身份认证方法、系统、计算机设备和存储介质与流程

1.本技术涉及信息安全技术领域，特别是涉及一种身份认证方法、系统、计算机设备和存储介质。


背景技术：

2.在变电站测控及同步相量测量装置(phasor measurement unit，pmu)本体安全架构设计中，我们要充分考虑到系统化原则、整体化原则、稳定性原则和可维护性原则，提出变电站测控及pmu装置本体安全技术架构(如图1所示设计)。按照系统化原则，构建硬件平台防护、操作系统防护及应用功能防护3层级的本体安全防护体系；按照安全整体化原则，提出物理环境恶劣的条件性下系统容易遭受物理攻击，易被搭线窃听、易被篡改控制命令背景下的安全解决方案(包括物理攻击防护，搭线窃听防护以及篡改命令防护)；按照稳定性原则，采用数据完整技术来确保系统业务连寅、数据可靠，同时在底层设计上应降低各类应用服务间的耦合度(即减少应用耦合度)；按照可维护性原则，在功能划分和设计时，使各模块尽可能相对独立、减少相关性，便于维护。
3.在变电站测控及pmu装置中的安全问题主要是应用功能层中的人机通信认证安全问题。近年来，随着科学的快速发展，已经出现了相当多的用户身份认证方法，比如人体的指纹、掌型、视网膜、虹膜、气味、脸型、手的血管和dna等，都可以作为个人独特的“印记”，它们所携带的身份信息，是进行身份认证长期有效的特殊“密码”。然而现代神经影像技术的研究表明，人脑不仅具有基因决定的结构差异，还具有记忆、性格、思维等功能差异，由此也相继提出了一种基于脑纹数据进行身份认证的构思，该构思可以被特别应用于信息安全领域的产业中。
4.但是，如何利用脑纹数据进行用户身份的准确认证成为了当下信息安全领域亟待解决的技术问题。


技术实现要素：

5.本技术提供一种身份认证方法、系统、计算机设备和存储介质，能够基于用户的脑电波信号对用户的身份进行认证，提高了用户身份认证的准确率。
6.第一方面，本技术提供了一种身份认证方法。该方法包括：
7.接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
8.获取脑纹采集设备采集的脑电波信号；
9.对脑电波信号进行预处理，得到预处理后的脑电波信号；
10.采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
11.在其中一个实施例中，采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息，包括：对预处理后的脑电波信号进行特征提
取，得到时域特征、频域特征以及熵域特征；将时域特征、频域特征以及熵域特征进行融合，得到融合特征；采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
12.在其中一个实施例中，采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息，包括：采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三个分类结果；若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示；若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
13.在其中一个实施例中，对脑电波信号进行预处理，得到预处理后的脑电波信号，包括：对脑电波信号进行滤波处理，得到第一处理脑电波信号；对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号；对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
14.在其中一个实施例中，对脑电波信号进行滤波处理之前，方法还包括：对脑电波信号进行降采样。
15.在其中一个实施例中，对脑电波信号进行滤波处理，得到第一处理脑电波信号，包括：对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。
16.在其中一个实施例中，对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号，包括：对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量；对每个独立成分分量进行小波去噪处理，得到多个目标独立成分分量；将多个目标独立成分分量重组为第二处理脑电波信号。
17.第二方面，本技术还提供了一种身份认证系统，该系统包括：脑纹采集设备、服务器和显示终端；
18.显示终端，用于根据用户的认证操作生成用户的认证请求，并将认证请求发送至服务器，以及接收服务器返回的认证信息进行显示；
19.服务器，用于在接收到显示终端发送的用户的认证请求时，向显示终端发送认证信息，获取脑纹采集设备采集的脑电波信号，对脑电波信号进行预处理，得到预处理后的脑电波信号，采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息，向显示终端反馈用户的身份信息；
20.脑纹采集设备，用于采集用户的脑电波信号。
21.第三方面，本技术还提供了一种身份认证装置。该装置包括：
22.接收模块，用于接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
23.获取模块，用于获取脑纹采集设备采集的脑电波信号；
24.预处理模块，用于对脑电波信号进行预处理，得到预处理后的脑电波信号；
25.确定模块，用于采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
26.第四方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
27.接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
28.获取脑纹采集设备采集的脑电波信号；
29.对脑电波信号进行预处理，得到预处理后的脑电波信号；
30.采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
31.第五方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
32.接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
33.获取脑纹采集设备采集的脑电波信号；
34.对脑电波信号进行预处理，得到预处理后的脑电波信号；
35.采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
36.第六方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
37.接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
38.获取脑纹采集设备采集的脑电波信号；
39.对脑电波信号进行预处理，得到预处理后的脑电波信号；
40.采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
41.本技术提供一种身份认证方法、系统、计算机设备和存储介质，可以采集用户在面对不同认证信息时的脑电波信号，并对脑电波信号进行预处理。然后在对脑电波信号进行预处理后，采用多个分类器对预处理后的脑电波信号进行分类，并根据多个分类结果确定用户的身份信息。可见，本技术可以基于脑电波信号对用户进行身份认证，相较于传统的指纹、视网膜、脸型等认证方法，由于用户的指纹、视网膜、脸型等信息不可改变，因此一旦发生泄露，则会严重影响身份认证的安全性，而脑电波信号则可以在发生泄露的情况下进行撤销，并及时更换为用户在面对其他认证信息时的脑电波信号，从而根据用户更换后的脑电波信号对用户进行身份认证，提高了身份认证的准确性以及安全性。而且，本技术在采集到用户的脑电波信号后，对脑电波信号进行预处理，并根据多个分类器的分类结果确定预处理后的脑电波信号对应的用户的身份信息，进一步提高了身份认证的准确度。
附图说明
42.图1为变电站测控及pmu装置本体安全技术架构示意图；
43.图2为一个实施例中身份认证方法的应用环境图；
44.图3为一个实施例中身份认证方法的流程示意图；
45.图4为一个实施例中可穿戴式电极帽的电极位置示意图；
46.图5为一个实施例中身份认证方法的另一流程示意图；
47.图6为一个实施例中身份认证方法的另一流程示意图；
48.图7为一个实施例中身份认证方法的另一流程示意图；
49.图8为一个实施例中身份认证方法的另一流程示意图；
50.图9为一个实施例中身份认证装置的结构框图；
51.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
52.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
53.随着变电站建设的不断扩张和自动化系统的不断完善，测控、pmu装置等工业嵌入式设备大量投入变电站现场应用。然而，这些装置的本体安全可信技术并没有随着装置应用的铺开而同步发展，导致其本体安全脆弱性愈加突出，为恶意的入侵提供了更多的可能。变电站测控及pmu装置面临的本体安全风险包括：装置采用通用硬件平台缺乏安全校验，难以保障系统安全启动；装置采用通用操作系统，难以构建安全运行环境；装置自动化专业应用缺乏功能安全防护，难以防范误报警、漏报警和干扰一键顺控等一系列危及自动化系统控制安全的行为；缺乏本体安全评估体系，难以实施针对性的安全防护。
54.在变电站测控及pmu装置本体安全架构设计中，我们要充分考虑到系统体系系统化原则、安全整体化原则、稳定性原则和可维护性原则，提出变电站测控及pmu装置本体安全技术架构。按照系统化原则，构建硬件平台、操作系统及应用功能3层级的本体安全防护体系；按照安全整体化原则，提出物理环境恶劣的条件性下系统容易遭受物理攻击，易被搭线窃听、易被篡改控制命令背景下的安全解决方案；按照稳定性原则，采用数据完整技术来确保系统业务连寅、数据可靠，同时在底层设计上应降低各类应用服务间的耦合度；按照可维护性原则，在功能划分和设计时，使各模块尽可能相对独立、减少相关性，便于维护。
55.在变电站测控及pmu装置中的安全问题主要是应用功能层中的人机通信认证安全问题。近年来，随着科学的快速发展，已经出现了相当多的用户身份认证方法，比如人体的指纹、掌型、视网膜、虹膜、气味、脸型、手的血管和dna等，都可以作为个人独特的“印记”，它们所携带的身份信息，是进行身份认证长期有效的特殊“密码”。然而现代神经影像技术的研究表明，人脑不仅具有基因决定的结构差异，还具有记忆、性格、思维等功能差异，由此也相继提出了一种基于脑纹数据进行身份认证的构思，该构思可以被特别应用于信息安全领域的产业中。
56.但是，如何利用脑纹数据进行用户身份的准确认证成为了当下信息安全领域亟待解决的技术问题。
57.基于此，本技术提供一种身份认证方法、系统、计算机设备和存储介质，能够基于用户的脑电波信号对用户的身份进行认证，提高了用户身份认证的准确率。
58.本技术实施例提供的身份认证方法，可以应用于如图2所示的应用环境中。其中，服务器10可以通过网络分别与显示终端20和脑纹采集设备30进行通信。数据存储系统可以存储服务器10需要处理的数据。数据存储系统可以集成在服务器10上，也可以放在云上或其他网络服务器上。其中，显示终端20可以接收用户的操作信息；脑纹采集设备30可以采集
用户的脑电波信号；服务器10对脑纹采集设备30采集到的用户的脑电波信号进行分析，确定用户的身份信息。其中，服务器10可以用独立的服务器或者是多个服务器组成的服务器集群来实现；显示终端20可以是个人计算机、笔记本电脑、智能手机、平板电脑等具备显示屏的计算机设备；脑纹采集设备30可以是可穿戴式电极帽等能够采集脑电波信号的设备。
59.在一个实施例中，如图3所示，提供了一种身份认证方法，以该方法应用于图2中的服务器10为例进行说明，包括以下步骤：
60.s301、接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种。
61.其中，数字信息为任意数字，或者任意数学运算，例如1+1＝2；图形信息为任意图形；文字信息可以为任意汉字或者词语或者语句等；颜色信息可以为任意颜色。其中，认证信息包括上述信息中的至少两种，例如，认证信息可以为数字信息和图形信息，也可以为图形信息，文字信息和颜色信息。
62.具体实现中，显示终端可以先根据用户的认证操作生成用户的认证请求，然后将用户的认证请求发送至服务器。服务器在接收到显示终端发送的用户的认证请求后，向显示终端发送认证信息。
63.一种可能的实现方式中，服务器可以依次向显示终端发送认证信息中的不同种信息，在显示终端进行显示；也可以同时将认证信息发送至显示终端，显示终端在接收到认证信息后，依次显示认证信息中的不同种信息。
64.s302、获取脑纹采集设备采集的脑电波信号。
65.其中，脑纹采集设备可以为如图4所示的符合国际10-20标准电极位置的可穿戴式电极帽。其中，不同的字母或字母组合代表不同的电极位置，每个字母或字母组合的数字后缀中，奇数代表左半球，偶数代表右半球。例如，f1代表人脑左半球的额叶位置，c2代表人脑右半球的中央区位置，o1代表人脑左半球的枕叶位置，fp2代表人脑右半球的前额叶位置。
66.具体实现中，脑纹采集设备可以是用户在启动该脑纹采集设备后，对用户的脑电波信号进行采集，并将采集到的用户的脑电波信号发送至服务器。
67.一种可能的实现方式中，可以是服务器在接收到显示终端发送的用户的认证请求之后，向脑纹采集设备发送采集指令，指示脑纹采集设备采集用户的脑电波信号，并接收脑纹采集设备采集得到的用户的脑电波信号。
68.s303、对脑电波信号进行预处理，得到预处理后的脑电波信号。
69.由于脑纹采集设备在采集用户的脑电波信号的过程中，或者脑纹采集设备将采集到的脑电波信号发送至服务器的过程中，可能会受到噪声干扰使得服务器接收到的用户的脑电波信号不准确。以及脑纹采集设备采集到的用户的脑电波信号的数据量过大，或者采集到部分无效信号，从而导致服务器处理接收到的用户的脑电波信号的效率较低。因此，服务器在接收到脑纹采集设备发送的用户的脑电波信号后，可以先对用户的脑电波信号进行预处理，以提高用户的脑电波信号的准确性，或者提高脑电波信号的处理效率。
70.具体实现中，服务器在接收到脑纹采集设备发送的用户的脑电波信号后，可以对用户的脑电波信号进行去噪处理，去除脑电波信号的噪声，从而得到预处理后的脑电波信号。
71.一种可能的实现方式中，服务器在接收到脑纹采集设备发送的用户的脑电波信号
后，可以对用户的脑电波信号进行带通滤波处理和降维处理，在保留用户脑电波信号中能量较为集中部分的基础上，减小脑电波信号的数据量，从而得到预处理后的脑电波信号。
72.一种可能的实现方式中，服务器在接收到脑纹采集设备发送的用户的脑电波信号后，可以对用户的脑电波信号进行去噪处理和降维处理，从而得到预处理后的脑电波信号。
73.s304、采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
74.其中，用户的身份信息可以包括用户的名字、标识、身份证号码、年龄、性别、职位等信息中的至少两个。
75.具体实现中，服务器可以采用多个分类器分别对预处理后的脑电波信号进行分类，从而得到多个分类结果，即用户的身份信息。然后，服务器可以根据多个分类结果，基于少数服从多数的原则，将结果一致，且数量最多的分类结果确定为用户的身份信息。例如，若服务器采用6个分类器分别对预处理后的脑电波信号进行分类，得到6个分类结果。其中，第二个分类结果和第三个分类结果一致，第四个分类结果、第五个分类结果以及第六个分类结果一致，则可以将第四个分类结果确定为用户的身份信息。
76.一种可能的实现方式中，若多个分类器的分类结果都不同，则服务器确定进行身份认证的用户为非法用户，并指示显示终端进行报警。
77.本技术实施例提供的身份认证方法，可以采集用户在面对不同认证信息时的脑电波信号，并对脑电波信号进行预处理。然后在对脑电波信号进行预处理后，采用多个分类器对预处理后的脑电波信号进行分类，并根据多个分类结果确定用户的身份信息。可见，本技术可以基于脑电波信号对用户进行身份认证，相较于传统的指纹、视网膜、脸型等认证方法，由于用户的指纹、视网膜、脸型等信息不可改变，因此一旦发生泄露，则会严重影响身份认证的安全性，而脑电波信号则可以在发生泄露的情况下进行撤销，并及时更换为用户在面对其他认证信息时的脑电波信号，从而根据用户更换后的脑电波信号对用户进行身份认证，提高了身份认证的准确性以及安全性。而且，本技术在采集到用户的脑电波信号后，对脑电波信号进行预处理，并根据多个分类器的分类结果确定预处理后的脑电波信号对应的用户的身份信息，进一步提高了身份认证的准确度。
78.前文所述的实施例中介绍了采用多个分类器确定预处理后的脑电波信号的方案。在本技术的另一实施例中，可以先提取脑电波信号的特征，基于脑电波信号的特征确定用户的身份信息。例如，前文涉及的“采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息”，具体包括如图5所示的步骤：
79.s501、对预处理后的脑电波信号进行特征提取，得到时域特征、频域特征以及熵域特征。
80.其中，预处理后的脑电波信号的时域特征可以为预处理后的脑电波信号的分形维数(fractal dimension，fd)或hjorth参数；预处理后的脑电波信号的频域特征可以为预处理后的脑电波信号的平均频率；预处理后的脑电波信号的熵域特征可以为预处理后的脑电波信号的模糊熵。
81.具体实现中，服务器可以采用时域分析中的分形维数算法对预处理后的脑电波信号进行处理，从而确定预处理后的脑电波信号的分形维数；采用时域分析中的hjorth参数算法对预处理后的脑电波信号进行处理，从而确定预处理后的脑电波信号的hjorth参数；
采用熵域分析中的模糊熵算法对预处理后的脑电波信号进行处理，从而确定预处理后的脑电波信号的模糊熵。服务器可以根据下式(1)和(2)确定预处理后的脑电波信号的平均频率：
[0082][0083]
meanf＝∑jf(j)psd
norm
(j)(2)
[0084]
其中，psd(j)表示预处理后的脑电波信号的功率谱密度；psd
norm
(j)表示归一化后的预处理后的脑电波信号的功率谱密度；j表示预处理后的脑电波信号的功率谱密度中第j个数值的离散频率值；f(j)表示预处理后的脑电波信号的功率谱密度中第j个数值的离散频率值对应的模拟频率值；meanf表示预处理后的脑电波信号的平均频率。
[0085]
s502、将时域特征、频域特征以及熵域特征进行融合，得到融合特征。
[0086]
具体实现中，可以将脑电波信号的时域特征、频域特征以及熵域特征的特征向量进行加法运算，根据运算结果确定脑电波信号的融合特征。
[0087]
一种可能的实现方式中，也可以使用融合网络或转换网络(比如深度学习模型中的transformer模型)对脑电波信号的时域特征、频域特征以及熵域特征进行融合，得到融合特征。
[0088]
s503、采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0089]
具体实现中，服务器可以采用多个分类器分别对预处理后的脑电波信号的融合特征进行分类，从而得到多个分类结果。然后，服务器可以根据多个分类结果，基于少数服从多数的原则，将结果一致，且数量最多的分类结果确定为用户的身份信息。例如，若服务器采用6个分类器分别对预处理后的脑电波信号进行分类，得到6个分类结果。其中，第二个分类结果和第三个分类结果一致，第四个分类结果、第五个分类结果以及第六个分类结果一致，则可以将第四个分类结果确定为用户的身份信息。
[0090]
一种可能的实现方式中，若多个分类器的分类结果都不同，则服务器确定进行身份认证的用户为非法用户，并指示显示终端进行报警。
[0091]
本技术实施例提供的方法可以提取预处理后的脑电波信号的时域特征、频域特征以及熵域特征，并对上述三个特征进行融合，得到预处理后的脑电波信号的融合特征，进而采用多个分类器对脑电波信号的融合特征进行分类，根据多个分类结果确定用户的身份信息。可见本技术实施例可以对预处理后的脑电波信号进行进一步处理，得到预处理后的脑电波信号的特征，并基于预处理后的脑电波信号的特征确定用户的身份信息，提高了身份认证的准确率。而且，采用多个分类器分别对预处理后的脑电波信号的融合特征进行分类，并根据多个分类结果确定用户的身份信息，进一步提高了身份认证的准确率。
[0092]
前文所述的实施例中介绍了采用多个分类器对融合特征进行分类，根据多个分类结果确定用户的身份信息的方案。在本技术的另一实施例中，可以采用三个分类器对融合特征进行分类，根据三个分类结果确定用户的身份信息。例如，前文涉及的“采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息”，具体包括如图6所示的步骤：
[0093]
s601、采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三
个分类结果。
[0094]
s602、若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示。
[0095]
s603、若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
[0096]
其中，k近邻(k-nearest neighbor，knn)分类器、随机森林(random forests，rf)分类器以及支持向量机(support vector machine，svm)分类器为三个较为常用的分类器。
[0097]
具体实现中，服务器可以采用knn分类器、rf分类器以及svm分类器分别对预处理后的脑电波信号的融合特征进行分类，从而得到knn分类器对应的分类结果、rf分类器对应的分类结果以及svm分类器对应的分类结果共三个分类结果。若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并将该相同的分类结果确定为用户的身份信息，最后将用户的身份信息发送至显示终端进行显示。例如，若三个分类结果中rf分类器对应的分类结果和svm分类器对应的分类结果一致，则可以将rf分类器对应的分类结果确定为用户的身份信息。
[0098]
若三个分类结果都不同，则服务器确定进行身份认证的用户为非法用户，向显示终端发送报警信息，以指示显示终端进行报警。
[0099]
本技术实施例提供的方法可以采用knn分类器、rf分类器以及svm分类器分别对预处理后的脑电波信号的融合特征进行分类，得到三个分类结果，在三个分类结果中至少两个分类结果相同时，将相同的分类结果确定为用户的身份信息；在三个分类结果都不同时，确定用户为非法用户，指示显示终端进行报警。可见，本技术实施例可以采用多个分类器分别对预处理后的脑电波信号的融合特征进行分类，并根据多个分类结果确定用户的身份信息，进一步提高了身份认证的准确率。
[0100]
前文所述的实施例中介绍了对用户的脑电波信号进行预处理，得到预处理后的脑电波信号的方案。在本技术的另一实施例中，服务器可以对用户的脑电波信号进行滤波处理、去噪处理以及降维处理，从而得到预处理后的脑电波信号。例如，前文涉及的“对脑电波信号进行预处理，得到预处理后的脑电波信号”，具体包括如图7所示的步骤：
[0101]
s701、对脑电波信号进行滤波处理，得到第一处理脑电波信号。
[0102]
服务器在接收到脑纹采集设备发送的用户的脑电波信息后，可以先对脑电波信号进行滤波处理，滤除无效信号，提取出脑电波信号中能量较为集中的部分，基于脑电波信号中能量较为集中的部分对用户进行身份认证，从而提高身份认证的准确性和可靠性。
[0103]
具体实现中，服务器在接收到脑纹采集设备发送的用户的脑电波信息后，可以对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。具体的，服务器可以采用梳状滤波器对脑电波信号进行工频噪声滤波处理，滤除脑电波信号中50hz的工频噪声；采用六阶巴特沃斯数字带通滤波器对脑电波信号进行带通滤波处理，提取出脑电波信号中4-50hz的信号，从而得到第一处理脑电波信号。
[0104]
一种可能的实现方式中，为了降低服务器处理的脑电波信号的数据量，提高脑电波信号的处理效率，服务器还可以对提取出的频率在4-50hz内的脑电波信号进行切割处理，提取出其中特定时间段内的脑电波信号，例如提取出其中任意10秒内的脑电波信号。然
后对提取出的特定时间段内的脑电波信号进行放大处理，以便于服务器对该特定时间段内的脑电波信号进行分析处理，提高脑电波信号的处理准确度。
[0105]
s702、对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号。
[0106]
脑纹采集设备在采集用户的脑电波信号的过程中，或者脑纹采集设备将采集到的脑电波信号发送至服务器的过程中，可能会受到噪声干扰使得服务器接收到的用户的脑电波信号不准确，从而影响用户身份认证结果的准确性。因此，可以对第一处理脑电波信号进行去噪处理，以提高用户的脑电波信号的准确性。
[0107]
具体实现中，可以采用滑动平均法、有限长单位冲激响应滤波器(finite impulse response，fir)、小波变换等方法对第一处理脑电波信号进行去噪处理，从而得到第二处理脑电波信号。
[0108]
s703、对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
[0109]
具体实现中，服务器可以采用局部线性嵌入法(locally linear embedding，lle)对第二处理脑电波信号进行降维处理，从而得到预处理后的脑电波信号。
[0110]
上述步骤s702可以包括如图8所示的步骤：
[0111]
s801、对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量。
[0112]
s802、对每个独立成分分量进行小波去噪处理，得到多个目标独立成分分量。
[0113]
s803、将多个目标独立成分分量重组为第二处理脑电波信号。
[0114]
具体实现中，服务器可以采用小波去噪的方法对第一处理脑电波信号进行去噪处理。具体的，服务器可以先对第一处理脑电波信号进行独立成分分析(independent component analysis，ica)，得到多个独立成分分量，然后采用小波去噪法分别对每个独立成分分量进行小波去噪处理，从而得到多个小波去噪后的独立成分分量，即目标独立成分分量。最后，服务器对多个目标独立成分分量进行重组，将多个目标独立成分分量重组为一个新的脑电波信号，即为第二处理脑电波信号。
[0115]
一般服务器处理脑电波信号的频率在128hz左右，而脑纹采集设备采集到的用户的脑电波信号的频率远大于服务器的处理频率，例如，脑纹采集设备采集到的用户的脑电波信号的频率可达到1000hz。因此，为实现对脑电波信号的准确处理，在对脑电波信号进行滤波处理之前，服务器可以先对脑电波信号进行降采样，以保证脑电波信号的频率和服务器的处理频率的一致性。
[0116]
具体实现中，服务器在接收到显示终端发送的用户的脑电波信号后，可以先根据脑电波信号的频率以及服务器处理脑电波信号的频率确定降采样因子，例如，可以对服务器处理脑电波信号的频率和脑电波信号的频率进行除法运算，从而得到降采样因子。若降采样因子为整数m，则对脑电波信号进行滤波处理，将脑电波信号降采样m倍，保留脑电波信号中间隔为m的采样点，从而完成对脑电波信号的降采样。若降采样因子为分数m/l(其中m》l)，则先对脑电波信号进行l倍升采样，再对升采样后的脑电波信号进行m倍降采样，例如，可以先对脑电波信号进行插值处理，使得脑电波信号中的数据点达到l倍，然后对插值处理后的脑电波信号降采样m倍，保留插值处理后的脑电波信号中间隔为m的采样点，从而完成对脑电波信号的降采样。
[0117]
在一个实施例中，本技术还提供了一种身份认证系统，该身份认证系统包括脑纹采集设备、服务器和显示终端。
[0118]
显示终端，用于根据用户的认证操作生成用户的认证请求，并将认证请求发送至服务器，以及接收服务器返回的认证信息进行显示。
[0119]
服务器，用于在接收到显示终端发送的用户的认证请求时，向显示终端发送认证信息，获取脑纹采集设备采集的脑电波信号，对脑电波信号进行预处理，得到预处理后的脑电波信号，采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息，向显示终端反馈用户的身份信息。
[0120]
脑纹采集设备，用于采集用户的脑电波信号。
[0121]
具体实现中，显示终端首先根据用户的认证操作生成用户的认证请求，然后将用户的认证请求发送至服务器。服务器在接收到显示终端发送的用户的认证请求后，向显示终端发送认证信息。显示终端对认证信息进行显示。脑纹采集设备在用户启动该脑纹采集设备后，对用户的脑电波信号进行采集，并将采集到的用户的脑电波信号发送至服务器。服务器在接收到脑纹采集设备发送的用户的脑电波信号后，对用户的脑电波信号进行降采样、工频噪声滤波、带通滤波、切割、放大、小波去噪、降维等预处理，得到预处理后的脑电波信号。然后采用多个分类器对对预处理后的脑电波信号，或预处理后的脑电波信号的时域特征、频域特征以及熵域特征的融合特征进行分类，根据多个分类器的分类结果确定用户的身份信息，并向显示终端反馈用户的身份信息。显示终端在接收到服务器反馈的用户身份信息后，对用户的身份信息进行显示。
[0122]
本技术实施例提供的身份认证系统，可以采集用户在面对不同认证信息时的脑电波信号，并对脑电波信号进行预处理。然后在对脑电波信号进行预处理后，采用多个分类器对预处理后的脑电波信号进行分类，并根据多个分类结果确定用户的身份信息。可见，本技术可以基于脑电波信号对用户进行身份认证，提高了身份认证的准确性以及安全性。而且，本技术在采集到用户的脑电波信号后，对脑电波信号进行预处理，并根据多个分类器的分类结果确定预处理后的脑电波信号对应的用户的身份信息，进一步提高了身份认证的准确度。
[0123]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0124]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的身份认证方法的身份认证装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个身份认证装置实施例中的具体限定可以参见上文中对于身份认证方法的限定，在此不再赘述。
[0125]
在一个实施例中，如图9所示，提供了一种身份认证装置，包括：接收模块、获取模块、预处理模块和确定模块，其中：
[0126]
接收模块901，用于接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
[0127]
获取模块902，用于获取脑纹采集设备采集的脑电波信号；
[0128]
预处理模块903，用于对脑电波信号进行预处理，得到预处理后的脑电波信号；
[0129]
确定模块904，用于采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0130]
在一个实施例中，确定模块904，具体用于对预处理后的脑电波信号进行特征提取，得到时域特征、频域特征以及熵域特征；将时域特征、频域特征以及熵域特征进行融合，得到融合特征；采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0131]
在其中一个实施例中，在上述实施例的基础上，采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三个分类结果；若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示；若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
[0132]
在其中一个实施例中，预处理模块903，具体用于对脑电波信号进行滤波处理，得到第一处理脑电波信号；对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号；对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
[0133]
在其中一个实施例中，身份认证装置还用于对脑电波信号进行降采样。
[0134]
在其中一个实施例中，在上述实施例的基础上，对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。
[0135]
在其中一个实施例中，在上述实施例的基础上，对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量；对每个独立成分分量进行小波去噪处理，得到多个目标独立成分分量；将多个目标独立成分分量重组为第二处理脑电波信号。
[0136]
上述身份认证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0137]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储与本技术实施例所述身份认证方法相关的一些数据，例如，前文所述的用户的脑电波信号、第一处理脑电波信号、第二处理脑电波信号、预处理后的脑电波信号等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种身份认证方法。
[0138]
本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0139]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0140]
接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
[0141]
获取脑纹采集设备采集的脑电波信号；
[0142]
对脑电波信号进行预处理，得到预处理后的脑电波信号；
[0143]
采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0144]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对预处理后的脑电波信号进行特征提取，得到时域特征、频域特征以及熵域特征；将时域特征、频域特征以及熵域特征进行融合，得到融合特征；采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0145]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三个分类结果；若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示；若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
[0146]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对脑电波信号进行滤波处理，得到第一处理脑电波信号；对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号；对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
[0147]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对脑电波信号进行降采样。
[0148]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。
[0149]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量；对每个独立成分分量进行小波去噪处理，得到多个目标独立成分分量；将多个目标独立成分分量重组为第二处理脑电波信号。
[0150]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0151]
接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
[0152]
获取脑纹采集设备采集的脑电波信号；
[0153]
对脑电波信号进行预处理，得到预处理后的脑电波信号；
[0154]
采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0155]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对预处理后的脑电波信号进行特征提取，得到时域特征、频域特征以及熵域特征；将时域特征、频域特征以及熵域特征进行融合，得到融合特征；采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0156]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三个分类结果；若三个分类结果中
存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示；若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
[0157]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行滤波处理，得到第一处理脑电波信号；对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号；对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
[0158]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行降采样。
[0159]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。
[0160]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量；对每个独立成分分量进行小波去噪处理，得到多个目标独立成分分量；将多个目标独立成分分量重组为第二处理脑电波信号。
[0161]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0162]
接收显示终端发送的用户的认证请求，并向显示终端发送认证信息；认证信息包括数字信息，图形信息，文字信息，颜色信息中的至少两种；
[0163]
获取脑纹采集设备采集的脑电波信号；
[0164]
对脑电波信号进行预处理，得到预处理后的脑电波信号；
[0165]
采用多个分类器对预处理后的脑电波信号进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0166]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对预处理后的脑电波信号进行特征提取，得到时域特征、频域特征以及熵域特征；将时域特征、频域特征以及熵域特征进行融合，得到融合特征；采用多个分类器对融合特征进行分类，并根据各分类器的分类结果确定用户的身份信息。
[0167]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用knn分类器、rf分类器以及svm分类器分别对融合特征进行分类，得到三个分类结果；若三个分类结果中存在至少两个分类结果相同，则确定用户为合法用户，并根据相同的分类结果确定用户的身份信息，以及将确定的用户的身份信息发送至显示终端进行显示；若三个分类结果不同，则确定用户为非法用户，并向显示终端发送报警信息，以指示显示终端进行报警。
[0168]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行滤波处理，得到第一处理脑电波信号；对第一处理脑电波信号进行去噪处理，得到第二处理脑电波信号；对第二处理脑电波信号进行降维处理，得到预处理后的脑电波信号。
[0169]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行降采样。
[0170]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对脑电波信号进行工频噪声滤波处理和带通滤波处理，得到第一处理脑电波信号。
[0171]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对第一处理脑电波信号进行独立成分分析，得到多个独立成分分量；对每个独立成分分量进行小波去噪处
理，得到多个目标独立成分分量；将多个目标独立成分分量重组为第二处理脑电波信号。
[0172]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0173]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0174]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0175]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。