[发明专利]基于深度学习的手写签名生物密钥生成方法

说明书

本发明公开一种基于深度学习的手写签名生物密钥生成方法。提取用户针对同一汉字在触摸屏上书写的签名笔迹向量以及签名的完整图片，通过深度神经网络处理方法，实现了手写签名的稳定特征提取、特征序列稳定等系列操作，获得具有较高稳定度的手写签名生物密钥序列，辅以模糊提取方法，可实现用户在触摸屏上进行正常手写签名的情况下，手写签名生物密钥的高强度提取，所生成的手写签名生物密钥长度可大于256bit。本发明不存在需记录的手写签名特征模板信息，大大降低了隐私泄露的风险，同时用户无需高强度的记忆即可生成高安全性的密钥，该密钥可用于现有的公私钥、对称加密等操作，提高了手写签名生物特征使用的安全性和灵活性。

技术领域

本发明属于信息安全技术领域，具体涉及一种基于深度学习的手写签名生物密钥生成方法。生成的密钥即可用于身份认证，也可用于加密运算，可以理解为网络安全中泛在加密技术的一种。

背景技术

签名识别是一种古老的身份认证技术，有悠久的历史。随着移动互联网的迅速发展，智能手机端的签名笔迹识别技术因其运算量小、使用灵活，受到研究人员的重视。现有的智能手机笔迹身份认证方法采用通用的生物特征认证模式。认证模式为：1)采集用户签名笔迹，获取用户签名笔迹模板，存储到远端网络认证服务器；2)当需进行用户身份认证时，在智能手机端采集用户签名笔迹，生成用户签名笔迹特征，传输到远端网络认证服务器；3)认证服务器将用户签名笔迹特征与存储的笔迹模板进行比对，一致则认证通过，不一致则认证失败。由于远端网络认证服务器并不都是可信第三方，使得存储的签名笔迹特征模板的安全性受到质疑，一般认为目前的认证系统存在较为严重的隐私安全问题。

现有的手写签名生物特征识别保护方案主要集中在手写签名特征模板保护方面。模板保护一般采用对特征模板进行函数运算产生新的特征模板的方法来保护生物特征原始信息，要求由新的特征模板一般难以推知原始特征信息。模板变形、模糊金库等方法均可以归入此类方法。模板保护方法在使用过程中存在识别准确率下降，原始特征信息依然存在被恢复的可能等问题。签名生物密钥技术直接从手写签名特征中获取高强度的稳定的签名密钥序列，可直接参与加密运算，亦可用于身份特征识别，可以扩展签名笔迹技术在信息安全领域的应用范围。

现有笔迹类生物密钥生成技术主要有：(1)中国专利号201410074389.4公开了“一种触摸屏用户笔迹生物密钥生成方法”，方法将用户针对同一汉字的笔迹向量经变换向高维空间中投影，在高维空间中将笔迹向量稳定到可接受的波动范围内，再对稳定后的笔迹向量提取数字序列，从数字序列中编码生物密钥。该方法可以对用户手写的笔迹特征序列起到一定的稳定效果，但由于笔迹特征序列的采样点自身不容易对齐，使得密钥生成的效果不理想。另外手写签名的字数有限，使得实际能提取的稳定比特序列长度不足(256bit)，生成的密钥强度不够高。

发明内容

针对现有方法的不足，本发明提出了一种基于深度学习的手写签名生物密钥生成方法。

本发明包括包括以下步骤：

步骤(1)、获取书写轨迹以及书写完成后签名文字图片；

作为优选，书写在触摸屏。

步骤(2)、对上述书写轨迹与文字图片分别进行标准化处理；

作为优选，所述的文字图片的标准化处理具体如下：

1)对图片做平滑、降噪处理；

2)对平滑、降噪处理后图片进行确定签名文字边界的操作：

在图片中打出水平和垂直线段，将线段从上往下、从左往右移动，线段在未接触文字边界时，所含的所有像素点均为图片底色(一般为白色)，接触到文字边界时，所含像素点中会出现文字颜色(一般为黑色)；继续移动线段，当线段走到另一端的文字边界时，所含像素点会从包含文字颜色变为图片底色，根据线段所含像素点颜色的变化确定文字边界。