本發(fā)明涉及光學puf認證，特別是涉及一種基于光學puf認證的用戶識別方法、一種基于光學puf認證的用戶識別裝置、一種基于光學puf認證的用戶識別設備以及一種計算機可讀存儲介質(zhì)。

背景技術(shù)：

1、基于光學物理不可克隆函數(shù)（puf，physical?unclonable?function）的用戶識別在硬件安全領域受到廣泛關(guān)注。然而，在實際應用中，由于puf定位裝置故障或者用戶操作失誤等問題，合法用戶往往會面臨身份驗證失敗的情況。因此，為提升用戶識別的可重復性及增強系統(tǒng)穩(wěn)定性，不能完全依賴于硬件定位裝置，而需要在用戶識別時采用特定的散斑識別策略。然而，傳統(tǒng)方案通常依賴于簡單度量方式來比對用戶散斑，無法滿足實際應用中對高度可重復性的需求。所以如何提供一種可以提高可重復性的基于光學puf認證的用戶識別方法是本領域技術(shù)人員急需解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于光學puf認證的用戶識別方法，具有更高的可重復性；本發(fā)明的另一目的在于提供一種基于光學puf認證的用戶識別裝置、一種基于光學puf認證的用戶識別設備以及一種計算機可讀存儲介質(zhì)，具有更高的可重復性。

2、為解決上述技術(shù)問題，本發(fā)明提供一種基于光學puf認證的用戶識別方法，包括：

3、使用第一激勵碼照射用戶puf，獲取第一響應散斑；

4、確定所述第一響應散斑以及與所述第一激勵碼對應的第一標準散斑之間的第一一致性參數(shù)，以根據(jù)所述第一一致性參數(shù)以及第一識別閾值進行第一次用戶識別；

5、在第一次用戶識別未通過后，使用相同的所述第一激勵碼重新照射用戶puf，連續(xù)獲取多個第二響應散斑；

6、確定各個所述第二響應散斑與所述第一標準散斑之間的第二一致性參數(shù)，以根據(jù)多個所述第二一致性參數(shù)以及所述第一識別閾值進行第二次用戶識別；

7、在第二次用戶識別未通過后，使用多個不同的第二激勵碼依次照射用戶puf，并在每使用一個第二激勵碼照射用戶puf后，獲取第三響應散斑；各所述第二激勵碼對應有第二標準散斑；

8、確定各個所述第三響應散斑與基于第二激勵碼對應的第二標準散斑之間的第三一致性參數(shù)，以根據(jù)多個所述第三一致性參數(shù)以及所述第一識別閾值進行第三次用戶識別；

9、在第三次用戶識別未通過后，將所述第一識別閾值下調(diào)至第二識別閾值；

10、將所述第三一致性參數(shù)與所述第二識別閾值進行比對，以進行第四次用戶識別；

11、在第四次用戶識別未通過后，基于特征點匹配算法確定所述第一響應散斑、所述第二響應散斑、所述第三響應散斑中任一個響應散斑的特征點集以及對應的標準散斑的特征點集，并計算兩組特征點集之間的第一相似度；

12、將所述第一相似度與第三識別閾值進行比對，以進行第五次用戶識別；

13、在第五次用戶識別未通過后，對用戶進行生物識別；

14、當生物識別通過后，獲取表征用戶拔出puf并重新插入的激活信息，并根據(jù)所述激活信息使用第三激勵碼照射用戶puf，獲取第四響應散斑；

15、基于特征點匹配算法確定所述第四響應散斑的特征點集以及所述第三激勵碼對應的第三標準散斑的特征點集，并計算兩組特征點集之間的第二相似度；

16、將所述第二相似度與所述第三識別閾值進行比對，以進行第六次用戶識別。

17、可選的，在基于特征點匹配算法確定所述第四響應散斑的特征點集以及所述第三激勵碼對應的第三標準散斑的特征點集之后，還包括：

18、確定所述第四響應散斑的特征點集與所述第三標準散斑的特征點集之間相互匹配的特征點集；

19、獲取所述第四響應散斑中匹配的特征點集的第一坐標值組，以及所述第三標準散斑中匹配的特征點集的第二坐標值組；

20、根據(jù)所述第一坐標值組與所述第二坐標值組確定位移均值；

21、根據(jù)所述位移均值將所述第四響應散斑中的所有像素點平移至目標坐標點，得到第五響應散斑；所述第五響應散斑與所述第四響應散斑具有重疊區(qū)域；

22、基于所述第五響應散斑位于所述重疊區(qū)域的圖片與所述第三標準散斑位于對應區(qū)域的圖片進行認證，以對用戶進行第七次用戶識別。

23、可選的，計算兩組特征點集之間的第一相似度包括：

24、確定兩組特征點集之間相互匹配的特征點數(shù)量；

25、確定相互匹配的特征點數(shù)量占特征點總數(shù)量的百分比，作為所述第一相似度；

26、和/或，計算兩組特征點集之間的第二相似度包括：

27、確定兩組特征點集之間相互匹配的特征點數(shù)量；

28、確定相互匹配的特征點數(shù)量占特征點總數(shù)量的百分比，作為所述第二相似度。

29、可選的，根據(jù)多個所述第二一致性參數(shù)以及所述第一識別閾值進行第二次用戶識別包括：

30、當任一個所述第二一致性參數(shù)超過所述第一識別閾值時，確定第二次用戶識別通過；

31、和/或，根據(jù)多個所述第三一致性參數(shù)以及所述第一識別閾值進行第三次用戶識別包括：

32、當任一個所述第三一致性參數(shù)超過所述第一識別閾值時，確定第三次用戶識別通過；

33、和/或，進行第四次用戶識別包括：

34、當任一個所述第三一致性參數(shù)超過所述第二識別閾值時，確定第四次用戶識別通過。

35、可選的，確定所述第一響應散斑以及與所述第一激勵碼對應的第一標準散斑之間的第一一致性參數(shù)包括：

36、確定所述第一響應散斑以及與所述第一激勵碼對應的第一標準散斑之間的皮爾遜相關(guān)系數(shù)，作為所述第一一致性參數(shù)；

37、和/或，確定各個所述第二響應散斑與所述第一標準散斑之間的第二一致性參數(shù)包括：

38、確定各個所述第二響應散斑與所述第一標準散斑之間的皮爾遜相關(guān)系數(shù)，作為所述第二一致性參數(shù)；

39、和/或，確定各個所述第三響應散斑與基于第二激勵碼對應的第二標準散斑之間的第三一致性參數(shù)包括：

40、確定各個所述第三響應散斑與基于第二激勵碼對應的第二標準散斑之間的皮爾遜相關(guān)系數(shù)，作為所述第三一致性參數(shù)。

41、可選的，確定所述第一響應散斑以及與所述第一激勵碼對應的第一標準散斑之間的第一一致性參數(shù)包括：

42、基于圖像濾波算法，確定所述第一響應散斑的第一二值化紋理特征圖片與所述第一標準散斑的第二二值化紋理特征圖片；

43、確定所述第一二值化紋理特征圖片與所述第二二值化紋理特征圖片之間的第一一致性參數(shù)；

44、和/或，確定各個所述第二響應散斑與所述第一標準散斑之間的第二一致性參數(shù)包括：

45、基于圖像濾波算法，確定各個所述第二響應散斑的第三二值化紋理特征圖片與所述第一標準散斑的第二二值化紋理特征圖片；

46、確定所述第二二值化紋理特征圖片與各個所述第三二值化紋理特征圖片之間的第二一致性參數(shù)；

47、和/或，確定各個所述第三響應散斑與基于第二激勵碼對應的第二標準散斑之間的第三一致性參數(shù)包括：

48、基于圖像濾波算法，確定各個所述第三響應散斑的第四二值化紋理特征圖片與各個所述第二標準散斑的第五二值化紋理特征圖片；

49、確定各個所述第四二值化紋理特征圖片與對應的所述第五二值化紋理特征圖片之間的第三一致性參數(shù)。

50、可選的，確定所述第一二值化紋理特征圖片與所述第二二值化紋理特征圖片之間的第一一致性參數(shù)包括：

51、確定所述第一二值化紋理特征圖片與所述第二二值化紋理特征圖片之間的漢明距離，作為所述第一一致性參數(shù)；

52、或，確定所述第一二值化紋理特征圖片與所述第二二值化紋理特征圖片之間的皮爾遜相關(guān)系數(shù)，作為所述第一一致性參數(shù)；

53、確定所述第二二值化紋理特征圖片與各個所述第三二值化紋理特征圖片之間的第二一致性參數(shù)包括：

54、確定所述第二二值化紋理特征圖片與各個所述第三二值化紋理特征圖片之間的漢明距離，作為所述第二一致性參數(shù)；

55、或，確定所述第二二值化紋理特征圖片與各個所述第三二值化紋理特征圖片之間的皮爾遜相關(guān)系數(shù)，作為所述第二一致性參數(shù)；

56、確定各個所述第四二值化紋理特征圖片與對應的所述第五二值化紋理特征圖片之間的第三一致性參數(shù)包括：

57、確定各個所述第四二值化紋理特征圖片與對應的所述第五二值化紋理特征圖片之間的漢明距離，作為所述第三一致性參數(shù)；

58、或，確定各個所述第四二值化紋理特征圖片與對應的所述第五二值化紋理特征圖片之間的皮爾遜相關(guān)系數(shù)，作為所述第三一致性參數(shù)。本發(fā)明還提供了一種基于光學puf認證的用戶識別裝置，包括：

59、第一響應散斑模塊，用于使用第一激勵碼照射用戶puf，獲取第一響應散斑；

60、第一次用戶識別模塊，用于確定所述第一響應散斑以及與所述第一激勵碼對應的第一標準散斑之間的第一相關(guān)系數(shù)，以根據(jù)所述第一相關(guān)系數(shù)以及第一識別閾值進行第一次用戶識別；

61、第二響應散斑模塊，用于在第一次用戶識別未通過后，使用相同的所述第一激勵碼重新照射用戶puf，連續(xù)獲取多個第二響應散斑；

62、第二次用戶識別模塊，用于確定各個所述第二響應散斑與所述第一標準散斑之間的第二相關(guān)系數(shù)，以根據(jù)多個所述第二相關(guān)系數(shù)以及所述第一識別閾值進行第二次用戶識別；

63、第三響應散斑模塊，用于在第二次用戶識別未通過后，使用多個不同的第二激勵碼依次照射用戶puf，并在每使用一個第二激勵碼照射用戶puf后，獲取第三響應散斑；各所述第二激勵碼對應有第二標準散斑；

64、第三次用戶識別模塊，用于確定各個所述第三響應散斑與基于第二激勵碼對應的第二標準散斑之間的第三相關(guān)系數(shù)，以根據(jù)多個所述第三相關(guān)系數(shù)以及所述第一識別閾值進行第三次用戶識別；

65、閾值下調(diào)模塊，用于在第三次用戶識別未通過后，將所述第一識別閾值下調(diào)至第二識別閾值；

66、第四次用戶識別模塊，用于將所述第三相關(guān)系數(shù)與所述第二識別閾值進行比對，以進行第四次用戶識別；

67、第一相似度模塊，用于在第四次用戶識別未通過后，基于特征點匹配算法確定所述第一響應散斑、所述第二響應散斑、所述第三響應散斑中任一個響應散斑的特征點以及對應的標準散斑的特征點，并計算兩組特征點之間的第一相似度；

68、第五次用戶識別模塊，用于將所述第一相似度與第三識別閾值進行比對，以進行第五次用戶識別；

69、生物識別模塊，用于在第五次用戶識別未通過后，對用戶進行生物識別；

70、第四響應散斑模塊，用于當生物識別通過后，獲取表征用戶拔出puf并重新插入的激活信息，并根據(jù)所述激活信息使用第三激勵碼照射用戶puf，獲取第四響應散斑；

71、第二相似度模塊，用于基于特征點匹配算法確定所述第四響應散斑的特征點以及所述第三激勵碼對應的第三標準散斑的特征點，并計算兩組特征點之間的第二相似度；

72、第六次用戶識別模塊，用于將所述第二相似度與所述第三識別閾值進行比對，以進行第六次用戶識別。

73、本發(fā)明還提供了一種基于光學puf認證的用戶識別設備，所述設備包括：

74、存儲器：用于存儲計算機程序；

75、處理器：用于執(zhí)行所述計算機程序時實現(xiàn)如上述任一項所述基于光學puf認證的用戶識別方法的步驟。

76、本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述任一項所述基于光學puf認證的用戶識別方法的步驟。

77、本發(fā)明所提供的一種基于光學puf認證的用戶識別方法，在用戶puf首次驗證不通過后，會依次先后通過使用同一激勵碼重復照射用戶puf進行驗證，變更激勵碼照射用戶puf進行驗證的方式進行重復驗證，并在驗證均不通過后通過調(diào)整識別閾值，提取散斑圖像特征點進行比對，結(jié)合生物識別讓用戶重新插拔puf后再次進行特征點比對等方式，以從多角度排除系統(tǒng)噪聲以及人為操作失誤的干擾，提升用戶識別的可重復性。

78、本發(fā)明還提供了一種基于光學puf認證的用戶識別裝置、一種基于光學puf認證的用戶識別設備以及一種計算機可讀存儲介質(zhì)，同樣具有上述有益效果，在此不再進行贅述。