基于特征选择和幻象残差网络的在线手写签名认证

为了解决当前在线手写签名认证(online signature verification, OSV)模型无法从有限的签名样本中提取稳定的签名特征以及模型参数量大问题,本文提出了基于特征选择和一维幻象残差网络(1D-GRNet)的在线手写签名认证方法。首先,采用随机森林特征选择算法对各个签名的全局特征集进行筛选,获得足够稳定的签名特征,以此来提高签名认证的准确率;然后,采用幻象模块对标准残差结构进行改进,构建一维幻象残差模块,降低整体网络模型的参数量,同时为签名小样本训练提供可能,提高了模型的实用性。最后,本文方法在数据集MYCT-DB1和SVC2004-task2上进行验证。当采用5个真伪签名进行小样本进行训练时,在两个数据集上的等错误率分别为3.21%和4.57%。当采用10个真伪签名进行训练时,在两个数据集上的等错误率分别为1.53%和2.93%。实验结果表明所提方法能够有效提高签名认证精度。

在线签名认证的数据采集系统设计

在线动态签名认证由于其安全性和方便性,广泛适用于银行金融系统以及个人身份识别等.作为在线签名笔迹的数据采集,对后续认证的准确性显得尤为重要.利用STM32F103C8、触摸屏、触摸屏控制器TSC2046和SD卡,实现了对在线笔迹包括压力在内的3维数据采集以及存储.实验结果表明,设计的在线签名数据采集系统精度高,稳定可靠,抗干扰能力强,具有很好的认证效果.

基于HMM的在线手写签名认证系统设计与实现

在线手写签名认证是以人的行为特征为基础的身份认证技术。对在线手写签名字型曲线进行分段,分析了一系列特征,并将隐马尔可夫模型(HMM)引入到在线手写签名认证中。找到了真签名中某种比较稳定的特征,提出了一种基于隐马尔可夫模型的在线手写签名认证方法。从实验数据来看,取得了比较满意的认证效果。

高效的隐私保护在线人脸认证方案

在传统人脸认证系统中,用户特征模板和认证请求通常基于明文进行匹配,存在敏感数据泄露的风险。针对此问题,提出了一种基于矩阵加密的隐私保护的在线人脸认证方案。该方案中,用户的人脸特征模板注册和后续身份认证请求均通过矩阵加密后分别发送给在线认证服务器,并由在线认证服务器完成密文下两者间的相似度计算,能够在不影响认证精确度的同时,有效保护在线人脸认证过程中用户的敏感数据。安全性分析表明,通过选取不同安全参数,所提方案能够实现多安全等级,满足差异化场景中的隐私保护需求。性能分析显示,所提方案具有较低的计算开销与通信开销。仿真测试基于真实人脸数据库,其结果验证了所提方案的高效性,能够在真实环境中进行有效应用。

一种基于隐马尔可夫模型的在线手写签名认证算法

给出一种对签名特殊点的提取方法,并以此特殊点作为签名的分割点,获取每段中的重要特征进行分析.在此基础上,提出一种基于隐马尔可夫模型(HMM)的在线手写签名认证算法,并利用第一届国际手写签名认证竞赛(SVC 2004)的测试数据库检验了算法的有效性.

基于在线证书的认证系统设计

简要介绍了一种基于电子邮件地址构建的在线证书认证技术,同时比较了这种技术的证书有效性验证方法与常用的证书撤消列表管理方法,设计了在线证书认证系统的组成结构,最后说明了系统的工作流程。

DTW在线手写签名认证系统的研究

随着计算机网络技术和生物识别技术的发展,通过生物特征进行身份认证成为信息时代的需要.由于长久以来作为授权标志,手写签名是最容易被大众接受的身份认证方式之一.本文改进了经典DTW中距离的计算方法,在考虑了时间序列自身形状特征的基础上,解决了在线手写签名中时间序列非线性弯曲的对正问题.经过签名认证实验表明,当ERR为3%时,签名认证的效果最好,进而证明在线手写签名适合作为身份认证手段.

一个在线手写签名身份认证系统的设计与实现

With the development of computer network, Biometrics, as a kind of information security techniques, is thought more and more of. Handwritten signature verification is an effective one. This paper introduces the design and implementation of an on-line handwritten signature verification system which is based on dynamic programming matching algorithm and give a brief evaluation of its performance. The performance of the system is satisfying according to the experiment.

基于频域分析的在线手写签名认证算法

目的为提高在线手写签名认证的速度,提出一种基于频域分析的在线手写签名认证算法,用于在线手写签名认证的粗分类.方法首先使用快速傅立叶变换对在线手写签名原始特征向量进行映射,然后抽取低频信息构成新的特征描述,最后使用加权认证算法实现在线手写签名的认证.结果算法提高了在线手写签名认证的速度,且在SVC2004task2数据集上取得的ERR为10%.结论快速傅立叶变换抽取频域特征易于区分伪造签名,且快速有效.依据用户各种特征稳定程度进行加权认证,提高了系统的鲁棒性.

改进VDDTW的在线手写签名认证算法

在线手写签名认证是一种基于生物特征的身份认证技术。将VDDTW算法应用于在线手写签名认证,该算法改进了DTW中局部匹配距离的计算方法,考虑了时间序列局部曲线的变化趋势,使得时间序列的局部点到点的对正更加合理。在采用有训练的伪造样本的情况下,对累积匹配距离进行时间加权,加大了真伪签名的区分度。实验结果表明了VDDTW算法用于在线签名认证的有效性。

基于小波变换的在线签名认证系统设计

文章介绍了一种基于小波变换的在线签名静态信息认证系统,利用Freescale芯片K60和电阻触摸屏采集笔迹信息,通过串口发送到电脑上,采用Matlab软件对数据进行滤波平滑和归一化处理,再利用小波变换DB6对笔迹坐标信息进行3层分解,提取分解后的过零点作为特征值,利用DTW算法与真实笔迹特征值进行对比判决真伪,经实验验证该系统较好的实现了笔迹鉴定。

基于采样数据稳定度的在线手写签名认证方法

介绍了一种基于采样数据稳定度的在线手写签名认证方法 .该方法首先根据签名样本数据获得特征序列的采样点稳定度以及特征稳定度 ,然后利用这两种稳定度作为权值 ,采用基于加权动态匹配比较方法得到最终匹配结果 。

基于动态时间规划的在线签名认证方法

在线签名认证是基于人体行为特征的身份认证技术。动态时间规整(DTW)算法是签名验证中最为常用的方法,但该算法应用到签名验证中存在一定的局限性。本文针对这些具体问题,提出了新的解决方法。基于F-Tablet手写输入设备,综合利用签名字形信息以及三维书写力信息研究DTW算法在签名认证系统中的应用。提出了合理性的算法模型。通过试验数据表明,取得等错误率达到2.31%的满意结果。

基于混合特征的在线签名认证研究

论述了在获得在线手写签名的曲线的一些局部和全局特征的平均值和方差的无偏估计的基础上,通过概率密度函数进而获取阈值进行匹配的鉴别方法。该方法充分考虑了同一个人的签名曲线的局部和全局信息具有一定的聚类性的特点,具有一定的认证效果。

基于小波变换提取特征点的在线手写签名认证算法

提出了一种基于小波变换的认证算法,首先对F-Tablet手写力平台获取的签名书写过程中的三维力信息和二维坐标信息,使用小波变换的方法来提取这些信息中的关键点,得到五维特征序列,使用聚类方法动态生成多个模板,然后通过多数投票方案融合各个特征序列的决策值得到认证结果。在基于F-Tablet平台构建的签名样本库上对此算法进行了实验,平均等错误率为2.83%。实验结果表明,该算法不仅可以减少签名数据存储量,而且能够缩短认证过程的持续时间,增加认证过程的有效性。

基于特殊点的DTW在线手写签名认证算法

针对传统动态时间规正算法速度较慢的缺点,提出基于特殊点的动态时间规正在线手写签名认证算法。特殊点包含了丰富的签名信息,表现了签名者的基本生物特征。该算法缩短了身份认证的时间,提高了身份认证的效率。实验结果表明,该方法速度快、识别率高,进而证明在线手写签名在身份认证中具有很好的应用前景。

基于多任务学习的注意力机制双向GRU用于在线手写签名认证

深度学习的进步极大地提高了在线签名认证(online signature verification, OSV)系统的性能,但是如何从有限的签名样本中学习具有判别性的签名特征仍然是该领域所面临的挑战。为了缓解这个问题,本研究提出了一种基于多任务学习的注意力机制双向门循环单元(MT-A-BiGRU)模型来实现在线签名的认证。首先,通过基于注意力机制的双向门循环单元(A-BiGRU)模型来实现序列特征的有监督表征学习,并引入深度度量学习任务来充分挖掘序列特征的潜在表示。在此基础上,将稀疏自动编码器压缩后的全局特征与A-BiGRU模型所提取的特征进行融合,以实现特征信息的互补。最后,本文提出一种基于多任务学习的训练方法,进一步提高了OSV系统的准确率。所提出的方法在SVC-2004-task2数据集中达到了2.16%的等错误率和96.88%的准确率,实验结果表明所提出的方法够有效地提高OSV系统的认证精度。

基于信号序列的在线签名认证方法及应用

为提高在线签名认证系统准确率,提出一种基于信号序列的在线签名认证方法。使用动态时间规整方法计算待测签名在各个信号上与参考签名的平均距离、最小距离、中值距离和模板距离,利用参考签名集求得的基准值进行归一化组成特征向量,使用随机森林模型作为分类器进行训练和认证。在SUSIG数据集上取得了2.26%的等误率,验证了算法的有效性。在安卓系统上实现了基于该算法的屏幕解锁应用,获得了3.7%的误拒率和5.5%的误纳率,验证了该算法在移动设备上的可用性。

基于三层C/S结构的在线签名认证系统的研究

随着计算机和网络的普及,安全问题越来越严重。基于生物特征的身份认证技术的发展提供了一种方便和可靠的解决方案。介绍了在线签名认证技术及其发展趋势,分析了三层客户机/服务器数据库应用程序的体系结构及其优势,并给出了在C++Bu ilder下,利用COM/DCOM组件技术实现基于C/S结构的在线签名认证系统的实现方法。

用于在线中文手写签名认证系统中的GA个性化特征选择方法

提出一种基于遗传算法的个性化特征选择方法。该方法采用真伪两类样本之间的边缘间隔作为遗传算法的适应度估计函数,在相同特征初始集基础上对不同人提取不同的(即个性化)特征子集。实验证明该方法不但能有效地降低特征空间维数,而且使分类准确率得到显著提高。