基于動態(tài)手寫簽名的身份認證研究.pdf

1、現(xiàn)代社會，因為計算機和網(wǎng)絡(luò)的廣泛應(yīng)用，準確快速的身份認證成為一種迫切的需要。身份認證方法可分為三類：基于知識的方法，如口令、密碼等；基于信物的方法，如IC卡、身份證等；生物特征識別方法。其中，生物特征識別利用人與生俱來的生理特征如指紋、虹膜、視網(wǎng)膜、DNA等，或長期生活形成的行為特征如筆跡、簽名、聲紋、步態(tài)等識別人的身份，被認為是最自然、最值得信任的一種身份認證方法。在所有的生物特征識別方法中，簽名認證具有特別重要的意義，因為在長期的社

2、會生活中，人們已經(jīng)接受了簽名作為標識身份和表明自己意愿的一種方式。在線手寫簽名因為采集了書寫過程的動態(tài)信息，包含了豐富的個人特性，難以模仿，能有效標識簽名者的身份，是簽名認證的主要研究方向。在線簽名認證研究迄今為止已有四十余年歷史，期間大批科研人員投入到這一領(lǐng)域的研究，取得了豐碩的成果。但是，簽名認證技術(shù)還很不完善，可靠性和精度還不能令人滿意。 本文對動態(tài)手寫簽名的認證方法和應(yīng)用進行了深入的研究，主要內(nèi)容包括： 1)設(shè)計

3、、實現(xiàn)了基于WINTAB標準的簽名信息獲取模塊，建立了一個中文簽名數(shù)據(jù)庫。目前市場上很多數(shù)字式定點設(shè)備都支持Wintab接口標準，因此本文的簽名獲取模塊可以方便地移植到其他的應(yīng)用中。 2)提出了基于串匹配的簽名曲線特殊點對齊與自由偽造簽名快速排除方法。本文首先提取簽名曲線的特殊點(包括簽名曲線的極值點、筆劃起始點、終止點)，根據(jù)幾何特征將特殊點分為十六類，用十六個字母分別標記。然后用串匹配的方法對齊兩個簽名的特殊點，從而達到簽名

4、對齊的目的。根據(jù)簽名模仿者的努力程度不同，假簽名可分為三類：高超偽造簽名、簡單偽造簽名和自由偽造簽名，它們與真簽名的相似程度逐次降低。本文根據(jù)特殊點類型字符串匹配的距離快速排除自由偽造簽名，通過這一步的簽名則留待更精細的比較和認證。 3)提出一種DTW與特殊點匹配相結(jié)合的改進的時間彎曲算法。DTW算法是簽名認證的一種常用算法，但是當時間序列在幅度上存在較大差異的時候，DTW算法經(jīng)常會產(chǎn)生一對多的匹配，這是應(yīng)當盡量避免的。本文提出

5、的解決方法是，將簽名用特殊點分段，然后用DTW方法對特殊點進行對齊，最后在對齊的簽名段之間根據(jù)弧長重采樣進行點對點的對齊。 4)提出了一階線性預(yù)測隱馬爾可夫模型。隱馬爾可夫模型假設(shè)時間上相鄰的觀察信號相互獨立，因而忽略了觀察信號的變化趨勢。本文針對簽名信號變化緩慢的特點，在模型中加入一個概率模型描述觀察信號的一階線性預(yù)測誤差，從而在一定程度上預(yù)測了觀察信號的變化趨勢。 5)將HMM/ANN混合模型用于簽名認證，并對模型進

6、行了改進。HMM與ANN相結(jié)合，可以取長補短，發(fā)揮HMM和ANN各自的優(yōu)點。本文首次將這種混合模型用于簽名認證，并對模型進行了改進。用于時間序列描述的HMM有很多采用左右結(jié)構(gòu)，HMM的狀態(tài)之間的轉(zhuǎn)移矩陣有很多元素等于零。因此用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測狀態(tài)轉(zhuǎn)移概率時，有太多冗余連接。本文用一個神經(jīng)網(wǎng)絡(luò)組描述狀態(tài)轉(zhuǎn)移概率，每一個神經(jīng)網(wǎng)絡(luò)對應(yīng)一個狀態(tài)，從而刪除了這些冗余連接，簡化了模型結(jié)構(gòu)，使模型的訓(xùn)練更加迅速。 6)設(shè)計了一種可撤消的手寫

7、簽名，將手寫簽名變形后用于認證簽名者的身份。應(yīng)用生物特征識別身份有很大的風(fēng)險：一旦生物特征識別系統(tǒng)發(fā)生泄密，所有使用同一種生物特征的系統(tǒng)都將處于危險之中，而且沒有辦法為用戶更換一個新的生物特征。因此，可撤消的生物特征在近兩年被提出并逐漸受到學(xué)術(shù)界的重視。本文利用正弦函數(shù)對簽名的坐標序列進行調(diào)制，然后將調(diào)制后的信號用于身份認證。原始的簽名信息被隱藏，除了簽名者本人以外無人知曉，因此降低了簽名被模仿的可能性。同時，調(diào)制簽名序列的正弦函數(shù)的參