基于商密SM9的属性基在线/离线签名方案

属性基签名(attribute-based signature,ABS)方案利用属性集标识用户.只有当属性集满足访问策略时用户才能产生有效签名.与传统数字签名方案相比,属性基签名方案不仅利用属性集隐藏用户的真实身份从而获得匿名性,而且通过制定访问策略实现了细粒度访问控制.在基于椭圆曲线的属性基签名方案中通常需要使用大量的群指数运算或配对操作,这些操作计算代价高昂,导致签名过程计算开销较大.在线/离线签名技术可以在未知消息之前将高昂的操作通过离线预计算,从而降低了轻量级设备在线计算代价.SM9标识密码算法作为我国自主设计的商用密码,已由ISO/IEC标准化并被广泛使用.以商密SM9标识密码算法为基础,利用在线/离线签名技术,构造了一种基于商密SM9的属性基在线/离线签名(attribute-based online/offline signature,ABOOS)方案.不仅可以实现细粒度访问控制,同时也适用于轻量级设备.在随机谕言机模型下,方案的安全性可以规约到q-SDH(q-strong Diffie-Hellman)困难问题.理论分析和实验仿真表明提出的方案有效降低了签名阶段的计算代价,适用于物联网等应用环境.

一种有效的基于证据理论的离线签名识别方法

提出了一种有效的基于证据理论的离线签名识别方法。从签名图像的3种信息载体中提取出4种特征,利用所提取的4种特征分别构造基于证据理论的分类器对签名图像进行初步识别,将各分类器的输出作为证据,用改进的证据理论合成公式融合不同分类器的输出得到最终识别结果。结果表明:该识别方法能有效地提高离线签名的识别率。

基于多特征和证据理论离线签名识别

提出了一种基于多特征和证据理论的离线签名识别方法。首先通过比较各个特征在离线签名识别中的性能,选取比较有效的平均伪动态特征和中等分辨率网格特征作为识别特征,然后构造了两个K近邻(KNN,K Nearest Neighbor)分类器,对签名图像进行初步识别。在初步识别基础上,利用一种改进的证据理论合成公式,将两个KNN分类器的输出结果进行融合得到最终识别结果。实验结果表明新的识别方法是有效性。

基于模糊模式识别的离线签名验证技术

签名验证有着重要的社会价值，长期以来一直是由人类专家来验证签名。但有时待验证的签名很多，验证的工作量非常大，而其中多数伪造的签名并不是高超的赝品。该文介绍了一种基于模糊模式识别的离线签名验证技术，可以用计算机来帮助人类专家进行粗筛，大大减少专家的工作量。

基于矩特征和证据理论的离线签名识别

论文首先对几种矩特征在离线签名识别中的性能进行了比较,在此基础上选取矩和一种基于中心矩的形状描述子(SDBCM)作为签名图象的形状特征,据此构造了两个距离权重k-NN分类器对签名图象进行初步识别。然后将两个k-NN分类器的度量层输出作为证据,用一种改进的证据理论合成公式对其进行融合得到最终识别结果。实验结果表明,新的识别方法是有效的。

基于神经网络和证据理论的离线签名识别

论文提出了一种有效的基于神经网络和证据理论的离线签名识别方法。利用从签名图象中提取的三种特征分别构造BP神经网络分类器对签名图象进行初步识别,然后将各分类器的输出作为证据,利用证据理论融合来自不同分类器的输出得到最终识别结果。实验表明,该识别方法能有效提高离线签名的识别率。

基于ASIFT的离线签名认证方法

通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.

强不可伪造的在线/离线签名方案

针对标准模型下签名方案效率低的问题,利用目标抗碰撞杂凑函数和变色龙哈希函数,提出了一种在线/离线签名方案。在签名消息到来之前,离线阶段进行重签名的大部分计算,并将这些运算结果保存起来;在签名消息到来时,利用离线阶段保存的数据能在很短的时间内生成消息的在线重签名。在标准模型下,证明了新方案在适应性选择消息攻击下满足强不可伪造性。分析结果表明,新方案在效率上优于已有的标准模型下签名方案,在线签名算法仅需要1次模减法运算和1次模乘法运算,适合于计算能力较弱的低端计算设备。

基于HMM的离线签名识别

给出一种以隐马尔可夫(HMM)模型为基础的离线签名的识别方法,此方法把离线签名图像中的所有汉字作为一个整体,首先利用图像处理技术,把整个字体区域分割出来,再统计每一行字体部分的像素点数。利用隐马尔可夫模型来对这个整体进行建模;然后利用Baum-Welch算法对模型进行训练;最后,利用已经训练好的HMM模型对一些签名图片进行识别。试验表明,识别率可达95.7%,为离线签名识别系统的进一步应用奠定了基础。

基于多尺度小波变换和加权Fisher线性分类器的离线签名认证

采用多尺度小波变换来提取签名图像四个方向投影(水平、垂直、45度和135度)的相关特征。在签名认证阶段,采用加权Fisher线性判别(WFLD)来消除样本个数不平衡的影响,提高了签名认证的效率。

基于改进LPP和ECOC-SVMS的离线签名识别方法

提出一种基于改进LPP和ECOC-SVMS的离线签名识别方法。针对预处理后的签名图像,选择多种有效特征构建高维特征向量,引入一种改进的保局投影方法进行特征提取并同时实现高效降维;签名识别方面,使用基于Hadamard纠错编码方法的ECOC支持向量机多类分类方法,并引入近似概率对ECOC解码进行改进,以提升多类分类器的性能。实验结果表明此方法的可行性和有效性。

可恢复消息的在线/离线签名

在线/离线签名是利用预处理技巧提高在线签名速度的签名形式。构造了一种可以恢复消息的在线/离线签名方案。因为不需要发送消息,该方案可以大大节约传输带宽。在随机预言模型下,新方案被证明是安全的。

基于双线性对的在线/离线签名

针对在线/离线签名用于待签署的信息一旦被确定,就必须用极少的时间生成签名的情况,构造了两种基于双线性对的在线/离线签名方案.在标准模型下,新方案被证明是安全的.并且,在不提高总体计算量的前提下,新方案的在线阶段计算量是文献改进前方案计算量的1/4.

基于SVM的离线签名认证

生物特征识别技术作为一种身份识别的手段,具有独特的优势,近年来已逐渐成为国际上的研究热点.签名认证属于生物特征识别技术的一种,已经在国内外各个领域应用数十年,被人们广泛接受.对现有的离线签名认证方法进行了改进和创新,提出了四种特征,包括方向特征、纹理特征、动态特征和复杂指数.认证阶段采用支持向量机来鉴定签名的真伪,所取得的最好实验结果是平均错误率达到了5.4%,和目前国内外离线签名认证的相关实验结果相比,说明了本实验算法的有效性.

网络用户离线签名身份准确验证仿真

对网络用户离线签名身份准确验证,可以保证网络用户信息的安全性,避免伪造签名带来的安全风险。准确验证网络用户离线签名身份,需要提取离线签名图像的特征,通过不同方向对离线签名图像的不同特征隶属函数进行计算分析,达到网络用户离线签名身份准确认证的目的。传统方法在验证用户身份时,未考虑特征隶属函数,导致存在验证效率低、验证准确率低的问题。提出一种新型网络用户离线签名身份验证方法。通过水平方向重心、垂直方向重心、离线签名图像高宽比、签名笔画面积与用户离线签名图像总面积的比、正倾斜度五个特征隶属函数,对用户离线签名图像的特征进行提取,并根据提取结果通过用户离线签名特征向量之间的欧几里得距离对签名相关性的强弱进行衡量,以相关性强弱为依据对用户离线签名样本进行聚类处理,通过最小生成树算法完成用户离线签名的身份验证。仿真结果表明,所提方法提取的特征点多、误拒率和误纳率低,验证所提方法的验证效率高、验证准确率高。

基于改进SIFT的离线签名鉴别方法

针对高质量模仿签名和签名图像的尺度变化对鉴别效果影响较大的问题,提出了一种基于改进SIFT的离线签名鉴别方法。该方法首先改进尺度空间的建立,减少尺度空间的层数和组数,然后检测签名图像的SIFT特征点和提取特征描述子,根据特征描述子间的欧氏距离进行匹配,通过邻近距离之比和特征点角度差筛选匹配对,并对匹配对特征点的角度差进行直方图统计构成ODH(orientation difference histogram)特征向量。最终根据匹配对的数量和ODH特征向量的相似度完成鉴别工作。该方法在本地数据库上的等误率为6.7%,在4NSig Comp2010公共数据库上的等误率为20%。实验结果表明,该方法与现有方法相比有效地提高了鉴别正确率。

基于二维HMM的中文离线签名认证系统

介绍了一种基于隐马尔可夫模型[1]的中文离线签名认证系统。在分析中文离线签名特点的基础上,提出了一种简单有效的特征抽取方法;使用二维HMM[2]对每个签名者的签名建模,并对实际应用中训练样本不足、字体随时间变化等因素带来的系统识别率下降的问题给出了解决方法。实验结果显示该系统取得了令人满意的效果,可以用来辅助人类专家进行签名鉴定。

小波变换与多特征融合的多文种离线签名识别

为进一步提高多文种离线手写签名识别率,提出一种小波变换与多特征融合的离线签名识别方法。首先对采集完的签名图像进行预处理和小波变换,然后对小波变换后的4张签名子图像(低频信息图像、水平高频信息图像、垂直高频信息图像和对角高频信息图像)分别提取多尺度块局部二值模式(MB-LBP)、局部相位量化(LPQ)、韦伯描述符(WLD)和ASM能量特征,并对所提特征进行串联融合,用PCA降维形成适合的特征向量。通过训练支持向量机(SVM)和随机森林(RF)分类器对签名图像进行分类对比。文中数据集包括4个文种(英文、汉文、维吾尔文、柯尔克孜文),在单个文种识别率最高达到98%,两两混合的识别率最高达到97.54%,3个文种混合的识别率最高达到96.78%。实验结果表明,提出的方法能够有效识别多文种混合的离线签名,得到了较高的识别率。

基于身份代理离线签名的数据完整性审计协议

为解决移动边缘设备进行数据完整性审计时在计算、存储等方面存在限制的问题,提出一种可降低用户计算量和网络通信开销的数据完整性审计方案(IBPOS-PDP)。在基于身份的密码体制上将数据签名分为轻量级在线签名和复杂离线签名,采用代理方帮助用户完成离线签名。分析当前数据完整性审计的研究方向,提出方案模型,在随机预言机模型下证明方案可靠性,攻击者伪造证书、数据签名、完整性验证证据是困难的。利用PCB库进行仿真实验,在已委托代理方生成离线签名的情况下,IBPOS-PDP方案用户计算代价小于IBPS-PDP方案。实验和性能分析结果表明,IBPOS-PDP方案在整个数据完整性审计过程中使用户计算量和系统通信量达到了较好的平衡。

基于多层分割的离线签名鉴定

提出了一种基于多层分割的离线签名鉴定方法,该方法首先根据签名图像的重心进行水平(垂直)分割,接着对分割后所得到的区域按重心再进行垂直(水平)分割,经如此水平、垂直交叉进行分割后,可以形成一个多层的签名图像分割区域,然后对各区域提取签名的几何特征,并对各项特征依不同权值进行融合形成一个从全局到局部的特征向量,最后依据基于统计所得到的阈值,利用欧氏距离对签名的真伪进行鉴定。实验结果表明,与其他方法相比较,新方法提高了签名鉴定的性能。