近日，我校信息科學(xué)與技術(shù)學(xué)院（網(wǎng)絡(luò)空間安全學(xué)院）鄭煜辰副教授團(tuán)隊在離線手寫簽名鑒定領(lǐng)域研究中取得新進(jìn)展,，研究結(jié)果分別以“HTCSigNet: A Hybrid Transformer and Convolution Signature Network for Offline Signature Verification”（HTCSigNet：用于離線簽名鑒定的混合Transformer和卷積簽名網(wǎng)絡(luò)）發(fā)表于《Pattern Recognition》（中科院一區(qū)TOP,，IF：7.5）和“Learning Discriminative Representations by a Canonical Correlation Analysis-based Siamese Network for Offline Signature Verification”（基于典型相關(guān)分析的孿生網(wǎng)絡(luò)學(xué)習(xí)判別表示用于離線簽名鑒定）發(fā)表于《Engineering Applications of Artificial Intelligence》（中科院二區(qū)TOP,，IF：7.5）。

手寫簽名廣泛應(yīng)用在人們的日常生活中,，特別是離線手寫簽名（靜態(tài)簽名圖像），在銀行、法律文書和金融交易中常常作為個人身份的代表,。然而，由于其具有易偽造性,，模仿者通過多次模仿即可書寫出與真實簽名非常相近的熟練偽造簽名,，這無疑為個人信息安全帶來了嚴(yán)峻的挑戰(zhàn)。手寫簽名作為一種典型的生物特征,，書寫者的特定筆畫信息是獨(dú)一無二的,，也是用于判斷簽名真?zhèn)涡缘年P(guān)鍵依據(jù)。因此,，有效學(xué)習(xí)真實簽名和熟練偽造簽名之間的微變形特征可以提升手寫簽名鑒定系統(tǒng)的性能,。

為有效解決“捕捉真實簽名和熟練偽造簽名之間的微變形特征”這一技術(shù)難題，團(tuán)隊首先提出構(gòu)造4種不同簽名組合（真實簽名-真實簽名,、真實簽名-熟練偽造簽名,、真實簽名-隨機(jī)偽造簽名、熟練偽造簽名-熟練偽造簽名）,，在特征學(xué)習(xí)階段使用典型相關(guān)分析算法計算和優(yōu)化簽名組合之間的相關(guān)系數(shù),，使同類簽名組合（真實簽名-真實簽名,、熟練偽造簽名-熟練偽造簽名）之間的相關(guān)性更大，不同類簽名組合（真實簽名-熟練偽造簽名,、真實簽名-隨機(jī)偽造簽名）之間的相關(guān)性更小,，從而捕獲不同簽名之間的微小差別，為簽名鑒定系統(tǒng)提供更好的特征,。

圖一：基于不同手寫簽名組合構(gòu)建孿生網(wǎng)絡(luò)

其次,，團(tuán)隊又提出另外一種混合Transformer和卷積神經(jīng)網(wǎng)絡(luò)的創(chuàng)新架構(gòu)，該架構(gòu)能夠很好地學(xué)習(xí)真實簽名和熟練偽造簽名之間的微變形特征,?；旌霞軜?gòu)的目的是提取手寫簽名的多尺度特征，這種多尺度特征即包含了手寫簽名的局部特征,，又包含了手寫簽名的全局特征,。所提出的混合架構(gòu)在關(guān)注簽名的關(guān)鍵筆畫信息方面表現(xiàn)出了可觀的效果。使用該混合架構(gòu)提取的多尺度特征與其他先進(jìn)的鑒定系統(tǒng)相比表現(xiàn)出了最優(yōu)的性能,，并且可以很容易遷移到未曾見過的不同語言的手寫簽名數(shù)據(jù)集中,。

圖二：基于Transformer和卷積神經(jīng)網(wǎng)絡(luò)的混合深度模型

我校信息科學(xué)與技術(shù)學(xué)院（網(wǎng)絡(luò)空間安全學(xué)院）碩士研究生鄭禮東為上述兩篇論文的第一作者，鄭煜辰副教授為論文的通訊作者,。該工作得到了國家級高層次青年人才項目的資助,。

（通訊員：鄭煜辰 郭夢夢）