基于区块链的指纹信息验证方法及装置与流程

技术特征：
1.一种基于区块链的指纹信息验证方法，其特征在于，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；根据银行系统的第一历史交易数据，确定银行系统在有网络场景下的第一交易风险系数；根据银行系统的第二历史交易数据，确定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，以便所述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。2.如权利要求1所述的方法，其特征在于，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，以便所述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，包括：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，以便所述目标客户端在无网络场景下使用所述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。3.如权利要求1所述的方法，其特征在于，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，以便所述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，所述方法还包括：利用预先训练好的客户端断网预测模型，对所述目标客户端进行断网预测，输出所述目标客户端的断网时刻；其中，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，以便所述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，包括：在所述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，以便所述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。4.如权利要求1所述的方法，其特征在于，通过如下公式确定所述各个银行系统在无网络场景下的指纹识别参数阈值：l2＝maxl
‑
(maxl
‑
l1)
×
f(min(1,r1/r2))；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。5.如权利要求1所述的方法，其特征在于，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，所述方法还包括：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，所述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，所述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；根据每个银行系统在无网络场景下的拒真率或认假率，确定每个银行系统在无网络场景下的指纹识别参数阈值。6.如权利要求5所述的方法，其特征在于，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：t2＝t1/f(min(1,r1/r2))；t
′2＝t
′1×
f(min(1,r1/r2))；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；t
′2表示每个银行系统在无网络场景下的认假率；t
′1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。7.如权利要求1所述的方法，其特征在于，所述方法还包括：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：m2＝max(upper(m1×
(r1/r2)/exp(n/n
max
)),p)；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。8.如权利要求1所述的方法，其特征在于，所述方法还包括：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；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，以便所述目标客户端拒绝相似黑名单客户执行的业务交易，其中，所述相似黑名单客户为与黑名单客户指纹相似度高于所述预设阈值的客户。9.一种基于区块链的指纹信息验证装置，其特征在于，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，以便所述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。10.如权利要求9所述的装置，其特征在于，所述指纹识别验证模块还用于：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，以便所述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。11.如权利要求9所述的装置，其特征在于，所述装置还包括：机器学习模块，用于利用预先训练好的客户端断网预测模型，对所述目标客户端进行断网预测，输出所述目标客户端的断网时刻；其中，所述指纹识别验证模块还用于：在所述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，以便所述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。12.如权利要求9所述的装置，其特征在于，所述指纹识别参数阈值确定模块还用于通过如下公式确定所述各个银行系统在无网络场景下的指纹识别参数阈值：l2＝maxl
‑
(maxl
‑
l1)
×
f(min(1,r1/r2))；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。13.如权利要求9所述的装置，其特征在于，所述装置还包括：数据统计模块，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，所述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，所述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，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。14.如权利要求13所述的装置，其特征在于，所述数据统计模块还用于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：t2＝t1/f(min(1,r1/r2))；t
′2＝t
′1×
f(min(1,r1/r2))；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；t
′2表示每个银行系统在无网络场景下的认假率；t
′1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。15.如权利要求9所述的装置，其特征在于，所述指纹识别参数阈值确定模块还用于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：m2＝max(upper(m1×
(r1/r2)/exp(n/n
max
)),p)；
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。16.如权利要求9所述的装置，其特征在于，所述装置还包括：交易风险控制模块，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，以便所述目标客户端拒绝相似黑名单客户执行的业务交易，其中，所述相似黑名单客户为与黑名单客户指纹相似度高于所述预设阈值的客户。17.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述基于区块链的指纹信息验证方法。18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至8任一项所述基于区块链的指纹信息验证方法的计算机程序。

技术总结
本发明公开了一种基于区块链的指纹信息验证方法及装置，涉及区块链技术领域，该方法包括：采集各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；根据第一历史交易数据，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；将确定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。本发明能够提高无网络场景下指纹识别方式的安全性。的安全性。的安全性。


技术研发人员：朱江波 汤东波 胡佳锋 戈星晨 戎立 王晓旭 徐宁 温晨 冯春阳 池振强 王华阳 丁彤
受保护的技术使用者：中国银行股份有限公司
技术研发日：2021.08.11
技术公布日：2021/11/8