基于生物特征的身份识别技术

生物特征识别技术是通过对人体各器官的特征以及差异明显行为动作进行分析研究来实现身份识别的一种手段。通过对各种不同的生物特征识别方法的优势和不足进行介绍和分析，并针对不同的应用领域提出了相应的生物特征组合的识别方法。     

基于生物特征识别的Android身份认证终端技术研究

为了提高特定应用场景下基于Android设备的用户身份认证的安全性,设计并实现了一个基于身份证信息读取、人脸和声纹识别的Android身份认证终端。该终端首先通过身份证刷卡设备和SDK获取用户的身份证信息,其次通过Android终端录制一段视频,在录制视频时,要求用户读出一段指定的随机文本,在此过程中会对视频中的人脸图像进行采集、预处理以及特征提取,同时会对声纹特征进行提取,然后采用指定的模式匹配算法对人脸和声纹进行匹配。实践表明该方法能够克服单一生物特征识别方式易于伪造的缺陷,具有更高的安全性。     

基于身份认证的超级网银安全研究

超级网银上线半年以来,其安全性受到极大的怀疑;特别是目前超级网银的身份认证系统的安全性,网银用户普遍存在担心。本文正是基于这样的背景,从超级网银的现有身份认证系统的安全性出发,分析了现有身份认证系统安全隐患,并设计了一种基于生物特征识别的更为安全可靠的身份认证系统。     

基于生物特征和混沌映射的多服务器身份认证方案

基于密码的用户远程认证系统已被广泛应用,近年来的研究发现,单一口令系统容易遭受字典分析、暴力破解等攻击,安全性不高.生物特征与密码相结合的认证方式逐渐加入远程认证系统中,以提高认证系统的安全水平.但现有认证系统通常工作在单一服务器环境中,扩展到多服务器环境中时会遇到生物特征模板和密码容易被单点突破、交叉破解的问题.为了克服以上问题,提出了一种基于生物特征和混沌映射的多服务器密钥认证方案,该方案基于智能卡、密码和生物特征,可明显提高多服务器身份认证系统的安全性及抗密码猜解的能力.     

交互式多生物特征识别技术在电子商务中的应用

提出了一种交互式多生物特征识别方法,并从第三方支付平台的角度研究了这种识别方法在电子商务中的应用。交互式多生物特征识别方法主要利用鼻子、耳朵、指关节纹三重生物特征来完成用户身份的识别,用户支付确认和签名则利用交互式扫脸和指纹识别来实现。针对人脸和虹膜进行了多生物特征识别的性能。设计了第三方支付平台的框架,并在此框架中搭建了一个简便和轻量级的在线支付预认证分层模型。该模型能够较好地保障支付方、商家、银行等多方的安全性和可靠性,简化用户支付的繁琐操作过程。     

一种生物特征与公钥密码相结合的多层次身份认证方案

信息安全技术是保障各种网络应用正常运作的必要支撑,而身份认证是信息安全保障技术的重要组成部分。丈中简单分析了传统网络身份认证技术存在的安全缺陷,然后介绍了生物特征识别技术及其国内外应用情况。最后提出了一种把生物特征识别技术与公钥密码技术相结合的多层次身份认证方案,该方案解决了传统身份认证方案的部分缺点,增强了身份认证安全性,为实现更为安全可靠的网络安全体系提供技术支撑。     

用户身份认证技术在网络安全中的应用探讨

随着计算机技术的发展,网络已经深植人们的日常生活当中,在信息技术满足人们日益增长的物质文化需求的情况下,网络技术的不断发展给人们的信息安全也带来了一定的威胁。用户身份认证是用户在信息社会进行活动的有效凭证。在网络不断发展的前提下,用户身份认证技术已经得到了飞速发展。本文分析了网络中存在的一些安全问题,探讨了身份认证安全认证技术在网络安全中的应用。     

基于生物特征的身份认证和密钥协商协议

生物特征是相互独立且与人体直接相关的重要因素,因此具有不可抵赖的天然特性和便利性。随着网络的高速发展,身份安全认证的需求也在不断增加。为实现人员身份认证的真实性和可靠性提供更好的安全策略,将生物特征信息、抗碰撞哈希函数和智能卡等技术相结合,提出了一种基于生物特征的身份认证和密钥协商协议。采取用户模拟攻击、特权内部攻击和服务器欺骗攻击等方式,对该协议的正确性和安全方面进行剖析。通过分析验证,该协议具备高效的安全性与保密性。     

“互联网+”时代身份识别与认证安全问题研究

目前,我国是互联网发展的新时期,随着互联网技术的快速发展,互联网技术带动了我国科学技术的发展,文章对当前互联网用户的安全识别技术进行了简要的分析,阐述了用户身份认证所面临的一系列安全隐患,并对可能出现的问题进行了分析,根据发生的问题给出相关解决方案。     

基于双因子认证技术的网络身份识别

本文提出了一种基于动态双因子认证技术的网络身份识别方法,用户每次登录的口令是利用系统时间和用户ID通过MD5加密算法计算得到,其通过MD5加密后生成的登录口令是随机的,这将进一步提高开放网络环境下身份识别的可靠性和安全性。同时,本文还提出网络身份识别技术可以应用到各类网站的服务器上,用来完成对用户身份的识别,以提高网络系统的安全性。     

身份认证与管理的扩展应用

信息资源存在的价值就是被合理访问。如果重要的资源因为害怕被非法访问而泄漏这样的事件发生,就干脆完全拒绝任何访问,从而使得需要访问的也无法访问,这样的信息资源就丧失了其存在的价值,严重阻碍了信息化建设的进程。因此,建立信息安全体系需要身份认证与管理技术和企业的业务流程密切结合,保证系统中的数据资源只能被有权限的“人”访问,未经授权的“人”无法访问数据;     

基于掌纹、人脸关联特征的身份识别算法

首先对掌纹、人脸图像进行融合;接着利用小波变换增强融合后图像;然后利用一种新的子空间分析方法--对角离散余弦变换和二维主元判别分析(Diagonal,Discrete Cosine Traasform and Two-Dimensional Principle Component Analysis,Dia-DCT+2DPCA)相结合的算法进行特征提取;最后运用最小距离分类器进行识别.实验结果表明,本文算法有效地提高了身份识别的正确识别率.     

声纹识别技术在电子商务安全认证中的应用

随着公用网络基础设施的逐步完善及各种新兴的宽带接入技术的涌现,在线支付的商务方式以其特有的优势迅猛的发展起来。因而电子商务成为近年来人们关注的焦点,它使社会的商务方式发生了变革,但是电子商务的软肋也阻碍了其迅速的发展,即电子商务的安全性问题是其亟待解决的核心问题,现提出了一种基于声纹识别与数字加密相结合的技术来实现安全的电子商务身份认证,与此同时也简单介绍了声纹识别算法的改进措施及认证技术的实现过程。     

非合作目标局部特征识别轻量化特征融合网络设计

给出一种基于轻量化卷积神经网络的空间非合作目标局部特征检测网络,即NCDN模型。在SSD模型中引入特征融合策略以适应不同距离下的检测需求,提高模型对图像尺度变换引起局部特征分辨率降低的鲁棒性;并采用不同压缩比例对MobileNetV2内部卷积通道数量做压缩,从而得到轻量化特征提取网络;对SPEED数据集进行局部特征标注与训练以验证NCDN适用的距离范围。实验结果表明,该模型能够在45 m内距离范围保证mAP达到0.90,同时通道压缩节省75%计算量后模型精度损失仅为5%。满足在轨检测精度和计算量需求。     

融合人脸特征与密码算法的身份认证系统

利用人脸识别技术、活体检测技术,结合国密算法,设计了一个基于模糊承诺算法的身份认证系统。提出一种多值量化方法来提高数据相似性,并采用多样本组的特征数据清洗方式提高数据稳定性,以解决常见的生物特征认证中误识率和拒识率较高且难以平衡的问题。在注册阶段,采集多组128维人脸特征数据,清洗后获得平均值,基于一个阈值区间将每个维度的数据量化为4 b二进制数。将量化完成后的数据作为加密密钥,以BCH编码为纠错码,使用模糊承诺算法将认证服务器产生的秘密密钥加密存储在客户端。在认证阶段,实时采集的人脸特征数据经过量化后,利用BCH纠错提取出秘密密钥,将秘密密钥作为协商密钥,基于传统身份认证协议实现客户端与认证服务器之间的认证过程。通过实验证实,采用上述方法实现的身份认证系统可将误识率降低至0%,拒识率降低到1%以内。     

A novel recurrent hybrid network for feature fusion in action recognition

Action recognition in video is one of the most important and challenging tasks in computer vision. How to efficiently combine the spatial-temporal information to represent video plays a crucial role for action recognition. In this paper, a recurrent hybrid network architecture is designed for action recognition by fusing multi-source features: a two-stream CNNs for learning semantic features, a two-stream single-layer LSTM for learning long-term temporal feature, and an Improved Dense Trajectories (IDT) stream for learning short-term temporal motion feature. In order to mitigate the overfitting issue on small-scale dataset, a video data augmentation method is used to increase the amount of training data, as well as a two-step training strategy is adopted to train our recurrent hybrid network. Experiment results on two challenging datasets UCF-101 and HMDB-51 demonstrate that the proposed method can reach the state-of-the-art performance.     

SFR-Net:sample-aware and feature refinement network for cross-domain micro-expression recognition

Over the past several decades, micro-expression recognition (MER) has become a growing concern for scientific community. As the filming conditions vary from database to database, previous single-domain MER methods generally exhibit severe performance drop when applied to another database. To deal with this pressing problem, in this paper, a sample-aware and feature refinement network (SFR-Net) is proposed, which combines domain adaptation with deep metric learning to extract intrinsic features of micro-expressions for accurate recognition. With the help of decoders, siamese networks increasingly refine shared features relevant to emotions while exclusive features irrelevant to emotions are gradually obtained by private networks. In order to achieve promising performance, we further design sample-aware loss to constrain the feature distribution in the high-dimensional feature space. Experimental results show the proposed algorithm can effectively mitigate the diversity among different micro-expression databases, and achieve better generalization performance compared with state-of-the-art methods.     

DIFFERENCE FEATURE NEURAL NETWORK IN RECOGNITION OF HUMAN FACES

This article discusses vision recognition process and finds out that human recognizes objects not by their isolated features, but by their main difference features which people get by contrasting them. According to the resolving character of difference features for vision recognition, the difference feature neural network(DFNN) which is the improved auto-associative neural network is proposed. Using ORL database, the comparative experiment for face recognition with face images and the ones added Gaussian noise is performed, and the result shows that DFNN is better than the auto-associative neural network and it proves DFNN is more efficient.     

视觉传感网络中身份特征自适应识别算法改进

在对视觉传感网络中身份特征进行识别时,容易受到人脸表情、光照条件及遮挡等干扰,降低了身份特征识别精度.提出了一种基于改进最小灰度差树的身份特征自适应识别算法.对待识别图像进行灰度处理后,利用最小灰度差数增强待识别图像的质量;定义基于灰度的代价函数,获取待识别人脸图像和指定人脸图像对应的各灰度对的匹配代价,建立最小灰度差树模型,计算两幅图像相似度后,直接采用最近邻匹配算法获取和视觉传感网络注册图库中最小匹配代价对应的图像身份,将其看作待识别身份,实现视觉传感网络中身份特征自适应识别.仿真实验结果表明,所提算法具有很高的身份识别精度.     

面向小样本SAR图像识别的自注意力多尺度特征融合网络

合成孔径雷达（Synthetic Aperture Radar,SAR）图像标签难以大量获取,存在着大量小样本SAR数据集。SAR图像充满着散斑噪声,直接将卷积神经网络（Convolutional Neural Network,CNN）应用在小样本SAR数据集上难以提取有效特征。针对以上问题,本文提出了一种面向小样本SAR图像识别的自注意力多尺度特征融合网络。首先,将自注意力机制与幽灵模块相结合构建自注意力幽灵模块,并利用该模块替代经典的卷积操作提取SAR图像特征。其次,在网络中添加通道混洗单元以构建多尺度信息融合支路。最后,引入知识蒸馏对设计的网络进行压缩,进一步控制网络参数量。实验结果表明,本文方法在不同工作条件下采集的MSTAR数据集上具有出色的识别性能,在构建的小样本SAR数据集上也表现出良好的鲁棒性。