本发明涉及一种水利rtu的信息验证方法。
背景技术：
目前，基本上手机app与水利rtu都是采用直连，无身份验证，或十分简单密码验证。存在较大的安全漏洞，这种情况十分容易被恶意操作、恶意篡改，造成严重的后果。
为此，通过本发明的方法，能有效解决这个漏洞，提高安全性。
技术实现要素：
本发明要解决的技术问题是提供一种加入身份验证机制，为了防止恶意篡改、恶意控制水利rtu的问题，增加安全性的水利rtu的信息验证方法。
为解决上述问题，本发明采用如下技术方案：
一种水利rtu的信息验证方法，包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
作为优选，所述无线接入为wifi连接或者蓝牙连接。
作为优选，所述步骤1:中还包含有通过生物特征识别方式对app操作者进行确认，一旦生物特征与录入的生物特征匹配不成功则不允许操作app。
作为优选，所述生物特征识别方式为人脸识别。
作为优选，所述生物特征识别方式包含有以下步骤：
s1.1:采集人脸图像，并对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；
s1.2:对人脸图像进行分割，形成眼型采集区、嘴唇采集区、耳朵采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；
s1.3:对局部部位组合图像进行正则化主成分分析pca处理，训练出正则化pca投影矩阵；
s1.4:采用正则化pca投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络cnn模型进行训练；
s1.5:根据训练好的cnn模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析lda处理，训练出lda投影矩阵；
s1.6:将正则化pca投影矩阵、训练好的cnn模型及lda投影矩阵作为人脸识别模型；
s1.7:将人脸识别模型与app中录入的信息进行匹配，一旦匹配不成功则不允许操作app。
作为优选，所述app与数据中心主站移动通讯连接。
作为优选，所述眼型采集区、嘴唇采集区和耳朵采集区均为涵盖对应器官的椭圆形区域，采集区中还含有其他的面部信息，可以提高训练后的人脸识别模型的准确度。
作为优选，所述耳朵采集区为左耳采集区和右耳采集区中的一种或多种。
本发明的有益效果为：手机app对水利rtu的访问前的进行合法身份验证，验证通过之后，才能对水利rtu进行相应的操作。加入身份验证机制，为了防止恶意篡改、恶意控制水利rtu的问题，增加安全性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1为本发明实施例1中的一种水利rtu的信息验证方法的流程图。
具体实施方式
下面对本发明的技术方案进行描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些实施例获得其他的实施方式。
实施例1
如图1所示,一种水利rtu的信息验证方法，包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
在本实施例中，所述无线接入为wifi连接或者蓝牙连接。
实施例2
如图1所示,一种水利rtu的信息验证方法，包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
在本实施例中，所述无线接入为wifi连接或者蓝牙连接。
在本实施例中，所述步骤s1:中还包含有通过生物特征识别方式对app操作者进行确认，一旦生物特征与录入的生物特征匹配不成功则不允许操作app。
在本实施例中，所述生物特征识别方式为人脸识别。
在本实施例中，所述生物特征识别方式包含有以下步骤：
s1.1:采集人脸图像，并对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；
s1.2:对人脸图像进行分割，形成眼型采集区、嘴唇采集区、耳朵采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；
s1.3:对局部部位组合图像进行正则化主成分分析pca处理，训练出正则化pca投影矩阵；
s1.4:采用正则化pca投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络cnn模型进行训练；
s1.5:根据训练好的cnn模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析lda处理，训练出lda投影矩阵；
s1.6:将正则化pca投影矩阵、训练好的cnn模型及lda投影矩阵作为人脸识别模型；
s1.7:将人脸识别模型与app中录入的信息进行匹配，一旦匹配不成功则不允许操作app。
在本实施例中，所述app与数据中心主站移动通讯连接。
在本实施例中，所述眼型采集区、嘴唇采集区和耳朵采集区均为涵盖对应器官的椭圆形区域，采集区中还含有其他的面部信息，可以提高训练后的人脸识别模型的准确度。
在本实施例中，所述耳朵采集区为左耳采集区。
实施例3
如图1所示,一种水利rtu的信息验证方法，包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
在本实施例中，所述无线接入为wifi连接或者蓝牙连接。
在本实施例中，所述步骤s1:中还包含有通过生物特征识别方式对app操作者进行确认，一旦生物特征与录入的生物特征匹配不成功则不允许操作app。
在本实施例中，所述生物特征识别方式为人脸识别。
在本实施例中，所述生物特征识别方式包含有以下步骤：
s1.1:采集人脸图像，并对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；
s1.2:对人脸图像进行分割，形成眼型采集区、嘴唇采集区、耳朵采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；
s1.3:对局部部位组合图像进行正则化主成分分析pca处理，训练出正则化pca投影矩阵；
s1.4:采用正则化pca投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络cnn模型进行训练；
s1.5:根据训练好的cnn模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析lda处理，训练出lda投影矩阵；
s1.6:将正则化pca投影矩阵、训练好的cnn模型及lda投影矩阵作为人脸识别模型；
s1.7:将人脸识别模型与app中录入的信息进行匹配，一旦匹配不成功则不允许操作app。
在本实施例中，所述app与数据中心主站移动通讯连接。
在本实施例中，所述眼型采集区、嘴唇采集区和耳朵采集区均为涵盖对应器官的椭圆形区域，采集区中还含有其他的面部信息，可以提高训练后的人脸识别模型的准确度。
在本实施例中，所述耳朵采集区为右耳采集区。
实施例4
如图1所示,一种水利rtu的信息验证方法，包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
在本实施例中，所述无线接入为wifi连接或者蓝牙连接。
在本实施例中，所述步骤s1:中还包含有通过生物特征识别方式对app操作者进行确认，一旦生物特征与录入的生物特征匹配不成功则不允许操作app。
在本实施例中，所述生物特征识别方式为人脸识别。
在本实施例中，所述生物特征识别方式包含有以下步骤：
s1.1:采集人脸图像，并对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；
s1.2:对人脸图像进行分割，形成眼型采集区、嘴唇采集区、耳朵采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；
s1.3:对局部部位组合图像进行正则化主成分分析pca处理，训练出正则化pca投影矩阵；
s1.4:采用正则化pca投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络cnn模型进行训练；
s1.5:根据训练好的cnn模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析lda处理，训练出lda投影矩阵；
s1.6:将正则化pca投影矩阵、训练好的cnn模型及lda投影矩阵作为人脸识别模型；
s1.7:将人脸识别模型与app中录入的信息进行匹配，一旦匹配不成功则不允许操作app。
在本实施例中，所述app与数据中心主站移动通讯连接。
在本实施例中，所述眼型采集区、嘴唇采集区和耳朵采集区均为涵盖对应器官的椭圆形区域，采集区中还含有其他的面部信息，可以提高训练后的人脸识别模型的准确度。
在本实施例中，所述耳朵采集区为左耳采集区和右耳采集区。
本发明的有益效果为：手机app对水利rtu的访问前的进行合法身份验证，验证通过之后，才能对水利rtu进行相应的操作。加入身份验证机制，为了防止恶意篡改、恶意控制水利rtu的问题，增加安全性。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。
1.一种水利rtu的信息验证方法，其特征在于：包括以下步骤：
s1:从app中获取访问者的指纹信息；
s2:将指纹信息发送到数据中心主站；
s3:数据中心主站对接收到的指纹信息进行辨别确认；
s4:一旦数据中心主站与接收到的指纹信息匹配成功则允许app无线接入rtu；
s5:rtu有app接入后随机生成明文码并发送给app；
s6:app接收到rtu的文明码后将其发送给数据中心主站；
s7:数据中心主站接收到明文码后生成加密信息并将加密信息发送给app；
s8:app接收到加密信息后将其发送给rtu；
s9:rtu对加密信息进行验证，验证通过则允许app操作rtu，否则不允许操作。
2.根据权利要求1所述的一种水利rtu的信息验证方法，其特征在于：所述无线接入为wifi连接或者蓝牙连接。
3.根据权利要求2所述的一种水利rtu的信息验证方法，其特征在于：所述步骤s1中还包含有通过生物特征识别方式对app操作者进行确认，一旦生物特征与录入的生物特征匹配不成功则不允许操作app。
4.根据权利要求3所述的一种水利rtu的信息验证方法，其特征在于：所述生物特征识别方式为人脸识别。
5.根据权利要求4所述的一种水利rtu的信息验证方法，其特征在于：所述生物特征识别方式包含有以下步骤：
s1.1:采集人脸图像，并对采集的人脸图像进行规范化处理，将人脸进行对齐纠正；
s1.2:对人脸图像进行分割，形成眼型采集区、嘴唇采集区、耳朵采集区，然后对上述采集区以外的人脸图像进行剔除，形成局部部位组合图像；
s1.3:对局部部位组合图像进行正则化主成分分析pca处理，训练出正则化pca投影矩阵；
s1.4:采用正则化pca投影矩阵，对局部部位组合图像进行处理，得到训练图像；根据训练图像对训练的卷积神经网络cnn模型进行训练；
s1.5:根据训练好的cnn模型，从训练图像中提取多个具有第一维度的图像特征；通过具有第一维度的图像特征进行线性判断式分析lda处理，训练出lda投影矩阵；
s1.6:将正则化pca投影矩阵、训练好的cnn模型及lda投影矩阵作为人脸识别模型；
s1.7:将人脸识别模型与app中录入的信息进行匹配，一旦匹配不成功则不允许操作app。
6.根据权利要求5所述的一种水利rtu的信息验证方法，其特征在于：所述app与数据中心主站移动通讯连接。
7.根据权利要求6所述的一种水利rtu的信息验证方法，其特征在于：所述眼型采集区、嘴唇采集区和耳朵采集区均为涵盖对应器官的椭圆形区域。
8.根据权利要求7所述的一种水利rtu的信息验证方法，其特征在于：所述耳朵采集区为左耳采集区和右耳采集区中的一种或多种。
技术总结