基于区块链的指纹信息验证方法及装置与流程

1.本发明涉及区块链技术领域，尤其涉及一种基于区块链的指纹信息验证方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.当用户使用移动终端时，经常需要使用指纹识别的方式对其身份信息进行验证。由于无网络场景相对于有网络场景风险更高，在无网络场景下，若指纹识别参数设置的不合理，很可能导致各种风险的发生。
4.针对上述问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例中提供了一种基于区块链的指纹信息验证方法，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，该方法包括：采集各个银行系统的历史交易数据，其中，每个银行系统的历史交易数据包括：每个银行系统在有网络场景下的第一历史交易数据和每个银行系统在无网络场景下的第二历史交易数据；根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数；根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数；利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值；将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。
6.本发明实施例中还提供了一种基于区块链的指纹信息验证装置，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，该装置包括：交易数据采集模块，用于采集各个银行系统的历史交易数据，其中，每个银行系统的历史交易数据包括：每个银行系统在有网络场景下的第一历史交易数据和每个银行系统在无网络场景下的第二历史交易数据；交易风险系数确定模块，用于根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数；根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数；指纹识别参数阈值确定模块，用于利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值；指纹识别验证模块，用于将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。
7.本发明实施例中还提供了一种计算机设备，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，该计算机设备包括存储器、处理器及存储在存储器上
并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于区块链的指纹信息验证方法。
8.本发明实施例中还提供了一种计算机可读存储介质，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，该计算机可读存储介质，计算机可读存储介质存储有执行上述基于区块链的指纹信息验证方法的计算机程序。
9.本发明实施例中提供的基于区块链的指纹信息验证方法、装置、计算机设备及计算机可读存储介质，在采集到每个银行系统在有网络场景下的第一历史交易数据和无网络场景下的第二历史交易数据后，根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数，并根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数，然后利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值，最后将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。通过本发明实施例，能够提高无网络场景下指纹识别方式的安全性。
附图说明
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
11.图1为本发明实施例中的一种基于区块链的指纹信息验证方法流程图；
12.图2为本发明实施例中的一种可选的基于区块链的指纹信息验证方法流程图；
13.图3为本发明实施例中的一种可选的基于区块链的指纹信息验证方法流程图；
14.图4为本发明实施例中的一种指纹识别参数阈值更新流程图；
15.图5为本发明实施例中的一种风险业务交易限制流程图；
16.图6为本发明实施例中的一种基于区块链的指纹信息验证装置示意图；
17.图7为本发明实施例中的一种可选的基于区块链的指纹信息验证装置示意图；
18.图8为本发明实施例中的一种计算机设备示意图。
具体实施方式
19.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
20.本发明实施例中提供了一种基于区块链的指纹信息验证方法，图1为本发明实施例中的一种基于区块链的指纹信息验证方法流程图，如图1所示，该方法包括如下步骤：
21.s101，采集各个银行系统的历史交易数据，其中，每个银行系统的历史交易数据包括：每个银行系统在有网络场景下的第一历史交易数据和每个银行系统在无网络场景下的第二历史交易数据。
22.需要说明的是，本发明实施例中的银行系统可以是各种银行后台服务器，这些服
务器直接给客户提供服务，客户设备断网后的交易数据在设备联网后上传该银行系统。通过上述s101采集的每个银行系统的第一历史交易数据可以是各个客户在无网络场景下通过每个银行系统服务器办理的各种业务交易数据，每个银行系统的第二历史交易数据可以是各个客户在有网络场景下通过每个银行系统服务器办理的各种业务交易数据。
23.在具体实施时，可将采集的第一历史交易数据和第二历史交易数据上传到区块链网络上，该区块链网络可以是由各个银行系统作为区块链存储节点构成的区块链网络，也可以是一个单独的区块链网络，各个银行系统通过区块链客户端与该区块链网络通信，接收区块链网络推送的数据或向区块链网络上传数据。
24.s102，根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数；根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数。
25.交易风险系数用来衡量一定场景下在银行系统进行交易对客户可能造成损失的量化指标。在获得每个银行系统的第一历史交易数据和第二历史交易数据后，可根据每个银行系统在有网络场景下的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数，并根据每个银行系统在无网络场景下的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数。
26.在具体实施时，在获取到各个银行系统的第一历史交易数据和第二历史交易数据后，可以根据银行系统的第一历史交易数据和第二历史交易数据确定每个银行系统的第一交易风险系数和第二交易风险系数，进而根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景和有网络场景下的总交易数据、涉及指纹识别的总交易数据、风险交易数据以及涉及指纹识别的风险交易数据，进而确定每个银行系统在无网络场景和有网络场景下的交易风险系数。
27.具体实施时，可以通过如下方式计算某场景(包括无网络场景和有网络场景)下的交易风险系数：根据该场景下的交易数据中的风险数据确定出风险类型(或者涉及指纹识别的风险类型)，风险数据占整个交易数据的比例，以及每种风险类型的风险指标，该风险指标包括风险系数和概率；根据风险数据占整个交易数据的比例，以及每种风险类型的风险指标，确定出对应场景下的交易风险系数。不同类型的风险对客户的影响是不同的。可以基于每种风险类型对应的数据，确定出对应风险类型给客户造成的损失，在银行数据库中有大量的数据，由大数定理，这些数据足以反映出风险给客户造成损失的规律，用统计量平均值就可以基本衡量出每种风险类型对应的风险值，即每种风险类型对应的风险系数设置为对应风险类型给客户造成的损失的平均值。同时，每种风险类型的概率也反映着该风险类型对客户的影响，概率越大，影响越大，客户的风险也就越大。风险数据占整个交易数据的比例也反映了对应场景中风险对交易的影响。在确定了风险类型，每种风险类型的风险系数和每种风险类型的概率，以及风险数据占整个交易数据的比例后，就可以确定出对应场景的交易风险系数，比如直接设置为：t
×
sum(log(ri
×
ni))或者t
×
sum(ri
×
ni)，ri是第i种风险类型的风险系数，ni是第i种风险类型的概率，t是风险数据占整个交易数据的比例，sum是求和函数。
28.s103，利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值。
29.需要说明的是，本发明实施例中的智能合约是指在区块链网络上预先配置的一段程序，利用区块链网络上预先配置的智能合约，根据各个银行系统的第一交易风险系数和第二交易风险系数，估算每个银行系统在无网络场景下的指纹识别参数阈值。
30.指纹识别参数阈值和指纹识别发生风险的概率成反向关系，也就是指纹识别参数阈值设置的越高，风险发生的可能性越低。一个银行系统的风险系数越大，在指纹识别参数阈值相同的前提下，其指纹识别发生风险的可能就越大，为了确保银行系统的指纹识别发生风险的可能较低，需要适当的增大该银行系统对应的指纹识别参数阈值。
31.为了确保银行系统的指纹识别发生风险的可能较低，在一个实施例中，在利用区块链网络上预先配置的智能合约，根据各个银行系统的交易风险系数，估算各个银行系统的指纹识别参数阈值。
32.在具体实施时，上述s103可通过如下公式确定各个银行系统在无网络场景下的指纹识别参数阈值：
33.l2＝maxl
‑
(maxl
‑
l1)
×
f(min(1,r1/r2))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
34.其中，l2表示各个银行系统在无网络场景下的指纹识别参数阈值；maxl表示指纹识别参数阈值的最大值；l1表示各个银行系统在有网络场景下的指纹识别参数阈值；f表示一个单调递减函数，且f(1)＝1；r1表示每个银行系统在有网络场景下的第一交易风险系数；r2表示每个银行系统在无网络场景下的第二交易风险系数；min表示求最小值函数。上述公式也可以保证银行系统的指纹识别参数阈值和该银行系统的交易风险直接关联，并且交易风险系数越大，该银行系统的指纹识别参数阈值越大。
35.s104，将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。
36.在具体实施时，在确定各个银行系统的指纹识别参数阈值后，可以将各个银行系统的指纹识别参数阈值下发到与各个银行网络进行业务交易的目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证目标客户端在无网络场景下对目标客户的指纹信息进行验证。
37.为了降低网点指纹识别存在的交易风险，在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证方法中，可将各个银行系统的指纹识别参数阈值，存储到区块链网络上；以便与各个银行系统进行业务交易的目标客户端，从区块链网络上查询各个银行系统的指纹识别参数阈值，与各个银行系统进行业务交易。
38.由于每个银行系统对应的客户集合不同，而对于某个客户，可能随机到任意一个银行系统办理业务，因而，本发明实施例中，将各个银行系统的指纹识别参数阈值存储到区块链网络上，还可以实现跨网点指纹识别。
39.在一个实施例中，如图2所示，本发明实施例中提供的基于区块链的指纹信息验证方法，在将每个银行系统在无网络场景下的指纹识别参数阈值下发到目标客户端的时候，可以通过如下步骤来实现：
40.s201，利用目标客户端的公钥，对每个银行系统在无网络场景下的指纹识别参数阈值进行加密；
41.s202，将加密后的指纹识别参数阈值下发到目标客户端，以便目标客户端在无网络场景下使用目标客户端的私钥对指纹识别参数阈值进行解密后，利用解密后的指纹识别
参数阈值对目标客户的指纹信息进行验证。
42.在一个实施例中，在将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证之前，如图3所示，本发明实施例中提供的基于区块链的指纹信息验证方法还可包括如下步骤：
43.s301，利用预先训练好的客户端断网预测模型，对目标客户端进行断网预测，输出目标客户端的断网时刻；
44.s302，在断网时刻前的预设时间段内，将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在断网时刻后对目标客户的指纹信息进行验证。
45.需要说明的是，指纹识别参数阈值与指纹识别的拒真率或认假率直接关联，因而，可通过调节拒真率或认假率识别，进一步来更新指纹识别参数阈值，这样就可以达到控制无网络场景下的风险的目的。
46.在一个实施例中，在利用区块链网络上预先配置的智能合约，根据各个银行系统的第一交易风险系数和第二交易风险系数，估算各个银行系统的指纹识别参数阈值之后，还可以根据每个银行系统在无网络场景下的拒真率或认假率，对指纹识别参数阈值进行更新。
47.在一个实施例中，在利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值之后，如图4所示，本发明实施例中提供的基于区块链的指纹信息验证方法还可通过如下步骤对指纹识别参数阈值进行更新：
48.s401，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的拒真率或认假率，其中，拒真率是指每个银行系统将正确指纹信息识别为错误指纹信息的概率，认假率是指每个银行系统将错误指纹信息识别为正确指纹信息的概率；
49.s402，根据每个银行系统在无网络场景下的拒真率或认假率，更新每个银行系统在无网络场景下的指纹识别参数阈值。
50.在一个实施例中，可统计无网络场景下的该指纹识别参数阈值对应的风险数据，进而确定无网络下的该指纹识别参数阈值对应交易风险系数，如果该系统大于有网络对应的第二交易风险系数，则继续增大该指纹识别参数阈值。
51.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证方法还可通过如下公式确定每个银行系统在无网络场景下的拒真率或认假率：
52.t2＝t1/f(min(1,r1/r2))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
53.t2'＝t1'
×
f(min(1,r1/r2))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
54.其中，t2表示每个银行系统在无网络场景下的拒真率；t1表示每个银行系统在有网络场景下的拒真率；t2'表示每个银行系统在无网络场景下的认假率；t1'表示每个银行系统在有网络场景下的认假率；f表示一个单调递减函数，且f(1)＝1；r1表示每个银行系统在有网络场景下的第一交易风险系数；r2表示每个银行系统在无网络场景下的第二交易风险系数；min表示求最小值函数。上述公式也可以保证银行系统的指纹识别参数阈值和该银行系统的交易风险直接关联，并且交易风险系数越大，该银行系统的指纹识别参数阈值越大。
55.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证方法还可通过如下公式确定每个银行系统在无网络场景下对应的指纹识别次数：
56.m2＝max(upper(m1×
(r1/r2)/exp(n/n
max
)),p)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
57.其中，m2表示每个银行系统在无网络场景下的指纹识别次数；m1表示每个银行系统在有网络场景下的指纹识别次数；n表示指纹识别匹配的客户数量；n
max
表示指纹识别匹配的最大客户数量；p表示最小指纹识别次数；r1表示每个银行系统在有网络场景下的第一交易风险系数；r2表示每个银行系统在无网络场景下的第二交易风险系数；upper表示向上取整函数；exp表示指数函数；max表示求最大值函数。上述公式可以保证n越大，无网络场景下的指纹识别的次数越少，对应的风险也越小。
58.在一个实施例中，如图5所示，本发明实施例中提供的基于区块链的指纹信息验证方法，还可通过如下步骤对风险交易进行限制：
59.s501，从黑名单指纹库中查找与目标客户的指纹相似度高于预设阈值的一个或多个黑名单客户的指纹信息；
60.s502，将查找出的一个或多个黑名单客户的指纹信息，下发到目标客户端，以便目标客户端拒绝相似黑名单客户执行的业务交易，其中，相似黑名单客户为与黑名单客户指纹相似度高于预设阈值的客户。
61.作为一种可选的方案，根据本发明实施例中提供的基于区块链的指纹信息验证方法，能够提供一种适用于高风险交易场景下的银行业务交易方法，基于历史交易数据设置无网络场景和有网络场景下的交易风险系数，将上述风险系数上传区块链，基于上述获得的交易风险系数以及有网络场景的指纹识别参数，设置无网络场景的指纹识别参数。具体可包括：
62.1)基于客户的移动终端的网络接入情况，预测客户终端断网的时间。在预测时间之前，银行系统提前将客户的指纹信息(包括客户的指纹，无网络状态对应的指纹识别参数)下发到客户的移动终端上，该指纹信息用客户的公钥进行加密。
63.2)当客户的移动终端处于无网络状态时，利用自己的私钥获取银行系统下发的指纹信息，并基于无网络状态对应的指纹识别参数，对客户进行指纹识别，在识别成功后，支持客户的无网络支付交易。
64.3)获取银行过去一段时期内的无网络场景和有网络场景的交易数据，该数据中包含有：风险交易数据；基于上述数据，估算无网络场景的交易风险系数r2和有网络场景的交易风险系数r1。一种方法是：在无网络场景下，利用风险交易中涉及指纹识别的风险数据总和和总交易中涉及指纹识别的数据总和的比值作为交易风险系数。当然也可以借鉴参考的风险数据比如指纹识别风险数据等，来评估无网络场景的风险指标。有网络场景的交易风险系数计算方法一致。r1和r2是基于同一时间段的同一范围内的客户集合的数据估算出来的。
65.4)利用区块链的智能合约，估算客户在无网络场景下的指纹识别的参数，比如依据上述交易风险系数将无网络场景的指纹识别的阈值设置为l2。
66.5)上述步骤的计算中，可以利用拒真率frr和认假率far来估算新阈值。比如利用拒真率来衡量，就是计算无网络场景的指纹识别的拒真率设置为t2，t1是有网络场景的指纹识别拒真率，然后基于上述指纹识别算法的拒真率和阈值的对应关系，找到无网络场景下
的指纹识别算法的阈值。认假率的计算类似，如公式(3)所示。
67.6)在无网络场景下，指纹识别的次数也应该减小。比如，对于1：n模式下，指纹识别的次数可以设置为：m2。m1是联机场景下1：n模式下的最大指纹识别次数。p是最小的指纹识别次数，可以由银行业务人员确定，比如可以是整数1，3或者5。因为n越大，指纹识别时可以匹配的客户指纹越多，那么在无网络场景下指纹识别的次数也应该越少。
68.7)为了防止在无网络情况下的风险，从银行黑名单的指纹库中，挑选出和客户的指纹最接近的指纹，然后也下发到客户的移动终端上。当客户在无网络状态下交易时，比较获取的指纹和上述挑选出的黑名单指纹的匹配度，如果该匹配度大于获取的指纹和银行预留的客户指纹的匹配度，则拒绝该客户的交易。
69.由上可知，本发明实施例中提供的基于区块链的指纹信息验证方法，能够支持客户的移动终端在无网络的情况下进行指纹识别的支付交易，且能够有效的防范风险的发生。
70.基于同一发明构思，本发明实施例中还提供了一种基于区块链的指纹信息验证装置，如下面的实施例所述。由于该装置解决问题的原理与基于区块链的指纹信息验证方法相似，因此该装置的实施可以参见基于区块链的指纹信息验证方法的实施，重复之处不再赘述。
71.图6为本发明实施例中的一种基于区块链的指纹信息验证装置示意图，如图6所示，包括：交易数据采集模块61、交易风险系数确定模块62、指纹识别参数阈值确定模块63和指纹识别验证模块64。
72.其中，交易数据采集模块61，用于采集各个银行系统的历史交易数据，其中，每个银行系统的历史交易数据包括：每个银行系统在有网络场景下的第一历史交易数据和每个银行系统在无网络场景下的第二历史交易数据；
73.交易风险系数确定模块62，用于根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数；根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数；
74.指纹识别参数阈值确定模块63，用于利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值；
75.指纹识别验证模块64，用于将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。
76.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证装置中，指纹识别验证模块64还用于：利用目标客户端的公钥，对每个银行系统在无网络场景下的指纹识别参数阈值进行加密；将加密后的指纹识别参数阈值下发到目标客户端，以便目标客户端在无网络场景下使用目标客户端的私钥对指纹识别参数阈值进行解密后，利用解密后的指纹识别参数阈值对目标客户的指纹信息进行验证。
77.在一个实施例中，如图7所示，本发明实施例中提供的基于区块链的指纹信息验证装置还包括：机器学习模块65，用于利用预先训练好的客户端断网预测模型，对目标客户端进行断网预测，输出目标客户端的断网时刻；该实施例中，指纹识别验证模块64还用于：在断网时刻前的预设时间段内，将每个银行系统在无网络场景下的指纹识别参数阈值，下发
到目标客户端，以便目标客户端在断网时刻后对目标客户的指纹信息进行验证。
78.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证装置中，指纹识别参数阈值确定模块63还用于通过上述公式(1)确定各个银行系统在无网络场景下的指纹识别参数阈值。
79.在一个实施例中，如图7所示，本发明实施例中提供的基于区块链的指纹信息验证装置还包括：数据统计模块66，用于根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的拒真率或认假率，其中，拒真率是指每个银行系统将正确指纹信息识别为错误指纹信息的概率，认假率是指每个银行系统将错误指纹信息识别为正确指纹信息的概率；指纹识别参数阈值更新模块67，用于根据每个银行系统在无网络场景下的拒真率或认假率，更新每个银行系统在无网络场景下的指纹识别参数阈值。
80.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证装置中，数据统计模块66还用于通过上述公式(2)确定每个银行系统在无网络场景下的拒真率，并通过上述公式(3)确定每个银行系统在无网络场景下的认假率。
81.在一个实施例中，本发明实施例中提供的基于区块链的指纹信息验证装置中，指纹识别参数阈值确定模块63还用于通过上述公式(4)确定每个银行系统在无网络场景下对应的指纹识别次数。
82.在一个实施例中，如图7所示，本发明实施例中提供的基于区块链的指纹信息验证装置还包括：交易风险控制模块68，用于从黑名单指纹库中查找与目标客户的指纹相似度高于预设阈值的一个或多个黑名单客户的指纹信息；以及将查找出的一个或多个黑名单客户的指纹信息，下发到目标客户端，以便目标客户端拒绝相似黑名单客户执行的业务交易，其中，相似黑名单客户为与黑名单客户指纹相似度高于预设阈值的客户。
83.基于同一发明构思，本发明实施例中还提供了一种计算机设备，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，图8为本发明实施例中的一种计算机设备示意图，如图8所示，该计算机设备80包括存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机程序，处理器802执行计算机程序时实现上述基于区块链的指纹信息验证方法。
84.基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，用以解决现有的指纹识别方式在无网络场景下存在安全隐患的技术问题，该计算机可读存储介质，计算机可读存储介质存储有执行上述基于区块链的指纹信息验证方法的计算机程序。
85.综上所述，本发明实施例中提供的基于区块链的指纹信息验证方法、装置、计算机设备及计算机可读存储介质，在采集到每个银行系统在有网络场景下的第一历史交易数据和无网络场景下的第二历史交易数据后，根据每个银行系统的第一历史交易数据，确定每个银行系统在有网络场景下的第一交易风险系数，并根据每个银行系统的第二历史交易数据，确定每个银行系统的在无网络场景下的第二交易风险系数，然后利用区块链网络上预先配置的智能合约，根据每个银行系统的第一交易风险系数和第二交易风险系数，确定每个银行系统在无网络场景下的指纹识别参数阈值，最后将每个银行系统在无网络场景下的指纹识别参数阈值，下发到目标客户端，以便目标客户端在无网络场景下对目标客户的指纹信息进行验证。通过本发明实施例，能够提高无网络场景下指纹识别方式的安全性。
86.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
87.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
88.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
89.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
90.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。