1.一种自助终端登录状态监控和主动安全保护的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,所述安全的加密通信链路包括密钥长度、加密强度和加密算法类型,所述融合后用户面部图像包括红外图像的热成像数据、可见光图像的颜色信息和面部表情细节,所述人脸检测与活体验证结果包括人脸位置坐标、活体状态指示和环境背景分析数据,所述人脸特征码包括面部几何结构数据、皮肤纹理特征和表情变化向量,所述身份验证结果包括匹配成功与否的状态标识、匹配的相似度得分和身份匹配等级,所述安全通信会话包括加密使用的密钥版本、加密算法识别码和加密后的数据完整性校验码,所述会话状态监控结果包括用户面部持续出现的时间戳、会话中断与恢复的标志、用户交互动作指示,所述动态认证策略包括调整的认证频率、认证模式切换条件和用户行为分析的安全级别调整参数。
3.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于用户启动登录流程,采用椭圆曲线diffie-hellman密钥交换方法,利用椭圆曲线加密技术先构建一对公私钥,通过交换公钥,生成安全的加密通信链路的步骤具体为;
4.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述安全的加密通信链路,采用组合红外和可见光图像采集方法,通过红外光图像采集器捕捉信息,识别用户的面部特征,利用可见光采集器捕捉信息提升识别的准确性,生成融合后用户面部图像的步骤具体为;
5.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述融合后用户面部图像,采用深度学习的人脸检测与活体验证模型,通过卷积神经网络对图像中的人脸进行检测,并使用活体检测算法识别图像中的人脸是否为真实的活体,生成人脸检测与活体验证结果的步骤具体为;
6.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述人脸检测与活体验证结果,采用深度神经网络模型进行人脸特征提取,使用面部识别目标卷积神经网络架构,包括facenet和deepface,对人脸图像进行分析,提取多维度的面部特征向量,生成人脸特征码的步骤具体为;
7.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述人脸特征码,采用特征匹配算法进行数据库中预存特征码的匹配验证,使用余弦相似度和欧氏距离计算方法,对提取的特征码与数据库中的特征码进行比对,通过比对确定用户的身份是否与数据库中的用户相匹配,生成身份验证结果的步骤具体为;
8.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述身份验证结果和共享密钥,采用对称加密算法对会话数据进行加密传输,包括加密标准和chacha20,对会话数据进行加密处理,生成安全通信会话的步骤具体为;
9.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述安全通信会话,持续采用人脸检测算法监测用户面部,确认用户是否继续操作终端,通过实时运行的卷积神经网络模型,持续识别操作前的用户面部,生成会话状态监控结果的步骤具体为;
10.根据权利要求1所述的自助终端登录状态监控和主动安全保护的方法,其特征在于,基于所述会话状态监控结果,采用强化学习算法动态调整认证策略,优化用户体验与安全平衡,使用q学习和深度q网络,根据用户的行为和环境变化,动态调整认证要求的强度和方法,生成动态认证策略的步骤具体为;