[发明专利]一种基于深度学习的认证识别方法以及智能空气锁

说明书

本发明公开了一种基于深度学习的认证识别方法以及智能空气锁，采集用户信号，并且对采集到的用户信号进行预处理，提取信号特征；根据信号特征识别用户类型，当用户类型为新用户，则通过深度学习为当前用户进行身份编码，完成新用户审核，并且将新用户身份编码与信号特征进行拟合存储，完成新用户注册；当用户类型为已注册用户，则根据用户的信号特征与存储的身份编码进行匹配，输出用户的身份编码，并且在数据库中查找该身份编码，完成用户认证，通过感知用户解锁时手部的运动特征，对用户进行感知认证，该方法是对传统钥匙解锁方法的增强认证，无需用户做额外的动作，具有较强的安全性和新用户可扩展性，使得认证和解锁的安全性大大提高。

技术领域

本发明涉及安全认证技术领域，尤其涉及一种基于深度学习的认证识别方法以及智能空气锁。

背景技术

门禁系统的安全性是任何组织和个人都非常关心的问题。各种智能门锁的破解技术层出不穷。现有的访问安全增强方案有基于密码的，也有基于生物特征的，它们分别容易受到模糊攻击和重放攻击。然而，新兴技术也被用于破解现有的安全增强功能。在DEFCON2020大会上，甚至有黑客可以使用3D 打印绕过指纹识别来打开门禁系统。对于家庭或者公司环境来说，加强门禁系统的安全性是非常迫切的。此外，在一户多租的情况中，租客频繁的变动需要经常更换钥匙，这对房主和租客来说都将造成不便，如何实现一个门禁增强识别系统是一个现实且具有挑战性的问题。

发明内容

针对上述缺陷或不足，本发明的目的在于提供一种基于深度学习的认证识别方法以及智能空气锁。

为达到以上目的，本发明的技术方案为：

一种基于深度学习的认证识别方法，包括：

采集用户信号，并且对采集到的用户信号进行预处理，提取信号特征；所述用户信息包括用户解锁时手部动作对无线信号传播的影响，所述信号特征包括运动特征、以及手部结构特征任一种或者组合；

根据信号特征识别用户类型，当用户类型为新用户，则通过深度学习为当前用户进行身份编码，并且向服务器端发送审核指令；向服务器端根据接收的审核指令，完成新用户审核，并且将新用户身份编码与信号特征进行拟合存储，完成新用户注册；

当用户类型为已注册用户，则根据用户的信号特征与存储的身份编码进行匹配，输出用户的身份编码，并且在数据库中查找该身份编码，确定用户身份，完成用户认证。

所述采集用户信号，并且对采集到的用户信号进行预处理，提取信号特征具体包括：

对采集的用户信号进行去除静态变量处理，提取出振幅信息；

通过小波阈值去噪方法过滤掉信号中的随机噪声；

使用基于皮尔逊相关系数的用户信号分割方法提炼出包含完整用户运动信息的信息段，利用小波变换对分割后用户信号进行基于小波的特征提取；将选取标准解锁动作产生的信号为标准数据，设定阈值，将采集、处理后的用户信号定义为接收数据，将接收数据与标准数据的皮尔逊相关系数进行比较，当大于阈值时，保留数据，得到信号特征。

所述将新用户身份编码与信号特征进行拟合存储，完成新用户注册具体包括：

根据label编码机制，利用固定维度的向量为用户进行label编码，使用全部[0,9]内的10个数字，每个label向量都是以数字0开始，其余为[1-9]区间内的任意数字组成的不同序列，使用所有[1,9]范围内9个数字组成不同的序列完成身份编码，将身份编码的结果存入数据库中；

利用用户身份分类器，将信号特征入到用户分类器中进行拟合，对用户的信号特征进行基于注意力机制的深度学习网络中进行训练，进行深度神经网络训练后，深度学习网络将信号特征与身份编码相匹配，完成新用户注册，使得再次识别时，能够基于小波的特征，输出与真实用户身份对应的身份编码。