CN105095709A - 在线签字的鉴定方法及*** - Google Patents

Abstract

本发明申请公开了一种在线签字的鉴定方法及***，以解决电子签字鉴定在不同的应用场合中，准确性和成本之间的矛盾。包括以下步骤：对身份确定的人员对象进行多样本量的电子签字样本采集，注册形成该人员的样本库；在核实指定签字是否对应指定人员对象之前，根据预设置的误入率和误拒率对鉴定算法进行调整，然后根据调整后的算法判断指定签字是否对应指定人员对象。本方案最终实现了一个灵活的电子签字判断方式，根据不同的应用场景选择合理的工作方式，得到较高的鉴定准确性或者是较低的运行成本。

Description

在线签字的鉴定方法及***

技术领域

本发明涉及一种可鉴定计算机在线签字数据的方法。

背景技术

《中华人民共和国电子签名法》已由中华人民共和国第十届全国人民***常务委员会第十一次会议于2004年8月28日通过，自2005年4月1日起施行。该法被认为是中国首部真正电子商务法意义上的立法。因为自1996年***颁布《电子商务示范法》以来，世界各国电子商务立法如火如荼，有的国家颁布了电子商务法或交易法，有的国家颁布了电子签名或数字签名法，也有的国家兼采两种立法方式。而我国电子商务立法最终在国家信息化战略的引导下出台，可以说是业内人士期盼已久的举措，也受到了各相关企业乃至政府部门的高度关注。被称为“中国首部真正意义上的信息化法律”，自此电子签名与传统手写签名和盖章具有同等的法律效力。《电子签名法》是我国推进电子商务发展，扫除电子商务发展障碍的重要步骤。

在当前的大好环境下各种新的电子签字技术涌现而出。与之相对应的是，电子签字的鉴定技术也在随之发展，所述鉴定的含义是：事先指定签字和签字人，然后判断指定的签字是否指定的签字人作出。由于实际情况的复杂性，电子签字的鉴定难免出现判断上的偏差，而且在不同的应用环境下对鉴定偏差的容忍度也有所不同，在一些重大的场合对鉴定的准确性要求较高，但是鉴定准确性的提高，会不可避免的提高鉴定的时间及工作量等成本，而在一些鉴定量大且准确性要求低的应用场合中，高准确性带来的成本是这种情况下可能难以承受的。如何解决上述的矛盾是所属领域技术人员一直致力于完善的问题。

整个说明书对背景技术的任何讨论，并不代表该背景技术一定是所属领域技术人员所知晓的现有技术；整个说明书中的对现有技术的任何讨论并不代表认为该现有技术一定是广泛公知的或一定构成本领域的公知常识。

发明内容

本发明意在提供一种在线签字的鉴定方法，以解决电子签字鉴定在不同的应用场合中，准确性和成本之间的矛盾。

本方案中的在线签字的鉴定方法，包括以下步骤：

对身份确定的人员对象进行多样本量的电子签字样本采集，注册形成该人员的样本库；

在核实指定签字是否对应指定人员对象之前，根据预设置的误入率和误拒率对鉴定算法进行调整，然后根据调整后的算法鉴定指定签字是否对应指定人员对象。

误入率是指将不同的签名误认为是相同的签名，而加以接受的出错比率。误拒率是指将相同的签名误认为是不同的签名，而加以拒绝的出错比率。

本方案适用于判断某指定的签字是否某指定人员所作出的。在具体的判断步骤启动前，根据实际的应用场景设定误入率和误拒率，然后根据设定的误入率和误拒率决定实际要使用的算法，或者是对算法进行调整以满足相关的要求，这里提到的对鉴定算法进行调整是指选择不同的算法，或者是对算法本身内容的调整，均选用所属领域普通技术人员所掌握的现有技术。本方案最终实现了一个灵活的电子签字判断方式，根据不同的应用场景选择合理的工作方式，得到较高的鉴定准确性或者是较低的运行成本。

进一步，在人员注册时，确定身份的前提下进行小样本量的采集，注册时进行稳定性训练，签字次数应当大于样本数，在所有的签字中选出样本数，而且选出的样本需为特征最接近的一批；

鉴定后，若绝对确定指定签字对应指定人员，则将该指定签字加入样本库，然后对样本库中的所有签字进行特征近似度比对，然后将近似度最低的签字移出样本库。

稳定性训练是指通过反复的签字，使人员当前的数次签字特征尽量的趋于一致，避免因其他因素造成人员签字特征的区别过大。所述绝对确定是指通过其他的鉴定手段，包括各种生物特征识别手段，能够基本的保证签字一定是指定人员所完成。本方案可以在每次签字判断后动态的更新样本库，保证了样本库处于一个进化的状态。

本发明还提供一种在线签字的鉴定***，以解决电子签字鉴定在不同的应用场合中，准确性和成本之间的矛盾。

本方案中的在线签字的鉴定***，包括：

电子签字记录装置，用于对身份确定的人员对象进行多样本量的电子签字样本采集；

存储器，用于存储人员的电子签字样本；

运算器，连接电子签字记录装置和存储器，可在核实指定签字是否对应指定人员对象之前，根据预设置的误入率和误拒率对鉴定算法进行调整，然后根据调整后的算法判断指定签字是否对应指定人员对象。

附图说明

图1为本发明实施例的硬件结构示意图。

具体实施方式

下面通过具体实施方式并结合图1对本发明作进一步详细的说明：

在线签字的采集可以按下述方案进行：

在线签字的记录***的硬件包括签字台，签字台的内部安装有计算机主机，主机内的处理芯片为运算器，主机内置有存储器、授时模块、GPS模块、3G模块，主机接入了互联网以进行信息的网络交互，授时模块接收国家授时中心发出的绝对时间（即国家标准时间），3G模块用于与外界进行无线数据通信。

与主机通过线缆联接的有书写屏、书写笔、摄像头、虹膜识别仪。书写屏、书写笔、摄像头、虹膜识别仪均按典型的安装方式设在签字台上。虹膜识别仪属于选用设备，可以在需要时按照公知的典型方式采集签字人的虹膜信息。

书写屏为512级或者以上压感等级，书写笔上拇指通常所处的位置安装有指纹识别器，书写笔上还安装有汗液传感器，主机可以根据需要随时采集签字人的汗液成分。

在线签字的记录方法按照以下步骤进行，步骤之间的顺序可以根据需要作调整：

1、主机上电启动，进入待机状态；

2、默认状态主机以5毫秒时间间隔的采样频率采集各种签字参数，即每个采样周期之间间隔5毫秒。采样频率的时间间隔可以根据实际的需要进行调整，比如改为1毫秒、10毫秒、100毫秒等，采样频率的时间间隔越短则记录越详细，但同时数据量的增大给计算机在运算和存储的方面带来的压力越大；

3、需要签字人通过本***签字时，只需手握住书写笔，然后用拇指按压在指纹识别器上，主机检测到签字人的指纹后即进入工作状态（需提前告知签字人采集指纹的步骤），此时摄像头开始采集签字人的外貌和周边环境图像；

4、在每个采样周期时，主机将以下签字参数进行储存：要储存的场景数据包括六维向量X,Y,Z,T,A和F，其中X,Y为签字的坐标信息即轮廓，Z为签字压感，T为签字时的相对时间和绝对时间，A为附属信息，F为签字终端采样频率，在储存的同时进行加密处理；

5、根据笔画各步的绝对时间以及笔迹的位移，计算出每个笔画及笔画间所用的相对时间，同时亦计算出每个笔画书写过程中的速度及加速度变化状态，将上述计算结果加密储存；

记录***将采集数据经过运算器处理后放入存储器，储存后的数据在得到用户确认的指令后生成最终的签字后的电子文件。若未确认，可以返回到采样频率确认阶段，也可以返回到签字参数采样阶段。

每一个用户通过稳定性训练（即多次签字演练，使用户的签字动作变得较为熟练，签字特征趋于一致，此时可以不采集电子数据）后采集10次签字数据，然后从10个数据中选取5个特征波动较小的数据作为该用户的样本库，特征波动的判断可以通过本申请中提出的方案，也可以采用其他现有技术实现。最终在存储器中形成人员样本库。

本实施例中的鉴定采用DTW算法，DTW（DynamicTimeWarping，动态时间归整）算法的核心思想是在测试模式和参考模式的特征信号之间建立一条科学的时间校准匹配路径。算法的本质是通过建立一条优化的时间规整路径使得参考信号和测试信号的距离达到最小。在过程中设一个弯曲函数，其功能是完成测试模式的特征信号到参考模式的特征信号的映射。

将签名看作一个整体，通过对参考信号和测试信号进行处理，计算两个签名间的距离，对签名进行认证。对于测试签名，在验证的过程中，把它与人员样本库中的所有的参考签名依次进行匹配，匹配结束后再把匹配的结果求平均值后跟阈值比较，如果小于阈值，那么匹配结果就为真。阈值作为手写签名鉴别***的一个验证标准。可以作为签字特征近似度的标准。

传统的动态时间规整假定每一个签名采样点起着同样重要的作用，而这种假设会给鉴别带来很大的误差。实际上，在签名轨迹上各点的重要性是不同的，本方案提出给每个采样点加入权值，为两个签名间的各DTW距离增加与采样点的某种属性相关的权重因子，以加强重要采样点对DTW的贡献，降低次重要及不重要采样点对DTW的影响。

权值选取的几种方法：

(1)由采集到的签名采样点的位移坐标信息求得每个采样点的瞬时速度，并将这一特征作为权值特征。

(2)由采集到的签名采样点的位移坐标信息求的得每个采样点的平均加速度，并将这一特征作为权值特征。

(3)由采集到的签名采样点的压力坐标信息特征直接作为权值特征。

鉴定后，若通过虹膜识别等手段能够绝对的确定指定签字对应指定人员，则将该指定签字加入样本库，然后对样本库中的所有签字进行特征近似度比对，然后将近似度最低的签字移出样本库。

在鉴定的时候可以根据对阈值的调整来实现误入率和误拒率的影响。同样的，采用不同权值也可以对整个鉴定误入率和误拒率造成影响。工作人员可以根据当前应用场景，预设置不同的阈值或者权值来改变***的特性，这里的特性主要指误入率和误拒率。

当然，上述实施例中，还可以将算法进行整体性的变换，彻底改用新算法来改变***特性。如不使用上述的DTW算法，替换为吉林大学2004年作者马捷的公开文献《联机手写签名识别问题中降低误拒率的研究》中提供的算法，这一算法的特性在于误拒率可以得到显著的降低。

本申请中所公开的方法和/或算法，可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的仅是本发明的实施例，方案中公知的具体结构和/或特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍，而且实施例中的部分内容亦采用了现有技术。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (3)

1.在线签字的鉴定方法，其特征在于，包括以下步骤：

对身份确定的人员对象进行多样本量的电子签字样本采集，注册形成该人员的样本库；

在核实指定签字是否对应指定人员对象之前，根据预设置的误入率和误拒率对鉴定算法进行调整，然后根据调整后的算法鉴定指定签字是否对应指定人员对象。

2.根据权利要求1所述的在线签字的鉴定方法，其特征在于：

在人员注册时，确定身份的前提下进行小样本量的采集，注册时进行稳定性训练，签字次数应当大于样本数，在所有的签字中选出样本数，而且选出的样本需为特征最接近的一批；

鉴定后，若绝对确定指定签字对应指定人员，则将该指定签字加入样本库，然后对样本库中的所有签字进行特征近似度比对，然后将近似度最低的签字移出样本库。

3.在线签字的鉴定***，其特征在于包括：

电子签字记录装置，用于对身份确定的人员对象进行多样本量的电子签字样本采集；

存储器，用于存储人员的电子签字样本库；

运算器，连接电子签字记录装置和存储器，可在核实指定签字是否对应指定人员对象之前，根据预设置的误入率和误拒率对鉴定算法进行调整，然后根据调整后的算法判断指定签字是否对应指定人员对象。