身份识别技术的发展趋势

身份识别技术的发展趋势目前随着电子商务和电子政务的发展，以及GSM，CPRS，CDMA，WLAN等无线移动通信技术与相应业务的发展,身份认证的理论和技术已经在不断成熟完善的基础上,出现了几个研究热点。2.1图像口令技术传统的口令认证技术主要是基于文本口令,大部分安全系统为了保证口令的安全性都会要求用户选择较长的复杂口令,这种文本口令提高令。图像口令技术是用一组图像组成的集合代替文本字符集合,用户通过从图像集合中选择PTP该系统的安全性在于从TP为了提高安全性应使组合数！（T-P］2。2生物特征识别技术以上传统的身份验证方式，都是基于.whatyouknowyouhaveIT别方面将占据不可或缺地位。生物识别技术是通过提取人体的生物特征数据或行为的特征属性来进行身份认证的一种技术.生物特征是指人体独一无二的可通过测量:DNA硬度等；行为特征有：音调、签名、行走步态等.生物识别技术的出现,为解决真正意义上的身份验证提供了可能，江林升教授提出的在网络化考试中运用实时人脸识别技术对身份的验证,效果显著，但实现此类技术所需的硬件、网络带宽等要求较高,因而实现难度较大,2。3基于数据挖掘的身份识别目前较为火热的Web一种基于数据挖掘的个人身份信息自动识别模型本文提出的基于数据挖掘技术的个人身份信息自动识别模型，如1配主要是便于快速地从电子邮件中匹配出包含有个人身份信息的电3。1正则表达式目前已经有很多用来匹配个人身份识别信息的算法，文献提通过提取协议应用的特征以及关键词,撰写相对应的正则表达式。正Linux，Awk，Sendshellweb＊FROMTABLE1WHERENAME="TOMSMITH"TOMSMITH”就是一个简单的模式。实际应用中用户所要查询的是更为一般，更为通用的模式.合理地使用正则表达式进行数据库查询不。2通过正则表达式匹配出来的电子邮件的主题和内容存储为文本形式的文档，由于所转化出来的文本文档都是非结构化的,不利于计算机自动分析处理,因此需要对文本进行一定的预处理。利用基于向量空（W1，W2,…,Wn)Wi为第iTF—IDF公式：为词tdtd中的词频,nt分母为归一化因子。经过以上处理和计算后可以将文档库表示为m＊n（Term—DocumentMatrix)：公式（2），mαiji个词在第jAAtCt式计算词和类别的互信息量：其中：其中，P(t︱Ck）tCkD本数，N(t，dI）dItVNtj，diDi=1𝑉𝑗=𝑖表示这个文本类中所有词的词频之和.P(tD计算结果将取值最大的前mm这样就将nm3。3机器学习分类是数据挖掘和机器学习领域的一个主要任务.分类要解决的问题是将一个事件或对象归类其特点是先对不同类别加以定义并由预先已分好类的样构成训练集为每个类别作出准确的描述或建立分析模型或挖掘出分类规则,然后对其他数据库中的数据进行分类.用于分类分析的技术很多,典型的方法有统计方法的贝叶斯分类＃机器学习的判定树归纳分类#神经网络的后向传播分类等。还有其他一些分类方法，包括K-最临近分类、遗传算法、粗糙集和模糊集方法以及支持向量机本文所架构的个人身份信息识别模型是建立在分类技术基础之上的.具体来说,将个人身份识别看成是文本的分类问题,利用采用支持向量机和Lingpipe。分类算法来实现。支持向量机是基于统计学习理论的机器学习技术在解决小样本非线性问题中表现出独特优势,其遵循结构风险最小化原则，具有很强的学习能力和泛化性能,能够较好地解决小样本、高维数、非线性、局部极小等问题可以有效地进行分类、回归、密度估计等。由于有这些优点,支持向量机已成为机器学习领域的研究热.Lingpipe是由Alias公司开发的一款功能非常强大的自然语言处理软件包.其包括的模块主要有主题分类 （TopClassification） 、命名实体识别(NamedEntityRecognition)、词性标注 （Part—ofSpeechTagging）句题检测（SentenceDetection）、查询拼写错误 （QuerySpellChecking） 、兴趣短语检测(InterestingPhraseDetection）、聚类（Clustering）等。Lingpipe上展