一种基于无线终端的智能商务信息提供控制系统的制作方法

本发明属于电子交易技术领域，尤其涉及一种基于无线终端的智能商务信息提供控制系统。

背景技术：

随着现代社会的不断发展，人与人之间的联系也越来越紧密。民众在生活、工作、学习中的选择也越来越丰富多彩，体现了人们在互联网时代所展现的张扬个性；对传统商店中限定的商品，已经不能满足消费者的购物选择，而是希望能在短时间内享受多种选择带来的购物体验。但是在商品的交易方案、电子结账方案和信息安全方案等方面存在漏洞，容易发生账户安全被盗的危险。

综上所述，现有技术存在的问题是：现有的商务信息在商品的交易方案、电子结账方案和信息安全方案等方面存在漏洞，容易发生账户安全被盗的危险。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于无线终端的智能商务信息提供控制系统，

本发明是这样实现的，一种基于无线终端的智能商务信息提供控制系统包括用于对数据进行运算和处理的微处理器；

与微处理器电连接，用于对购物信息进行识别的身份识别器；所述身份识别器生成随机数rkeyid，利用椭圆曲线密码算法计算相应的公钥rpkid，rpkid＝rkeyid×g，g为椭圆曲线的基点，将rpkid和用户标识uid对外发送；通过身份识别器内置的网络数据认证模块的密钥生成系统生成随机数rkeykmc，利用椭圆曲线密码算法计算其相应的公钥rpkkmc，其中，rpkkmc＝rkeykmc×g，并记γid＝rpkid+rpkkmc；

利用用户标识uid及人脸识别数据库的数据计算标识私钥keyid和标识公钥rid，具体为：

生成私钥矩阵和公钥矩阵，私钥矩阵和公钥矩阵的大小均为m×h，m和h均为正整数；

利用用户标识uid及人脸识别数据库的数据使用散列算法计算用户标识uid的散列值，将所述散列值分为m段，作为私钥矩阵和公钥矩阵的列映射值map[i]，i＝0,1,2......m-1；

计算：

ri,map[i]为私钥矩阵中的一个元素；

xi,map[i]为公钥矩阵中的一个元素；

n为椭圆曲线的阶；

与微处理器电连接，用于进行交易的pos机交付系统；

与微处理器电连接，用于对身份识别器操作过程进行摄录的摄像装置；

与微处理器电连接，用于与外部信息进行数据交换的服务器；

与服务器电连接，用于检索交易信息并进行传输的网络连接单元；

与网络连接单元无线连接，用于实现数据提醒的监控终端。

进一步，所述pos机交付系统包括对交易数据进行查询的检索单元；

与检索单元电连接，实现交易商品存储的购物车单元；

与购物车单元电连接，实现生成购物信息的订单单元；

与订单单元电连接，用于对购物信息进行统计的统计单元。

进一步，所述身份识别器的识别还包括以下步骤：

第一步，读取指纹图像，并根据图像行列的具体大小，将图像自动分割为一系列可变的r×r的子图像，方便对图像进行区块的划分；所述身份识别器图像自动分割算法包括：

确定其余未标记超像素到达各个种子点的概率值，并将该超像素归并到概率最大值最大的种子点所属的区域中；为确定未标记超像素到达各个种子点的概率值，随机游走分割算法将图像视为无向加权图；

以超像素作为节点，使得节点数目减小，而各节点之间的连接权值，按bhattacharyya系数进行计算；只有相邻的超像素才按bhattacharyya系数计算连接权值，否则，为0；

为实现direchlett问题的求解，设以待分割图像超像素为节点所构成的图为g，首先定义图g的laplace矩阵：

其中，为极点si的度，定义为所有与极点si相连的极点之间的权值之和；

假设最终的焦点区域数为k，区域标记变量为t，1≤t≤k；对于某一分割区域，所有节点分为两类：标记点集合vm和未标记点集合vu，vm∪vu＝v且vm∩vu＝φ；根据节点所属的不同集合，laplace矩阵写为：

再设节点到达标记为t的种子点的概率为对当前焦点区域种子点定义标记函数从而对所有vm中的节点有：

而对于未标记vu中的节点对标记为t的种子点的概率，根据direchlett边界条件，根据下式求解：

lux＝-b^tm；

最后根据lu中各未标记点到各超像素种子点概率大小决定其归属于哪一分割区域，从而实现图像分割；进而获得各传感器量测的准确数据信息；根据该原则确定未标记种子点的区域归属时，如果某未标记种子点与某几个种子点的概率差别不大，此时，还需根据该未标记点到达种子点所属区域的其他种子点的概率大小来进行判断；另外，未标记点到达所有种子点的概率都很小，这些未标记点与已给定种子点的相似性很小，此时，这些未标记点则单独归为一区域；

第二步，在邻域内，根据仪表特性，分为目标和背景，统计各像素点的灰度分布，将灰度范围较为接近的归为一类，并算出两类特征点的数学期望和方差，根据经典otsu准则，找出局部阈值t1(i)；

第三步，对窗口进行二值化处理，后进行循环流程第二步操作，直至搜索图像完毕；

第四步，为避免对区域边缘的点产生误判，将每个区域视为一个像素点，灰度值为阈值t1(i)，对整幅进行求解期望、协方差，找出全局阈值，对误判点进行修复。

进一步，所述监控终端包括检测器，检测器通过数据线与报警单元连通，检测器与计算机之间设置有网络防火墙，计算机上设置有传输智能监控管理器采集信号的路由器。

所述身份识别器的加解密包括：

a.公钥生成：公钥由有限域k，以及它的加法和乘法结构和n个二次多元多项式组成；

b.私钥生成：私钥由映射随机选取的r个线性独立的z1,…,zr∈k[x1,…,x2l]、一个点集p、两个可逆仿射变换l1和l2以及它们的逆组成；

c.加密过程即给定明文m′＝(x1′,…,xn′)，用选取的公钥进行加密，形成密文z′＝(z1′,…,zn′)；

d.解密过程这个过程是加密的逆过程，解密所用的秘钥为选取的私钥；

所述的身份识别器的加密过程包括：

c1.给定消息m′＝(x1′,…,xn′)；

c2.用选取的公钥对明文进行加密，加密后的密文为：

z′＝(z1′,…,zn′)，其中

所述的解密过程包括以下步骤：

d1.在得到密文z′＝(z1′,…,z2l′)后，首先计算：

y′＝l2^-1(z′)＝(y1′,…,y2l′)；

d2.对于点集p中的每一点(μ,λ)，计算：

然后验证z(y1″,…,y2l″)＝μ，如果不成立，则丢弃这组值；否则进行下一步；

d3.最后计算：

m′＝l1^-1(y1″,…,y2l″)＝(m1′,…,m2l′)，

如果只有唯一的一组(m1′,…,m2l′)，那么m′就一定是对应的明文，如果得到超过一组的(m1′,…,m2l′)，则用hash函数或者增加验证方程的方式来确定唯一明文。

进一步，所述中心映射重新构造的过程包括：

首先，选择r是一个比较小的整数，随机选择r个线性独立方程

映射z:k^2l→k^r如下确定：

z(x1,…,x2l)＝(z1(x1,…,x2l),…,zr(x1,…,x2l))，

进一步，所述中心映射重新构造的过程还包括：随机选取2l个总次数为2的多项式

进一步，所述中心映射重新构造的过程还包括：

映射如下确定：

定义扰动映射f^*:k^2l→k^2l为和z的复合：

其中f1^*,…,f2l^*∈k[x1,…,x2l]。

进一步，所述中心映射重新构造的过程还包括：用内部扰动映射f^*扰动原来的中心映射f～，新的公钥映射为：

进一步，所述公钥生成包括以下步骤：

a1.选取有限域k，以及它的加法和乘法结构；

a2.选取2l个二次多元多项式组：

f1(x1,…,x2l),…,f2l(x1,…,x2l)∈k[x1,…,x2l]。

进一步，所述的私钥生成包括以下步骤：

b1.选取映射即两个随机数α1，α2；

b2.随机选取r个线性独立的z1,…,zr∈k[x1,…,xn]；

b3.选取一个点集p，p是所有映射的像和原像的集合，即：

点集p由随机选取的2l个二次多项式确定；

b4.选取两个可逆仿射变换l1和l2以及它们的逆。

本发明的优点及积极效果为：该基于无线终端的智能商务信息提供控制系统通过身份识别器对客户的交易身份进行识别，并通过pos机交付系统对交易信息进行分析，整个交易过程将上传至服务器，并可通过监控终端实时检测，提高了交易过程的安全性。

本发明的身份识别器识别效果要远远高于现有技术的识别方法，而且本发明利用用户标识uid及人脸识别数据库的数据使用散列算法计算用户标识uid的散列值，识别数据准确。本发明的身份识别器的加解密方法相比于现有技术，具有报名性高的特点。本发明超像素种子的随机游走图像分割算法，保证对数据信息精确控制，本发明集信号接收方法、信号处理方法于一体，实现了功能多样化和完全智能化。

附图说明

图1是本发明实施例提供的基于无线终端的智能商务信息提供控制系统的结构示意图；

图2是本发明实施例提供的pos机交付系统的结构示意图；

图中：1、微处理器；2、身份识别器；3、pos机交付系统；3-1、检索单元；3-2、购物车单元；3-3、订单单元；3-4、统计单元；4、摄像装置；5、服务器；6、网络连接单元；7、监控终端。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图1、附图2及具体实施例对本发明的应用原理作进一步描述。

基于无线终端的智能商务信息提供控制系统包括用于对数据进行运算和处理的微处理器1；

与微处理器1电连接，用于对购物信息进行识别的身份识别器2；所述身份识别器生成随机数rkeyid，利用椭圆曲线密码算法计算相应的公钥rpkid，rpkid＝rkeyid×g，g为椭圆曲线的基点，将rpkid和用户标识uid对外发送；通过身份识别器内置的网络数据认证模块的密钥生成系统生成随机数rkeykmc，利用椭圆曲线密码算法计算其相应的公钥rpkkmc，其中，rpkkmc＝rkeykmc×g，并记γid＝rpkid+rpkkmc；

利用用户标识uid及人脸识别数据库的数据计算标识私钥keyid和标识公钥rid，具体为：

生成私钥矩阵和公钥矩阵，私钥矩阵和公钥矩阵的大小均为m×h，m和h均为正整数；

利用用户标识uid及人脸识别数据库的数据使用散列算法计算用户标识uid的散列值，将所述散列值分为m段，作为私钥矩阵和公钥矩阵的列映射值map[i]，i＝0,1,2......m-1；

计算：

ri,map[i]为私钥矩阵中的一个元素；

xi,map[i]为公钥矩阵中的一个元素；

n为椭圆曲线的阶；

与微处理器1电连接，用于进行交易的pos机交付系统3；

与微处理器1电连接，用于对身份识别器2操作过程进行摄录的摄像装置4；

与微处理器1电连接，用于与外部信息进行数据交换的服务器5；

与服务器5电连接，用于检索交易信息并进行传输的网络连接单元6；

与网络连接单元6无线连接，用于实现数据提醒的监控终端7。

进一步，所述pos机交付系统3包括对交易数据进行查询的检索单元3-1；

与检索单元3-1电连接，实现交易商品存储的购物车单元3-2；

与购物车单元3-2电连接，实现生成购物信息的订单单元3-3；

与订单单元3-3电连接，用于对购物信息进行统计的统计单元3-4。

通过身份识别器2对客户的交易身份进行识别，并通过pos机交付系统3对交易信息进行分析，通过检索单元3-1对需要购买的物品进行查询，并通过购物车单元3-2对所选商品进行存放处理，待交易完成后通过订单单元3-3生产交易信息，并通过统计单元3-4进行统计处理；整个交易过程将上传至服务器5，并可通过监控终端7实时检测，提高了交易过程的安全性。

进一步，所述身份识别器2的识别过程包括以下步骤：

第一步，读取指纹图像，并根据图像行列的具体大小，将图像自动分割为一系列可变的r×r的子图像，方便对图像进行区块的划分；所述身份识别器图像自动分割算法包括：

确定其余未标记超像素到达各个种子点的概率值，并将该超像素归并到概率最大值最大的种子点所属的区域中；为确定未标记超像素到达各个种子点的概率值，随机游走分割算法将图像视为无向加权图；

以超像素作为节点，使得节点数目减小，而各节点之间的连接权值，按bhattacharyya系数进行计算；只有相邻的超像素才按bhattacharyya系数计算连接权值，否则，为0；

为实现direchlett问题的求解，设以待分割图像超像素为节点所构成的图为g，首先定义图g的laplace矩阵：

其中，为极点si的度，定义为所有与极点si相连的极点之间的权值之和；

假设最终的焦点区域数为k，区域标记变量为t，1≤t≤k；对于某一分割区域，所有节点分为两类：标记点集合vm和未标记点集合vu，vm∪vu＝v且vm∩vu＝φ；根据节点所属的不同集合，laplace矩阵写为：

再设节点到达标记为t的种子点的概率为对当前焦点区域种子点定义标记函数从而对所有vm中的节点有：

而对于未标记vu中的节点对标记为t的种子点的概率，根据direchlett边界条件，根据下式求解：

lux＝-b^tm；

最后根据lu中各未标记点到各超像素种子点概率大小决定其归属于哪一分割区域，从而实现图像分割；进而获得各传感器量测的准确数据信息；根据该原则确定未标记种子点的区域归属时，如果某未标记种子点与某几个种子点的概率差别不大，此时，还需根据该未标记点到达种子点所属区域的其他种子点的概率大小来进行判断；另外，未标记点到达所有种子点的概率都很小，这些未标记点与已给定种子点的相似性很小，此时，这些未标记点则单独归为一区域；

第二步，在邻域内，根据仪表特性，分为目标和背景，统计各像素点的灰度分布，将灰度范围较为接近的归为一类，并算出两类特征点的数学期望和方差，根据经典otsu准则，找出局部阈值t1(i)；

第三步，对窗口进行二值化处理，后进行循环流程第二步操作，直至搜索图像完毕；

第四步，为避免对区域边缘的点产生误判，将每个区域视为一个像素点，灰度值为阈值t1(i)，对整幅进行求解期望、协方差，找出全局阈值，对误判点进行修复。

进一步，所述监控终端7包括检测器，检测器通过数据线与报警单元连通，检测器与计算机之间设置有网络防火墙，计算机上设置有传输智能监控管理器采集信号的路由器。

所述身份识别器的加解密包括：

a.公钥生成：公钥由有限域k，以及它的加法和乘法结构和n个二次多元多项式组成；

b.私钥生成：私钥由映射f～随机选取的r个线性独立的z1,…,zr∈k[x1,…,x2l]、一个点集p、两个可逆仿射变换l1和l2以及它们的逆组成；

c.加密过程即给定明文m′＝(x1′,…,xn′)，用选取的公钥进行加密，形成密文z′＝(z1′,…,zn′)；

d.解密过程这个过程是加密的逆过程，解密所用的秘钥为选取的私钥；

所述的身份识别器的加密过程包括：

c1.给定消息m′＝(x1′,…,xn′)；

c2.用选取的公钥对明文进行加密，加密后的密文为：

z′＝(z1′,…,zn′)，其中

所述的解密过程包括以下步骤：

d1.在得到密文z′＝(z1′,…,z2l′)后，首先计算：

y′＝l2^-1(z′)＝(y1′,…,y2l′)；

d2.对于点集p中的每一点(μ,λ)，计算：

然后验证z(y1″,…,y2l″)＝μ，如果不成立，则丢弃这组值；否则进行下一步；

d3.最后计算：

m′＝l1^-1(y1″,…,y2l″)＝(m1′,…,m2l′)，

如果只有唯一的一组(m1′,…,m2l′)，那么m′就一定是对应的明文，如果得到超过一组的(m1′,…,m2l′)，则用hash函数或者增加验证方程的方式来确定唯一明文。

进一步，所述中心映射重新构造的过程包括：

首先，选择r是一个比较小的整数，随机选择r个线性独立方程

映射z:k^2l→k^r如下确定：

z(x1,…,x2l)＝(z1(x1,…,x2l),…,zr(x1,…,x2l))，

进一步，所述中心映射重新构造的过程还包括：随机选取2l个总次数为2的多项式

进一步，所述中心映射重新构造的过程还包括：

映射如下确定：

定义扰动映射f^*:k^2l→k^2l为和z的复合：

其中f1^*,…,f2l^*∈k[x1,…,x2l]。

进一步，所述中心映射重新构造的过程还包括：用内部扰动映射f^*扰动原来的中心映射新的公钥映射为：

进一步，所述公钥生成包括以下步骤：

a1.选取有限域k，以及它的加法和乘法结构；

a2.选取2l个二次多元多项式组：

f1(x1,…,x2l),…,f2l(x1,…,x2l)∈k[x1,…,x2l]。

进一步，所述的私钥生成包括以下步骤：

b1.选取映射即两个随机数α1，α2；

b2.随机选取r个线性独立的z1,…,zr∈k[x1,…,xn]；

b3.选取一个点集p，p是所有映射的像和原像的集合，即：

点集p由随机选取的2l个二次多项式确定；

b4.选取两个可逆仿射变换l1和l2以及它们的逆。

本发明的身份识别器识别效果要远远高于现有技术的识别方法，而且本发明利用用户标识uid及人脸识别数据库的数据使用散列算法计算用户标识uid的散列值，识别数据准确。本发明的身份识别器的加解密方法相比于现有技术，具有报名性高的特点。本发明超像素种子的随机游走图像分割算法，保证对数据信息精确控制，本发明集信号接收方法、信号处理方法于一体，实现了功能多样化和完全智能化。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。