交互式多生物特征识别技术在电子商务中的应用

doi:10.11959/j.issn.1000-0801.2015277

电信科学 ›› 2015, Vol. 31 ›› Issue (10): 124-129.doi: 10.11959/j.issn.1000-0801.2015277

交互式多生物特征识别技术在电子商务中的应用

谈玲^1,²,张琭³

¹ 南京信息工程大学计算机与软件学院南京 210044
² 南京邮电大学物联网学院南京210003
³ 中国电信股份有限公司江苏分公司操作维护中心南京 210017

出版日期:2015-10-20 发布日期:2017-07-21
基金资助:
江苏省科技计划项目产学研联合创新资金前瞻性联合研究项目“融合通信网络监测管理平台”

Application of Interactive Multi-Biometrics Recognition on E-Commerce

Ling Tan^1,²,Lu Zhang³

¹ School of Computer and Software，Nanjing University of Information Science＆Technology，Nanjing 210044，China
² School of the Internet of Things，Nanjing University of Posts and Telecommunications，Nanjing 210003，China
³ Operation and Maintenance，Jiangsu Branch of China Telecom Co.，Ltd.，Nanjing 210017，China

Online:2015-10-20 Published:2017-07-21
Supported by:
Application ＆ Research Joint Innovation Funding Product of Jiangsu Province

摘要/Abstract

摘要：

提出了一种交互式多生物特征识别方法，并从第三方支付平台的角度研究了这种识别方法在电子商务中的应用。交互式多生物特征识别方法主要利用鼻子、耳朵、指关节纹三重生物特征来完成用户身份的识别，用户支付确认和签名则利用交互式扫脸和指纹识别来实现。针对人脸和虹膜进行了多生物特征识别的性能。设计了第三方支付平台的框架，并在此框架中搭建了一个简便和轻量级的在线支付预认证分层模型。该模型能够较好地保障支付方、商家、银行等多方的安全性和可靠性，简化用户支付的繁琐操作过程。

关键词: 安全, 交互式扫脸, 认证, 支付, 多生物特征识别

Abstract:

An interactive multi-biometrics recognition method was proposed，and its application on e-commerce was researched from third-party payment platform.For our interactive multi-biometrics recognition，the identification of users was accomplished with the recognition of multi-biometrics features like nose，ear，and finger-knuckle-print.Payment confirmation and signature were achieved with interactive face scan and fingerprint identification.A frame of third party payment platform was designed，based on which a simple and light-weighted pre-authentication layered model for online payment was established.This model can well guarantee security and reliability of payers，sellers，and banks，simplify the process of payment for users as well.

Key words: security, interactive face scan, authentication, payment, multi-biometrics recognition

谈玲,张琭. 交互式多生物特征识别技术在电子商务中的应用[J]. 电信科学, 2015, 31(10): 124-129.

Ling Tan,Lu Zhang. Application of Interactive Multi-Biometrics Recognition on E-Commerce[J]. Telecommunications Science, 2015, 31(10): 124-129.

图/表 4

参考文献 21

1	Hassinen M ， Hypponen K ， Trichina E . Utilizing national public-key infrastructure in mobile payment systems. Electronic Commerce Research and Application， 2008，7（2）
2	王科俊，邹国锋 . 基于子模式的Gabor特征融合的单样本人脸识别. 模式识别与人工智能， 2013，26（2） Wang K J ， Zou G F . A sub-pattern Gabor features fusion method for single sample face recognition. Pattern Recognition and Aitificial Intelligence， 2013，26（2）
3	Faraji M R ， Qi X J . Face recognition under illumination variations based on eight local directional patterns. IET Biometrics， 2015，4（1）
4	Kim M . Sparse discriminative region selection algorithm for face recognition. Applied Intelligence， 2015（1）
5	Li Y ， Wang Y H ， Wang B B ， et al. Nose tip detection on three-dimensional faces using pose-invariant differential surface features. IET Computer Vision， 2015，9（1）
6	Emambakhsh M ， Evans A N . Self-dependent 3D face rotational alignment using the nose region. Proceedings of the 4th International Conference on Imaging for Crime Detection and Prevention， Stevenage，UK， 2011
7	Peng X ， Bennamoun M ， Mian A S . A training-free nose tip detection method from face range images. Pattern Recognit， 2011，44（3）
8	Adhikesavan S ， Fareedha S A . Ear biometrics in human identification system. Biometrics ＆ Bioinformatics， 2014，5（4）
9	Galdamez P L ， Arrieta M A G . Ear biometrics：a small look at the process of ear recognition. Proceedings of International Joint Conference SOCO’13-CISIS’13-ICEUTE’13， Salamanca，Spain， 2013
10	Farida K ， Mir A H . AR model based human identification using ear biometrics. int.Journal of Signal Processing Image Processing， 2014，7（3）
11	Morales A ， Travieso C M ， Ferrer M A ， et al. Improved finger-knuckle print authentication based on orientation enhancement. Electronics Letters， 2011，47（6）
12	Gao G W ， Yang J ， Qian J J ， et al. Integration of multiple orientation and texture information for finger-knuckle-print verification. Nerocomputing， 2014（135）： 180～191
13	Gandhi P V ， Vanitha M ， Rajkumar S . Preventing mobility device intrusion and information theft using biometric fingerprint recognition. Biometrics ＆ Bioinformatics， 2014，6（2）
14	Labati R D ， Genovese A ， Piuri V ， et al. Touchless fingerprint biometrics：a survey on 2D and 3D technologies. Journal of Internet Technology， 2014，15（3）
15	Kim M K ， Flynn P J . Finger-knuckle-print verification based on vector consistency of corresponding interest points. Proceedings of 2014 IEEE Winter Conference on Application of Computer Vision， Steamboat Springs，USA， 2014
16	Wang Y H ， Tan T N ， Jain A K . Combining face and iris biometrics for identity verification. Preceedings of International Conference on Audio- ＆ Video-based Biometric Person Authenticat， Guildford，UK 2013： 311～321
17	Chen C H ， C hu C T . Fusion of face and iris features for multimodal biometrics. Lecture Notes in Computer Science， 2005（3832）： 571～580
18	Cristianini N ， Shawe T J . An Introduction to Support Vector Machines. Rechnical Report CSD-TR-98-04， 1998
19	Zhang J P ， Li Z W ， Yang J . A parallel SVM training algorithm on large-scale classification problems. Proceeding of the 4th International Conference on Machine Learning and Cybernetics， Guangzhou，China 2009： 18～21
20	Jing X Y ， Wong H S ， Zhang D . Face recognition based on 2D fisherface approach. Journal of Pattern Recognition， 2006，39（4）： 707～710
21	Ou C M ， Ou C R ， Setnr A . An agent-based secure payment protocol for mobile commerce. Journal of Intelligent Information And Database Systems， 2012，4（3）

训练/测试			方案1					方案2
		多生物特征识别		单生物特征识别			多生物特征识别		单生物特征识别
	KNN	NN	SVM	人脸	虹膜	KNN	NN	SVM	人脸	虹膜
3/7	83.76%	96.8%	96.4%	84.12%	89.87%	89.47%	93.89%	96.78%	89.7%	90.5%
5/5	93.1%	98.23%	99.03%	92.89%	92.96%	92.95%	97%	98.95%	92.33%	94.33%
7/3	95.14%	99.07%	100%	95.06%	92.98%	98.29%	100%	100%	98.56%	97.65%

[1]	周胜利, 蒋可怡, 徐博, 徐睿, 张熙康, 赵泉喆, 徐阳东. 面向电信网络诈骗治理的网络安全课程构建效能评估研究[J]. 电信科学, 2023, 39(6): 122-128.
[2]	张辰, 王红凯, 毛冬, 潘司晨, 赵帅. 面向电力终端的轻量化5G硬加密通信模组研究及应用[J]. 电信科学, 2023, 39(6): 159-169.
[3]	张乐, 马洪源. 运营商网络边缘云安全实践[J]. 电信科学, 2023, 39(4): 165-172.
[4]	陈滏媛, 董振江, 董建阔, 徐敏杰. 车联网安全防护技术综述[J]. 电信科学, 2023, 39(3): 1-15.
[5]	沈静洁, 李光球, 罗延翠, 刘会芝. 过时CSI下全双工中继辅助D2D网络的物理层安全[J]. 电信科学, 2023, 39(3): 89-99.
[6]	康宇, 刘雅琼, 赵彤雨, 寿国础. AI算法在车联网通信与计算中的应用综述[J]. 电信科学, 2023, 39(1): 1-19.
[7]	丁一凡, 李光球, 李辉. NOMA-D2D协作无线系统的物理层安全[J]. 电信科学, 2022, 38(9): 83-94.
[8]	章坚武, 安彦军, 邓黄燕. DNS攻击检测与安全防护研究综述[J]. 电信科学, 2022, 38(9): 1-17.
[9]	伏玉笋, 唐金辉. 使能未来工厂的5G能力综述[J]. 电信科学, 2022, 38(9): 18-35.
[10]	陈伟雄, 杨晓晨, 春增军, 李若兰, 张华. 电力企业网络安全威胁情报管理体系的研究与实践[J]. 电信科学, 2022, 38(7): 184-189.
[11]	罗洪斌, 张珊, 王志远. 异构网络融合共生的需求、挑战与架构[J]. 电信科学, 2022, 38(6): 18-30.
[12]	丁一凡, 李光球, 李辉. 窃听者随机分布SWIPT-NOMA系统的物理层安全[J]. 电信科学, 2022, 38(3): 133-142.
[13]	谢石木林, 白杰, 张翔, 汤泽毅, 粘为帆, 刘旭杰. 基于5G+MEC的电网边缘计算平台任务安全性调度方法[J]. 电信科学, 2022, 38(12): 78-85.
[14]	刘亚天, 呼博文, 陈茂飞, 刘东鑫. 5GC安全态势感知系统研究[J]. 电信科学, 2022, 38(11): 73-85.
[15]	刘云毅, 张建敏, 冯晓丽, 张丽伟. 5G MEC系统安全能力部署方案[J]. 电信科学, 2022, 38(11): 143-152.

交互式多生物特征识别技术在电子商务中的应用

Application of Interactive Multi-Biometrics Recognition on E-Commerce

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 21

相关文章 15

Metrics

推荐阅读 0