(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211327126.0 (22)申请日 2022.10.27 (71)申请人 中安网脉 （北京） 技 术股份有限公司 地址 100071 北京市丰台区五圈南路3 0号 院1号楼B座8-10层 (72)发明人 刘歆　彭涛　唐岗　李登和　 (74)专利代理 机构 北京君有知识产权代理事务 所(普通合伙) 11630 专利代理师 焦丽雅 (51)Int.Cl. G06F 21/32(2013.01) G06F 21/62(2013.01) G06V 40/16(2022.01) H04L 9/00(2022.01) H04L 9/40(2022.01)H04L 67/02(2022.01) H04L 67/568(2022.01) (54)发明名称 基于人脸安全验证的跨浏览器高并发数据 访问的软件系统 (57)摘要 本发明公开了一种基于人脸安全验证的跨 浏览器高并发数据访问的软件系统， 该系统包 括： 用户安全验证模块， 数据缓存模块， 数据访问 模块； 其中， 所述用户安全验证模块包括摄像头 采集人脸图片， 人脸特征提取， 人脸比对， 人脸加 密等模块； 其中， 所述数据缓存模块包括联合缓 存机制， 实现了高并发数据场景下的系统稳定； 其中， 所述数据访问模块装有本地服务组件， 保 证浏览器访问本地数据的兼容性； 发 明的特点是 运用安全人脸识别技术， 在保证设备安全访问的 同时保护了用户的隐私信息， 同时设计了联合缓 存机制来保证数据高并发访问。 权利要求书3页 说明书11页 附图4页 CN 115374420 A 2022.11.22 CN 115374420 A 1.一种基于人脸安全验证的跨浏览器高并发数据访问的软件系统， 该系统包括： 用户 安全验证模块、 数据缓存 模块、 数据访问模块； 其特 征为： 所述用户安全验证模块： 包括摄像头采集人脸图像、 人脸特征提取、 人脸比对、 人脸加 密模块； 所述数据缓存模块： 采用联合缓存机制， 保持系统 的稳定性， 该联合缓存机制并在浏 览 器端， 服务器端和进程内分别部署的缓存库， 实现高并发数据场景 下的系统稳定； 所述数据访 问模块： 主要负责用户通过浏览器访 问本地数据， 为了实现跨浏览器兼容 访问本地数据； 包括本地服务组件和执行组件以保证浏览器访问本地数据的兼容性； 基于 java开发组件， 客户端计算机启动本地服务组件， 为浏览器提供WebSocket访问服务； 通过 本地服务组件和其提供的服务接口访问本地计算机 资源； 通过本地执行组件把执行结果反 馈给本地组件服 务。 2.根据权利要求1所述的基于人脸安全验证的跨浏览器高并发数据访问的软件系统， 其特征为： 用户通过所述用户安全验证模块进行身份验证： 用户通过客户端的摄像头设备 进行拍照， 采集用户人脸图像， 并通过人脸识别方法进 行用户身份匹配， 匹配成功则说明用 户是可信用户， 允许 该用户登录； 若匹配不成功， 则退回登录界面。 3.根据权利要求2所述的基于人脸安全验证的跨浏览器高并发数据访问的软件系统， 其特征为： 所述人脸识别方法包括以下步骤： 步骤1： 图像采集： 通过摄 像头或手机拍照设备， 采集用户图片； 步骤2： 人脸预处理： 识别用户图片中人脸五官部分， 并通过偏移旋转方式将用户五官 标准化； 通过采用人脸检测部 分的滑动窗口， 在图片中选出人脸候选集， 并使用回归模型修 正人脸； 步骤3： 人脸特征识别： 通过深度学习模型框架， 实现图像特征提取： 包括了特征提取 层， 特征池化层， 特 征修正层， 以及全连接层： 其中： 特 征提取层公式为： l为特征提取的层数， X为特征向量， m为矩阵的列坐标， n为矩阵的横坐标， convf()为函 数， K为卷积核， 上 标l代表层数， nm代 表矩阵的元 素位置， p为偏置向量， Q 为矩阵的列数； 特征池化层使用最大池化方式maxpool， 即将矩阵中n*n的子矩阵缩为1*1的元素， 元素 值为子矩阵的最大值； 全连接层： 用于将特 征向量映射到不同的特 征空间， 公式为： P为新的特征向量， W为权重矩阵， X为原特征向量， b代表偏置向量， 上标i代表向量维 度； 特征修正层， 公式为：权　利　要　求　书 1/3 页 2 CN 115374420 A 2func()代 表本函数， X代 表数据特 征向量， c为超参数 人工设定， e为指数； 人脸识别的模型架构为： 输入图像 ‑（卷积层 ‑池化层‑修正层） *3‑全连接层*2 ‑输出向量； 步骤4： 同态加密数据存 储： 同态加密可以在加密的状态下进行加法和乘法运 算， 且解密后不影响结果， 原则如下： 其中括号代表加密算法， a， b为加密前的数据， 可见加密前两数相加与两数相加再加密 的结果相同， 相乘同理； 对于所有的样本特 征向量， 都要做同态加密处 理， 得到： p为原向量， q代 表加密后的向量， 上 标代表维度； 同态加密算法的步骤如下： a． 生成秘钥： 计算公钥g和私钥m； 私钥m计算方式如下： 其中， 为多项式模数， n 为自定义 参数； 公钥g的计算方式为： 其中， r为随机多 项式， z为噪声， m为私钥； b． 加密算法： 对于输入的x， 用以下公式加密： 其中， t为多项式的系数模数， v为掩码， m为私钥， r为随机多项式， ， ， 为噪 声； c． 解密算法：权　利　要　求　书 2/3 页 3 CN 115374420 A 3