身份識別技術的發(fā)展趨勢

身份識別技術的發(fā)展趨勢目前隨著電子商務和電子政務的發(fā)展，以及GSM，CPRS，CDMA，WLAN等無線移動通信技術與相應業(yè)務的發(fā)展,身份認證的理論和技術已經在不斷成熟完善的基礎上,出現了幾個研究熱點。2.1圖像口令技術傳統的口令認證技術主要是基于文本口令,大部分安全系統為了保證口令的安全性都會要求用戶選擇較長的復雜口令,這種文本口令提高令。圖像口令技術是用一組圖像組成的集合代替文本字符集合,用戶通過從圖像集合中選擇PTP該系統的安全性在于從TP為了提高安全性應使組合數?。═-P］2。2生物特征識別技術以上傳統的身份驗證方式，都是基于.whatyouknowyouhaveIT別方面將占據不可或缺地位。生物識別技術是通過提取人體的生物特征數據或行為的特征屬性來進行身份認證的一種技術.生物特征是指人體獨一無二的可通過測量:DNA硬度等；行為特征有：音調、簽名、行走步態(tài)等.生物識別技術的出現,為解決真正意義上的身份驗證提供了可能，江林升教授提出的在網絡化考試中運用實時人臉識別技術對身份的驗證,效果顯著，但實現此類技術所需的硬件、網絡帶寬等要求較高,因而實現難度較大,2。3基于數據挖掘的身份識別目前較為火熱的Web一種基于數據挖掘的個人身份信息自動識別模型本文提出的基于數據挖掘技術的個人身份信息自動識別模型，如1配主要是便于快速地從電子郵件中匹配出包含有個人身份信息的電3。1正則表達式目前已經有很多用來匹配個人身份識別信息的算法，文獻提通過提取協議應用的特征以及關鍵詞,撰寫相對應的正則表達式。正Linux，Awk，Sendshellweb＊FROMTABLE1WHERENAME="TOMSMITH"TOMSMITH”就是一個簡單的模式。實際應用中用戶所要查詢的是更為一般，更為通用的模式.合理地使用正則表達式進行數據庫查詢不。2通過正則表達式匹配出來的電子郵件的主題和內容存儲為文本形式的文檔，由于所轉化出來的文本文檔都是非結構化的,不利于計算機自動分析處理,因此需要對文本進行一定的預處理。利用基于向量空（W1，W2,…,Wn)Wi為第iTF—IDF公式：為詞tdtd中的詞頻,nt分母為歸一化因子。經過以上處理和計算后可以將文檔庫表示為m＊n（Term—DocumentMatrix)：公式（2），mαiji個詞在第jAAtCt式計算詞和類別的互信息量：其中：其中，P(t︱Ck）tCkD本數，N(t，dI）dItVNtj，diDi=1????=??表示這個文本類中所有詞的詞頻之和.P(tD計算結果將取值最大的前mm這樣就將nm3。3機器學習分類是數據挖掘和機器學習領域的一個主要任務.分類要解決的問題是將一個事件或對象歸類其特點是先對不同類別加以定義并由預先已分好類的樣構成訓練集為每個類別作出準確的描述或建立分析模型或挖掘出分類規(guī)則,然后對其他數據庫中的數據進行分類.用于分類分析的技術很多,典型的方法有統計方法的貝葉斯分類＃機器學習的判定樹歸納分類#神經網絡的后向傳播分類等。還有其他一些分類方法，包括K-最臨近分類、遺傳算法、粗糙集和模糊集方法以及支持向量機本文所架構的個人身份信息識別模型是建立在分類技術基礎之上的.具體來說,將個人身份識別看成是文本的分類問題,利用采用支持向量機和Lingpipe。分類算法來實現。支持向量機是基于統計學習理論的機器學習技術在解決小樣本非線性問題中表現出獨特優(yōu)勢,其遵循結構風險最小化原則，具有很強的學習能力和泛化性能,能夠較好地解決小樣本、高維數、非線性、局部極小等問題可以有效地進行分類、回歸、密度估計等。由于有這些優(yōu)點,支持向量機已成為機器學習領域的研究熱.Lingpipe是由Alias公司開發(fā)的一款功能非常強大的自然語言處理軟件包.其包括的模塊主要有主題分類 （TopClassification） 、命名實體識別(NamedEntityRecognition)、詞性標注 （Part—ofSpeechTagging）句題檢測（SentenceDetection）、查詢拼寫錯誤 （QuerySpellChecking） 、興趣短語檢測(InterestingPhraseDetection）、聚類（Clustering）等。Lingpipe上展