基于生物信息身份驗(yàn)證的電子密碼票據(jù)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及的是一種生物信息（主要為聲紋信息）進(jìn)行電子票據(jù)購買及確認(rèn)的方 法及系統(tǒng)。尤其是設(shè)及一種W文本內(nèi)容作為電子票據(jù)密鑰、聲紋信息輔助身份認(rèn)證的方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 傳統(tǒng)上的票據(jù)主要有紙質(zhì)票、1C卡等，但是，傳統(tǒng)的紙質(zhì)票和1C卡存在著冒認(rèn)、偽 造W及生產(chǎn)制造工藝復(fù)雜的缺點(diǎn)。并且，該些票據(jù)的使用需要借助專業(yè)的設(shè)備，且讀票只能 依次進(jìn)行，不能同步并行驗(yàn)票。
[0003] 電子票據(jù)的核屯、思想就是將實(shí)物票據(jù)電子化，電子的票據(jù)可W如同實(shí)物票據(jù)一樣 進(jìn)行轉(zhuǎn)讓、貼現(xiàn)、質(zhì)押、托收等行為。傳統(tǒng)票據(jù)業(yè)務(wù)中的各項(xiàng)票據(jù)業(yè)務(wù)的流程均沒有改變，只 是每一個(gè)環(huán)節(jié)的都加載了電子化處理手段，大大提高了票務(wù)的準(zhǔn)確度和識(shí)別速度。然而，現(xiàn) 今市場(chǎng)上的二維碼、條形碼等電子票據(jù)又不能很好地驗(yàn)證持票人本人的身份，因此，在某些 需要驗(yàn)證持票人身份的場(chǎng)合并不適用。
[0004] 傳統(tǒng)的票務(wù)系統(tǒng)，如紙質(zhì)票、W刷卡代票等等，缺點(diǎn)：工本費(fèi)過高、不能并行驗(yàn)票導(dǎo) 致效率低、不能排除冒認(rèn)。而已有的電子票據(jù)又難W對(duì)本人的身份進(jìn)行驗(yàn)證，且更容易偽 造。
[0005] 經(jīng)過對(duì)現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，中國專利文獻(xiàn)號(hào)CN104282091A，公開（公告）日 2015. 01. 14,公開了一種票據(jù)數(shù)據(jù)生成/傳送/保存/認(rèn)證的方法，利用哈希函數(shù)生成的哈 希值，避免直接在傳送/保存密碼。通過哈希值構(gòu)成的認(rèn)證碼，來驗(yàn)證電子票據(jù)的真?zhèn)巍Ｔ?票務(wù)發(fā)行裝置中，利用用戶ID、票ID、保存于本地的密碼和哈希函數(shù)，使用HMAC函數(shù)生成票 務(wù)數(shù)據(jù)的認(rèn)證碼，并和未加密的用戶ID、票ID -起傳送并保存于用戶手持移動(dòng)裝置。通過 HMAC函數(shù)的不可逆原理，保證票務(wù)數(shù)據(jù)認(rèn)證碼的安全性。在驗(yàn)票過程中，通過NFC等傳送方 式，在票務(wù)驗(yàn)證裝置中處理票務(wù)的驗(yàn)證，通過相同的方法再計(jì)算認(rèn)證碼。通過比較認(rèn)證碼的 同一性，在認(rèn)證碼相同的情況下判斷認(rèn)證通過。通過該方法實(shí)現(xiàn)票務(wù)驗(yàn)證處理的安全性、即 時(shí)性，并保證運(yùn)用成本具有競(jìng)爭(zhēng)力。但該技術(shù)的缺陷包括；1)票務(wù)數(shù)據(jù)仍保存在本地，用戶 需要攜帶個(gè)人證件或手持移動(dòng)裝置等才能進(jìn)行身份驗(yàn)證，并沒有利用用戶的生物特征；2) 驗(yàn)證過程過度依賴設(shè)備，設(shè)備一旦丟失很容易被冒認(rèn)。
[0006] 中國專利文獻(xiàn)號(hào)CN101075316,公開（公告）日2007. 11. 21，公開了一種電子票證 交易認(rèn)證管理計(jì)算機(jī)系統(tǒng)，用于該技術(shù)電子票證交易認(rèn)證管理方法的實(shí)施，電子票證載體 結(jié)構(gòu)功能的實(shí)現(xiàn)及其內(nèi)容的填寫、辨讀、認(rèn)證、傳遞、簽發(fā)，交易交換電子票證的裝置終端功 能管理、W及終端間、系統(tǒng)間的通訊會(huì)話。建立電子票證交易認(rèn)證管理中屯、，連接金稅工程、 金財(cái)工程、商業(yè)銀行、國家征信、公安國安、工商管理、物權(quán)管理、海關(guān)管理、稅務(wù)管理、體彩 中屯、、福彩中屯、、執(zhí)法機(jī)關(guān)、車輛管理系統(tǒng)，用戶實(shí)名注冊(cè)終端裝置，購買下載電子票證，完 成填寫、認(rèn)證、電子簽名、鎖定，通過電子票證交易認(rèn)證網(wǎng)站交換，實(shí)現(xiàn)多系統(tǒng)綜合認(rèn)證、采 信，保障票證的真實(shí)性、可支付性，讓所有支付行為都在社會(huì)相關(guān)系統(tǒng)的監(jiān)督認(rèn)證之下，抑 制腐敗、防止犯罪。但該技術(shù)的缺陷包括；1)將全社會(huì)所有票據(jù)交易、支付行為置于監(jiān)控之 下需要超大規(guī)模的監(jiān)控服務(wù)器，部署困難；2)需要有政府部口對(duì)大規(guī)模監(jiān)控的支持，會(huì)上 升到國家級(jí)戰(zhàn)略層面，社會(huì)分歧會(huì)很大。
[0007] 中國專利文獻(xiàn)號(hào)CN102314877A公開（公告）日2012. 01. 11，公開了一種字符內(nèi)容 提示的聲紋識(shí)別方法，包括W下步驟；步驟一、通過隨機(jī)種子產(chǎn)生一個(gè)長度為N的隨機(jī)字符 串，N為> 2的正整數(shù)；步驟二、每次顯示一個(gè)字符，檢測(cè)是否已完成單個(gè)字符的錄音，如果 已完成單個(gè)字符的錄音再彈出下一個(gè)字符，直至最后一個(gè)字符被錄音；步驟=、完成整個(gè)字 符串的錄音后，進(jìn)行聲紋驗(yàn)證。該技術(shù)通過實(shí)時(shí)的靜音檢測(cè)算法，采取一種冒泡式的字符串 提示，使得連續(xù)字符串可視為一串孤立的字符，解決了字符連讀對(duì)語音識(shí)別和聲紋認(rèn)證的 性能影響。但該技術(shù)的缺陷包括；1)錄音過程耗時(shí)較長，逐字彈出的設(shè)定很容易使用戶喪 失耐屯、；2)僅僅對(duì)聲紋識(shí)別的算法做了改進(jìn)，但并沒有找到適合應(yīng)用該算法的合適場(chǎng)景。
【發(fā)明內(nèi)容】
[000引本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提出一種基于生物信息身份驗(yàn)證的電子密 碼票據(jù)方法及系統(tǒng)，運(yùn)用先進(jìn)的說話人識(shí)別算法，準(zhǔn)確地判斷客戶身份，同時(shí)電子票務(wù)的特 點(diǎn)也節(jié)約了工本費(fèi)和人工費(fèi)，具有高效、低成本等特點(diǎn)。并且，我們獨(dú)創(chuàng)性地采用了固定密 鑰和隨機(jī)密鑰相結(jié)合的系統(tǒng)，使得應(yīng)用本系統(tǒng)既可W生成一次性票據(jù)（固定密鑰），也可W 生成多次使用的票據(jù)（隨機(jī)密鑰）。應(yīng)用場(chǎng)景；酒店入住辦理與口禁系統(tǒng)（隨機(jī)密鑰，多次 使用）、火車票購買與使用（固定密鑰，一次性）、電影演唱會(huì)等各種團(tuán)購券（固定密鑰，一 次性）的購買和使用。
[0009] 本發(fā)明是通過W下技術(shù)方案實(shí)現(xiàn)的：
[0010] 本發(fā)明設(shè)及一種基于生物信息身份驗(yàn)證的電子密碼票據(jù)方法，包括W下步驟：
[0011] 步驟1) W用戶唯一的身份識(shí)別號(hào)碼為索引機(jī)建立用戶數(shù)據(jù)庫，具體為：當(dāng)服務(wù)器 端收到用戶端的購票信息且購買的票據(jù)是一次性的，則在常用字字典中生成字符串文本， 并發(fā)回用戶端作為固定一次性密鑰；當(dāng)購買的票據(jù)時(shí)多次使用的，則生成小范圍字典并反 饋給用戶端。
[0012] 所述的字符串文本是指：在常用字字典中任意取5個(gè)，當(dāng)用戶端收到字典后，錄入 該5個(gè)單獨(dú)的字符語音，隨機(jī)生成密碼就是5個(gè)字符隨機(jī)排序。
[0013] 所述的常用字字典是指；《現(xiàn)代漢語常用字表》(1988年版）所規(guī)定的2500個(gè)常用 字。
[0014] 所述的小范圍字典是指：從{0，1，2,3,4,5,6,7,8,9}中隨機(jī)生成6位數(shù)字組成的 密鑰。
[0015] 步驟2)用戶根據(jù)收到的固定一次性密鑰或小范圍字典進(jìn)行朗讀，并將相應(yīng)音頻 文件反饋至服務(wù)器，服務(wù)器通過文本相關(guān)說話人模型訓(xùn)練算法建立隨機(jī)聲紋票據(jù)對(duì)應(yīng)的說 話人模型，具體為：
[0016] 2. 1)建立說話人識(shí)別通用背景模型（UBM，Universal Background Model)。
[0017] 所述的通用背景模型采用的訓(xùn)練數(shù)據(jù)為；涵蓋各種型號(hào)的手機(jī)錄制的中文語音數(shù) 據(jù)，其中：用于訓(xùn)練的數(shù)據(jù)可達(dá)幾百小時(shí)，每句話的長度從Is到9s不等，男女?dāng)?shù)據(jù)都有，每 個(gè)人都有幾十句甚至上百句的話可供選擇。
[001引所述的通用背景模型的訓(xùn)練過程為；首先提取原始語音的PLP特征，之后訓(xùn)練 1024個(gè)高斯分布的高斯混合模型，具體為：
[0019]
.其中；Cm表示第m個(gè)高斯的權(quán)重，ym、 Em分別為第m個(gè)高斯的均值與方差，p(x)表示數(shù)據(jù)在整個(gè)高斯混合模型中的整體似然概 率。
[0020] 所述的訓(xùn)練使用最大期望算法（EM)，即滿足W下條件：
[002引其中；丫m(n)代表第n個(gè)數(shù)據(jù)在第m個(gè)高斯分布中的似然概率，Um、E m、Cm分別 表示第m個(gè)高斯分布的均值、方差、權(quán)重。
[0026] 2. 2)將用戶所讀入的單子音頻拼接為連續(xù)語句。
[0027] 所述的拼接的順序按照固定一次性密鑰或小范圍字典決定。
[0028] 2. 3)對(duì)通用背景模型進(jìn)行最大后驗(yàn)概率（MAP,Maximum a posterior^注冊(cè)并生 成說話人模型。
[0029] 所述的注冊(cè)，采用的數(shù)據(jù)為拼接后的用戶音頻：
[0030]
其中：0為說話人模型的模型參數(shù)，X 為注冊(cè)所用音頻。
[0031] 步驟3)當(dāng)用戶發(fā)出驗(yàn)證請(qǐng)求時(shí)，服務(wù)器通過文本相關(guān)說話人驗(yàn)證算法比較說話 人模型生成的音頻和待測(cè)音頻是否為同一說話人，并輸出認(rèn)證結(jié)果。
[0032] 所述的文本相關(guān)說話人驗(yàn)證算法是指；分別計(jì)算測(cè)試音頻在通用背景模型和說話 人模型中的似然分?jǐn)?shù)。對(duì)于某段測(cè)試音頻Y，冊(cè)和H1假設(shè)為
[003引那么評(píng)分為
其中；T為該段測(cè)試語音的總帖數(shù)，0為 預(yù)設(shè)的闊值（該闊值可通過使用校驗(yàn)集在等錯(cuò)誤率