多模态防欺诈的身份识别方法技术

本发明专利技术实施例涉及身份识别技术领域，公开了一种多模态防欺诈的身份识别方法

【技术实现步骤摘要】
多模态防欺诈的身份识别方法、装置、设备及存储介质


[0001]本专利技术实施例涉及身份识别
，具体涉及一种多模态防欺诈的身份识别方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]身份识别在我们日常生活广泛使用，其中针对安全交易的身份识别是最重要应用之一
。
目前主流的身份识别方式有以下几种方式，一是传统的密码识别，通过属于简单的账户密码实现身份识别，二是基于人脸的图像识别，通过眼距
、
鼻翼
、
口鼻等特征进行比对实现身份识别，三是基于生物信息，通过虹膜
、
指纹等进行数据库比对实现身份识别
。
[0003]电信欺诈作为现有社会活动中一个社会现象，可以通过伪造指纹
、
窃取密码以及通过照片或视频伪造图像识别等去伪造用户身份进行交易，从而实现欺诈，此种通过伪造用户身份信息进行交易的方式很难被现有的交易系统识别
。

技术实现思路

[0004]鉴于上述问题，本专利技术实施例提供了一种多模态防欺诈的身份识别方法，用于解决现有技术中通过伪造用户信息进行交易的欺诈行为较难被发现的技术问题
。
[0005]根据本专利技术实施例的一个方面，提供了一种多模态防欺诈的身份识别方法，当检测到用户的身份识别信息输入行为时，获取当前用户的生物电信号
、
指纹信号以及密码输入信号，所述身份识别信息包括密码信息
、
图像信息以及生物信息中的任一种或多种；
[0006]对所述生物电信号进行信号处理以得到
R
波序列
、
心率以及心率变异参数指标；
[0007]对所述密码输入信号进行输入过程分析以获取密码行为特征参数；
[0008]对所述指纹信号进行图像处理以得到指纹特征；
[0009]将所述
R
波序列
、
所述心率
、
所述心率变异参数
、
所述指纹特征以及所述密码行为特征参数输入多模态融合模型进行特征识别以确定多模态融合特征值；
[0010]当所述多模态融合特征与预设的目标多模态融合特征之间的差异值符合预设差异值范围时，确认当前用户的身份识别信息输入行为安全
。
[0011]在一种可选的方式中，所述方法还包括：
[0012]当所述多模态融合特征与预设的目标多模态融合特征之间的差异值不符合所述预设差异值范围时，确认当前用户的身份识别信息输入行为不安全
。
[0013]在一种可选的方式中，所述获取当前用户的生物电信号
、
指纹信号以及密码输入信号的步骤包括：
[0014]在第一时间段内，通过指纹传感器获取所述指纹信号并在采集完成后输出提示信息以提示用户进行所述密码输入信号的输入；
[0015]在第二时间段内，通过密码键盘获取所述密码输入信号；
[0016]在所述第一时间内以及所述第二时间内，通过生物电传感器获取所述生物电信号；或，
[0017]在所述第二时间内，通过生物电传感器获取所述生物电信号
。
[0018]在一种可选的方式中，所述对对所述生物电信号进行信号处理以得到
R
波序列
、
心率以及心率变异参数指标的步骤，进一步包括：
[0019]对所述生物电信号进行小波模拟以得到小波时频信号；
[0020]对所述小波时频信号采用阈值法进行过滤以得到心电
R
波信号；
[0021]对所述心电
R
波信号进行特征提取以获取
R
波序列；
[0022]通过对所述
R
波序列进行重构以获得心率；
[0023]对所述心电
R
波信号进行时阈信号分析以获取所述心率变异参数的时阈指标；
[0024]对所述心电
R
波信号进行频阈信号分析以获取所述心率变异参数的频阈指标；
[0025]所述心率变异参数的时阈指标与所述心率变异参数的频阈指标组成所述心率变异参数指标
。
[0026]在一种可选的方式中，所述对所述生物电信号进行小波模拟以得到小波时频信号的步骤，进一步包括：
[0027]根据生物电信号确定小波基以及信号分解层级；
[0028]通过不同所述信号分解层级的所述小波基一对一对不同频率的所述生物电信号进行采样以获得小波时频信号
。
[0029]在一种可选的方式中，当检测到用户的身份识别信息输入行为时，获取当前用户的生物电信号
、
指纹信号以及密码输入信号的步骤之后还包括：
[0030]根据所述生物电信号获得心电
R
波信号；
[0031]对所述心电
R
波信号进行频阈信号分析以获取所述心率变异参数的频阈指标中的低频功率以及高频功率，其中，所述心率变异参数的频阈指标中的低频功率为人体交感神经活性指标，所述心率变异参数的频阈指标中的高频功率为人体副交感神经活性指标；
[0032]所述低频功率与所述高频功率的比值为交易心理压力参数定量指标
。
[0033]在一种可选的方式中，所述将所述
R
波序列
、
所述心率
、
所述心率变异参数
、
所述指纹特征以及所述密码行为特征参数输入多模态融合模型进行特征识别以确定多模态融合特征值的步骤之后，还包括：
[0034]当所述多模态融合特征与预设的目标多模态融合特征之间的差异值符合预设差异值范围时，确认所述交易心理压力参数定量指标是否处于预设安全范围；
[0035]若处于所述预设安全范围，则确认当前用户的身份识别信息输入行为安全
。
[0036]在一种可选的方式中，所述密码行为特征参数包括密码序列以及密码行为记录，所述密码行为记录包括密码字符序号
、
字符输入所用时间
、
字符回退次数以及字符回退时间
。
[0037]根据本专利技术实施例的另一方面，提供了一种多模态防欺诈的身份识别装置，所述多模态防欺诈的身份识别装置包括：
[0038]参数获取模块，用于在检测到用户的身份识别信息输入行为时，获取当前用户的生物电信号
、
指纹信号以及密码输入信号，所述身份识别信息包括密码信息
、
图像信息以及生物信息中的任一种或多种；
[0039]计算模块，用于对所述生物电信号进行信号处理以得到
R
波序列
、
心率以及心率变异参数指标；对所述密码输入信号进行输入过程分析以获取密码行为特征参数；对所述指
纹信号进行图像处理以得到指纹特征；将所述
R
波序列
、
所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多模态防欺诈的身份识别方法，其特征在于，所述方法包括：当检测到用户的身份识别信息输入行为时，获取当前用户的生物电信号
、
指纹信号以及密码输入信号，所述身份识别信息包括密码信息
、
图像信息以及生物信息中的任一种或多种；对所述生物电信号进行信号处理以得到
R
波序列
、
心率以及心率变异参数指标；对所述密码输入信号进行输入过程分析以获取密码行为特征参数；对所述指纹信号进行图像处理以得到指纹特征；将所述
R
波序列
、
所述心率
、
所述心率变异参数
、
所述指纹特征以及所述密码行为特征参数输入多模态融合模型进行特征识别以确定多模态融合特征值；当所述多模态融合特征与预设的目标多模态融合特征之间的差异值符合预设差异值范围时，确认当前用户的身份识别信息输入行为安全
。2.
根据权利要求1所述的多模态防欺诈的身份识别方法，其特征在于，所述获取当前用户的生物电信号
、
指纹信号以及密码输入信号的步骤包括：在第一时间段内，通过指纹传感器获取所述指纹信号并在采集完成后输出提示信息以提示用户进行所述密码输入信号的输入；在第二时间段内，通过密码键盘获取所述密码输入信号；在所述第一时间内以及所述第二时间内，通过生物电传感器获取所述生物电信号；或，在所述第二时间内，通过生物电传感器获取所述生物电信号
。3.
根据权利要求1所述的多模态防欺诈的身份识别方法，其特征在于，所述对所述生物电信号进行信号处理以得到
R
波序列
、
心率以及心率变异参数指标的步骤，进一步包括：对所述生物电信号进行小波模拟以得到小波时频信号；对所述小波时频信号采用阈值法进行过滤以得到心电
R
波信号；对所述心电
R
波信号进行特征提取以获取
R
波序列；通过对所述
R
波序列进行重构以获得心率；对所述心电
R
波信号进行时阈信号分析以获取所述心率变异参数的时阈指标；对所述心电
R
波信号进行频阈信号分析以获取所述心率变异参数的频阈指标；所述心率变异参数的时阈指标与所述心率变异参数的频阈指标组成所述心率变异参数指标
。4.
根据权利要求3所述的多模态防欺诈的身份识别方法，其特征在于，所述对所述生物电信号进行小波模拟以得到小波时频信号的步骤，进一步包括：根据生物电信号确定小波基以及信号分解层级；通过不同所述信号分解层级的所述小波基一对一对不同频率的所述生物电信号进行采样以获得小波时频信号
。5.
根据权利要求1所述的多模态防欺诈的身份识别方法，其特征在于，当检测到用户的身份识别信息输入行为时，获取当前用户的生物电信号
、
指纹信号以及密码输入信号的步骤之后还包括：根据所述生物电信号获得心电
R
波信号；对所述心电
R
波信号进行频阈信...

【专利技术属性】
技术研发人员：胡吉，张丽莉，周炎晖，黎云志，
申请(专利权)人：珠海碳云智能科技有限公司，
类型：发明
国别省市：