[发明专利]一种基于虚假属性检测的可信身份辨识方法及装置在审

专利信息
申请号: 202210461329.2 申请日: 2022-04-28
公开(公告)号: CN114896575A 公开(公告)日: 2022-08-12
发明(设计)人: 胡瑞敏;岳菁斐;彭春蕾;刘海涛;叶波;罗林波;刘德成;曲颖 申请(专利权)人: 西安电子科技大学
主分类号: G06F21/32 分类号: G06F21/32
代理公司: 西安嘉思特知识产权代理事务所(普通合伙) 61230 代理人: 方婷
地址: 710071*** 国省代码: 陕西;61
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 虚假 属性 检测 可信 身份 辨识 方法 装置
【权利要求书】:

1.一种基于虚假属性检测的可信身份辨识方法,其特征在于,所述可信身份辨识方法包括:

步骤1、通过M个已知对象建立已知身份属性信息库,所述已知身份属性信息库包括所述M个已知对象的身份和每个所述已知对象的N维生物特征属性;

步骤2、提取每个所述已知对象的所述N维生物特征属性对应的N条特征,所述M个已知对象的同一生物特征属性对应的生物特征建立一条特征模板,共N条所述特征模板,所述特征模板中保存对应的生物特征以及身份标识,所述生物特征为所述生物特征属性的特征;

步骤3、利用所述特征模板与待测对象的N维生物特征属性中对应的生物特征属性进行匹配识别,选取相似度较大的L个识别结果作为该生物特征属性的识别结果,所述待测对象的N维生物特征属性包括正常属性和虚假属性,虚假属性的数量NFake,满足条件NFake≥50%×N;

步骤4、利用基于汇聚度的共识算法对所述L个识别结果进行计算,以将局部汇聚度值最小的身份作为共识身份;

步骤5、根据所述共识身份的每个生物特征属性是否处于所述L个识别结果中确定所述共识身份的标志,所述标志表征为真实属性和虚假属性;

步骤6、根据所述共识身份的标志确定所述生物特征属性的真实性;

步骤7、输出检测到的虚假属性和作为可信身份的共识身份。

2.根据权利要求1所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述步骤3包括:

计算所述待测对象的N维生物特征属性中的第i个N维生物特征属性中与第i个所述特征模板中每个所述生物特征属性的欧式距离,从第i个所述特征模板中选取欧式距离较小的L个所述生物特征属性作为所述待测对象的第i个N维生物特征属性的识别结果。

3.根据权利要求1所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述步骤4包括:

步骤4.1、初始化共识身份、共识值和汇聚度值,将所述M个已知对象的身份都作为共识身份,所述共识值和所述汇聚度值均设为0;

步骤4.2、根据每个识别结果的身份出现个数更新共识值,并保留共识值大于或者等于2的身份;

步骤4.3、判断共识值大于或者等于2的身份是否有多个,若仅有一个份,则该身份即为共识身份,并进入步骤6,若有多个身份,则进入步骤4.4;

步骤4.4、分别计算共识值大于或者等于2的所有身份的局部汇聚度值;

步骤4.5、将所述局部汇聚度值最小的身份作为所述共识身份。

4.根据权利要求3所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述步骤4.2包括:

根据逐阶共识算法依次逐阶遍历L个识别结果,以根据每个识别结果的身份出现个数更新共识值,并保留共识值大于或者等于2的身份。

5.根据权利要求3所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述汇聚度值的计算公式为:

其中,Ksub(m)表示对象m的局部汇聚度,s表示对象m的身份在L个识别结果排列的位置,Nsub表示属性N维的子集。

6.根据权利要求4所述的基于虚假属性检测的可信身份辨识方法,其特征在于,若在L个识别结果中对象m没有出现,则:

其中,s=L。

7.根据权利要求1所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述步骤5包括:

判断所述共识身份的所述生物特征属性是否在所述L个识别结果中,若是,则设置该生物特征属性的标志表征真实属性,若否,则设置该生物特征属性的标志表征虚假属性。

8.根据权利要求1所述的基于虚假属性检测的可信身份辨识方法,其特征在于,所述步骤6包括:

判断所述共识身份的生物特征属性的标志,若所述标志表征为虚假属性,则该生物特征属性即为虚假属性,若所述标志表征为真实属性,则该生物特征属性即为真实属性。

9.一种基于虚假属性检测的可信身份辨识装置,其特征在于,用于实施权利要求1至8任一项所述的可信身份辨识方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西安电子科技大学,未经西安电子科技大学许可,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/202210461329.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top