一个在线手写签名身份认证系统的设计与实现

1.引言由于传统的口令方式的身份认证策略不具有个人的特征,容易被窃取,因而安全性无法保障。所以基于生物认证技术的应用获得广泛推崇。生物认证技术是指基于人的生物学特征进行个人身份认证的研究领域,如视网膜或虹膜认证,指纹认证,人脸认证,语音认证,手写体签名认证等。关于签名认证,根据数据的获取方法,可以分为两类:离线签名认证和在线签名认证。离线签名认证视签名为静态数字图像。在线签名认证使用特殊的硬件设备如数字手写板,记录笔的运动,签名被视为多通道数字信号。Nalwa认为签名的动态信息(速度,加速度等)不如静态信息(字形信息)稳定,认证应该以字形信息为主。Hastie曾使用隐马尔科夫模型(HMM)比较离线签名认证和在线签名认证,发现在线签名认证效果较好。     

基于签名鉴别的网络身份认证模型

计算机网络安全问题已经越来越受到人们的重视,而整个网络安全体系又是以有效的身份认证为基础。分析了传统的身份认证技术的缺点,对签名鉴别进行了概述,详细阐述了基于签名鉴别的身份认证技术的基本原理和基本流程,并根据签名鉴别的基本原理,把签名鉴别技术应用到网络身份认证领域,并详细介绍了基于签名鉴别的网络身份认证系统的体系结构和认证原理。     

基于信息融合的在线手写签名算法研究

为了进一步提高认证效果,在演化计算、神经网络和离散F距手写签名认证算法的基础上,提出了基于信息融合的在线手写签名认证算法。该算法将测试签名和参考签名分别通过三种算法进行认证,得出测试签名为真实签名的置信度,然后对三种认证算法的结果进行加权融合,根据最终的融合结果进行签名真假的判定。实验结果表明,信息融合算法的误拒率和误纳率都有显著的减少。     

基于HMM的在线手写签名认证系统设计与实现

在线手写签名认证是以人的行为特征为基础的身份认证技术.对在线手写签名字型曲线进行分段,分析了一系列特征,并将隐马尔可夫模型(HMM)引入到在线手写签名认证中.找到了真签名中某种比较稳定的特征,提出了一种基于隐马尔可夫模型的在线手写签名认证方法.从实验数据来看,取得了比较满意的认证效果.     

电子手写签名技术在电子公文系统中的应用

安全是电子政务应用中最重要的需求,身份认证是其安全需求的第一重要环节。电子手写签名认证技术包括签名采集系统和签名认证系统。本文介绍了基于电子手写签名的电子盖章存取认证的特点,并在一个实际的电子公文系统中分析了电子盖章的存取认证过程。     

采用身份签名技术的无线Mesh网认证方法

无线Mesh网的节点可以同时成为申请者和认证者,在采用EAP-TLS进行接入认证时容易受到中间人攻击。设计了基于身份签名技术的认证协议,通过挑战签名和验证实现双向认证,避免中间人攻击问题。采用节点服务门票技术简化认证过程,利用服务门票的签名证实认证者的身份,避免多次认证问题。基于身份签名的认证方法避免了部署和维护PKI系统的复杂性。     

基于HMM/DTW两级结构的签名认证方法

提出一种基于HMM和DTW在线手写签名认证方法的改进方法。该方法使用签名关键点和关键点的特征值进行签名的状态划分和状态匹配,实现类内签名状态划分的一致性。并利用在线手写签名二维信息的DTW距离作为签名隐马尔科夫模型的状态观测值,构建二级签名隐马尔科夫模型认证框架进行签名认证,得到较好的认证效果。实验结果表明,认证的准确率能达到93%左右。     

隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

基于MediaPipe的非触摸式在线签名认证系统

针对手写签名认证的可靠性和设备依赖性问题,设计并实现了一种基于MediaPipe的非触摸式在线签名认证系统.该系统以MediaPipe为基础框架,通过视频获得在线手写签名,并提取签名轨迹点的时序特征作为匹配模板,进而采用加权联合概率策略构建签名认证模型.该模型在边缘端设备的平均认证等误率(EER)为3.04%.采用基于PyQt设计的应用作为可视化UI界面,实现在视频场景中的非触摸式在线签名交互认证.该系统使用实时视频感知交互方式实现在线签名认证,无需其他的外部设备,具有更低的设备依赖性和更高的认证可靠性.     

使用双线性对的自认证公钥盲签名

在盲签名方案中,消息和签名结果对签名人是不可见的。在自认证公钥签名中,验证签名有效性的同时,也验证了公钥的真实性。与已有的基于证书和基于身份的两种签名相比,自认证公钥体制具有通信代价低、计算量少的优点。结合盲签名和自认证公钥签名,使用双线性对,首次构造了一种高效的自认证公钥盲签名方案。分析表明,新方案不仅是安全的,而且其效率也非常高。     

基于多特征和证据理论离线签名识别

摘 要 本文提出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,对签名图象进行初步识别。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。     

GloveSignature: A Virtual-Reality-Based System for Dynamic Signature Verification

A survey of the principal schemes in the literature suggested that a new way of addressing the problem of signature recognition be formulated in order to find a satisfactory solution for eliminating random forgeries. A fundamental problem in the field of off-line signature recognition is the lack of a pertinent shape representation or shape factor. This paper introduces a novel idea for a dynamic signature recognition system. An initial attempt is presented to demonstrate the data glove as an effective high-bandwidth data entry device for signature recognition. GloveSignature is a virtual-reality-based environment to support the signing process. The proposed approach retains the power to discriminate against forgeries. This paper extends the use of instrumented data gloves—gloves equipped with sensors for detecting finger bend and hand position and orientation for recognizing hand signatures. Several researchers have already explored the use of gloves in other application areas but using the gloves for the recognition of hand signatures has never been reported. An attempt is made in this research to explore the feasibility of using the 5th Glove in on-line signature recognition. Two hundred signatures were collected from 20 subjects, and features were extracted. We demonstrate the effectiveness of a hybrid technique, which is based on both the most discriminating eigenfeatures and the self-organizing maps (SOFMs) for signature recognition.     

Support vector machines versus multi-layer perceptrons for efficient off-line signature recognition

The problem of automatic signature recognition has received little attention in comparison with the problem of signature verification despite its potential applications for accessing security-sensitive facilities and for processing certain legal and historical documents. This paper presents an efficient off-line human signature recognition system based on support vector machines (SVM) and compares its performance with a traditional classification technique, multi-layer perceptrons (MLP). In both cases we propose two approaches to the problem: (1) construct each feature vector using a set of global geometric and moment-based characteristics from each signature and (2) construct the feature vector using the bitmap of the corresponding signature. We also present a mechanism to capture the intrapersonal variability of each user using just one original signature. Our results empirically show that SVM, which achieves up to 71% correct recognition rate, outperforms MLP.     

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k-NN分类器对签名图像进行初步识别，将各k-NN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。     

联机中文签名鉴定的一种局部弹性匹配方法

本文提出了一种用于联机中文签名鉴定的局部弹性匹配方法。将签名切分为笔段,以包含特征的笔段为基元。基元抽取之后,首先根据一些比较简单的静态特征,采用动态规划方法寻求待测签名和参考签名基元之间的最优对应关系,根据最优对应关系,再同时考虑签名的静态和动态两类特征,对待测签名和参考签名的基元进行局部弹性匹配。在对680 个测试签名样本的识别实验中,取得了92. 6 %的平均正确识别率,在486/ 25微机上的平均识别时间为0. 9 秒,初步显示了本方法的可行性。     

A vehicle re-identification algorithm based on multi-sensor correlation

Magnetic sensors can be applied in vehicle recognition. Most of the existing vehicle recognition algorithms use one sensor node to measure a vehicle’s signature. However, vehicle speed variation and environmental disturbances usually cause errors during such a process. In this paper we propose a method using multiple sensor nodes to accomplish vehicle recognition. Based on the matching result of one vehicle’s signature obtained by different nodes, this method determines vehicle status and corrects signature segmentation. The co-relationship between signatures is also obtained, and the time offset is corrected by such a co-relationship. The corrected signatures are fused via maximum likelihood estimation, so as to obtain more accurate vehicle signatures. Examples show that the proposed algorithm can provide input parameters with higher accuracy. It improves the av-erage accuracy of vehicle recognition from 94.0%to 96.1%, and especially the bus recognition accuracy from 77.6%to 92.8%.     

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。     

基于不变矩的步态识别

提出了一种利用不变矩进行步态识别的方法。该方法把二维人体空间轮廓信号变换为一维不变矩信号,把人体的步态序列变换为不变矩矢量,对不变矩矢量进行规格化,然后根据规格化不变矩矢量进行步态识别。实验中,本文的方法取得很好的效果。     

Analysis of 3D signatures recorded using leap motion sensor

Multimedia Tools and Applications - Signature recognition is identifying the signature’s owner, whereas verification is the process to find whether a signature is genuine or forged. Though,...