[发明专利]基于脑电特征的身份认证方法及认证系统

说明书

本发明公开了一种基于脑电特征的身份认证方法及认证系统，其中方法包含模型训练，密码设置，α波测试，脑电波特征提取及分类，模型更新五大步骤。其中脑电波特征提取及分类方法中又由逐层预训练，网络微调，分类等三个部分组成。本发明首先利用α波在人说谎时有较大波动这一特点对测试者进行第一重认证，同时改进现有的方法，建立基于深度信念网络的特征提取方法，同时利用免疫蛙跳算法对其进行优化，对测试者在观察密码图案时的脑电波进行特征提取及分类，从而进行第二重验证。两层的验证不仅能保证用户的安全性，同时其中改进的深度信念网络还可以提高现有的识别精度，较少出错率，避免大量的误报警，为用户带来良好的体验。

技术领域

本发明涉及物联网技术及信息安全技术领域，尤其涉及一种基于脑电特征的身份认证方法及认证系统。

背景技术

传统的身份认证方式有语音认证、面部识别、密码认证、指纹认证以及虹膜认证等。这些传统的身份认证方式存在很多缺点：它们有的容易被攻破，比如密码泄露，指纹被盗取等；有的识别精度不高，需要用户多次进行输入，并且容易出现错误报警情况。因此一种难以被攻破、不易泄密并且识别精度高的身份认证系统应运而生——脑电波身份认证系统。实验研究表明脑电特征对于每个人来说都是独特的，即使是同一个人在面对不同事件或者处于不同精神状态的时候，脑电特征也会有很大的区别，因此用脑电波作为生物特征的身份认证系统将拥有良好的保密性以及较高的识别精度。

现有的脑电波身份认证系统中，大部分使用的是卷积神经网络或者深度信念网络作为特征提取以及分类的方法，但是卷积神经网络实现比较复杂，具体实例化成本较高，不宜进行推广，并且由于不同任务单独训练的原因，训练的时间比较久，因此用户可能无法及时使用；而传统的深度信念网络则由于各层间权值随机赋值的原因有时会陷入局部最优且产生“早熟”现象，因此本发明提出了使用免疫蛙跳算法优化过的深度信念网络对脑电波特征进行提取和分类，这样不仅可以跳出局部最优解，同时也会加快运算速度。

发明内容

本发明的目的是提出一种基于脑电波的身份认证方法，相比传统的数字、指纹、虹膜身份认证系统具有更加不易破解，同时方便更新密码，安全级别高等特点。

一种基于脑电特征的身份认证方法，包括以下步骤，

步骤1、将用于身份认证的图案进行训练；

步骤2、在设定的周期内设置m个训练过的图案作为密码；

步骤3、α波测试，包括：

步骤3-1、当有测试者意图进行身份认证时，身份认证系统从密码图库中任意选择m张图案对认证者询问该m张图案是否为今日选择的新密码，询问的同时观测并提取测试者的脑电波，脑电波中α波的波动用变异系数来衡量，变异系数为：

当测试者的α波的波动超过特定的阈值pa时认证不通过；

步骤3-2、测试者α波测试通过后，身份认证系统重新选择m张图案，不包含今日选择的新密码图案，此举意在帮助身份认证者快速进入状态；

步骤4、短暂的休息后，身份认证系统把真正需要的今日m张密码图案抽取出来脑电波特征提取及分类，记录下测试者看到密码图案时测试者的脑电波信号，首先利用免疫蛙跳和CD算法，对基本的深度信念网络进行逐层预训练；接着用BP算法进行深度信念网络微调；最后用RBM分类器对脑电波特征分类；

步骤5、将步骤2中的周期重新设定，从图库中抽取不同于步骤2中的图案数量，建成新的模型并进行训练。

步骤1的过程具体是：

步骤1-1、从N个图案组成的密码图库中任意选择m张图案作为训练密码；