身份窃取型人脸识别犯罪的情境预防对策研究

身份窃取型人脸识别犯罪是指利用技术手段处理非法采集的面部信息以破解人脸识别身份验证系统,从而冒用他人身份实施的犯罪行为。身份窃取型人脸识别犯罪源起于个人信息的泄露与滥用,犯罪难度和成本较低,而预期收益较高,并因隐匿于虚拟空间而容易逃脱法律的追究。身份窃取型人脸识别犯罪关涉敏感个人信息的安全,故对其治理的重心应在事前预防,可以采取情境预防手段,减少犯罪机会和促成犯罪的情境因素,增加犯罪难度、提高犯罪成本、增加犯罪被发现的风险、降低犯罪可预期收益,达到有效预防犯罪的效果。

基于最佳特征子集的自适应非视距身份识别系统

身份识别一直是安防领域的研究重点,其在非视距场景下的研究存在较大意义。针对识别的舒适度和隐私性问题,提出基于最佳特征子集的自适应非视距身份识别系统。通过有效结合多种预处理手段获取Wi-Fi信号的低维有用数据;提出鲁棒性人员检测方法截取有效片段;设计有监督特征提取方法,使用“前向搜索”获取最佳特征子集;改进传统Adaboost算法实现群体变化下的自适应识别。实验评估表明,当系统中志愿者为2~12人时,与相关系统和传统分类算法相比,均具有较好的性能。

社会性昆虫社会身份识别机制研究进展

昆虫社会身份识别是指昆虫通过感知各种信息来辨别其他个体的身份,进而建立一定社会关系的生物学现象。社会身份识别对社会性昆虫的信息交流、天敌防御、社会分工、个体及群体生存和繁衍尤为重要。本文以蚂蚁、白蚁和蜜蜂等社会性昆虫为例,详细阐述了社会性昆虫的社会身份识别机制:社会性昆虫以信息素为关键线索,利用嗅觉实现社会身份的识别;社会性昆虫也通过其视觉观察同伴或天敌等个体的行为,实现社会身份的识别;社会性昆虫还能够识别特殊的声音信号和感知空气中的震波,并作为其社会身份识别的重要依据。此外,研究表明昆虫共生菌也参与调控社会性昆虫的身份识别。针对社会性昆虫身份识别是先天还是后天形成的这一争论,我们从基因、适应学习以及基因和环境互作等方面,阐述了昆虫可能通过先天遗传和后天学习相结合的方式实现社会身份识别的观点。社会性昆虫是研究人类和动物社会行为学的绝佳模式生物。社会身份识别的研究成果不仅可深入解析社会性昆虫的生物学特性,也对人类及其他动物的社会认知进化以及各类社会问题的研究提供重要参考。今后应加强以下两方面的研究:(1)探索社会性昆虫多样的识别方式,解码其更深层次的机制研究;(2)应用现代新型计算机技术,将社会性昆虫身份识别行为可视化分析。

基于Wi-Fi感知的多用户身份识别研究

随着无线感知技术的发展,基于Wi-Fi的身份识别研究在人机交互和家居安防等领域备受关注。尽管基于Wi-Fi信号的身份识别已经取得了初步的成功,但是目前主要适用于用户独立行为场景,并发行为下的多用户身份识别仍然面临着一系列挑战,包括用户之间的相互干扰以及模型鲁棒性差等问题。因此,提出了一种并发行为下多用户身份识别系统Wiblack,其核心思想是训练一个多分支深度神经网络(Wiblack-Net)来提取每个单用户的独特特征。首先,利用主干网络提取多用户之间的共同特征;然后,为每个用户分配一个二分类器以此判断给定群体中是否存在目标用户,在此基础上基于并发行为实现多个用户身份识别。此外,将Wiblack与多个独立的二分类模型和单个多分类模型进行对比实验,对运行效率和系统性能进行分析。实验结果显示,在同时识别3个用户身份时,Wibalck平均准确率达到了92.97%,平均精确度为93.71%,平均召回率为93.24%,平均F1值为92.43%。

基于矿灯光信号的井下作业人员身份视频识别系统

针对矿井视频监视系统中的人员身份难识别的问题,开发了一种基于矿灯光信号的井下作业人员身份视频识别系统。通过在矿灯中嵌入近红外LED光信号,设计了便于识别与追踪的光信号矿灯;设计了基于曼彻斯特编码的光信号编码方法,提出包括霍夫圆/椭圆检测方法在内的矿灯目标检测系列方法,以及动态优化解码方法。视频识别系统通过矿灯发射唯一性ID光信号,视频监视系统采集并处理光信号,解析出矿灯ID。通过煤矿井下实验验证了视频识别系统的有效性。研究成果为矿井安全生产提供了一种创新的人员身份识别技术。

基于一维卷积神经网络的物联网终端非干扰身份识别方法

针对物联网终端身份识别过程易受干扰的问题,设计了基于一维卷积神经网络的物联网终端非干扰身份识别方法.通过物联网终端内置的加速度传感器收集不同步态的加速度数据,并采用平滑与分窗处理进行预处理.利用步态数据融合模型分析用户在不同行为位置组合下的数据,再利用随机森林模型预测物联网终端的位置与用户行为.将行为与位置数据融合,得到步态融合数据,再将融合数据输入至构建的一维卷积神经网络模型中,经过迭代训练后输出用户的身份识别结果.实验结果显示,基于一维卷积神经网络的物联网终端非干扰身份识别方法在合适的模型参数条件下能够准确识别物联网终端用户身份.

“身份识别”视域下法科研究生学位论文质量之保障与提高

学位论文是法科研究生教育质量的集中体现。在培养规模扩张、论文质量监督管理制度粗放、导师培养责任意识淡薄、学生重视程度不高等因素的共同作用下,致使我国现阶段法科研究生学位论文的质量处于较低水平。故此,本文特提出将主要用于金融机构反洗钱管理的“身份识别制度”移植到法科研究生学位论文保障管理制度中,从构建全过程学位论文监测体系、强化导师责任意识、落实学位论文倒查机制、增强学生学术规范意识几个方面加以改进,实现法科研究生学位论文质量的跨越式提升。

授权型领导何以激发员工积极追随——内部人身份认知与传统性的作用

随着对领导力的深入研究,人们逐渐注意到追随的重要性,没有追随就没有领导也成为共识,在管理实践中培养员工的积极追随行为对于企业的发展及领导决策的执行具有重要的意义。基于社会交换理论,构建有调节的中介模型以探索授权型领导影响员工积极追随行为的作用机制,同时探讨内部人身份认知的中介效应及传统性的调节效应。利用SPSS26.0软件对208份有效问卷进行分析,实证结果表明:授权型领导能促进员工积极追随行为,内部人身份认知中介了授权型领导与员工积极追随行为间的关系,员工传统性不仅调节了内部人身份认知与员工积极追随行为之间的关系,也调节着授权型领导通过内部人身份认知影响员工积极追随的间接效应。

基于足底压力及BP神经网络的人员身份识别垫具系统设计

由于每个人走路方式不同,使得各人鞋底的磨损程度也不同,因此在很多案件中,法医都会通过“鞋印”来对嫌疑人进行侧写和识别。截至目前,多项研究已经证实,在人员识别方面,“鞋型”和“步态特征”确实是一类非常有用的工具。不过,单一特征识别设备存在明显缺点,如操作复杂以及抗干扰性难以达标等。为解决上述“短板”,文章提出了一种基于BP神经网络联合“鞋型”和“足底压力特征”的身份识别系统。通过比对3种不同的足底压力数据积累方法,研究发现,所提系统在无“噪声”的情况下能够达到最佳精确度(89%),而当“添加”10%的噪声像素时,其精确度亦能够达到74%。所得结果证实,该系统在人员识别方面的性能确实令人满意。

基于瑞士奶酪模型的医疗失效模式和效应分析法在患者身份识别管理中的应用

目的探讨瑞士奶酪模型下的医疗失效模式和效应分析法(healthcare failure mode and effect analysis,HFMEA)在患者身份识别安全管理中的应用效果,以期提高护理安全管理质量。方法采用不同病例前-后对照研究方法,选择2016年1月至9月本院临床科室收治的住院患者48288例作为对照组,采用常规身份识别安全管理;选取2017年1月至9月本院临床科室收治的住院患者52256例作为试验组,运用瑞士奶酪模型理论,采用失效模式和效应分析法进行身份识别管理。比较实施前后两组身份识别错误事件发生率、危险指数评分,实施前后5次身份识别执行正确率。结果两组实施前后身份识别错误事件发生率、危险指数评分,实施前与实施后4次身份识别执行正确率比较,均P<0.05,差异均具有统计学意义,实施后试验组患者身份识别错误事件发生率、危险指数评分均低于对照组,实施后试验组患者4次身份识别执行正确率均高于对照组。结论运用瑞士奶酪模型的HFMEA可降低患者身份识别错误事件发生率,提高身份识别正确率,是一种有效患者身份识别的管理模式。

Σ型去中心基于属性身份识别的一般构造

研究Σ型基于属性身份识别与Σ型基于身份身份识别的关系,提出Σ型去中心基于属性身份识别的一般性构造方案。该方案利用平滑秘密共享方案,将Σ型基于身份身份识别方案转换成Σ型去中心基于属性身份识别方案。利用归约方法,证明了该方案的安全性。通过所提出的构造方案,给出一个Σ型去中心基于属性身份识别实例,并将其与已有的Σ型基于属性身份识别方案进行效率比较分析。分析结果表明,所提方案在数据长度和计算开销两方面都更有优势。提出的方案是去中心的,克服了单个属性机构系统的瓶颈问题和安全弱点,具有更好的适用性。

基于步态能量图的隐马尔可夫模型身份识别

提出一种基于步态能量图的隐马尔可夫模型身份识别算法.首先预处理提取出运动人体的侧面轮廓,根据步态下肢的摆动距离计算出步态周期,得到平均步态能量图.对能量图用K-均值聚类的方法生成观察向量,进行一维离散隐马尔可夫模型训练,用训练好的模型参数进行身份识别.最后在CASIA步态数据库上对所提出的算法进行实验.实验表明该方法具有较好的识别性能.

身份关系协议的识别、类型与法律适用

身份关系协议并非合同,应将其置于身份法理论构造中予以识别和判断。身份关系协议应为身份法规则明确承认或者符合身份法理念和原则要求的,以产生、消灭、变更身份关系或附随身份的财产关系为内容的协议。身份关系协议的性质或者具有纯粹身份性,或者具有身份附随性。身份关系协议主要特征包括法定性、身份性、伦理性、专属性和要式性。依据不同标准,身份关系协议类型包括:纯粹的身份协议与附随身份的财产协议、身份法明确规定的身份关系协议与符合身份法理念要求的身份关系协议。身份关系协议的法律适用以婚姻家庭编规则为首要,以参照适用合同编为补充。

从客户身份识别向客户尽职调查的转型——兼评反洗钱“四大核心义务”的传承与发展

客户身份识别作为反洗钱“四大核心义务”之一,长期以来承担了基础职能。同期,客户尽职调查在反洗钱监管中的要求越来越高、范围越来越广,逐步替代客户身份识别,成为反洗钱新“四大核心义务”之一。学术界和实践界存在是客户身份识别包括客户尽职调查,还是客户尽职调查涵盖客户身份识别两种截然不同的观点。推进我国反洗钱管理从客户身份识别向客户尽职调查转型,对于金融机构全面理解客户尽职调查的内涵、强化“风险为本”的原则、进一步完善我国反洗钱监管体系具有积极意义。从国内法律法规、监管要求和业务实践等多个维度梳理并总结客户身份识别与客户尽职调查的历史沿革、体系建构,并从反洗钱管理的视角厘清二者的关系,提出有针对性的建议。

第二代居民身份证微型识别器

随着社会管理规律与警务服务环境的深入变化,传统的服务理念和方法受到办公时间、办公场所、警力数量、办事流程等因素的制约,发展瓶颈已然凸显。在这样的背景下,重点介绍了一款居民身份证微型识别器,包括其硬件与软件构成、功能优势与特点等。

针对身份证文本识别的黑盒攻击算法研究

身份证认证场景多采用文本识别模型对身份证图片的字段进行提取、识别和身份认证,存在很大的隐私泄露隐患.并且,当前基于文本识别模型的对抗攻击算法大多只考虑简单背景的数据(如印刷体)和白盒条件,很难在物理世界达到理想的攻击效果,不适用于复杂背景、数据及黑盒条件.为缓解上述问题,本文提出针对身份证文本识别模型的黑盒攻击算法,考虑较为复杂的图像背景、更严苛的黑盒条件以及物理世界的攻击效果.本算法在基于迁移的黑盒攻击算法的基础上引入二值化掩码和空间变换,在保证攻击成功率的前提下提升了对抗样本的视觉效果和物理世界中的鲁棒性.通过探索不同范数限制下基于迁移的黑盒攻击算法的性能上限和关键超参数的影响,本算法在百度身份证识别模型上实现了100%的攻击成功率.身份证数据集后续将开源.

融合多尺度和频域特征的目标身份识别技术

拍摄设备、角度和光线的差异以及相似目标的干扰,给跨设备目标身份识别任务带来了严峻挑战。针对识别过程存在的类内差异和类间相似问题,提出了一种融合多尺度和频域特征的识别模型,在主干网络中加入注意力机制提高模型对高辨识特征的关注度;在分支网络中,设计了一种基于注意力的多尺度扩张融合模块对不同深度特征进行多粒度采样融合,增强网络的空间映射能力;在后处理阶段构造自学习的频域卷积模块,实现多尺度和频域特征的融合,利用频域信息提高度量相似目标的准确率。经过实验,算法在Veri776和VehicleID数据集的平均均值精度(mAP)和首次命中精度(Rank-1)分别获得了81.60%、97.20%和90.50%、85.30%,结果优于近些年主流方法,能够满足跨设备的多目标身份识别要求。

青少年1型糖尿病患者疾病身份认同的研究进展

疾病身份认同对青少年1型糖尿病患者血糖控制具有显著影响,当患者存在适应性的疾病身份认同时,会更倾向于以积极的态度应对和管理疾病,实现疾病管理目标。对疾病身份认同的概念、评估工具(包括疾病同一性问卷、接受糖尿病与个人治疗调查)、影响因素(主要包括性别、自我管理行为、社会心理因素、社会支持)及干预措施(包括叙事疗法、心理剧干预及应用现代信息化技术)进行综述,旨在为护理人员开展相关研究、制订干预方案提供参考。

基于LSTM与CNN融合的智能手机步态身份识别

首先提出长短期记忆网络(long short-term memory, LSTM)与卷积神经网络(convolutional neural network, CNN)相融合的步态身份识别模型,该模型可以自动提取活动特征,并使用少量的模型参数对活动特征进行分类;然后利用其进行用户身份的识别。实验结果表明,该模型识别准确率约为97.68%,损失率约为0.05,相较于其他模型身份识别率显著提高。

人脸和步态特征注意力融合的身份识别方法

真实的身份认证场景往往存在面部遮挡和远距离等难点,给人脸识别等传统识别方法带来挑战.步态识别等新型识别方法助力身份认证.步态识别适用于面部遮挡场景,且远距离时优于人脸识别.为了发挥人脸识别和步态识别在远距离遮挡下的互补作用,本文提出了一种基于人脸和步态多模态融合的身份识别方法.该方法包括面向低分辨率和有遮挡场景的人脸识别模块、基于轻量化模型GaitLight的多视角步态识别模块、融合人脸和步态特征的注意力融合模块.人脸和步态融合数据集上的实验结果表明,提出的多模态方法在面部无遮挡和面部遮挡条件下,识别率均高于单模态方法和现有的多模态方法.两种条件下识别率分别达到98.5%和98.4%,高于人脸识别算法1.2%和7.1%.多模态识别方法既能满足日常识别需求,也适用于远距离遮挡下的身份识别,识别性能优于目前应用的人脸识别方案.