基于人体固态特征的认证方法与流程

本发明属于信息安全技术领域，具体涉及基于人体固态特征的认证方法。

背景技术：

Bill Gates曾做过这样的断言：“生物特征识别技术，利用人的生理特征，例如指纹等来识别某个人的身份，将成为今后几年IT产业的重要革新”。现有的基于智能卡、身份证或密码的身份识别系统还是远远不够的，因此基于生物特征的身份识别技术为此提供了一种解决方案。

现在市场上存在的一些基于生物特征的身份识别系统或者设计还存在各种弊端，在安全性和可靠性方面还有待进一步的提高。例如，2013年在iphone5s的发布2天后，柏林黑客组织宣布，他们就通过伪指纹破解了iphone5s的指纹阅读器；同时，在2016年世界移动通信大会期间，《华尔街日报》记者用五分钟就做出了一个黏土橡皮泥的3D假指纹模，成功破解了iphone，这给移动支付等需要借助指纹来实现的系统的安全性带来严重挑战，由此可见，传统的身份认证方式已经面临严峻的挑战。

利用生物特征进行身份识别的技术是目前最为方便与安全的识别系统，你不需记住身份证号码或密码，也不需要随身携带像智能卡之类的东西。“钥匙”是你自己，没有什么能比这更安全和更方便的了，因此，生物特征识别技术逐渐成为一种公认的、更安全的身份认证技术。

技术实现要素：

为了克服上述现有技术的不足，本发明的目的是提供本一种基于人体固态生物特征的身份认证方法，以无意识状态下的习惯性手势为基点进行设计，结合频率以及压力等特征，生成个人的特征模板，这种模板存放在存储器中，用于需要进行身份识别系统进行交互的场合，认证身份。

为了实现上述目的，本发明采用的技术方案是：

一种基于人体固态生物特征的身份认证方法，所述离线注册主要经过查询固态特征和采集设备后生成固态特征信号，并经信号处理之后得到固态特征模板用以比对，所述在线对比主要经过查询固态特征和采集设备后生成固态特征信号，并经信号处理之后得到验证固态特征模板，通过固态特征识别算法与注册的固态特征模板进行比对，并通过决策器得出结论并输出结果，具体身份认证方法步骤为：

A、离线注册步骤如下：

1）通过获取同屏通信系统串口USART；

2）读取触摸屏上坐标，按压频率，按压压力信息；

3）数据解析与处理，可视化显示、发出警报信号；

4）将处理后信息存入数据库；

B、在线对比骤如下：

1）以习惯性手势先后接触触摸屏；

2）系统记录手指之间的距离和触屏时间差；

3）对数据进行模糊聚类分析处理；

4）得出是否与合法用户数据匹配结论。

所述在线对比中所用到的模糊聚类算法包括如下步骤：

1）设置聚类分析控制参数；

2）初始分类；

3）按控制参数给定的要求，将前一次获得的聚类集进行分裂和合并处理，以获得新的聚类中心和类集；

4）再次迭代运算，重新计算各项指标，判别聚类结果是否符合要求，以此反复经过多次迭代运算，直至得到理想的聚类结果。

所述模糊聚类算法的相似度定义由钟形函数代替欧氏距离。

本发明的有益效果是：

1）本发明中的无意识习惯性手势具有高度的唯一性、稳定性和不易被模仿伪造性；手势随机组合组成手势密码的多样性、不可重复性使之安全性大大提高。

2）本发明可以防止盗用ATM、蜂窝电话、智能卡、桌面PC、工作站及其计算机网络，在建筑物或工作场所，可以取代钥匙、证件和图章等。

3）本发明采用多种策略（手势组合、触点频率、压力等）确保数据产生的可靠性、数据融合的高效性以及数据传输的安全性。

附图说明

图1为本发明基于人体固态特征的身份认证方法系统流程图。

图2为本发明基于人体固态特征的身份认证方法触摸屏坐标读取流程图。

图3为本发明基于人体固态特征的身份认证方法触摸屏按压频率读取流程图。

图4为本发明基于人体固态特征的身份认证方法验证过程流程图。

图5为本发明基于人体固态特征的身份认证方法信息录入工作图。

图6为本发明基于人体固态特征的身份认证方法验证工作图。

图7为本发明基于人体固态特征的身份认证方法验证成功图。

图8为本发明基于人体固态特征的身份认证方法验证失败图。

具体实施方式

以下结合附图及实施例对本发明进一步叙述，但本发明不局限于以下实施例。

如图1所示，本发明提供的基于人体固态特征的认证方法，其特征在于：包括离线注册和在线对比两个子模块。

所述离线注册主要经过查询固态特征和采集设备后生成固态特征信号，并经信号处理之后得到固态特征模板用以比对，步骤为：

1）通过获取同屏通信系统串口USART；

2）读取触摸屏上坐标（图2），按压频率（图3），按压压力信息；

3）数据解析与处理，可视化显示、发出警报信号；

4）将处理后信息存入数据库。

具体操作为：用户以同一手掌两根手指张开的最大距离（固有属性）或者人在无意识状态下的习惯性手势（两根手指习惯性张开的距离，触摸时的固有频率）依次触摸屏幕，录入五次，系统将自动记录距离和两手指接触屏幕之间的时间差，手指按压的频率，通过对数据进行模糊子集的建立，并计算保存距离和时间差的平均值及频率作为验证是否为合法本人的依据（图5）。

所述在线对比主要经过查询固态特征和采集设备后生成固态特征信号，并经信号处理之后得到验证固态特征模板，通过固态特征识别算法与注册的固态特征模板进行比对，并通过决策器得出结论并输出结果，具体步骤为：

1）以习惯性手势先后接触触摸屏；

2）系统记录手指之间的距离和触屏时间差；

3）对数据进行模糊聚类分析处理；

4）得出是否与合法用户数据匹配结论。

所述在线对比中所用到的模糊聚类算法包括如下步骤：

1）设置聚类分析控制参数；

2）初始分类；

3）按控制参数给定的要求，将前一次获得的聚类集进行分裂和合并处理，以获得新的聚类中心和类集；

4）再次迭代运算，重新计算各项指标，判别聚类结果是否符合要求，以此反复经过多次迭代运算，直至得到理想的聚类结果。

5）如若验证用户为独立聚类，即其所在聚类中只有自己则判定为非法用户，否则即为合法用户。

具体操作为：两根手指先后接触触摸屏，系统将记录两根手指之间的距离和触屏时间差，并通过对数据进行聚类分析处理判断是否与合法用户保存的数据匹配，以确定用户身份（图6）。如果验证数据（距离和触屏时间差）与比对数据（距离和触屏时间差）相同，液晶屏将显示“WELCOME”字样，用户获得允许权限（图7）；如果手指距离或者触屏频率与比对数据不同，液晶屏将显示“FORBIDDEN”字样，用户被禁止，报警装置被触发（图8）。

为验证本发明的有效性，进行如下实验：

1）由40名用户进行数据提取，每人随意张开两手指，每个手指依次触摸屏幕，对数据进行采集；

2）数据经存储后，逐人进行验证，统计实验结果,计算成功的概率；

3）另找40名未进行数据采集的用户进行验证，统计实验结果，计算成功的概率；

4）将80名用户进行混编，进行验证，统计验证结果并进行记录，计算成功的概率。

表1列出的是本实验针对上述实验内容及目的的结果。

实验结果与分析：

经过实验可以发现，第一组人员经数据录入之后，在实验过程中没有出现理论上的实验效果，有两人未能被识别出来，同时在第二组同样也存在类似的问题，本来没有被录入数据的人员确被错误识别，主要是由于在硬件的选择方面，触摸屏存在分辨率过低，灵敏度不强，触摸误差较大的原因造成。