付系統(tǒng),其包括:
[0008] 101用戶注冊(cè)模塊,用于對(duì)用戶網(wǎng)上支付進(jìn)行安全身份認(rèn)證;
[0009] 102接收模塊,用于接收用戶輸入的任一待筆跡簽名樣本;所述接收模塊是預(yù)先 提取待識(shí)別簽名樣本特征集,接收用戶輸入的任一待識(shí)別簽名樣本,并提取所述待識(shí)別簽 名樣本的時(shí)間序列特征、位置屬性特征和筆順特征,挖掘各個(gè)屬性值對(duì)正確識(shí)別本人簽名 貢獻(xiàn)程度,降序排序,按照貢獻(xiàn)值排序找一組最優(yōu)權(quán)值融合多種特征,將融合后的多特征作 為識(shí)別簽名樣本特征集;
[0010] 103學(xué)習(xí)、訓(xùn)練模塊,根據(jù)預(yù)設(shè)融合后的識(shí)別簽名樣本特征集的空間近鄰關(guān)系建立 模型,根據(jù)樣本點(diǎn)的近鄰信息對(duì)樣本進(jìn)行分類,首先,通過(guò)樣本的鄰域來(lái)?;?xùn)練集論域, 將每個(gè)樣本的鄰域看成基本信息粒子;其次,將屬于同一鄰域的樣本點(diǎn)映射到超網(wǎng)絡(luò)超邊 的頂點(diǎn),通過(guò)演化學(xué)習(xí),超邊獲取局部空間樣本分布到鄰域類別的映射關(guān)系,從而構(gòu)建鄰域 超網(wǎng)絡(luò)模型;最后,將融合后的多種屬性特征值(即識(shí)別簽名樣本特征集)轉(zhuǎn)化為1到8的 數(shù)據(jù)后作為鄰域超網(wǎng)絡(luò)模型的輸入,用戶本人前書(shū)寫(xiě)的簽名樣本作為訓(xùn)練樣本集,將訓(xùn)練 樣本進(jìn)行超邊隨機(jī)初始化、采用超邊替代超網(wǎng)絡(luò)分類器,將所述超邊進(jìn)行學(xué)習(xí)分類后,得到 訓(xùn)練集超邊庫(kù)。
[0011] 104鑒定模塊,進(jìn)行網(wǎng)上支付環(huán)節(jié)時(shí),輸入簽名,匹配特征庫(kù)中的必要特征,當(dāng)滿足 必要特征之后再進(jìn)行識(shí)別,在訓(xùn)練集超邊庫(kù)中搜索,如果達(dá)成搜索結(jié)果則成功識(shí)別,否則不 識(shí)別為任何人的簽名。其中特征庫(kù)不是前面將簽名識(shí)別樣本集進(jìn)行方向向量處理后的特征 集,也就是將綜合后的多特征集轉(zhuǎn)化為1到8的數(shù)據(jù)的特征集。
[0012]105支付模塊:將筆跡鑒定應(yīng)用到網(wǎng)上安全支付。
[0013]所述接收模塊預(yù)先提取的待識(shí)別簽名樣本特征集包括:
[0014]提取所述待識(shí)別簽名樣本時(shí)間序列特征:用戶在信用卡支付和移動(dòng)終端/PC機(jī) 上的手寫(xiě)區(qū)域上書(shū)寫(xiě)簽名的過(guò)程中,在每個(gè)拐點(diǎn)處記錄一個(gè)書(shū)寫(xiě)時(shí)長(zhǎng),記為,累計(jì)和 為整個(gè)簽名的書(shū)寫(xiě)時(shí)長(zhǎng),由于用戶在不同的書(shū)寫(xiě)過(guò)程中可能對(duì)自己簽名的拐點(diǎn)數(shù)目不盡相 同,因此取其多次書(shū)寫(xiě)均存在的拐點(diǎn);
[0015]提取所述待識(shí)別簽名樣本位置屬性特征:在簽名樣本特征里面加入位置屬性,即 將類似于九宮格解鎖的位置信息加入到簽名樣本屬性中,分布如下:
[0016] (1)若用戶書(shū)寫(xiě)的簽名位于區(qū)域中心,樣本中心點(diǎn)的特征就不明顯,位置屬性的權(quán) 值相對(duì)較低;
[0017] (2)若用戶書(shū)寫(xiě)的簽名位于屏幕邊緣的話,特征則明顯,辨識(shí)度較高;
[0018]提取所述待識(shí)別簽名樣本筆順特征:從落筆點(diǎn)開(kāi)始,采集簽名樣本點(diǎn),量化并對(duì)其 分段,通過(guò)最小二乘法擬合得出方程的斜率后進(jìn)行反正切計(jì)算得到角度,根據(jù)角度即可得 到對(duì)應(yīng)的方向向量。
[0019]鄰域超網(wǎng)絡(luò)分類模型:基于前面提取到的簽名特征集,本人簽名的樣本數(shù)可以由 書(shū)寫(xiě)次數(shù)來(lái)控制,但是模仿簽名不可預(yù)計(jì),因此存在不平衡數(shù)據(jù)分類問(wèn)題。針對(duì)在不平衡 數(shù)據(jù)分類中,鄰域超網(wǎng)絡(luò)模型在學(xué)習(xí)和表達(dá)上容易偏向多類樣本而忽略少類樣本信息的問(wèn) 題,對(duì)鄰域超網(wǎng)絡(luò)模型進(jìn)行優(yōu)化,設(shè)種加權(quán)鄰域超網(wǎng)絡(luò)模型(Weighted Neighborhood-Hypernetwork, W-N-HN)。首先,在確定鄰域類別階段,考慮訓(xùn)練集的不平衡度,為鄰域內(nèi)的少 類樣本賦予較大的權(quán)重;其次,在演化學(xué)習(xí)階段,基于少類樣本與多類樣本被誤分的代價(jià)不 同,為少類和多類超邊分別賦予不同的權(quán)值,降低學(xué)習(xí)的偏向性;在分類階段:為少類類域 賦予較大權(quán)重,避免了多類類域?qū)ι兕愵愑虻母采w。
[0020] 所述綜合后的多特征集轉(zhuǎn)化為1到8的數(shù)據(jù)后作為所述基于鄰域超網(wǎng)絡(luò)分類器的 輸入,進(jìn)行訓(xùn)練和測(cè)試,將所述待識(shí)別超邊與所述超邊庫(kù)中的超邊進(jìn)行對(duì)比來(lái)鑒定用戶筆 跡的真?zhèn)巍?br>[0021] 從以上技術(shù)方案可以看出,本發(fā)明具有以下優(yōu)點(diǎn):由于筆跡鑒定是生物識(shí)別技術(shù) 中的一種,其具有易采集性、唯一性、普及性和不可竊取以及不易模仿性,因此使得網(wǎng)上支 付具有更高的穩(wěn)定性、安全性、便捷性;同時(shí)結(jié)合了多特征融合技術(shù),本發(fā)明能夠提高所述 簽名樣本的識(shí)別效率,以及準(zhǔn)確性。
【附圖說(shuō)明】
[0022] 為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例中的技術(shù)方案,下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡(jiǎn)單地介紹,顯而易見(jiàn)地,下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例,對(duì)于 本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)性的前提下,還可以根據(jù)這些附圖獲得其 他的附圖。
[0023] 圖1為本發(fā)明實(shí)施例一提供的筆跡真?zhèn)舞b定流程圖;
[0024] 圖2為本發(fā)明實(shí)施例一提供的鄰域超網(wǎng)絡(luò)分類過(guò)程;
[0025] 圖3為本發(fā)明實(shí)施例二提供的筆跡鑒定的網(wǎng)上安全支付流程圖;
[0026] 圖4為本發(fā)明實(shí)施例二提供的簽名寶注冊(cè)界面;
[0027] 圖5為本發(fā)明實(shí)施例二提供的簽名寶注冊(cè)功能;
[0028] 圖6為本發(fā)明實(shí)施例二提供的簽名寶登陸界面;
[0029] 圖7為本發(fā)明實(shí)施例二提供的簽名寶功能界面;
[0030]圖8為本發(fā)明實(shí)施例二提供的創(chuàng)建新簽名功能;
[0031] 圖9為本發(fā)明實(shí)施例二提供的新的簽名書(shū)寫(xiě)功能;
[0032] 圖10為本發(fā)明實(shí)施例二提供的簽名寶主界面;
[0033] 圖11為本發(fā)明實(shí)施例二提供的支付界面;
[0034] 圖12為本發(fā)明實(shí)施例二提供的本人簽名付款;
[0035] 圖13為本發(fā)明實(shí)施例二提供的支付成功界面;
[0036] 圖14為本發(fā)明實(shí)施例二提供的模仿者簽名付款失??;
[0037] 圖15為本發(fā)明實(shí)施例二提供的模仿簽名支付失敗。
【具體實(shí)施方式】
[0038] 下面將結(jié)合本申請(qǐng)實(shí)施例中的附圖,對(duì)本申請(qǐng)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述,顯然,所描述的實(shí)施例僅僅是本申請(qǐng)一部分實(shí)施例,而不是全部的實(shí)施例。基于 本申請(qǐng)中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例,都屬于本申請(qǐng)保護(hù)的范圍。
[0039] 實(shí)施例一
[0040]參考圖1,圖1為本實(shí)施例提供的一種基于筆跡鑒定的網(wǎng)上安全支付方法流程圖, 具體包括:
[0041] 101:用戶注冊(cè)模塊,用于對(duì)用戶網(wǎng)上支付的一個(gè)安全身份認(rèn)證。
[0042] 102:接收模塊,預(yù)先接收用戶輸入的任一待識(shí)別簽名樣本,并將所述待識(shí)別簽名 樣本進(jìn)行相應(yīng)的處理得到待識(shí)別簽名樣本特征集。
[0043] 由于和內(nèi)容無(wú)關(guān)的筆跡鑒定技術(shù)是將所述待識(shí)別簽名和預(yù)先設(shè)定存儲(chǔ)的簽名樣 本的特征信息進(jìn)行比對(duì)的過(guò)程。所述簽名樣本特征信息包括字跡、拐點(diǎn)、位置,以及建立的 時(shí)間序列等特征信息。
[0044] 實(shí)際應(yīng)用中,任意一個(gè)用戶使用信用卡支付和移動(dòng)終端/PC機(jī)上的手寫(xiě)區(qū)域進(jìn)行 簽名,在網(wǎng)上支付的同時(shí),必定是一個(gè)用戶對(duì)應(yīng)一個(gè)賬號(hào)和一個(gè)簽名樣本作為密碼。因此操 作是首先接收用戶輸入的任意一個(gè)待識(shí)別簽名樣本,并將所述待識(shí)別簽名樣本進(jìn)行相應(yīng)的 處理得到待識(shí)別簽名樣本特征集。
[0045] 其中,本實(shí)施例提取所述待識(shí)別簽名樣本特征集包括:
[0046] 1)建立時(shí)間序列:用戶在手機(jī)屏幕上書(shū)寫(xiě)簽名的過(guò)程中,在每個(gè)拐點(diǎn)處記錄一個(gè) 書(shū)寫(xiě)時(shí)長(zhǎng),記為,累計(jì)和為整個(gè)簽名的書(shū)寫(xiě)時(shí)長(zhǎng),由于用戶在不同的書(shū)寫(xiě)過(guò)程中可能 對(duì)自己簽名的拐點(diǎn)數(shù)目不盡相同,因此取其多次書(shū)寫(xiě)均存在的拐點(diǎn);
[0047] 2)建立位置屬性:將所述點(diǎn)集數(shù)量的數(shù)組通過(guò)中心位置特征提取,得到所述待識(shí) 別簽名樣本中心位置特征;
[0048] 3)建立筆順特征:從落筆點(diǎn)開(kāi)始,采集簽名樣本點(diǎn),量化并對(duì)其分段,通過(guò)最小二 乘法擬合得出方程的斜率后進(jìn)行反正切計(jì)算得到角度,根據(jù)角度即可得到對(duì)應(yīng)的方向向 量。
[0049] 與現(xiàn)有技術(shù)相比,本實(shí)施例對(duì)用戶的簽名特征提取較為完善,更加符合人們的真 實(shí)書(shū)寫(xiě)規(guī)范,提取具有決策能力的最佳的簽名樣本特征集。
[0050] 具體的,本實(shí)施例可以利用超網(wǎng)絡(luò)具備挖掘特征屬性之間的高階關(guān)聯(lián)性,因此融 合方法是將多種屬性特征值作為樣本的特征值,挖掘各個(gè)屬性值對(duì)正確識(shí)別本人簽名貢獻(xiàn) 程度,降序排序,按照貢獻(xiàn)值排序找一組最優(yōu)權(quán)值融合多種特征。
[0051] 103:學(xué)習(xí)和訓(xùn)練模塊,構(gòu)造用于筆跡鑒定的鄰域超網(wǎng)絡(luò)模型,預(yù)先