專利名稱：多身份認(rèn)證信息特征復(fù)合認(rèn)證方法
技術(shù)領(lǐng)域：
本發(fā)明提出了一種基于多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法與采用了該方法的系統(tǒng)，可應(yīng)用于身份認(rèn)證、辦公自動(dòng)化等領(lǐng)域。
背景技術(shù)：
目前，在實(shí)際生產(chǎn)生活中，身份認(rèn)證系統(tǒng)主要采用單一身份認(rèn)證的方式，比較典型的做法是I.很多個(gè)人網(wǎng)上支付系統(tǒng)采用專用USB授權(quán)文件存儲(chǔ)器，俗稱優(yōu)盾的設(shè)備。該方案需要用戶在每次使用時(shí)，都將優(yōu)盾插入所操作的計(jì)算機(jī)中進(jìn)行操作。身份認(rèn)證關(guān)鍵步驟為本優(yōu)盾中的證書(shū)文件和遠(yuǎn)端銀行服務(wù)器端的認(rèn)證文件進(jìn)行匹配，決定身份認(rèn)證的結(jié)果; 2.很多單位采用指紋識(shí)別設(shè)備，進(jìn)行身份認(rèn)證，例如簽到系統(tǒng)。該方案往往需要所有簽到人到統(tǒng)一的簽到機(jī)上進(jìn)行指紋采集工作。身份認(rèn)證關(guān)鍵步驟為分散用戶的當(dāng)前指紋信息和集中式指紋采集設(shè)備中存儲(chǔ)的指紋特征信息進(jìn)行匹配，決定身份認(rèn)證的結(jié)果；3.很多單位采用打印紙質(zhì)文件，多個(gè)部門簽字的方式進(jìn)行業(yè)務(wù)的有效性認(rèn)證，例如文件會(huì)簽制度。該方案需要業(yè)務(wù)人員對(duì)于相對(duì)固定的業(yè)務(wù)需要認(rèn)證的關(guān)鍵環(huán)節(jié)打印說(shuō)明文檔，并持該文檔到相關(guān)部門請(qǐng)相關(guān)領(lǐng)導(dǎo)根據(jù)業(yè)務(wù)流程規(guī)則先后進(jìn)行簽字確認(rèn)。認(rèn)證關(guān)鍵步驟為當(dāng)前簽字人對(duì)干系人的簽字認(rèn)可。經(jīng)典的單一身份認(rèn)證的方式存在問(wèn)題是單一身份認(rèn)證存在更高的被仿制竊取的可能性，單一的方法無(wú)法方便應(yīng)對(duì)在多樣化的應(yīng)用需要，而對(duì)于復(fù)雜的身份認(rèn)證系統(tǒng)，不同的業(yè)務(wù)往往需要采用的最佳最方便的身份認(rèn)證方式不一樣。例如簽到系統(tǒng)對(duì)于可靠性的要求較之支付系統(tǒng)要低，其方便性和便攜型的要求較之支付系統(tǒng)要高，而優(yōu)盾方式則要求用戶必須攜帶終端設(shè)備，而指紋系統(tǒng)的終端設(shè)備則是用戶天然攜帶的手指。又例如單一辦公地點(diǎn)的簽到系統(tǒng)適合集中部署式方案，而會(huì)簽制度的應(yīng)用適合采用分散部署式方案。

發(fā)明內(nèi)容
本發(fā)明主要解決的問(wèn)題在某些辦公應(yīng)用中，由于業(yè)務(wù)的頻繁性的特點(diǎn)和安全性要求，當(dāng)某一種身份認(rèn)證方法無(wú)法很精確的完成身份認(rèn)證，則可以采用多種身份認(rèn)證方法進(jìn)行聯(lián)合身份認(rèn)證。多身份認(rèn)證需要通過(guò)一種規(guī)則(算法)將單獨(dú)的身份認(rèn)證方法組織在一起才可以完成應(yīng)用的需求。本發(fā)明正是針對(duì)上述問(wèn)題和現(xiàn)狀，提出一種新的方法和系統(tǒng)。本發(fā)明提出了一種基于多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法，可應(yīng)用于身份認(rèn)證、辦公自動(dòng)化等領(lǐng)域。主要解決以下問(wèn)題首先，多身份認(rèn)證復(fù)合算法將多種身份認(rèn)證的方法復(fù)合，克服了單一身份認(rèn)證方法在某些應(yīng)用中認(rèn)證結(jié)果不可靠，在不同應(yīng)用中使用不方便的問(wèn)題；其次，解決身份認(rèn)證系統(tǒng)部署和大范圍應(yīng)用問(wèn)題；最后，該方法應(yīng)用于辦公自動(dòng)化領(lǐng)域時(shí)，解決了大量紙質(zhì)辦公文件管理和人工文件會(huì)簽等繁重工作量問(wèn)題。本發(fā)明采取的技術(shù)方案為了實(shí)現(xiàn)上述目的，解決上述問(wèn)題，本發(fā)明采取了如下技術(shù)方案一、方法
I.多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于由I. I產(chǎn)生并保存特征信息庫(kù)和I. 2多身份認(rèn)證信息復(fù)合認(rèn)證兩個(gè)部分構(gòu)成；I. I產(chǎn)生并保存特征信息矩陣，依次具有以下實(shí)現(xiàn)步驟步驟I. I. I采集合法認(rèn)證對(duì)象的身份認(rèn)證信息Imn 其中，Imn表示M個(gè)已知的合法認(rèn)證對(duì)象C1J^N個(gè)身份認(rèn)證信息，m為I到M的正整數(shù)，η為I到N的正整數(shù)；每個(gè)已知的認(rèn)證對(duì)象Cm都有N種身份認(rèn)證信息；其中，C111表示M個(gè)已知的合法的認(rèn)證對(duì)象，與之相對(duì)應(yīng)的J表示某一個(gè)未知的待認(rèn)證對(duì)象；該方法目標(biāo)是識(shí)別出待認(rèn)證對(duì)象J是否是M個(gè)已知的認(rèn)證對(duì)象Cm中的一個(gè)，以及J是Cni中的哪一個(gè)；步驟I. I. 2計(jì)算并保存特征信息矩陣If 對(duì)于第m個(gè)認(rèn)證對(duì)象Cm的N種身份認(rèn)證信息Iml、Im2、…、ImN，進(jìn)行特征信息計(jì)算，得到特征信息矩陣If ;特征信息矩陣。也可以是Iml、Im2、…、，也可以是由Iml、Im2、…、1_通過(guò)模式識(shí)別方法計(jì)算的特征信息Tw，也可以是上述兩種特征信息的組合；I. 2多身份認(rèn)證信息復(fù)合認(rèn)證，依次具有以下實(shí)現(xiàn)步驟步驟I. 2. I采集未知的待認(rèn)證對(duì)象J的身份認(rèn)證信息Jn J表示某一個(gè)未知的待認(rèn)證對(duì)象，Jn表示J的N個(gè)身份認(rèn)證信息，η為I到N的正整數(shù)；步驟I. 2. 2計(jì)算待認(rèn)證對(duì)象J的單身份認(rèn)證概率Pn 定義Pn :設(shè)N種身份認(rèn)證中，每種認(rèn)證的結(jié)果都是概率值Pn的形式，η為I到N的正整數(shù)，即Pi、Ρ2、…、Pn ;Ρη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，Pn越大表示第η中身份認(rèn)證的準(zhǔn)確率越高；對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證，得到單身份認(rèn)證概率Pn ；計(jì)算的結(jié)果Tout=(Mout, Pout)有兩項(xiàng)信息,一項(xiàng)是類別Mout,Mout表示模式識(shí)別結(jié)果中最可能的分類情況，如果Mout并非是J，則該識(shí)別結(jié)果是J的概率為Pn=0，如果Mout是J，則該識(shí)別結(jié)果是J的概率為Pn=Pout ；步驟I. 2. 3單身份認(rèn)證信息特征判定定義PMINn :單身份認(rèn)證信息特征認(rèn)同概率下限，η為I到N的正整數(shù)，表示第η種身份認(rèn)證可以接受的下限概率；ΡΜΙΝη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)；如果存在Pn滿足Pn小于PMINn,則身份認(rèn)證失敗，跳轉(zhuǎn)到步驟I. 2. 6身份認(rèn)證失敗，即Y=O ；如果任何Pn都滿足Pn大于等于PMINn,則算法繼續(xù)；步驟I. 2. 4計(jì)算多身份認(rèn)證信息特征復(fù)合判定量y 多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y是由多種單身份認(rèn)證算法的結(jié)果PpP2、…、Pn通過(guò)多身份認(rèn)證復(fù)合算法計(jì)算得到的，即Y=F (P1, P2，-,Pn)；
多身份認(rèn)證信息特征復(fù)合判定量y的計(jì)算公式為Y=W1XPdW2XP2+…+WNxPN其中，Wn為權(quán)重系數(shù)，表示各種身份認(rèn)證結(jié)果對(duì)多身份認(rèn)證復(fù)合算法的結(jié)果Y的影響程度，η為I到N的正整數(shù)，Wn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，且W1+評(píng)汴…+Wn= 100% ；步驟I. 2. 5多身份認(rèn)證信息特征復(fù)合判定定義PMIN :多身份認(rèn)證信息特征復(fù)合認(rèn)同概率下限，表示可以接受的多身份認(rèn)證復(fù)合計(jì)算結(jié)果的下限概率，PMINn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)；如果Y小于ΡΜΙΝ,則身份認(rèn)證失敗,跳轉(zhuǎn)到步驟I. 2. 6身份認(rèn)證不通過(guò)；
如果y大于等于PMIN，則身份認(rèn)證通過(guò)；多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y=y ;方法結(jié)束；步驟I. 2. 6身份認(rèn)證不通過(guò)，方法結(jié)束；2.根據(jù)權(quán)利要求I中所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的身份認(rèn)證信息是口令、或者密碼、或者印章、或者智能卡、或者簽字、或者筆跡、或者動(dòng)態(tài)口令牌、或者優(yōu)盾、或者短信密碼、或者二維碼、或者指紋、或者掌紋、或者聲音、或者視網(wǎng)膜、或者DNA、或者人臉。3.根據(jù)權(quán)利要求I中步驟I. I. 2所述的進(jìn)行特征信息計(jì)算的方法，其特征在于采用了神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，具體為，神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入矩陣為已知的每個(gè)認(rèn)證對(duì)象Cm的第X個(gè)身份認(rèn)證信息Imx，神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的目標(biāo)矩陣為T01，TOl是將矩陣T=(l、2、…、Μ)進(jìn)行歸一化計(jì)算的結(jié)果，TOl相鄰兩個(gè)數(shù)值之間的差值為TOldifT ；神經(jīng)網(wǎng)絡(luò)采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)，訓(xùn)練算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，計(jì)算的結(jié)果為權(quán)值矩陣WIJ，WJK和尺度變換參數(shù)矩陣Α，B，將其保存在特征信息矩陣Tw中，即 Tw=CWIJ, WJK, Α, B, TOldiff)。4.根據(jù)權(quán)利要求3對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證所采用的方法，其特征在于采用了神經(jīng)網(wǎng)絡(luò)前向計(jì)算算法，具體為，神經(jīng)網(wǎng)絡(luò)前向計(jì)算的輸入為未知的待認(rèn)證對(duì)象J的某一項(xiàng)身份認(rèn)證信息Jx ;神經(jīng)網(wǎng)絡(luò)前向計(jì)算的權(quán)值矩陣和尺度變換參數(shù)矩陣為特征信息矩陣Tw ；神經(jīng)網(wǎng)絡(luò)前向計(jì)算計(jì)算的算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)前向計(jì)算算法，結(jié)果為數(shù)值 y01 ；將y01與TOl進(jìn)行比對(duì)，找到TOl矩陣中最接近的y01的元素tOl，即TOl矩陣中的元素與y01做差結(jié)果最小的那一個(gè)是tOl ；將tOl進(jìn)行反歸一化計(jì)算，得到Mout表示計(jì)算結(jié)果最接近的分類號(hào)；計(jì)算分類結(jié)果Mout對(duì)應(yīng)的概率，Pout= I t01-y011/TOldiff，其中TOldiff表示TOl相鄰兩個(gè)數(shù)值之間的差值；因此可以得到的結(jié)果是Tout= (Mout, Pout)；5.根據(jù)權(quán)利要求I所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的進(jìn)行特征信息計(jì)算的方法還可以采用特征提取方法、或者模板比對(duì)法、或者判別函數(shù)法、或者統(tǒng)計(jì)分類法、或者貝葉斯分類法、或者聚類分析法、或者模糊分類法、或者神經(jīng)網(wǎng)絡(luò)方法、或者支持向量機(jī)方法。6.根據(jù)權(quán)利要求I所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證所采用的方法還可以采用特征提取方法、或者模板比對(duì)法、或者判別函數(shù)法、或者統(tǒng)計(jì)分類法、或者貝葉斯分類法、或者聚類分析法、或者模糊分類法、或者神經(jīng)網(wǎng)絡(luò)方法、或者支持向量機(jī)方法。二、系統(tǒng)基于多身份認(rèn)證的網(wǎng)絡(luò)服務(wù)系統(tǒng)，其特征在于由多個(gè)用戶終端(100)、一個(gè)實(shí)時(shí)認(rèn)證中心(200)、一個(gè)認(rèn)證授權(quán)中心(300)和特征信息存儲(chǔ)介質(zhì)(O)四個(gè)部分組成；用戶終端(100)由用戶終端主機(jī)(101)、用戶終端的指紋識(shí)別采集傳感器(102)和用戶終端的優(yōu)盾認(rèn)證設(shè)備(103)組成；指紋采集傳感器(102)與用戶終端主機(jī)(101)相連接，指紋采集傳感器(102)采集待識(shí)別指紋信息并傳送給用戶終端主機(jī)(101)，優(yōu)盾認(rèn)證設(shè)備(103)與用戶終端主機(jī)(101)相連接，優(yōu)盾認(rèn)證設(shè)備(103)將特征信息存儲(chǔ)介質(zhì)(O)中 保存的用戶終端的優(yōu)盾私鑰信息(1103)傳送給用戶終端主機(jī)(101)；實(shí)時(shí)認(rèn)證中心(200)由實(shí)時(shí)認(rèn)證中心服務(wù)器(201)構(gòu)成，實(shí)時(shí)認(rèn)證中心(200)與用戶終端(100)的連接關(guān)系為用戶終端主機(jī)(101)通過(guò)網(wǎng)絡(luò)與實(shí)時(shí)認(rèn)證中心服務(wù)器(201)接相連，用戶終端主機(jī)(101)將采集到的待識(shí)別指紋信息和用戶終端的優(yōu)盾私鑰信息(1103)發(fā)送給實(shí)時(shí)認(rèn)證中心服務(wù)器(201)，實(shí)時(shí)認(rèn)證中心服務(wù)器(201)通過(guò)多身份認(rèn)證復(fù)合方法對(duì)接收的待識(shí)別指紋信息和用戶終端的優(yōu)盾私鑰信息(1103)進(jìn)行計(jì)算，并將身份認(rèn)證結(jié)果(2900)發(fā)送至用戶終端主機(jī)(101)，用戶終端主機(jī)(101)顯示接收到的身份認(rèn)證結(jié)果； 認(rèn)證授權(quán)中心(300)由認(rèn)證授權(quán)中心主機(jī)(301)、認(rèn)證授權(quán)中心的指紋采集傳感器(302)和認(rèn)證授權(quán)中心的優(yōu)盾認(rèn)證設(shè)備(303)組成，認(rèn)證授權(quán)中心指紋識(shí)別采集傳感器(302)采集已知的合法的用戶指紋信息并傳送給認(rèn)證授權(quán)中心主機(jī)(301)，認(rèn)證授權(quán)中心主機(jī)(301)對(duì)接收的已知的合法的用戶指紋信息進(jìn)行計(jì)算，得到已知的合法的用戶的指紋身份認(rèn)證信息，并計(jì)算特征信息，存入認(rèn)證授權(quán)中心主機(jī)(301)的指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)
(3312)，指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)將;§于實(shí)時(shí)認(rèn)證中心(200)識(shí)別待認(rèn)證對(duì)象身份中使用；認(rèn)證授權(quán)中心主機(jī)(301)隨機(jī)生成優(yōu)盾身份認(rèn)證信息公鑰和私鑰，并將公鑰存入認(rèn)證授權(quán)中心主機(jī)(301)的優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313)，將私鑰通過(guò)認(rèn)證授權(quán)中心的優(yōu)盾認(rèn)證設(shè)備(303)存到特征信息存儲(chǔ)介質(zhì)(O)中；上述公鑰、私鑰、優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313)將用于實(shí)時(shí)認(rèn)證中心(200)識(shí)別待認(rèn)證對(duì)象身份中使用；實(shí)時(shí)認(rèn)證中心服務(wù)器(201)通過(guò)網(wǎng)絡(luò)與認(rèn)證授權(quán)中心主機(jī)(301)相連，認(rèn)證授權(quán)中心主機(jī)(301)定時(shí)向?qū)崟r(shí)認(rèn)證中心服務(wù)器(201)單向同步指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)和優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313)。本發(fā)明的創(chuàng)新點(diǎn)在于首先，多身份認(rèn)證復(fù)合算法將多種單一身份認(rèn)證算法進(jìn)行綜合，發(fā)揮了每種單一身份認(rèn)證算法的特點(diǎn)，提升了整體認(rèn)證的質(zhì)量；其次，多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法放棄了傳統(tǒng)的集中式身份認(rèn)證系統(tǒng)部署方案，采用集散式部署方案，部署和應(yīng)用更佳方便和廣泛。本發(fā)明的與現(xiàn)有技術(shù)相比的優(yōu)勢(shì)本發(fā)明提出的多身份認(rèn)證復(fù)合算法將多種身份認(rèn)證算法進(jìn)行整合，實(shí)現(xiàn)了多身份認(rèn)證復(fù)合，解決了克服了單一身份認(rèn)證方法在某些情況下認(rèn)證結(jié)果不可靠的問(wèn)題；其次，多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法放棄了傳統(tǒng)的集中式身份認(rèn)證系統(tǒng)部署方案，采用集散式部署方案，解決了解決集中式身份認(rèn)證系統(tǒng)部署方案不方便用戶日常頻繁使用問(wèn)題，并解決了基于多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法的系統(tǒng)應(yīng)用在辦公自動(dòng)化領(lǐng)域中存在的大量紙質(zhì)辦公，跑簽等繁重工作問(wèn)題。


附圖I系統(tǒng)連接關(guān)系框圖附圖2方法流程圖
具體實(shí)施例方式下面結(jié)合附圖I詳細(xì)說(shuō)明本實(shí)施例。·
本實(shí)施例在詳細(xì)描述系統(tǒng)硬件連接關(guān)系和實(shí)施過(guò)程后，通過(guò)實(shí)際演算說(shuō)明了本發(fā)明提出的多身份認(rèn)證復(fù)合算法的網(wǎng)絡(luò)服務(wù)平臺(tái)方法在應(yīng)用時(shí)的具體實(shí)施過(guò)程，以便加深讀者對(duì)本發(fā)明內(nèi)容的理解。一、硬件系統(tǒng)設(shè)計(jì)基于多身份認(rèn)證的網(wǎng)絡(luò)服務(wù)系統(tǒng)，由多個(gè)用戶終端(100)、一個(gè)實(shí)時(shí)認(rèn)證中心
(200),一個(gè)認(rèn)證授權(quán)中心(300)和特征信息存儲(chǔ)介質(zhì)(O)四個(gè)部分組成，認(rèn)證中心(300)采用了多身份認(rèn)證復(fù)合算法。每個(gè)用戶終端(100)由用戶終端主機(jī)(101)、用戶終端的指紋識(shí)別采集傳感器
(102)、用戶終端的優(yōu)盾認(rèn)證設(shè)備(103)組成。用戶終端主機(jī)(101)采用PC計(jì)算機(jī)和筆記本電腦，指紋識(shí)別傳感器(102)采用Lenovo公司的USB指紋識(shí)別傳感器產(chǎn)品，優(yōu)盾認(rèn)證設(shè)備
(103)采用EDI公司的USB優(yōu)盾產(chǎn)品。實(shí)時(shí)認(rèn)證中心(200)的實(shí)時(shí)認(rèn)證中心服務(wù)器(201)和認(rèn)證授權(quán)中心(300)的認(rèn)證授權(quán)中心主機(jī)(301)均采用IBM X3650服務(wù)器。指紋識(shí)別傳感器(102)與用戶終端主機(jī)(101)相連接，指紋識(shí)別傳感器(102)將用戶的待識(shí)別指紋信息(1001)采集并傳送給用戶終端主機(jī)(101 )，優(yōu)盾認(rèn)證設(shè)備(103)與用戶終端主機(jī)(101)相連接，優(yōu)盾認(rèn)證設(shè)備(103)將特征信息存儲(chǔ)介質(zhì)(O)中保存的用戶終端的優(yōu)盾私鑰信息(1103)傳送給用戶終端主機(jī)(101);一個(gè)實(shí)時(shí)認(rèn)證中心(200)由實(shí)時(shí)認(rèn)證中心服務(wù)器(201)構(gòu)成，多個(gè)用戶終端(100)通過(guò)廣域網(wǎng)與實(shí)時(shí)認(rèn)證中心服務(wù)器(201)接相連，用戶終端(100)將從用戶處采集的待識(shí)別身份認(rèn)證信息發(fā)送給實(shí)時(shí)認(rèn)證中心服務(wù)器(201)，實(shí)時(shí)認(rèn)證中心服務(wù)器(201)通過(guò)多身份認(rèn)證復(fù)合算法對(duì)從用戶處采集的待識(shí)別認(rèn)證信息進(jìn)行計(jì)算，將身份認(rèn)證結(jié)果發(fā)送給用戶終端(100)，用戶終端根據(jù)接收到的身份認(rèn)證結(jié)果，采取相應(yīng)的處理；認(rèn)證授權(quán)中心(300)由認(rèn)證授權(quán)中心主機(jī)(301)、認(rèn)證授權(quán)中心的指紋采集傳感器(302)和認(rèn)證授權(quán)中心的優(yōu)盾認(rèn)證設(shè)備(303)組成，認(rèn)證授權(quán)中心指紋識(shí)別采集傳感器(302)采集已知的合法的用戶指紋信息并傳送給認(rèn)證授權(quán)中心主機(jī)(301)，認(rèn)證授權(quán)中心主機(jī)(301)對(duì)接收的已知的合法的用戶指紋信息進(jìn)行計(jì)算，得到已知的合法的用戶的指紋身份認(rèn)證信息，并計(jì)算特征信息，存入認(rèn)證授權(quán)中心主機(jī)(301)的指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)，指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)用于實(shí)時(shí)認(rèn)證中心(200)識(shí)別待認(rèn)證對(duì)象身份中使用；認(rèn)證授權(quán)中心主機(jī)(301)隨機(jī)生成優(yōu)盾身份認(rèn)證信息公鑰和私鑰，并將公鑰存入認(rèn)證授權(quán)中心主機(jī)(301)的優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313)，將私鑰通過(guò)認(rèn)證授權(quán)中心的優(yōu)盾認(rèn)證設(shè)備(303)存到特征信息存儲(chǔ)介質(zhì)(O)中；上述公鑰、私鑰、優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313)將用于實(shí)時(shí)認(rèn)證中心(200)識(shí)別待認(rèn)證對(duì)象身份中使用；實(shí)時(shí)認(rèn)證中心服務(wù)器
(201)通過(guò)網(wǎng)絡(luò)與認(rèn)證授權(quán)中心主機(jī)(301)相連,認(rèn)證授權(quán)中心主機(jī)(301)定時(shí)向?qū)崟r(shí)認(rèn)證中心服務(wù)器(201)單向同步指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)和優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)
(3313)；認(rèn)證授權(quán)中心(300)與實(shí)時(shí)認(rèn)證中心(200)的區(qū)別在于認(rèn)證授權(quán)中心(300)是身份認(rèn)證信息的管理機(jī)構(gòu)，實(shí)時(shí)認(rèn)證中心(200)是執(zhí)行機(jī)構(gòu)；二、系統(tǒng)運(yùn)行實(shí)施例
系統(tǒng)的運(yùn)行過(guò)程由身份認(rèn)證信息的產(chǎn)生、身份認(rèn)證信息的驗(yàn)證兩個(gè)過(guò)程組成；過(guò)程2. I身份認(rèn)證信息的產(chǎn)生過(guò)程2. I. I認(rèn)證授權(quán)中心(300)的認(rèn)證授權(quán)中心主機(jī)(301)為新用戶注冊(cè)一個(gè)用戶A，A為系統(tǒng)中其他用戶注冊(cè)過(guò)程中未使用過(guò)的正整數(shù)，則新用戶即為用戶A ；過(guò)程2. I. 2認(rèn)證授權(quán)中心的指紋采集傳感器(302)采集用戶A的指紋，采集的認(rèn)證授權(quán)中心的指紋信息(3302)傳送到認(rèn)證授權(quán)中心(301)，認(rèn)證授權(quán)中心(301)采用經(jīng)典的指紋識(shí)別算法，計(jì)算出用戶A的指紋身份認(rèn)證信息并將其存入指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)
(3312)；過(guò)程2. I. 3認(rèn)證授權(quán)中心(300)的認(rèn)證授權(quán)中心主機(jī)(301)采用經(jīng)典的密鑰生成算法為用戶A生成優(yōu)盾身份認(rèn)證信息公鑰和私鑰，并將公鑰存入優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)
(3313)，將私鑰通過(guò)認(rèn)證授權(quán)中心的優(yōu)盾認(rèn)證設(shè)備(303)存入用戶A的特征信息存儲(chǔ)介質(zhì)
(O)中；過(guò)程2. I. 4認(rèn)證授權(quán)中心(300)的認(rèn)證授權(quán)中心主機(jī)(301)定時(shí)向?qū)崟r(shí)認(rèn)證中心(200)的實(shí)時(shí)認(rèn)證中心服務(wù)器(201)單向更新指紋身份認(rèn)證信息數(shù)據(jù)庫(kù)(3312)和優(yōu)盾身份認(rèn)證信息數(shù)據(jù)庫(kù)(3313);過(guò)程2. 2身份認(rèn)證信息的驗(yàn)證過(guò)程2. 2. I用戶終端(100)接到用戶X發(fā)起身份認(rèn)證請(qǐng)求用戶終端的指紋采集傳感器(102)采集用戶X的用戶終端的指紋信息提交給用戶終端主機(jī)(101)，并通過(guò)用戶終端的優(yōu)盾認(rèn)證設(shè)備(103)將特征信息存儲(chǔ)介質(zhì)(O)中用戶終端的優(yōu)盾私鑰信息(1103)提交給用戶終端主機(jī)(101);過(guò)程2. 2. 2用戶終端主機(jī)(101)向?qū)崟r(shí)認(rèn)證服務(wù)器(201)發(fā)送用戶A提交的用戶終端的指紋信息和用戶終端的優(yōu)盾私鑰信息(1103)；過(guò)程2. 2. 3實(shí)時(shí)認(rèn)證服務(wù)器(201)以用戶終端的指紋信息和用戶終端的優(yōu)盾私鑰信息(1103)為輸入，采用多身份認(rèn)證信息復(fù)合認(rèn)證計(jì)算出身份認(rèn)證結(jié)果(2900)；過(guò)程2. 2. 4認(rèn)證授權(quán)中心服務(wù)器(201)將身份認(rèn)證結(jié)果(2900)提交給用戶終端主機(jī)(101)，用戶終端主機(jī)(101)顯示結(jié)果；三、多身份認(rèn)證復(fù)合算法的演算過(guò)程多身份認(rèn)證信息特征復(fù)合認(rèn)證方法由3. I產(chǎn)生并保存特征信息庫(kù)和3. 2多身份認(rèn)證信息復(fù)合認(rèn)證兩個(gè)部分構(gòu)成；3. I產(chǎn)生并保存特征信息矩陣，依次由以下實(shí)現(xiàn)步驟步驟3. I. I采集合法認(rèn)證對(duì)象的身份認(rèn)證信息Imn 本實(shí)施例中共有10個(gè)已知合法認(rèn)證對(duì)象，每個(gè)對(duì)象有2個(gè)身份認(rèn)證信息，即M=10，N=2 ;兩種身份認(rèn)證方法分別為指紋認(rèn)證和數(shù)字證書(shū)認(rèn)證；其中，Imn表示M個(gè)已知的合法認(rèn)證對(duì)象Cm的N個(gè)身份認(rèn)證信息，m為I到M的正整數(shù)，η為I到N的正整數(shù)；每個(gè)已知的認(rèn)證對(duì)象Cm都有N種身份認(rèn)證信息；Cm表示M個(gè)已知的合法的認(rèn)證對(duì)象，與之相對(duì)應(yīng)的J表示某一個(gè)未知的待認(rèn)證對(duì)象；該方法目標(biāo)是識(shí)別出待認(rèn)證對(duì)象J是否是M個(gè)已知的認(rèn)證對(duì)象Cni中的一個(gè)，以及J是Cni中的哪一個(gè)；指紋認(rèn)證的身份認(rèn)證信息In、121、…、Iltll的計(jì)算方法如下(I)對(duì)于Q、C2…、Cltl指紋傳感器的得到指紋圖像為30x50的灰度圖像，每個(gè)像素點(diǎn)的取值區(qū)間為0-255。(2)將·整個(gè)30x50的圖像劃分成為15個(gè)10x10的圖像，再將每個(gè)10x10的圖像中的100個(gè)像素點(diǎn)的值進(jìn)行平均值計(jì)算，得到15個(gè)平均值，即將30x50的圖像轉(zhuǎn)換成為了 3x5的灰度圖像。
(3)再將15個(gè)灰度像素點(diǎn)以127為閥值，小于等于127的用O來(lái)表示，大于等于128的用I來(lái)表示，將其換成為3x5的二值圖像。這15個(gè)值組成向量即為C1的特征值。數(shù)字證書(shū)認(rèn)證的身份認(rèn)證信息112、I22…、I102則是通過(guò)將32位隨即正整數(shù)，通過(guò)AES、3DES兩次加密計(jì)算后得到的結(jié)果。步驟3. I. 2計(jì)算并保存特征信息矩陣If 本實(shí)施例中特征信息矩陣If是由數(shù)字證書(shū)認(rèn)證的身份認(rèn)證信息112、I22…、I102和指紋認(rèn)證的身份認(rèn)證信息Iml、Iffl2>…、1_通過(guò)模式識(shí)別方法計(jì)算的特征信息矩陣Tw兩部分組成的；指紋認(rèn)證的身份認(rèn)證信息Iml、Iffl2,…、1_特征信息矩陣Tw的計(jì)算采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)；神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入矩陣為已知的10認(rèn)證對(duì)象CpC2…、Cltl的第I身份認(rèn)證信息In、I21、…、Iltll,神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的目標(biāo)矩陣為T01，T01是將常數(shù)矩陣T=(l、2、…、Μ)進(jìn)行歸一化計(jì)算的結(jié)果，TOl相鄰兩個(gè)數(shù)值之間的差值為TOldifT ；即T01= (O. I、0· 2、…、I)，TOldiff=O. I ;神經(jīng)網(wǎng)絡(luò)采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)，訓(xùn)練算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，計(jì)算的結(jié)果為權(quán)值矩陣WIJ，WJK和尺度變換參數(shù)矩陣Α，B，將其保存在特征信息矩陣Tw中，即 Tw=CWIJ, WJK, Α, B, TOldiff)。特征信息矩陣If保存在在認(rèn)證授權(quán)中心(300)保留，即保存到了實(shí)時(shí)認(rèn)證中心(200);于此同時(shí)，對(duì)于待認(rèn)證對(duì)象來(lái)說(shuō)，其自身也會(huì)保留待認(rèn)證信息，即指紋信息保存在待驗(yàn)證對(duì)象手指上，數(shù)字證書(shū)身份認(rèn)證信息(私鑰信息)保存在待驗(yàn)證對(duì)象持有的特征信息存儲(chǔ)介質(zhì)(O)；3. 2多身份認(rèn)證信息復(fù)合認(rèn)證，依次具有以下實(shí)現(xiàn)步驟步驟3. 2. I采集未知的待認(rèn)證對(duì)象J的身份認(rèn)證信息Jn J表示某一個(gè)未知的待認(rèn)證對(duì)象，Jn表示J的N個(gè)身份認(rèn)證信息，Jn為I到N的正整數(shù)；步驟3. 2. 2計(jì)算待認(rèn)證對(duì)象J的單身份認(rèn)證概率Pn
定義Pn :設(shè)N種身份認(rèn)證中，每種認(rèn)證的結(jié)果都是概率值Pn的形式，η為I到N的正整數(shù)，即Pi、Ρ2、…、Pn ;Ρη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，Pn越大表示第η中身份認(rèn)證的準(zhǔn)確率越高；在本實(shí)施例中，對(duì)于數(shù)字證書(shū)認(rèn)證的結(jié)果可以直接通過(guò)將比對(duì)，而對(duì)于指紋認(rèn)證方法認(rèn)證結(jié)果的計(jì)算則采用神經(jīng)網(wǎng)絡(luò)前向計(jì)算的過(guò)程如下神經(jīng)網(wǎng)絡(luò)前向計(jì)算的輸入為未知的待認(rèn)證對(duì)象J的某一項(xiàng)身份認(rèn)證信息Jx ;同理Jx為指紋傳感器的得到指紋圖像為30x50的灰度圖像經(jīng)過(guò)取平均值和二值化處理后的含15個(gè)元素的向量；由于系統(tǒng)中保留了神經(jīng)網(wǎng)絡(luò)前向計(jì)算的權(quán)值矩陣和尺度變換參數(shù)矩陣為特征信息矩陣 Tw= (WIJ，WJK, Α，B, TOldiff)；神經(jīng)網(wǎng)絡(luò)前向計(jì)算的算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)前向計(jì)算算法，結(jié)果為數(shù)值 y01 ;將y01與TOl進(jìn)行比對(duì)，找到TOl矩陣中最接近的y01的元素tOl，即TOl矩陣中的元素與y01做差結(jié)果最小的那一個(gè)是tOl ;將切1進(jìn)行反歸一化計(jì)算，得到Mout表示計(jì)算結(jié)果最接近的分類號(hào)；計(jì)算分類結(jié)果Mout對(duì)應(yīng)的概率，Pout= I tOl-yOl | /TOldiff，其中TOldiff表示TOl相鄰兩個(gè)數(shù)值之間的差值；因此可以得到的結(jié)果是Tout= (Mout, Pout)；對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證，得到單身份認(rèn)證概率Pn ;計(jì)算的結(jié)果Tout=(Mout, Pout)有兩項(xiàng)信息,一項(xiàng)是類別Mout,Mout表示模式識(shí)別結(jié)果中最可能的分類情況，如果Mout并非是J，則該識(shí)別結(jié)果是J的概率為Pn=0，如果Mout是J，則該識(shí)別結(jié)果是J的概率為Pn=Pout ；例如在某次對(duì)未知的待認(rèn)證對(duì)象J認(rèn)證過(guò)程中，通過(guò)神經(jīng)網(wǎng)絡(luò)前向計(jì)算得到指紋認(rèn)證結(jié)果的分類為C1，其概率為Pl=O. 9723，數(shù)字證書(shū)認(rèn)證的結(jié)果也為C1,其概率為P2=0. 939 ；步驟3. 2. 3單身份認(rèn)證信息特征判定定義PMINn :單身份認(rèn)證信息特征認(rèn)同概率下限，η為I到N的正整數(shù)，表示第η種身份認(rèn)證可以接受的下限概率；ΡΜΙΝη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)；在本實(shí)施例中，對(duì)于每種身份認(rèn)證輸入一個(gè)單認(rèn)同概率下限ΡΜΙΝη，即PMINl=O. 9、ΡΜΙΝ2=0· 9 ;輸入權(quán)重 Wn，即 Wl=O. 5、W2=0. 5，滿足 Wl+W2=100% ;輸入復(fù)合認(rèn)同概率下限 PMIN=O. 95。如果存在Pn滿足Pn小于PMINn,則身份認(rèn)證失敗，算法結(jié)束，即Y=O ；如果任何Pn都滿足Pn大于等于PMINn,則算法繼續(xù)；例如本實(shí)施例中情況，因?yàn)镻l=O. 9723>0. 9=PMIN1,且 P2=0. 939>0. 9=PMIN2，所以算法繼續(xù)，進(jìn)行多身份認(rèn)證復(fù)合判定步驟3. 2. 4計(jì)算多身份認(rèn)證信息特征復(fù)合判定量y 多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y是由多種單身份認(rèn)證算法的結(jié)果PpP2、…、Pn通過(guò)多身份認(rèn)證復(fù)合算法計(jì)算得到的，即Y=F (P1, P2，-,Pn)；多身份認(rèn)證信息特征復(fù)合判定量y的計(jì)算公式為Y=W1XP^ff2XP2+* ·· +WNxPN其中，Wn為權(quán)重系數(shù)，表示各種身份認(rèn)證結(jié)果對(duì)多身份認(rèn)證復(fù)合算法的結(jié)果Y的影響程度，η為I到N的正整數(shù)，Wn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，且W1+評(píng)汴…+Wn= 100% ；例如本實(shí)施例中情況，計(jì)算多身份認(rèn)證復(fù)合判定變量y，y=fflXPl+W2XP2=0. 5x0. 9723+0. 5x0. 939=0.9556步驟3. 2. 5多身份認(rèn)證信息特征復(fù)合判定定義PMIN :多身份認(rèn)證信息特征復(fù)合認(rèn)同概率下限，表示可以接受的多身份認(rèn)證 復(fù)合計(jì)算結(jié)果的下限概率，PMINn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)；如果y小于PMIN，則身份認(rèn)證失敗，跳轉(zhuǎn)到步驟I. 2. 6身份認(rèn)證不通過(guò)；如果y大于等于PMIN，則身份認(rèn)證通過(guò)；多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y=y ;方法結(jié)束；例如本實(shí)施例中情況，因?yàn)閥=0. 9556>0. 95=PMIN,所以身份認(rèn)證成功，分類結(jié)果為C1。
權(quán)利要求
1.多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于由1.1產(chǎn)生并保存特征信息庫(kù)和I.2多身份認(rèn)證信息復(fù)合認(rèn)證兩個(gè)部分構(gòu)成； 1.1產(chǎn)生并保存特征信息矩陣，依次具有以下實(shí)現(xiàn)步驟 步驟1.1.1采集合法認(rèn)證對(duì)象的身份認(rèn)證信息Imn 其中，Imn表示M個(gè)已知的合法認(rèn)證對(duì)象C1J^N個(gè)身份認(rèn)證信息，m為I到M的正整數(shù)，η為I到N的正整數(shù)；每個(gè)已知的認(rèn)證對(duì)象Cm都有N種身份認(rèn)證信息； 其中，Cni表示M個(gè)已知的合法的認(rèn)證對(duì)象，與之相對(duì)應(yīng)的J表示某一個(gè)未知的待認(rèn)證對(duì)象；該方法目標(biāo)是識(shí)別出待認(rèn)證對(duì)象J是否是M個(gè)已知的認(rèn)證對(duì)象Cm中的一個(gè)，以及J是Cm中的哪一個(gè)； 步驟I. I. 2計(jì)算并保存特征信息矩陣If 對(duì)于第m個(gè)認(rèn)證對(duì)象Cm的N種身份認(rèn)證信息Iml、Im2、…、ImN，進(jìn)行特征信息計(jì)算，得到特征信息矩陣If ; 特征息矩陣If可以是Iml、Im2>…、1_，或者是由Imi、Im2>…、1_通過(guò)模式識(shí)別方法計(jì)算的特征信息Tw，后者是上述兩種特征信息的組合； I.2多身份認(rèn)證信息復(fù)合認(rèn)證，依次具有以下實(shí)現(xiàn)步驟 步驟I. 2. I采集未知的待認(rèn)證對(duì)象J的身份認(rèn)證信息Jn J表示某一個(gè)未知的待認(rèn)證對(duì)象，Jn表示J的N個(gè)身份認(rèn)證信息，η為I到N的正整數(shù)； 步驟I. 2. 2計(jì)算待認(rèn)證對(duì)象J的單身份認(rèn)證概率Pn 定義Pn :設(shè)N種身份認(rèn)證中，每種認(rèn)證的結(jié)果都是概率值Pn的形式，η為I到N的正整數(shù)，即P1^ Ρ2>…、Pn ；Ρη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，Pn越大表示第η中身份認(rèn)證的準(zhǔn)確率越高； 對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證，得到單身份認(rèn)證概率Pn ;計(jì)算的結(jié)果Tout= (Mout, Pout)有兩項(xiàng)信息,一項(xiàng)是類別Mout,Mout表示模式識(shí)別結(jié)果中最可能的分類情況，如果Mout并非是J，則該識(shí)別結(jié)果是J的概率為Pn=0，如果Mout是J，則該識(shí)別結(jié)果是J的概率為Pn=Pout ； 步驟I. 2. 3單身份認(rèn)證信息特征判定 定義PMINn :單身份認(rèn)證信息特征認(rèn)同概率下限，η為I到N的正整數(shù)，表示第η種身份認(rèn)證可以接受的下限概率；ΡΜΙΝη的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)； 如果存在Pn滿足Pn小于PMINn,則身份認(rèn)證失敗，跳轉(zhuǎn)到步驟I. 2. 6身份認(rèn)證失敗，即Y=O ； 如果任何Pn都滿足Pn大于等于PMINn,則算法繼續(xù)； 步驟I. 2. 4計(jì)算多身份認(rèn)證信息特征復(fù)合判定量y 多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y是由多種單身份認(rèn)證算法的結(jié)果P1^ P2>…、Pn通過(guò)多身份認(rèn)證復(fù)合算法計(jì)算得到的，即Y=F (P1, P2，-,Pn)； 多身份認(rèn)證信息特征復(fù)合判定量y的計(jì)算公式為Y=W1 XPjW2XP2+…+WNxPN 其中，Wn為權(quán)重系數(shù)，表示各種身份認(rèn)證結(jié)果對(duì)多身份認(rèn)證復(fù)合算法的結(jié)果Y的影響程度，η為I到N的正整數(shù)，Wn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)，且W1+評(píng)汴…+Wn= 100% ；步驟I. 2. 5多身份認(rèn)證信息特征復(fù)合判定 定義PMIN :多身份認(rèn)證信息特征復(fù)合認(rèn)同概率下限，表示可以接受的多身份認(rèn)證復(fù)合計(jì)算結(jié)果的下限概率，PMINn的取值范圍為O到I閉區(qū)間內(nèi)的整數(shù)或小數(shù)； 如果y小于PMIN，則身份認(rèn)證失敗，跳轉(zhuǎn)到步驟I. 2. 6身份認(rèn)證不通過(guò)； 如果y大于等于PMIN,則身份認(rèn)證通過(guò)； 多身份認(rèn)證信息特征復(fù)合認(rèn)證方法結(jié)果的準(zhǔn)確率Y=y ;方法結(jié)束； 步驟I. 2. 6身份認(rèn)證不通過(guò)，方法結(jié)束。
2.根據(jù)權(quán)利要求I中所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的身份認(rèn)證信息是口令、或者密碼、或者印章、或者智能卡、或者簽字、或者筆跡、或者動(dòng)態(tài)口令牌、或者優(yōu)盾、或者短信密碼、或者二維碼、或者指紋、或者掌紋、或者聲音、或者視網(wǎng)膜、或者DNA、或者人臉。
3.根據(jù)權(quán)利要求I中步驟I.I. 2所述的模式識(shí)別計(jì)算方法，其特征在于采用了神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，具體為， 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的輸入矩陣為已知的每個(gè)認(rèn)證對(duì)象Cm的第X個(gè)身份認(rèn)證信息ImX，神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的目標(biāo)矩陣為T01，T01是將矩陣T=(l、2、…、Μ)進(jìn)行歸一化計(jì)算的結(jié)果，TOl相鄰兩個(gè)數(shù)值之間的差值為TOldifT ； 神經(jīng)網(wǎng)絡(luò)采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)，訓(xùn)練算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，計(jì)算的結(jié)果為權(quán)值矩陣WIJ，WJK和尺度變換參數(shù)矩陣Α，B,將其保存在特征信息矩陣Tw中，即 Tw=CWIJ, WJK, Α, B, TOldiff)。
4.根據(jù)權(quán)利要求3對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證所采用的方法，其特征在于采用了神經(jīng)網(wǎng)絡(luò)前向計(jì)算算法，具體為， 神經(jīng)網(wǎng)絡(luò)前向計(jì)算的輸入為未知的待認(rèn)證對(duì)象J的某一項(xiàng)身份認(rèn)證信息Jx ； 神經(jīng)網(wǎng)絡(luò)前向計(jì)算的權(quán)值矩陣和尺度變換參數(shù)矩陣為特征信息矩陣Tw ； 神經(jīng)網(wǎng)絡(luò)前向計(jì)算計(jì)算的算法采用自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)前向計(jì)算算法，結(jié)果為數(shù)值yOl ； 將yOl與TOl進(jìn)行比對(duì)，找到TOl矩陣中最接近的yOl的元素tOl，即TOl矩陣中的元素與yOl做差結(jié)果最小的那一個(gè)是tOl ； 將tOl進(jìn)行反歸一化計(jì)算，得到Mout表示計(jì)算結(jié)果最接近的分類號(hào)； 計(jì)算分類結(jié)果Mout對(duì)應(yīng)的概率，Pout=t01-y01/T01diff，其中TOldiff表示TOl相鄰兩個(gè)數(shù)值之間的差值； 因此可以得到的結(jié)果是Tout= (Mout, Pout)。
5.根據(jù)權(quán)利要求I所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的進(jìn)行特征信息計(jì)算的方法還可以采用特征提取方法、或者模板比對(duì)法、或者判別函數(shù)法、或者統(tǒng)計(jì)分類法、或者貝葉斯分類法、或者聚類分析法、或者模糊分類法、或者神經(jīng)網(wǎng)絡(luò)方法、或者支持向量機(jī)方法。
6.根據(jù)權(quán)利要求I所述的多身份認(rèn)證信息特征復(fù)合認(rèn)證方法，其特征在于所述的對(duì)待認(rèn)證對(duì)象J的N種身份認(rèn)證信息Jn進(jìn)行單身份認(rèn)證所采用的方法還可以采用特征提取方法、或者模板比對(duì)法、或者判別函數(shù)法、或者統(tǒng)計(jì)分類法、或者貝葉斯分類法、或者聚類分析法、或者模糊分類法、或者神經(jīng)網(wǎng)絡(luò)方法、或者支持向量機(jī)方法。
全文摘要
本發(fā)明提出了一種多身份認(rèn)證復(fù)合方法，可應(yīng)用于身份認(rèn)證、辦公自動(dòng)化等領(lǐng)域。具體包括采集合法認(rèn)證對(duì)象的身份認(rèn)證信息，計(jì)算并保存特征信息矩陣，采集未知的待認(rèn)證對(duì)象J的身份認(rèn)證信息，計(jì)算待認(rèn)證對(duì)象J的單身份認(rèn)證概率，單身份認(rèn)證信息特征判定，計(jì)算多身份認(rèn)證信息特征復(fù)合判定量，多身份認(rèn)證信息特征復(fù)合判定，該方法可以解決單一身份認(rèn)證方法精度有限、適用范圍有限的問(wèn)題，以及應(yīng)用過(guò)程中大范圍部署問(wèn)題和專業(yè)的辦公業(yè)務(wù)流程帶來(lái)的大量工作量問(wèn)題，達(dá)到了提升單一認(rèn)證準(zhǔn)確率并擴(kuò)展了單一身份認(rèn)證的適用性的技術(shù)效果。
文檔編號(hào)H04L29/06GK102904885SQ20121036389
公開(kāi)日2013年1月30日 申請(qǐng)日期2012年9月26日 優(yōu)先權(quán)日2012年9月26日
發(fā)明者劉經(jīng)緯, 王普, 楊蕾, 李會(huì)民, 張春曉, 楊建棟, 趙輝, 常鵬, 賈之陽(yáng) 申請(qǐng)人:北京工業(yè)大學(xué)