段俊杰，尹雅君

（1.長沙理工大學物理與電子科學學院，長沙 410114；2.近地空間電磁場環(huán)境監(jiān)測與建模湖南高校重點實驗室，長沙 410114）

0 引言

統(tǒng)一身份認證讓擁有同一個賬號密碼的用戶可以登錄其他支持統(tǒng)一認證服務(wù)的應(yīng)用系統(tǒng)，給人民生活帶來了便利，用戶不必再為不同應(yīng)用系統(tǒng)不一樣的密碼記憶而糾結(jié)，管理人員也可以統(tǒng)一集中管理各個應(yīng)用系統(tǒng)上的用戶，而且統(tǒng)一認證讓開發(fā)人員專注于身份認證服務(wù)，可以提高服務(wù)質(zhì)量，但是由于統(tǒng)一身份認證的驗證方式單一，賬號密碼泄露后會造成與此關(guān)聯(lián)的所有應(yīng)用系統(tǒng)的個人信息的泄露，會給用戶生活帶來干擾，甚至造成嚴重財產(chǎn)損失[1]。因此，為了增強統(tǒng)一身份認證的安全性，需要對統(tǒng)一身份認證進行優(yōu)化，確保用戶的個人信息安全。人臉識別利用用戶人臉特征信息辨別用戶身份，將現(xiàn)實中的人臉通過攝像頭轉(zhuǎn)化為虛擬數(shù)據(jù)，讓虛擬與現(xiàn)實聯(lián)系到一起，為身份鑒別增添了真實性。到目前為止，人臉識別技術(shù)已經(jīng)在各個服務(wù)行業(yè)得到充分應(yīng)用。本文以人臉識別技術(shù)為基礎(chǔ)，結(jié)合現(xiàn)有的統(tǒng)一身份認證機制，研究一種基于人臉識別的統(tǒng)一身份認證優(yōu)化的方案，提升用戶身份認證的安全性。

1 內(nèi)容介紹

1.1 統(tǒng)一身份認證的實現(xiàn)

統(tǒng)一身份認證的結(jié)構(gòu)如圖1所示，包含認證服務(wù)模塊、認證管理模塊和身份存儲模塊等三個部分[2，3]。

圖1統(tǒng)一認證服務(wù)結(jié)構(gòu)

認證服務(wù)模塊主要為用戶提供賬號密碼驗證與信息查詢驗證，并為已接入身份認證平臺的應(yīng)用系統(tǒng)提供統(tǒng)一身份認證接口（即已在統(tǒng)一身份認證平臺登記注冊的用戶可應(yīng)用本平臺的賬號密碼登錄其他合作的應(yīng)用系統(tǒng)）。

認證管理模塊提供個人與集團權(quán)限申請、變更以及注銷業(yè)務(wù)，能根據(jù)用戶的操作信息修改存儲服務(wù)器的內(nèi)容。

身份存儲模塊提供用戶信息和用戶權(quán)限數(shù)據(jù)存儲。用戶信息是用戶注冊時保存的信息或者修改后的變更信息。用戶權(quán)限數(shù)據(jù)主要表現(xiàn)在統(tǒng)一身份認證平臺向第三方應(yīng)用系統(tǒng)提供的接口使用權(quán)限設(shè)置。

統(tǒng)一身份認證流程的步驟[4]：

（1）用戶使用已在統(tǒng)一身份認證平臺登記的賬號和密碼登錄第三方應(yīng)用系統(tǒng)提供的統(tǒng)一身份認證服務(wù)；

（2）統(tǒng)一身份認證平臺查詢數(shù)據(jù)庫，驗證用戶賬號信息，并返回憑證；

（3）第三方應(yīng)用系統(tǒng)通過返回的憑證訪問統(tǒng)一身份認證平臺，驗證憑證的有效性；

（4）第三方應(yīng)用系統(tǒng)允許用戶登錄訪問。

1.2 人臉識別技術(shù)

人臉識別技術(shù)主要有圖像采集與人臉檢測、圖像預(yù)處理、人臉特征提取和人臉匹配識別等四部分組成。

（1）圖像采集與人臉檢測:通過攝像頭捕獲不同表情、不同位置和不同角度的人臉圖像的過程。根據(jù)實際需要，人臉圖像可以是視頻流中的一幀圖像以及視頻流中某幀區(qū)的連續(xù)人臉圖像。另外，圖像采集過程不能保證每一幀圖像存在人臉，需要使用相應(yīng)的算法進行人臉區(qū)域檢測和分離，也就是人臉檢測。常用的人臉檢測算法是AdaBoost算法，AdaBoost算法使用不同弱分類器組成的強分類器以分離人臉與背景[5-6]。

（2）圖像預(yù)處理：主要包含人臉對齊，人臉對齊又分為人臉關(guān)鍵點檢測和幾何校正兩部分。

人臉關(guān)鍵點檢測算法是局部二值特征（Local Binary Features，LBF）。本文主要應(yīng)用比較先進的LBF算法，LBF使用隨機森林訓練每個關(guān)鍵點的局部二值特征，再用線性回歸方法訓練所有的局部二值特征以得到最終關(guān)鍵點模型[7]。計算公式如式（1）。

式中，I是訓練輸入圖像，S是前一階段的模型，φt是利用隨機森林確定的全局二值特征矩陣，由I和St-1共同確定，Wt是線性回歸矩陣。它屬于一種基于形狀回歸的人臉對齊算法，給定初始模型S0，最終模型S由△S逐漸逼近。

幾何校正是計算人臉關(guān)鍵點矩陣與矯正模板矩陣的相似矩陣，再將人臉圖像數(shù)據(jù)矩陣做同樣的相似變換，完成人臉矯正。相似變換公式如式（2）。

（u'，v'，1）是矯正模板矩陣，（u，v，1）是關(guān)鍵點矩陣，中間是相似矩陣，α是伸縮值，β是位移值，θ是旋轉(zhuǎn)角度[8-9]。

（3）人臉特征提?。菏褂镁矸e神經(jīng)網(wǎng)絡(luò)模型進行人臉特征值提取，2014年是牛津大學計算機視覺組（Visual Geometry Group）研發(fā)了一種深度卷積神經(jīng)網(wǎng)絡(luò)，由于此網(wǎng)絡(luò)結(jié)構(gòu)包含13個卷積層和3個全連接層，所以被稱為VGG16[10]。VGG16的詳細結(jié)構(gòu)如圖2所示。

圖2 VGG16網(wǎng)絡(luò)結(jié)構(gòu)圖

由于優(yōu)化方案主要是針對國內(nèi)相關(guān)機構(gòu)的統(tǒng)一身份認證平臺，而且VGG16預(yù)訓練模型輸出的特征參數(shù)比較多，會降低系統(tǒng)的運行效率。因此，對VGG16卷積神經(jīng)網(wǎng)絡(luò)的預(yù)訓練模型進行微調(diào)，使卷積神經(jīng)網(wǎng)絡(luò)模型的針對性更強。訓練樣本使用國內(nèi)CAS-PEALR1人臉圖像數(shù)據(jù)庫，抽取其中500類人臉，總計7988張人臉圖片，測試樣本有2500張人臉圖片。微調(diào)參數(shù)設(shè)置如圖3。

圖3微調(diào)參數(shù)

圖4是微調(diào)過程中訓練損失率與分類正確率隨迭代次數(shù)變化的示意圖。從圖中可以看出當?shù)螖?shù)超過2000以后訓練損失已接近于0，而且分類正確率達到0.8以上。表明微調(diào)參數(shù)設(shè)置較合理，VGG16卷積神經(jīng)網(wǎng)絡(luò)模型微調(diào)基本成功。

圖4訓練損失率與分類正確率變化示意圖

（4）人臉匹配識別：包括相似度計算和閾值設(shè)定兩個部分。相似度計算就是通過相應(yīng)算法（如歐幾里得算法）計算提取到的特征矩陣與已保存的特征矩陣之間的相似度。閾值設(shè)定是在確定一個閾值后，當兩者的相似度大于這個閾值，兩者是同一個人。

2 方案設(shè)計與實現(xiàn)

統(tǒng)一身份認證的優(yōu)化方案結(jié)構(gòu)如圖5所示，本方案是在第三方應(yīng)用系統(tǒng)上實現(xiàn)的，第三方應(yīng)用系統(tǒng)采用Struts2框架模擬搭建，圖上數(shù)據(jù)上傳采用AJAX技術(shù)，圖像處理與人臉特征提取使用OpenCV圖像處理庫、dlib人臉檢測庫和Caffe深度學習框架。系統(tǒng)只設(shè)置特征登記與匹配登錄兩個模塊。

圖5統(tǒng)一身份認證優(yōu)化結(jié)構(gòu)

2.1 特征登記

特征登記是在驗證統(tǒng)一身份賬號后對人臉特征信息進行保存，保證用戶后續(xù)登錄時有相關(guān)特征信息對比。這一業(yè)務(wù)模塊設(shè)置在應(yīng)用系統(tǒng)上，并且與統(tǒng)一身份認證相關(guān)聯(lián)，提升了系統(tǒng)運行效率。

特征登記流程如圖6所示，首先打開攝像頭采集圖像，將采集到的圖像上傳給應(yīng)用系統(tǒng)進行特征提取，同時輸入賬號密碼進行統(tǒng)一身份認證，應(yīng)用系統(tǒng)驗證返回的憑證，驗證有效后進行人臉圖像特征信息存儲。

圖6人臉特征登記流程

2.2 匹配登錄

匹配登錄主要是在驗證統(tǒng)一身份認證賬號后實現(xiàn)特征信息比對，從而鑒別用戶信息。這部分結(jié)合了密碼認證和人臉識別，為用戶登錄第三方應(yīng)用系統(tǒng)增添一份保障。匹配登錄過程與登記過程大致相似，不同的地方在于匹配登錄是將現(xiàn)得到的特征信息與數(shù)據(jù)庫中已登記的特征信息比對匹配，完成用戶登錄。

3 功能測試

本方案的測試環(huán)境有Win10 x64操作系統(tǒng)、AMD Ryzen 5 1600六核 CPU、NVIDIA GeForce GTX 1050 GPU、8G RAM、Logitech c270攝像頭，相關(guān)軟件有Eclipse、Visual2013。方案測試包括微調(diào)模型測試、特征登記測試和匹配登錄測試。

3.1 微調(diào)模型測試

隨機選取兩張姿態(tài)不一樣的同人圖片和一張不同人圖片，測試不同迭代次數(shù)的微調(diào)VGG模型的相似度。從2400次迭代開始測試，保證模型處于收斂穩(wěn)定狀態(tài)，測試結(jié)果如表1所示。3600次迭代后的模型對不同人與同人的相似度差值最大，說明3600次迭代得到的模型提取的特征值更準確，因此使用此微調(diào)模型進行后續(xù)測試。

表1微調(diào)模型測試

3.2 特征登記測試

本部分測試安排了10個人，其中5個人已在某一統(tǒng)一身份認證平臺注冊了賬號，另外5人未注冊賬號。在用戶已注冊和用戶未注冊的測試條件，分別測試兩者的登記成功率。測試結(jié)果如表1，用戶已注冊情況下100%的登記成功率和未注冊情況下0的成功率，說明用戶必須在統(tǒng)一身份認證平臺上注冊了賬號才能記性人臉特征登記。

表2特征登記測試

3.3 匹配登錄測試

特征登記測試的結(jié)果是5人完成特征登記，其他5人未進行注冊。首先讓未注冊的5人先進行測試，記錄測試結(jié)果；然后讓未注冊的5人完成注冊，但不進行登記；最后讓未登記的5人和已登記的5人分別進行測試。測試分為用戶未登記、用戶未登記和用戶已登記三種情況。測試結(jié)果如表2所示，未注冊情況下0的登錄成功率、未登記情況下0的登錄成功率和已登記情況下100%的成功率，表明用戶成功登錄的前提是必須同時完成賬號密碼驗證和人臉特征識別。

4 結(jié)語

將人臉識別技術(shù)融入統(tǒng)一身份認證，研究并實現(xiàn)了基于人臉識別的統(tǒng)一身份認證優(yōu)化，保障了用戶安全登錄。本方案將統(tǒng)一身份認證平臺的憑證驗證與第三方應(yīng)用系統(tǒng)的人臉認證結(jié)合，一方面避免統(tǒng)一認證平臺功能拓展時造成的安全漏洞；另一方面可以充分利用第三方應(yīng)用系統(tǒng)的處理能力；更重要的一點，人臉面部特征信息的識別證實用戶本人進行登錄操作。系統(tǒng)特征登記與匹配登錄測試的成功為基于人臉識別的統(tǒng)一身份認證優(yōu)化方案的可實施性提供了有力證明。