本發(fā)明屬于信息安全技術(shù)領(lǐng)域，尤其涉及一種基于行為特征的隱私安全保護(hù)系統(tǒng)。

背景技術(shù)：

隨著移動設(shè)備的普及，移動智能終端用戶隱私的保護(hù)越來越受到關(guān)注。存儲在移動設(shè)備上的文件與信息都屬于用戶隱私。移動設(shè)備的丟失、他人的惡意查看、密碼的丟失等多種原因都會導(dǎo)致隱私泄露。傳統(tǒng)的隱私保護(hù)認(rèn)證方法如基于物品的認(rèn)證方法和基于知識的身份認(rèn)證方法存在易遺失、偽造、損壞、被破解等缺點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的發(fā)明目的是：為了解決現(xiàn)有技術(shù)中存在的以上問題，本發(fā)明提出了一種擁有高可靠性、高穩(wěn)定性，能夠代替和輔助傳統(tǒng)的身份認(rèn)證的于行為特征的隱私安全保護(hù)系統(tǒng)。

本發(fā)明的技術(shù)方案是：一種基于行為特征的隱私安全保護(hù)系統(tǒng)，包括：

前臺交互子系統(tǒng)，用于與用戶進(jìn)行人機(jī)交互，采集用戶首次注冊信息和手寫簽名過程中的圖像信息，接收用戶的操作請求指令，顯示簽名匹配結(jié)果和操作請求反饋結(jié)果；

手寫簽名識別子系統(tǒng)，用于根據(jù)手寫簽名圖像中的行為特征采用基于HMM-IMM的軌跡捕捉模型進(jìn)行處理，生成簽名匹配結(jié)果；

后臺處理子系統(tǒng)，用于將所述前臺交互子系統(tǒng)采集的注冊信息和所述手寫簽名識別子系統(tǒng)處理后的簽名匹配結(jié)果保存至數(shù)據(jù)庫，對數(shù)據(jù)庫中保存的數(shù)據(jù)進(jìn)行查詢和修改，對用戶的操作請求指令進(jìn)行處理并生成操作請求反饋結(jié)果。

進(jìn)一步地，所述用戶的操作請求指令具體包括私密文件的加解密請求、私密聯(lián)系人及隱私短信的訪問請求、訪問受保護(hù)應(yīng)用程序請求和屏幕解鎖請求。

進(jìn)一步地，所述手寫簽名識別子系統(tǒng)包括訓(xùn)練模塊和匹配模塊；所述訓(xùn)練模塊用于根據(jù)用戶首次輸入的手寫簽名圖像構(gòu)建基于HMM-IMM的軌跡捕捉模型；所述匹配模塊用于根據(jù)用戶后續(xù)輸入的手寫簽名圖像利用基于HMM-IMM的軌跡捕捉模型進(jìn)行匹配，生成簽名匹配結(jié)果。

進(jìn)一步地，所述對手寫簽名圖像進(jìn)行處理，生成簽名匹配結(jié)果，具體包括以下步驟：

A、從所有手寫簽名圖像中按比例提取若干張簽名圖片，并對簽名圖片進(jìn)行預(yù)處理；

B、將步驟B中預(yù)處理后的簽名圖片按方陣排列，根據(jù)像素密度特征和局部傾斜方向特征提取特征向量；

C、通過構(gòu)建基于HMM-IMM的軌跡捕捉模型對步驟B中的特征向量進(jìn)行處理，得到特征向量值；

D、采用前向后向算法對步驟C中的特征向量值進(jìn)行打分，判斷打分結(jié)果是否在預(yù)設(shè)閾值內(nèi)；若打分結(jié)果在預(yù)設(shè)閾值內(nèi)，則匹配成功并生成簽名匹配結(jié)果；若打分結(jié)果不在預(yù)設(shè)閾值內(nèi)，則匹配失敗返回步驟A。

進(jìn)一步地，所述步驟A中對簽名圖片進(jìn)行預(yù)處理包括對簽名圖片進(jìn)行簽名矩形區(qū)域提取、平移不變和歸一化處理；所述簽名矩形區(qū)域提取具體為將簽名圖片轉(zhuǎn)化為二值矩陣，再將二值矩陣切割成最小的矩陣，提取包含簽名的最小矩形區(qū)域；所述平移不變具體為：將簽名圖片轉(zhuǎn)化的二值矩陣采用矩陣平移的方式對簽名圖片進(jìn)行平移；所述歸一化具體為：將簽名圖片歸一化到240*240的設(shè)定區(qū)域內(nèi)。

進(jìn)一步地，所述歸一化處理的坐標(biāo)變換公式具體為：

x₁＝240*(x_t-x_min)/(x_max-x_min)

y₁＝240*(y_t-y_min)/(y_max-y_min)

其中，(x_t,y_t)表示當(dāng)前t時(shí)刻位置簽名筆在屏幕上的位置，(x_min,y_min)為設(shè)定區(qū)域的左下頂點(diǎn)坐標(biāo)，(x_max,y_max)為設(shè)定區(qū)域的右上頂點(diǎn)坐標(biāo)。

進(jìn)一步地，所述步驟B中根據(jù)像素密度特征和局部傾斜方向特征提取特征向量具體為：根據(jù)像素密度特征統(tǒng)計(jì)每一行的像素點(diǎn)的個(gè)數(shù)NU；根據(jù)局部傾斜方向特征計(jì)算每一塊內(nèi)傾斜點(diǎn)的數(shù)目，得到局部傾斜方向特征向量為[NS,PS,VS,HS]；從而在每一塊中得到一個(gè)特征向量[NU,NS,PS,VS,HS]。

進(jìn)一步地，所述步驟C中構(gòu)建基于HMM-IMM的軌跡捕捉模型表示為：

其中，下標(biāo)1表示低速狀態(tài)，下標(biāo)2表示高速狀態(tài)；mⁱ表示i時(shí)刻狀態(tài)；y⁰:ⁱ⁺¹表示從0到i+1時(shí)刻的圖像信號序列；P_jk表示高低速狀態(tài)的轉(zhuǎn)移概率，且j,k＝1,2；U₁(i-1)表示i-1時(shí)刻簽名狀態(tài)處于低速時(shí)的概率，U₂(i-1)表示i-1時(shí)刻簽名狀態(tài)處于高速時(shí)的概率；C₁,C₂分別為低速模型和高速模型的歸一化系數(shù)；l_i為簽名筆在i時(shí)刻的坐標(biāo)；分別表示相鄰兩幀截屏中簽名筆的位置估計(jì)；E(i)表示i時(shí)刻簽名筆的位置估計(jì)。

進(jìn)一步地，所述步驟D中匹配成功并生成簽名匹配結(jié)果還包括利用匹配成功的簽名圖片對應(yīng)的特征向量訓(xùn)練基于HMM-IMM的軌跡捕捉模型，對基于HMM-IMM的軌跡捕捉模型進(jìn)行更新。

進(jìn)一步地，所述基于HMM-IMM的軌跡捕捉模型的更新公式具體為：

其中，NP₁(mⁱ|y^0:i)和NP₂(mⁱ|y^0:i)分別表示模型在長時(shí)間連續(xù)估計(jì)中的更新狀態(tài)。

本發(fā)明具有以下有益效果：

(1)匹配方式新穎，簡單可行：本發(fā)明根據(jù)中文簽名的特點(diǎn)，基于時(shí)間節(jié)奏記憶屬性進(jìn)行簽名匹配，簽名獲取的不僅僅是最后完整的簽名，同時(shí)動態(tài)地記錄了簽名的過程；在保證簽名圖像可以匹配的情況下，有效地降低了簽名者因當(dāng)時(shí)的環(huán)境和身體狀況帶來簽名整體速度改變的影響，同時(shí)降低錯誤拒絕率(真實(shí)簽名被拒絕)和錯誤接受率(偽造簽名被接受)；

(2)特征提取簡單有效：本發(fā)明根據(jù)中文離線簽名的特點(diǎn)，構(gòu)建基于HMM-IMM的軌跡捕捉模型，通過將簽名整體分割為子簽名塊，提取子簽名塊中像素點(diǎn)數(shù)和局部傾斜特征作為特征值；

(3)驗(yàn)證準(zhǔn)確，自適應(yīng)能力強(qiáng)：本發(fā)明采用動態(tài)增加訓(xùn)練樣本的方法解決了訓(xùn)練樣本不足、字體隨時(shí)間變化等因素帶來的系統(tǒng)識別率下降的問題。簽名的樣本逐漸變大，使得模型越來越精確，匹配越來越來準(zhǔn)確；

(4)功能完善，操作靈活易用：本發(fā)明將移動終端上需要進(jìn)行隱私保護(hù)的內(nèi)容進(jìn)行保護(hù)，包括移動終端上用戶與私密聯(lián)系人間往來短信、用戶的私密應(yīng)用程序、隱私文件以及手機(jī)的進(jìn)入權(quán)限等、這種多種功能的整合比添加各種單獨(dú)保護(hù)的軟件簡潔，從而為用戶帶來良好的體驗(yàn)；

(5)市場前景廣闊：本發(fā)明的基于手寫簽名生物特征的識別方式對于用戶來說不僅可接受程度高而且吸引力大，在生物識別技術(shù)受多方重視，信息安全問題成為全社會關(guān)注焦點(diǎn)的背景下，本發(fā)明的市場前景非常廣闊和樂觀。

附圖說明

圖1是本發(fā)明的基于行為特征的隱私安全保護(hù)系統(tǒng)結(jié)構(gòu)示意圖。

圖2是本發(fā)明簽名圖像匹配流程示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，為本發(fā)明的基于行為特征的隱私安全保護(hù)系統(tǒng)結(jié)構(gòu)示意圖。一種基于行為特征的隱私安全保護(hù)系統(tǒng)，包括：

前臺交互子系統(tǒng)，用于與用戶進(jìn)行人機(jī)交互，采集用戶首次注冊信息和手寫簽名過程中的圖像信息，接收用戶的操作請求指令，顯示簽名匹配結(jié)果和操作請求反饋結(jié)果；

手寫簽名識別子系統(tǒng)，用于根據(jù)手寫簽名圖像中的行為特征采用基于HMM-IMM的軌跡捕捉模型進(jìn)行處理，生成簽名匹配結(jié)果；

后臺處理子系統(tǒng)，用于將所述前臺交互子系統(tǒng)采集的注冊信息和所述手寫簽名識別子系統(tǒng)處理后的簽名匹配結(jié)果保存至數(shù)據(jù)庫，對數(shù)據(jù)庫中保存的數(shù)據(jù)進(jìn)行查詢和修改，對用戶的操作請求指令進(jìn)行處理并生成操作請求反饋結(jié)果。

本發(fā)明的前臺交互子系統(tǒng)用于實(shí)現(xiàn)系統(tǒng)與用戶之間進(jìn)行人機(jī)交互，其利用基于Android的移動終端實(shí)現(xiàn)。在用戶使用本發(fā)明的隱私安全保護(hù)系統(tǒng)時(shí)，前臺交互子系統(tǒng)判斷用戶是否為首次使用；若用戶是首次使用，則采集用戶的首次注冊信息以及手寫簽名過程中的圖像信息，并將注冊信息傳輸至后臺處理子系統(tǒng)，將手寫簽名過程中的圖像信息傳輸至手寫簽名識別子系統(tǒng)；若用戶不是首次使用，則直接采集用戶手寫簽名過程中的圖像信息，并將手寫簽名過程中的圖像信息傳輸至手寫簽名識別子系統(tǒng)。前臺交互子系統(tǒng)還用于接收用戶輸入的操作請求指令，這里的操作請求指令具體包括私密文件的加解密請求、私密聯(lián)系人及隱私短信的訪問請求、訪問受保護(hù)應(yīng)用程序請求和屏幕解鎖請求，并將接收的操作指令傳輸至手寫簽名識別子系統(tǒng)。前臺交互子系統(tǒng)還用于顯示手寫簽名識別子系統(tǒng)反饋的簽名匹配結(jié)果以及后臺處理子系統(tǒng)反饋的操作請求反饋結(jié)果。

本發(fā)明的手寫簽名識別子系統(tǒng)包括訓(xùn)練模塊和匹配模塊；所述訓(xùn)練模塊用于根據(jù)用戶首次輸入的手寫簽名圖像構(gòu)建基于HMM-IMM的軌跡捕捉模型；所述匹配模塊用于根據(jù)用戶后續(xù)輸入的手寫簽名圖像利用基于HMM-IMM的軌跡捕捉模型進(jìn)行匹配，生成簽名匹配結(jié)果。為了解決訓(xùn)練樣本不足、字體隨時(shí)間變化等因素帶來的系統(tǒng)識別率下降的問題，本發(fā)明采用動態(tài)增加訓(xùn)練樣本的方法，利用訓(xùn)練模塊根據(jù)匹配成功的簽名圖片對應(yīng)的特征向量訓(xùn)練基于HMM-IMM的軌跡捕捉模型，對基于HMM-IMM的軌跡捕捉模型進(jìn)行更新；這樣使得簽名的樣本逐漸變大，基于HMM-IMM的軌跡捕捉模型也越來越精確，匹配越來越來準(zhǔn)確。

用戶首次使用本發(fā)明的基于行為特征的隱私安全保護(hù)系統(tǒng)時(shí)，系統(tǒng)會要求用戶進(jìn)行簽名訓(xùn)練，簽名經(jīng)過預(yù)處理后提取出特征向量，使用特征向量對初始的基于HMM-IMM的軌跡捕捉模型進(jìn)行訓(xùn)練；初始會給五次訓(xùn)練機(jī)會；訓(xùn)練模塊根據(jù)用戶首次輸入的手寫簽名圖像構(gòu)建基于HMM-IMM的軌跡捕捉模型，具體包括以下步驟：

A、從所有手寫簽名圖像中按比例提取若干張簽名圖片，并對簽名圖片進(jìn)行預(yù)處理；

B、將步驟B中預(yù)處理后的簽名圖片按方陣排列，根據(jù)像素密度特征和局部傾斜方向特征提取特征向量；

C、構(gòu)建基于HMM-IMM的軌跡捕捉模型并利用步驟B中提取的特征向量進(jìn)行訓(xùn)練。

在步驟A中，目前常用的用來衡量生物特征識別系統(tǒng)性能的評價(jià)標(biāo)準(zhǔn)有如下兩個(gè)：

誤拒率(FRR)：生物特征識別系統(tǒng)錯誤地拒絕系統(tǒng)的合法用戶的概率；

誤納率(FAR)：生物特征識別系統(tǒng)錯誤地接收系統(tǒng)的非法用戶的概率。

FRR和FAR是兩個(gè)相關(guān)的錯誤率，當(dāng)其中一個(gè)錯誤率降低，另外一個(gè)錯誤率必然上升，因此系統(tǒng)需要在FRR和FAR之間取一個(gè)折衷。可以通過調(diào)整模式匹配的判決閾值來控制生物識別系統(tǒng)的FRR和FAR。

等拒率(EER)常用來評價(jià)生物特征識別的整體性能，ERR即FAR和FRR相同時(shí)的錯誤率。若能降低ERR，就能有效提高系統(tǒng)性能。實(shí)驗(yàn)測試，當(dāng)時(shí)間間隔低于0.04秒時(shí)，F(xiàn)AR和FRR達(dá)到均衡。

本系統(tǒng)采用每隔0.04秒提取一次手寫簽名過程中簽名圖片的方法，將提取出的簽名圖片按順序保存起來。因?yàn)槊總€(gè)人在書寫簽名時(shí)習(xí)慣不同，雖然模仿者可以模仿字形，但是書寫簽名的速度不同。一般來說每個(gè)人每次書寫簽名的速度是變化的，但是一個(gè)人書寫簽名的相對速度是不變的，習(xí)慣在某些部分寫的快，某些部分寫的慢，也就是說一個(gè)人在他/她總共的書寫時(shí)間內(nèi)，書寫某一部分花的時(shí)間的比例是穩(wěn)定的，因此本發(fā)明利用這一特征來進(jìn)行簽名的鑒別。本發(fā)明把所有記錄下來的圖片，按比例選取10張；例如有20張圖片，則選取第2，4，6，8，10，12，14，16，18，20張；例如有40張圖片，則選取第4，8，12，16，20，24，28，32，36，40張。本發(fā)明根據(jù)中文簽名的特點(diǎn)，基于時(shí)間節(jié)奏記憶屬性進(jìn)行簽名匹配，簽名獲取的不僅僅是最后完整的簽名，同時(shí)動態(tài)地記錄了簽名的過程；在保證簽名圖像可以匹配的情況下，有效地降低了簽名者因當(dāng)時(shí)的環(huán)境和身體狀況帶來簽名整體速度改變的影響，同時(shí)降低錯誤拒絕率(真實(shí)簽名被拒絕)和錯誤接受率(偽造簽名被接受)。

本發(fā)明再對選取的簽名圖片進(jìn)行預(yù)處理，將采集到的數(shù)據(jù)變成適宜特征提取的形式，使得在保持真?zhèn)魏灻g差異的同時(shí)縮小真實(shí)簽名之間的差異。對簽名圖片進(jìn)行預(yù)處理包括對簽名圖片進(jìn)行簽名矩形區(qū)域提取、平移不變和歸一化處理。

為了使得提取的圖片包含更少的冗余數(shù)據(jù)，因此本發(fā)明將包含簽名的最小矩形區(qū)域提取出來。這里的簽名矩形區(qū)域提取具體為將簽名圖片轉(zhuǎn)化為二值矩陣，再將二值矩陣切割成最小的矩陣，提取包含簽名的最小矩形區(qū)域。

由于簽名者每次在書寫簽名時(shí)的位置會有所變化，所以為了保證簽名匹配時(shí)的精度，要求每次提取出來的簽名具有平移不變性，能夠平移到同一位置。這里的平移不變具體為：將簽名圖片轉(zhuǎn)化的二值矩陣采用矩陣平移的方式對簽名圖片進(jìn)行平移；

本發(fā)明的歸一化處理具體為：將簽名圖片歸一化到設(shè)定區(qū)域內(nèi)，即將采集到的圖片歸一化到240*240的區(qū)域里。歸一化處理的坐標(biāo)變換公式具體為：

x₁＝240*(x_t-x_min)/(x_max-x_min)

y₁＝240*(y_t-y_min)/(y_max-y_min)

其中，(x_t,y_t)表示當(dāng)前t時(shí)刻位置簽名筆在屏幕上的位置，(x_min,y_min)為設(shè)定區(qū)域的左下頂點(diǎn)坐標(biāo)，(x_max,y_max)為設(shè)定區(qū)域的右上頂點(diǎn)坐標(biāo)。

在步驟B中，本發(fā)明對預(yù)處理之后的簽名圖像自上而下分成八行八列的方陣排列，用每一塊內(nèi)的局部特征構(gòu)成特征向量。這里本發(fā)明選取像素密度特征和局部傾斜方向特征。

對于像素密度特征，本發(fā)明統(tǒng)計(jì)每一行的像素點(diǎn)的個(gè)數(shù)NU。

對中文簽名而言，在局部區(qū)域內(nèi)，撇、捺、豎的組合，及橫筆畫的不完全水平，造成簽名在局部豎直方向上的變化非常復(fù)雜。為此，在每一塊內(nèi)提取簽名的局部傾斜方向特征。對于簽名骨架上的非邊界點(diǎn)S(x，y)，按下面的規(guī)則分類：

(1)如果P(x+1，y-1)＝P(x-1，y+1)非0，則S為負(fù)方向傾斜點(diǎn)；

(2)如果P(x-1，y-1)＝P(x+1，y+1)非0，則S為正方向傾斜點(diǎn)；

(3)如果P(x，y-1)＝P(x，y+1)非0，則S為豎直方向點(diǎn)；

(4)如果P(x-1，y)＝P(x+1，y)非0，則S為水平方向點(diǎn)。

這些點(diǎn)統(tǒng)稱為傾斜點(diǎn)。計(jì)算每一塊內(nèi)4類傾斜點(diǎn)的數(shù)目[NS，PS，VS，HS]，則局部傾斜方向特征向量為[NS，PS，VS，HS]。

從而在每一塊中可以得到一個(gè)特征向量[NU，NS，PS，VS，HS]。

在步驟C中，假設(shè)終端位置坐標(biāo)為隱狀態(tài)輸出狀態(tài)Y⁽ⁱ⁾為可觀測的，且每個(gè)狀態(tài)與對應(yīng)輸出的概率分布相同。轉(zhuǎn)移矩陣為A＝{P(M_i|M_i-1)}，可見狀態(tài)的概率矩陣為B＝{P(Y_i|M_i-1)}，初始化狀態(tài)π＝{P(x₀)}。將轉(zhuǎn)移概率劃分為兩個(gè)部分，即位置轉(zhuǎn)移概率(PTP)和視線轉(zhuǎn)移概率(STP)：

在實(shí)際環(huán)境下，位置轉(zhuǎn)移概率與位置坐標(biāo)直接關(guān)聯(lián)。視線轉(zhuǎn)移概率服從正態(tài)分布，有

其中，f(ΔQ,d)為額外權(quán)重，d為M_i與M_i-1間的距離，ΔQ為M_i與M_i-1間的偏轉(zhuǎn)角。

本發(fā)明采用D/TA算法在HMM框架中完成位置估計(jì)，通過尋找第i時(shí)刻所有接收信號中P(mⁱ|y^0:i)的最大值，類似于前后向算法中的前向求P(mⁱ|y^0:i-1)的過程，表示為：

由于i+1時(shí)刻的位置信息和i+1時(shí)刻的所接收的信號隱含了i時(shí)刻終端位置的關(guān)聯(lián)信息，因此需要增大該時(shí)刻接收信號的概率比重以及相關(guān)聯(lián)的P(mⁱ|y^0:(i+1))的值，表示為：

此時(shí)，P(mⁱ|y^0:i)成為P(mⁱ|y^0:i+1)的基準(zhǔn)，在實(shí)時(shí)處理過程中，利用D/TA算法獲得P(mⁱ|y^0:i+1)的計(jì)算結(jié)果。

由于用戶在書寫過程中存在速度間的轉(zhuǎn)換，即高速和低速的切換，因此本發(fā)明引入交互式多模型(IMM)有助于在多變環(huán)境中提高定位精度。為了簡化速度變化的連續(xù)過程，假定該過程為高速和低速狀態(tài)兩個(gè)狀態(tài)間的變化。

假定U₁(i-1)表示i-1時(shí)刻移動終端在低速狀態(tài)的概率，U₂(i-1)表示i-1時(shí)刻移動終端在高速狀態(tài)的概率，E(i)表示τ時(shí)刻的位置估計(jì)。易知模型選擇是基于∑_m∈MP₁(mⁱ|y^0:i+1)和∑_m∈MP₂(mⁱ|y^0:i+1)的，將IMM算法融入Markov鏈，可以計(jì)算出每個(gè)模型最終位置所對應(yīng)的權(quán)重。該過程可以描述為

其中，下標(biāo)1表示低速狀態(tài)，下標(biāo)2表示高速狀態(tài)；mⁱ表示i時(shí)刻狀態(tài)；y^0:i+1表示從0到i+1時(shí)刻的圖像信號序列；P_jk表示高低速狀態(tài)的轉(zhuǎn)移概率，且j,k＝1,2；U₁(i-1)表示i-1時(shí)刻簽名狀態(tài)處于低速時(shí)的概率，U₂(i-1)表示i-1時(shí)刻簽名狀態(tài)處于高速時(shí)的概率；C₁,C₂分別為低速模型和高速模型的歸一化系數(shù)；l_i為簽名筆在i時(shí)刻的坐標(biāo)；分別表示相鄰兩幀截屏中簽名筆的位置估計(jì)；E(i)表示i時(shí)刻簽名筆的位置估計(jì)。本發(fā)明根據(jù)中文離線簽名的特點(diǎn)，構(gòu)建基于HMM-IMM的軌跡捕捉模型，通過將簽名整體分割為子簽名塊，提取子簽名塊中像素點(diǎn)數(shù)和局部傾斜特征作為特征值；采用HMM-IMM進(jìn)行建模能反應(yīng)各個(gè)子簽名模塊之間的關(guān)聯(lián)?；贖MM-IMM的軌跡捕捉模型中主要捕捉信號序列Y與狀態(tài)M之間的潛在關(guān)系。利用維特比算法，通過計(jì)算所有概率P(m^0:(i-1)|y^0:(i-1))得到最大可能序列m^0:(i-1)。

本發(fā)明采用動態(tài)增加訓(xùn)練樣本的方法解決了訓(xùn)練樣本不足、字體隨時(shí)間變化等因素帶來的系統(tǒng)識別率下降的問題。一般手寫簽名認(rèn)證系統(tǒng)中都存在樣本不足的問題，一旦匹配的簽名通過，將它作為樣本再次訓(xùn)練模型，隨著簽名次數(shù)的增多，簽名的樣本逐漸變大，使得模型越來越精確，匹配越來越來準(zhǔn)確。一般書寫者的筆跡也不是一成不變的，這樣能逐漸適應(yīng)用戶簽名微弱的變化，最大程度適應(yīng)當(dāng)前用戶的簽名。模型更新過程如下：

其中，NP₁(mⁱ|y^0:i)和NP₂(mⁱ|y^0:i)分別表示模型在長時(shí)間連續(xù)估計(jì)中的更新狀態(tài)。

用戶再次使用本發(fā)明的基于行為特征的隱私安全保護(hù)系統(tǒng)時(shí)，匹配模塊根據(jù)用戶后續(xù)輸入的手寫簽名圖像同樣經(jīng)過簽名的提取、預(yù)處理、特征向量的提取過程，然后運(yùn)用之前建立的基于HMM-IMM的軌跡捕捉模型，利用基于HMM-IMM的軌跡捕捉模型將橫豎撇捺折之間速度的變化描述出來，再采用前向后向算法對特征向量值進(jìn)行打分，實(shí)現(xiàn)簽名匹配。本發(fā)明中的匹配模塊根據(jù)用戶后續(xù)輸入的手寫簽名圖像利用基于HMM-IMM的軌跡捕捉模型進(jìn)行匹配，生成簽名匹配結(jié)果，如圖2所示，為本發(fā)明簽名圖像匹配流程示意圖，具體包括以下步驟：

A、從所有手寫簽名圖像中按比例提取若干張簽名圖片，并對簽名圖片進(jìn)行預(yù)處理；

B、將步驟B中預(yù)處理后的簽名圖片按方陣排列，根據(jù)像素密度特征和局部傾斜方向特征提取特征向量；

C、通過構(gòu)建基于HMM-IMM的軌跡捕捉模型對步驟B中的特征向量進(jìn)行處理，得到特征向量值；

D、采用前向后向算法對步驟C中的特征向量值進(jìn)行打分，判斷打分結(jié)果是否在預(yù)設(shè)閾值內(nèi)；若打分結(jié)果在預(yù)設(shè)閾值內(nèi)，則匹配成功并生成簽名匹配結(jié)果；若打分結(jié)果不在預(yù)設(shè)閾值內(nèi)，則匹配失敗返回步驟A。

在步驟C中，本發(fā)明根據(jù)用戶首次使用本發(fā)明的隱私安全保護(hù)系統(tǒng)時(shí)構(gòu)建的基于HMM-IMM的軌跡捕捉模型對步驟B中的特征向量進(jìn)行處理，將橫豎撇捺折之間速度的變化描述出來，得到特征向量值。

在步驟D中，本發(fā)明采用前向后向算法對步驟C中的特征向量值進(jìn)行打分，再與預(yù)先設(shè)置的匹配閾值進(jìn)行比較，判斷打分結(jié)果是否在預(yù)設(shè)閾值內(nèi)；若打分結(jié)果在預(yù)設(shè)閾值內(nèi)，則匹配成功并生成簽名匹配結(jié)果，將簽名匹配結(jié)果傳輸至前臺交互子系統(tǒng)進(jìn)行顯示；若打分結(jié)果不在預(yù)設(shè)閾值內(nèi)，則匹配失敗返回步驟A，要求用戶重新輸入手寫簽名。本發(fā)明會給用戶三次機(jī)會進(jìn)行驗(yàn)證，若三次均失敗后則會鎖住本系統(tǒng)一段時(shí)間，從而有效保障系統(tǒng)安全。這里的具體打分機(jī)制具體為：取得簽名的的特征向量值后，根據(jù)前向后向算法求得P(0|λ)，其中λ表示基于HMM-IMM的軌跡捕捉模型，計(jì)算多次簽名的均值p和方差δ，閾值可定義為

這里P_min為P(0|λ)的最小判斷閾值，P_max為P(0|λ)的最大判斷閾值，控制參數(shù)a的選取對系統(tǒng)的誤識別率有很大的影響，其值越大表示決策閾值越寬松，系統(tǒng)的誤納率FAR就會越大，反之，系統(tǒng)的誤拒率FRR就會越大。實(shí)際應(yīng)用中需要根據(jù)系統(tǒng)的要求折中取值，取得a＝1.3。

本發(fā)明的后臺處理子系統(tǒng)主要是Android移動終端對用戶前臺的交互進(jìn)行處理，具體為接收前臺交互子系統(tǒng)采集的注冊信息和手寫簽名識別子系統(tǒng)處理后的簽名匹配結(jié)果并保存至Sqlite數(shù)據(jù)庫，在簽名匹配過程中對數(shù)據(jù)庫中保存的數(shù)據(jù)進(jìn)行查詢和修改，以及對用戶的操作請求指令進(jìn)行處理并生成操作請求反饋結(jié)果。這里的操作請求指令具體包括私密文件的加解密請求、私密聯(lián)系人及隱私短信的訪問請求、訪問受保護(hù)應(yīng)用程序請求和屏幕解鎖請求。本發(fā)明基于手寫簽名特征的保護(hù)機(jī)制主要實(shí)現(xiàn)Android移動終端內(nèi)部的隱私數(shù)據(jù)保護(hù)，主要包括以下四個(gè)方面：私密應(yīng)用的程序鎖；隱私文件的訪問限制；屏幕鎖功能；私密聯(lián)系人設(shè)置(包括隱私短信保護(hù)和來電接聽)。用戶選擇保護(hù)應(yīng)用程序后，系統(tǒng)將會調(diào)用Android里的應(yīng)用程序列表，選擇需要保護(hù)的應(yīng)用程序；當(dāng)下次打開該應(yīng)用程序，需要進(jìn)行簽名驗(yàn)證。用戶選擇加密文件功能，選擇文件列表中想要加密的文件；下次打開文件時(shí)，需要進(jìn)行簽名驗(yàn)證。用戶選擇鎖屏功能后，一旦屏幕鎖定后再次進(jìn)入手機(jī)需要進(jìn)行簽名驗(yàn)證；用戶選擇添加私密聯(lián)系人，用戶可以從Android系統(tǒng)自帶的聯(lián)系人列表中選擇添加，抑或選擇手動輸入號碼創(chuàng)建聯(lián)系人；此時(shí)原Android系統(tǒng)自帶的聯(lián)系人列表中已經(jīng)沒有該聯(lián)系人；對該聯(lián)系人可以選擇是否攔截其來電，以及保護(hù)短信。本發(fā)明將移動終端上需要進(jìn)行隱私保護(hù)的內(nèi)容進(jìn)行保護(hù)，包括移動終端上用戶與私密聯(lián)系人間往來短信、用戶的私密應(yīng)用程序、隱私文件以及手機(jī)的進(jìn)入權(quán)限等、這種多種功能的整合比添加各種單獨(dú)保護(hù)的軟件簡潔，從而為用戶帶來良好的體驗(yàn)。

本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。