[发明专利]一种基于笔迹鉴定的网上安全支付系统有效
申请号: | 201510242186.6 | 申请日: | 2015-05-13 |
公开(公告)号: | CN104820924B | 公开(公告)日: | 2018-04-27 |
发明(设计)人: | 王进;颉小凤;谢水宁;吴亦超;付豪;张俊伟;陈乔松;邓欣 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06Q20/38 | 分类号: | G06Q20/38;G06K9/00 |
代理公司: | 重庆华科专利事务所50123 | 代理人: | 康海燕 |
地址: | 400065 *** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 笔迹 鉴定 网上 安全 支付 系统 | ||
1.一种基于笔迹鉴定的网上安全支付系统,其特征在于,包括:
101用户注册模块:用于对用户网上支付进行安全身份认证;
102接收模块:用于接收用户输入的任一待笔迹签名样本;所述接收模块是预先提取待识别签名样本特征集,接收用户输入的任一待识别签名样本,并提取所述待识别签名样本的时间序列特征、位置属性特征和笔顺特征,挖掘各个属性特征值对正确识别本人签名贡献程度,降序排序,按照贡献值排序找一组最优权值融合多种特征,将融合后的多特征作为识别签名样本特征集;
103学习、训练模块:根据预设融合后的识别签名样本特征集的空间近邻关系建立模型,根据样本点的近邻信息对样本进行分类,首先,通过样本的邻域来粒化训练集论域,将每个样本的邻域看成基本信息粒子;其次,将属于同一邻域的样本点映射到超网络超边的顶点,通过演化学习,超边获取局部空间样本分布到邻域类别的映射关系,从而构建邻域超网络模型;最后,将融合后的多种属性特征值转化为1到8的数据后作为邻域超网络模型的输入,用户本人前书写的签名样本作为训练样本集,将训练样本进行超边随机初始化、采用超边替代超网络分类器,将所述超边进行学习分类后,得到训练集超边库;
104鉴定模块:进行网上支付环节时,用户输入签名,匹配特征库的必要特征,当满足必要特征之后再进行识别,在训练集超边库中搜索,如果达成搜索结果则成功识别,否则不识别为任何人的签名;
S105支付模块:将笔迹鉴定应用到网上安全支付。
2.根据权利要求1所述的系统,其特征在于,所述接收模块预先提 取的待识别签名样本特征集包括:
提取所述待识别签名样本时间序列特征:用户在信用卡支付和移动终端/PC机上的手写区域上书写签名的过程中,在每个拐点处记录一个书写时长,记为累计和为整个签名的书写时长,由于用户在不同的书写过程中可能对自己签名的拐点数目不尽相同,因此取其多次书写均存在的拐点;
提取所述待识别签名样本位置属性特征:在签名样本特征里面加入位置属性,即将九宫格解锁的位置信息加入到签名样本属性中,分布如下:
(1)若用户书写的签名位于区域中心,样本中心点的特征就不明显,位置属性的权值低;
(2)若用户书写的签名位于屏幕边缘的话,特征则明显,辨识度高;提取所述待识别签名样本笔顺特征:从落笔点开始,采集签名样本点,量化并对其分段,通过最小二乘法拟合得出方程的斜率后进行反正切计算得到角度,根据角度即可得到对应的方向向量。
3.根据权利要求1所述系统,其特征在于:所述鉴定模块是首先匹配特征库中的必要特征,当满足必要特征之后,再将学习、训练模块融合后的多种属性特征值转化为1到8的数据后作为邻域超网络模型的输入,进行训练和测试,将待识别超边在训练集超边库搜索,如果达成搜索结果则成功识别,否则不识别为任何人的签名。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510242186.6/1.html,转载请声明来源钻瓜专利网。