龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湖南大学
摘要：本发明提供了一种双因素身份认证方法与装置，部署于指纹锁或密码锁中，方法包括：步骤1，在用户向所述智能锁输入身份凭证信息的过程中，采集输入身份凭证信息的振动信号；步骤2，选取用于表征振动信号整体特征的统计量和用于表征振动信号频域细粒度特征的功率谱密度，建立振动信号的原始特征集；步骤3，对原始特征集中的统计量和功率谱密度进行筛选，得到细粒度特征集；步骤4，将细粒度特征集进行分类，判断振动信号的合法性；步骤5，根据身份凭证信息的认证结果与振动信号的认证结果，对所述用户的身份进行双重认证，得到身份认证结果，身份认证结果包括合法用户或非法用户。
主权项：1.一种双因素身份认证方法，应用于智能锁，其特征在于，所述方法包括：步骤1，在用户向所述智能锁输入身份凭证信息的过程中，采集输入所述身份凭证信息的振动信号；步骤2，选取用于表征所述振动信号整体特征的统计量和用于表征所述振动信号频域细粒度特征的功率谱密度，建立所述振动信号的原始特征集；步骤3，对所述原始特征集中的统计量和功率谱密度进行筛选，得到细粒度特征集；假设所述原始特征集为F包含m个特征，选择一个由m个特征组成的特征子集用如下公式表示： 其中，S为特征子集，fS为分类精度；通过MIBBPSO算法对所述原始特征集中的特征子集进行筛选，通过迭代更新、调整特征子集，选取迭代过程中分类性能最高的特征子集作为细粒度特征集，迭代过程如下： 其中，是第t+1次迭代中第i个粒子的第j个特征的值，Mμ，δ是高斯分布，μ是均值，δ是方差，r、r3的取值均为0到1之间的随机数，Pbm和Pbn是两个随机选取的特征子集，Gbj是所述细粒度特征集xij中分类性能最好的特征子集；步骤4，将所述细粒度特征集进行分类，判断所述振动信号的合法性；步骤5，根据所述身份凭证信息的认证结果与所述振动信号的认证结果，对所述用户的身份进行双重认证，得到身份认证结果，所述身份认证结果包括合法用户或非法用户。
全文数据：
权利要求：
百度查询： 湖南大学 一种双因素身份认证方法与装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号