生物體認(rèn)證系統(tǒng)、認(rèn)證客戶機(jī)終端以及生物體認(rèn)證方法

暫無

生物體認(rèn)證系統(tǒng)、認(rèn)證客戶機(jī)終端以及生物體認(rèn)證方法\n技術(shù)領(lǐng)域\n[0001] 本發(fā)明涉及使用生物體信息進(jìn)行本人確認(rèn)的生物體認(rèn)證系統(tǒng)。\n背景技術(shù)\n[0002] 生物體認(rèn)證，作為與基于口令或者IC卡等的認(rèn)證相比，具有用于認(rèn)證的輸入信息(例如指紋等)的偽造困難、也沒有遺忘用于認(rèn)證的輸入信息這樣的優(yōu)點的認(rèn)證部而公知。\n[0003] 在生物體認(rèn)證中，預(yù)先從用戶處取得生物體信息，從該生物體信息提取稱為特征量的信息后事先登錄?？梢詫⒃摰卿浶畔⒎Q為登錄模板，把進(jìn)行事先登錄的用戶稱為登錄用戶。然后，在認(rèn)證時，從用戶處取得生物體信息，通過核對從該生物體信息提取的特征量與登錄模板來進(jìn)行認(rèn)證(本人確認(rèn))。將進(jìn)行本人確認(rèn)的用戶稱為認(rèn)證對象用戶。\n[0004] 在生物體認(rèn)證中，也將認(rèn)證對象用戶和N個登錄用戶的各個進(jìn)行核對(以下稱為：\nN核對)、將識別認(rèn)證對象用戶和哪個登錄用戶是同一人的生物體認(rèn)證稱為1:N認(rèn)證。在現(xiàn)有的1:N認(rèn)證中，如果存在被識別為與認(rèn)證對象用戶是同一人的登錄用戶(以下稱“識別用戶”)，則把該識別用戶作為判定結(jié)果，作為認(rèn)證成功；如果不存在識別用戶，則作為認(rèn)證失敗。作為利用1:N認(rèn)證的生物體認(rèn)證系統(tǒng)的例子，可以舉出出勤管理系統(tǒng)、或者不用信用卡僅通過生物體認(rèn)證進(jìn)行信用結(jié)算的系統(tǒng)(以下稱“無卡信用結(jié)算系統(tǒng)”)。在1:N認(rèn)證中，因為不需要認(rèn)證對象用戶出示卡等，所以有便利性高這樣的優(yōu)點。\n[0005] 圖5表示1:N認(rèn)證中的認(rèn)證錯誤率的種類。1:N認(rèn)證中的認(rèn)證錯誤率分以下3類。\n[0006] (1)事先進(jìn)行了登錄的認(rèn)證對象用戶作為本人以外的登錄用戶來認(rèn)證成功的錯誤率(以下稱“Enrollee False Acceptance Rate；EFAR”)，\n[0007] (2)事先進(jìn)行了登錄的認(rèn)證對象用戶，認(rèn)證失敗的錯誤率(以下稱“Enrollee False Rejection Rate；EFRR”)，\n[0008] (3)事先未進(jìn)行登錄的用戶(以下稱“非登錄用戶”)，認(rèn)證成功的錯誤率(以下稱“Non-Enrollee False Acceptance Rate；NFAR”)。\n[0009] 當(dāng)EFAR以及NFAR高時，因為認(rèn)證對象用戶作為他人來認(rèn)證成功的可能性高，所以安全性降低。將如此作為他人認(rèn)證成功的認(rèn)證錯誤稱為誤識別。另一方面，當(dāng)EFRR高時，因為登錄了的認(rèn)證對象用戶認(rèn)證失敗的可能性高，所以便利性降低。\n[0010] 為了提高1:N認(rèn)證中的認(rèn)證精度，提出了使認(rèn)證對象用戶輸入多個生物體信息(例如指紋、虹膜、聲紋等不同種類的生物體信息、或者食指指紋、中指指紋以及無名指等從不同部位取得的同一種類的生物體信息)、將它們?nèi)诤蟻砼卸ㄕJ(rèn)證對象用戶的認(rèn)證方式(以下稱“1:N復(fù)合認(rèn)證”)。例如，在US7277891B2(稱為文獻(xiàn)1)中，用第一生物體信息(例如臉)縮小認(rèn)證對象用戶的候補(bǔ)者(具有和認(rèn)證對象用戶是同一人的可能性的登錄用戶)，用第二生物體信息(例如指紋)進(jìn)一步縮小候補(bǔ)者，把最終被縮小的候補(bǔ)者作為判定結(jié)果來輸出。\n[0011] 但是在1:N復(fù)合認(rèn)證中，因為認(rèn)證對象用戶必須輸入多個生物體信息，所以認(rèn)證手續(xù)煩雜，便利性降低。另外，與僅用一個生物體信息進(jìn)行認(rèn)證的情況相比，因為從輸入第一生物體信息到得到認(rèn)證結(jié)果的時間(以下稱“認(rèn)證時間”)變長，所以便利性進(jìn)一步降低。\n在文獻(xiàn)1中，對于這些問題沒有施行任何對策。\n[0012] 進(jìn)而，在文獻(xiàn)1中，因為有時系統(tǒng)輸出多個候補(bǔ)者，所以例如像無卡信用結(jié)算那樣，在需要把認(rèn)證對象用戶縮小到1名的應(yīng)用場合中，在輸出多個候補(bǔ)者后，需要用人工選擇1名識別用戶，所以便利性降低。\n[0013] 對此，在野田秀樹，“使用逐次概率比檢驗的自適應(yīng)對話者識別”，電子信息通信學(xué)會論文志D-II Vol.J84-D-II No.1pp.211-213(2001)(稱為文獻(xiàn)2)中，在每次得到聲紋的特征量xj(J＝1，2，...)時，使用登錄用戶un(n＝1，...，N)的特征量的分布pn(xJ)、全部登錄用戶的特征量的分布p0n(xJ)，并通過以下的數(shù)學(xué)式，對于各登錄用戶計算似然比ln。\n[0014] 【數(shù)學(xué)式1】\n[0015] \n[0016] 在得到比閾值A(chǔ)大的似然比ln時，將此時刻的登錄用戶un作為識別用戶，當(dāng)作認(rèn)證成功；在得到比閾值B小的似然比ln時，把與該似然比ln對應(yīng)的1個或者多個登錄用戶un，從這以后的核對對象中排除(以下稱為“篩除”)。如果未得到識別用戶，則取得新的特征量，在得到識別用戶前重復(fù)進(jìn)行判定。這樣，通過在每次得到特征量時，比較似然比和閾值A(chǔ)的大小，進(jìn)行認(rèn)證對象用戶的判定，降低認(rèn)證所需要的生物體信息的輸入次數(shù)。另外，\n1:N核對所需要的時間大體與核對對象的登錄用戶數(shù)N成比例，但是通過比較似然比和閾值B的大小，進(jìn)行登錄用戶的篩除，縮短1:N核對所需要的時間，由此更加縮短認(rèn)證時間。\n[0017] 但是，在文獻(xiàn)2中公開的技術(shù)中，通過在每次得到特征量時比較似然比和閾值后進(jìn)行判定，降低認(rèn)證所必要的生物體信息的輸入次數(shù)，但是在1:N認(rèn)證中，在使用特征量的分布來求出似然比、在比較該似然比和閾值的方法中，沒有使判定所必要的生物體信息的輸入次數(shù)的期望值最小化的理論上的保證。亦即，在文獻(xiàn)2的技術(shù)中，在降低認(rèn)證所必要的生物體信息的輸入次數(shù)的期望值的觀點上，有改善的余地。\n[0018] 另外，在現(xiàn)有的1:N復(fù)合認(rèn)證系統(tǒng)中，有持有惡意的用戶盡管不進(jìn)行事先登錄也任意次重復(fù)認(rèn)證，某次冒充成功的問題。\n發(fā)明內(nèi)容\n[0019] 本發(fā)明是鑒于上述問題而提出的，其目的在于，提供一種生物體認(rèn)證系統(tǒng)、認(rèn)證客戶機(jī)終端以及生物體認(rèn)證方法，其能夠格外地降低認(rèn)證中所需要的生物體信息的輸入次數(shù)的期望值，同時有效排除冒充。\n[0020] 為了解決上述問題，本發(fā)明的生物體認(rèn)證系統(tǒng)的特征在于，具有：數(shù)據(jù)庫，其對于每個登錄用戶un(n＝1，...，N)，保存該登錄用戶un的核對用特征量數(shù)據(jù)；特征量提取部，其根據(jù)從認(rèn)證對象用戶v取得的生物體信息，提取該認(rèn)證對象用戶v的特征量數(shù)據(jù)；先驗概率設(shè)定部，其設(shè)定所述登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率；似然比計算部，其根據(jù)在所述數(shù)據(jù)庫中保存的核對用特征量數(shù)據(jù)以及所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)，對于每一所述登錄用戶un求出v＝un的似然和v≠un的似然的比；后驗概率計算部，其使用所述求出的似然比和所述設(shè)定的登錄用戶un的先驗概率和所述設(shè)定的非登錄用戶u0的先驗概率，求出所述登錄用戶un的后驗概率以及所述非登錄用戶u0的后驗概率；以及判定部，其比較所述求得的后驗概率的各個與第一閾值，在所述后驗概率的最大值比所述第一閾值大時，如果表示所述最大值的后驗概率是所述登錄用戶un中的任意一個用戶的后驗概率，則判定對應(yīng)的登錄用戶和所述認(rèn)證對象用戶v是同一人；如果表示所述最大值的后驗概率是所述非登錄用戶u0的后驗概率，則判定所述認(rèn)證對象用戶v是所述登錄用戶un以外的用戶。\n[0021] 在本發(fā)明的另一實施方式中，還具有1:N核對部，其用于在所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)和在所述數(shù)據(jù)庫中保存的所述核對用特征量數(shù)據(jù)之間進(jìn)行1:N核對，對于每個所述登錄用戶un求出核對得分，所述似然比計算部使用所述求出的核對得分，求出所述似然比。\n[0022] 在本發(fā)明的其他實施方式中，所述判定部，在所述后驗概率的最大值在所述第一閾值以下時，如果從所述認(rèn)證對象用戶v取得生物體信息的取得次數(shù)未到規(guī)定值，則要求再取得所述認(rèn)證對象用戶v的生物體信息；如果所述取得次數(shù)在規(guī)定值以上，則判定為“認(rèn)證失敗”。此時，還可以具有登錄用戶篩除部，其用于在所述判定部要求再取得所述生物體信息時，比較所述后驗概率計算部求出的后驗概率與第二閾值，將與比該第二閾值小的后驗概率對應(yīng)的登錄用戶un從與所述認(rèn)證對象用戶v的核對對象中排除。\n[0023] 在本發(fā)明的其他實施方式中，所述后驗概率計算部，將在此次的所述生物體信息的取得中求出的所述非登錄用戶u0的后驗概率，當(dāng)所述取得次數(shù)是一次時與所述非登錄用戶u0的先驗概率比較；當(dāng)兩次以上時與在上次的所述生物體信息的取得中求出的所述非登錄用戶u0的后驗概率進(jìn)行比較，在所述此次的取得中求得的所述非登錄用戶u0的后驗概率高時，在從下次起以后的所述生物體信息的取得中的后驗概率計算中，不使用在此次的取得中提取的所述特征量數(shù)據(jù)。\n[0024] 在本發(fā)明的其他實施方式中，所述數(shù)據(jù)庫，對于每個所述登錄用戶un，保存屬于多個模型的多個不同的核對用特征量數(shù)據(jù)，還具有僅允許一次取得所述生物體信息的生物體信息輸入傳感器。\n[0025] 在本發(fā)明的其他實施方式中，所述數(shù)據(jù)庫，對于每個所述登錄用戶un，保存屬于同一模型的多個不同的核對用特征量數(shù)據(jù)，所述1:N核對部，在到此次的輸入中，在針對同一生物體信息多次得到最佳核對得分的場合當(dāng)作認(rèn)證失敗。\n[0026] 在本發(fā)明的其他實施方式中，所述數(shù)據(jù)庫，對于每個所述登錄用戶un，保存屬于同一模型的多個不同的核對用特征量數(shù)據(jù)，所述1:N核對部，在到此次的輸入中，在對于同一生物體信息多次得到最佳核對得分時，在通過所述似然比計算部進(jìn)行似然比計算時不使用其中在實現(xiàn)最佳的核對得分的輸入以外的輸入中得到的核對得分。\n[0027] 在本發(fā)明的其他實施方式中，所述先驗概率設(shè)定部，所述判定部，在判定所述認(rèn)證對象用戶v是所述登錄用戶un以外的用戶時，提高所述非登錄用戶u0的先驗概率。\n[0028] 在本發(fā)明的其他實施方式中，所述第一閾值是比0.5大的值。\n[0029] 在上述任何一個實施方式中，所述判定部，在判定所述認(rèn)證對象用戶v是所述登錄用戶un以外的用戶時，能夠輸出冒充警告信息。\n[0030] 在本發(fā)明的其他實施方式中，還具有損失計算部，其用于在每次進(jìn)行認(rèn)證時，計算損失W1以及損失W0，該損失W1是在所述認(rèn)證對象用戶v是登錄用戶時，判定為其他的登錄用戶時的損失，該損失W0是在所述認(rèn)證對象用戶v是非登錄用戶時，判定為是某個登錄用戶時的損失，還具有先驗概率·閾值設(shè)定部，其用于使用所述損失W1以及所述損失W0，設(shè)定各登錄用戶un的先驗概率以及閾值、非登錄用戶u0的先驗概率以及閾值，以使在判定為EFRR以及第n號的登錄用戶時的損失的期望值Rn分別在要求值以下。\n[0031] 本發(fā)明的另一生物體認(rèn)證系統(tǒng)的特征在于，具有：數(shù)據(jù)庫，其對于每個登錄用戶un(n＝1，...，N)，保存該登錄用戶un的核對用特征量數(shù)據(jù)；特征量提取部，其根據(jù)從認(rèn)證對象用戶v取得的生物體信息，提取該認(rèn)證對象用戶v的特征量數(shù)據(jù)；1:N核對部，其在所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)和在所述數(shù)據(jù)庫中保存的所述核對用特征量數(shù)據(jù)之間進(jìn)行1:N核對，對于每個所述登錄用戶un求出核對得分；似然比計算部，其使用所述求出的核對得分，對于每一所述登錄用戶un求出v＝un的似然和v≠un的似然的比；以及判定部，其將所述求出的似然比的各個與第一閾值進(jìn)行比較，在所述似然比的最大值比所述第一閾值大時，判定與表示所述最大值的似然比對應(yīng)的登錄用戶和所述認(rèn)證對象用戶v是同一人，在所述似然比的最大值在所述第一閾值以下時，如果來自所述認(rèn)證對象用戶v的取得生物體信息的取得次數(shù)不到規(guī)定值，則要求再取得所述認(rèn)證對象用戶v的生物體信息；如果所述取得次數(shù)在規(guī)定值以上，則判定為“認(rèn)證失敗”。\n[0032] 另外，還可以具有登錄用戶篩除部，其用于在所述判定部要求再取得所述生物體信息時，將所述似然比計算部求出的似然比與第二閾值進(jìn)行比較，將與比該第二閾值小的似然比對應(yīng)的登錄用戶un，從與所述認(rèn)證對象用戶v的核對對象中排除。\n[0033] 為了解決上述問題，本發(fā)明的認(rèn)證客戶機(jī)終端，其構(gòu)成為可以與認(rèn)證服務(wù)器終端進(jìn)行通信，該認(rèn)證服務(wù)器終端具有對于每個登錄用戶un(n＝1，...，N)保存該登錄用戶un的核對用特征量數(shù)據(jù)的數(shù)據(jù)庫、和設(shè)定所述登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率的先驗概率設(shè)定部，并具有：特征量提取部，其根據(jù)從認(rèn)證對象用戶v取得的生物體信息，提取該認(rèn)證對象用戶v的特征量數(shù)據(jù)；認(rèn)證要求部，其對于所述認(rèn)證服務(wù)器終端，發(fā)送所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)，根據(jù)該認(rèn)證對象用戶特征量數(shù)據(jù)以及在所述數(shù)據(jù)庫中保存的核對用特征量數(shù)據(jù)，對于每一所述登錄用戶un求出v＝un的似然和v≠un的似然的比，使用所述求出的似然比和所述設(shè)定的登錄用戶un的先驗概率和所述設(shè)定的非登錄用戶u0的先驗概率，求出所述登錄用戶un的后驗概率以及所述非登錄用戶u0的后驗概率，比較所述求出的后驗概率的各個與第一閾值，在所述后驗概率的最大值比所述第一閾值大時，要求發(fā)送與表示所述最大值的后驗概率對應(yīng)的所述登錄用戶un或者所述非登錄用戶u0的信息，并根據(jù)該要求，取得所述認(rèn)證服務(wù)器終端發(fā)送的信息；以及判定部，其在如果所述取得的信息是所述登錄用戶un的信息時，判定該登錄用戶un和所述認(rèn)證對象用戶v是同一人；如果所述取得的信息是所述非登錄用戶u0的信息，則判定所述認(rèn)證對象用戶v是所述登錄用戶un以外的用戶。\n[0034] 在本發(fā)明的實施方式中，所述認(rèn)證要求部，在所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)和在所述數(shù)據(jù)庫中保存的所述核對用特征量數(shù)據(jù)之間進(jìn)行1:N核對，對于每個所述登錄用戶un求出核對得分，使用所述核對得分，求所述似然比。\n[0035] 為了解決上述課題，本發(fā)明的生物體認(rèn)證方法的特征在于，包含：根據(jù)從認(rèn)證對象用戶v取得的生物體信息，提取該認(rèn)證對象用戶v的特征量數(shù)據(jù)的步驟；設(shè)定登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率的先驗概率設(shè)定步驟；根據(jù)保存在對于每一所述登錄用戶un(n＝1，...，N)保存該登錄用戶un的核對用特征量數(shù)據(jù)的數(shù)據(jù)庫中的核對用特征量數(shù)據(jù)、以及所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)，對于每一所述登錄用戶un求出v＝un的似然和v≠un的似然的比的步驟；使用所述求出的似然比和所述設(shè)定的登錄用戶un的先驗概率和所述設(shè)定的非登錄用戶u0的先驗概率，求出所述登錄用戶un的后驗概率以及所述非登錄用戶u0的后驗概率的步驟；以及將所述求出的后驗概率的各個與第一閾值進(jìn)行比較，在所述后驗概率的最大值比所述第一閾值大時，如果表示所述最大值的后驗概率是所述登錄用戶un中的任意一個用戶的后驗概率，則判定對應(yīng)的登錄用戶和所述認(rèn)證對象用戶v是同一人，如果表示所述最大值的后驗概率是所述非登錄用戶u0的后驗概率，則判定所述認(rèn)證對象用戶v是所述登錄用戶un以外的用戶的步驟。\n[0036] 在本發(fā)明的實施方式中，還包含，在所述提取的認(rèn)證對象用戶特征量數(shù)據(jù)和在所述數(shù)據(jù)庫中保存的所述核對用特征量數(shù)據(jù)之間進(jìn)行1:N核對，對于每個所述登錄用戶un求出核對得分的步驟，在求出所述似然比的步驟中，使用所述求出的核對得分，求出所述似然比。\n[0037] 根據(jù)本發(fā)明，因為對于各登錄用戶un求出v＝un的似然和v≠un的似然的比，將該似然比標(biāo)準(zhǔn)化為登錄用戶un的后驗概率和非登錄用戶u0的后驗概率，比較后驗概率與閾值后進(jìn)行判定，所以能夠格外地降低(理論上是最小化)認(rèn)證所需要的生物體信息的輸入次數(shù)的期望值。\n[0038] 另外，在求出各登錄用戶un的核對得分，使用該核對得分來求出各登錄用戶un的似然比，比較似然比和閾值后進(jìn)行判定的方法中，也能夠格外地降低(理論上最小化)認(rèn)證所需要的生物體信息的輸入次數(shù)的期望值。\n[0039] 進(jìn)而，設(shè)定好登錄用戶un的先驗概率和非登錄用戶u0的先驗概率，不只是對登錄用戶un，還對非登錄用戶u0計算出后驗概率，由此能夠明確地區(qū)別認(rèn)證對象用戶v和非登錄用戶u0是同一人的情況(冒充)、和不能判斷認(rèn)證對象用戶是誰的情況(認(rèn)證失敗)。如果能夠明確地掌握冒充的用戶，則能夠采取用于有效排除由這樣的惡意用戶進(jìn)行的冒充的對策(例如提示警告消息的措置、或者停止傳感器的動作的措置等)。\n附圖說明\n[0040] 圖1是表示生物體認(rèn)證系統(tǒng)的結(jié)構(gòu)例的圖。\n[0041] 圖2是例示認(rèn)證客戶機(jī)終端以及認(rèn)證服務(wù)器終端的硬件結(jié)構(gòu)的圖。\n[0042] 圖3是例示基于生物體認(rèn)證系統(tǒng)的認(rèn)證處理的過程的圖。\n[0043] 圖4是例示在生物體認(rèn)證系統(tǒng)中采用的認(rèn)證算法的概念的圖。\n[0044] 圖5是例示1:N認(rèn)證中的認(rèn)證錯誤率的概念的圖。\n[0045] 圖6是例示其他生物體認(rèn)證系統(tǒng)的結(jié)構(gòu)的圖。\n[0046] 圖7是例示其他生物體認(rèn)證系統(tǒng)的結(jié)構(gòu)的圖。\n[0047] 圖8是例示基于其他生物體認(rèn)證系統(tǒng)的認(rèn)證處理的過程的圖。\n具體實施方式\n[0048] 下面參照附圖說明本發(fā)明的實施方式。\n[0049] 【實施例1】\n[0050] 本實施例的生物體認(rèn)證系統(tǒng)1，是使用多個生物體信息進(jìn)行認(rèn)證對象用戶v和N個登錄用戶un(n＝1，...，N)的1:N認(rèn)證的生物體認(rèn)證系統(tǒng)。所謂認(rèn)證對象用戶，是通過認(rèn)證客戶機(jī)終端100進(jìn)行本人確認(rèn)的用戶。所謂登錄用戶，是預(yù)先登錄了生物體信息的核對用特征量數(shù)據(jù)的用戶。\n[0051] 圖1表示生物體認(rèn)證系統(tǒng)1的結(jié)構(gòu)例。該生物體認(rèn)證系統(tǒng)1，包含從認(rèn)證對象用戶v的生物體信息取得特征量數(shù)據(jù)、或者對于認(rèn)證對象用戶v提示認(rèn)證結(jié)果等信息的認(rèn)證客戶機(jī)終端100、和進(jìn)行1:N認(rèn)證等處理的認(rèn)證服務(wù)器終端110而構(gòu)成。另外，認(rèn)證客戶機(jī)終端100和認(rèn)證服務(wù)器終端110通過網(wǎng)絡(luò)140連接，可進(jìn)行數(shù)據(jù)通信。\n[0052] 生物體認(rèn)證系統(tǒng)1，能夠在例如無卡信用結(jié)算系統(tǒng)中應(yīng)用。此時，認(rèn)證客戶機(jī)終端\n100相當(dāng)于在加盟店中設(shè)置的認(rèn)證裝置，認(rèn)證服務(wù)器終端110相當(dāng)于在數(shù)據(jù)中心設(shè)置的服務(wù)器，網(wǎng)絡(luò)140相當(dāng)于因特網(wǎng)。另外，也可以在企業(yè)內(nèi)的出勤管理系統(tǒng)中應(yīng)用。此時，認(rèn)證客戶機(jī)終端100相當(dāng)于在居室內(nèi)設(shè)置的認(rèn)證裝置，認(rèn)證服務(wù)器終端110相當(dāng)于在服務(wù)器室內(nèi)設(shè)置的服務(wù)器，網(wǎng)絡(luò)140相當(dāng)于公司內(nèi)的互聯(lián)網(wǎng)。\n[0053] 另外，作為網(wǎng)絡(luò)140的例子，并不限于由WAN或者LAN等構(gòu)成的網(wǎng)絡(luò)，可以使用由USB或者IEEE1394等構(gòu)成的有線通信線路、或者由便攜電話網(wǎng)或者BlueTooth等構(gòu)成的無線通信線路、還可以使用組合這些構(gòu)成的通信線路。\n[0054] 認(rèn)證客戶機(jī)終端100，包含特征量提取部102以及認(rèn)證要求部104。特征量提取部\n102以及認(rèn)證要求部104，可以通過認(rèn)證客戶機(jī)終端100的中央處理裝置(CPU)執(zhí)行規(guī)定的程序(省略圖示)來在功能上實現(xiàn)，也可以通過具備具有后述的那些處理部的功能的硬件來實現(xiàn)。\n[0055] 另外，在認(rèn)證客戶機(jī)終端100上，連接了多個(M個)生物體信息輸入傳感器101。\n生物體信息輸入傳感器101是用于從認(rèn)證對象用戶v取得多個生物體信息1～M的裝置。\n[0056] 另外，在生物體信息中，包含指紋、聲紋、虹膜、筆跡、用鍵盤輸入規(guī)定的文字序列時的鍵擊(鍵的按壓量)、動態(tài)署名(Dynamic Signature)、步態(tài)等、由人產(chǎn)生的各種各樣的種類的信息。所謂動態(tài)署名，是不僅包含例如關(guān)于筆跡的形狀(靜態(tài)署名)的信息、還包含關(guān)于署名時的筆的動作速度等動態(tài)特征的信息的生物體信息。\n[0057] 這里，將用一個傳感器能夠取得的生物體信息的種類稱為模型。例如，如在采取指紋時那樣，因為有時能夠從不同的部位(例如食指和中指等)分別取得不同的生物體信息，所以有時能夠通過一個傳感器101取得屬于同一模型的多個生物體信息。在本實施例中，假定使用屬于多個模型的多個不同的生物體信息來進(jìn)行認(rèn)證。\n[0058] 特征量提取部102，根據(jù)從認(rèn)證對象用戶v取得的生物體信息，提取該認(rèn)證對象用戶v的特征量數(shù)據(jù)。另外，特征量數(shù)據(jù)可以以現(xiàn)有的任意的方法來提取。\n[0059] 認(rèn)證要求部104，對于認(rèn)證服務(wù)器終端110，要求進(jìn)行關(guān)于認(rèn)證對象用戶v的判定。\n判定方法的具體的內(nèi)容參照圖3在后面敘述。\n[0060] 另外，當(dāng)從認(rèn)證服務(wù)器終端110接收到關(guān)于上述判定的結(jié)果的判定結(jié)果信息時，進(jìn)行與該判定結(jié)果信息對應(yīng)的處理。關(guān)于該處理的具體例，在后面敘述。\n[0061] 認(rèn)證服務(wù)器終端110，包含存儲部117、先驗概率設(shè)定部111、1:N核對部112、似然比計算部118、后驗概率計算部113、判定部114、以及登錄用戶篩除部115構(gòu)成。另外，先驗概率設(shè)定部111、1:N核對部112、似然比計算部118、后驗概率計算部113、判定部114、以及登錄用戶篩除部115，可以通過認(rèn)證服務(wù)器終端110的中央處理裝置(CPU)執(zhí)行規(guī)定的程序(省略圖示)來在功能上實現(xiàn)，也可以通過具備具有相應(yīng)功能的硬件來實現(xiàn)。另外，這些處理部不需要個別地存在，也可以匯集任意多個處理部來構(gòu)成。\n[0062] 存儲部117，對于每一登錄用戶un，存儲保存該登錄用戶un的ID以及從該登錄用戶un的多個生物體信息1～M提取的各個的核對用特征量數(shù)據(jù)(以下稱“以下稱生物體信息登錄模板”)122的登錄用戶數(shù)據(jù)庫120、和表示過去D(D是1以上的整數(shù))次的最終判定結(jié)果(“認(rèn)證成功”、“冒充”、或者“認(rèn)證失敗”)的判定履歷信息130。存儲部117，通過RAM或者硬盤驅(qū)動器等存儲裝置來實現(xiàn)。\n[0063] 先驗概率設(shè)定部111，初始設(shè)定登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率。在本實施例中，如圖4所示，為了檢測冒充而導(dǎo)入非登錄用戶u0這樣的概念，對于非登錄用戶u0也設(shè)定先驗概率。所謂登錄用戶un的先驗概率以及非登錄用戶u0的后驗概率，是在得不到數(shù)據(jù)(在本實施例中是核對得分)的狀態(tài)下，對于各登錄用戶un以及非登錄用戶u0設(shè)定的概率。具體地說，在核對得分不明的狀態(tài)下，在某認(rèn)證對象用戶v進(jìn)行本人確認(rèn)時，指v＝u1的概率、v＝u2的概率、...、v＝uN的概率、以及v＝u0的概率。另外，在先驗概率的設(shè)定中，包含將預(yù)先決定的固定值(例如，編入程序的源代碼中的值)作為先驗概率來使用的方式、或者預(yù)先設(shè)定好先驗概率計算式，根據(jù)登錄用戶數(shù)據(jù)庫120內(nèi)的數(shù)據(jù)數(shù)或者判定履歷信息130的內(nèi)容等各種數(shù)據(jù)來計算先驗概率的方式。關(guān)于先驗概率的設(shè)定方法的具體例，在后面敘述。\n[0064] 另外，先驗概率設(shè)定部111在重復(fù)認(rèn)證處理的過程中更新先驗概率。具體地說，在后述的判定部114判定認(rèn)證對象用戶v是登錄用戶un以外的用戶(冒充的用戶)時，提高非登錄用戶u0的先驗概率，與此對應(yīng)地降低各登錄用戶un的先驗概率，以使非登錄用戶u0的先驗概率和各登錄用戶un的先驗概率的合計成為1。該處理，可以在判定部114判定為“冒充”后立即執(zhí)行，也可以在進(jìn)行下次認(rèn)證處理時(例如執(zhí)行后述的圖3的步驟S302時)執(zhí)行。關(guān)于通過提高非登錄用戶u0的先驗概率來得到的效果后述。\n[0065] 1:N核對部112，在認(rèn)證客戶機(jī)終端100的特征量提取部102提取的認(rèn)證對象用戶v的特征量數(shù)據(jù)和在登錄用戶數(shù)據(jù)庫120中保存的生物體信息登錄模板122之間進(jìn)行1:N核對，對于每個登錄用戶un，求出核對得分。使用現(xiàn)有的任意的方法來求出核對得分即可。\n[0066] 似然比計算部118根據(jù)1:N核對部112求出的核對得分，對于每一登錄用戶un求出v＝un的似然和v≠un的似然的比。\n[0067] 后驗概率計算部113，使用似然比計算部118求出的似然比和先驗概率設(shè)定部111設(shè)定的登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率，求出登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率。所謂登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率，是在得到數(shù)據(jù)(在本實施例中是核對得分)的狀態(tài)下，考慮該數(shù)據(jù)的基礎(chǔ)上，關(guān)于各登錄用戶un以及非登錄用戶u0設(shè)定的條件概率。具體地說，使用各登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率和似然比，分別計算登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率。關(guān)于后驗概率的計算方法的具體例，在后面敘述。\n[0068] 判定部114，比較后驗概率計算部113求出的各個后驗概率與第一閾值(閾值A(chǔ))，遵照以下的基準(zhǔn)來對于認(rèn)證對象用戶v進(jìn)行本人確認(rèn)。具體地說，在后驗概率的最大值比預(yù)先決定的閾值A(chǔ)大時，如果表示最大值的后驗概率是登錄用戶un的任何一個的后驗概率，則判定為相應(yīng)的登錄用戶和認(rèn)證對象用戶v是同一人(認(rèn)證成功)，輸出表示認(rèn)證成功的判定結(jié)果信息。另一方面，如果表示最大值的后驗概率是非登錄用戶u0的后驗概率，則判定為認(rèn)證對象用戶v是登錄用戶un以外的用戶(冒充的用戶)，輸出表示該意思的信息(冒充警告信息)。另外，在后驗概率的最大值在閾值A(chǔ)以下時(不能判定時)，如果從認(rèn)證對象用戶v取得生物體信息的取得次數(shù)不到規(guī)定值，則作為表示需要再進(jìn)行一次本人確認(rèn)的判定結(jié)果信息來輸出要求再次取得認(rèn)證對象用戶v的生物體信息的信息。另一方面，如果生物體信息的取得次數(shù)在規(guī)定值以上，則判定為不清楚認(rèn)證對象用戶v與登錄用戶un的哪一個相對應(yīng)(認(rèn)證失敗)，輸出表示認(rèn)證失敗的判定結(jié)果信息。\n[0069] 登錄用戶篩除部115，在判定部114要求再次從認(rèn)證對象用戶v取得生物體信息時，比較后驗概率計算部113求出的后驗概率與第二閾值(閾值B)，將與比該閾值B小的后驗概率相對應(yīng)的登錄用戶un以及非登錄用戶u0，從與認(rèn)證對象用戶v的核對對象中排除。\n將規(guī)定的登錄用戶un以及非登錄用戶u0，從與認(rèn)證對象用戶v的核對對象中排除稱為登錄用戶un以及非登錄用戶u0的篩除。對于被篩除的登錄用戶un以及非登錄用戶u0，在其后的認(rèn)證過程中，不計算核對得分、似然比、以及后驗概率等規(guī)定的值。此外，篩除的對象可以不限定于登錄用戶un。\n[0070] 圖2表示本實施例中的認(rèn)證客戶機(jī)終端100以及認(rèn)證服務(wù)器終端110的硬件結(jié)構(gòu)。如圖所示，認(rèn)證客戶機(jī)終端100以及認(rèn)證服務(wù)器終端110可以使用具有CPU200、存儲器(RAM等)201、HDD202、輸入裝置(鍵盤以及鼠標(biāo)等)203、輸出裝置(顯示器以及揚聲器等)204、以及通信裝置(LAN適配器或者紅外線適配器等)205的一般的信息處理裝置而構(gòu)成。\n[0071] 圖3表示通過本實施例的生物體認(rèn)證系統(tǒng)1的認(rèn)證處理的順序以及伴隨認(rèn)證處理的數(shù)據(jù)流。\n[0072] 首先，認(rèn)證服務(wù)器終端110，初始化從認(rèn)證對象用戶v輸入的生物體信息的輸入次數(shù)J(J＝0)(步驟S301)。該處理，假定例如由判定部114進(jìn)行。\n[0073] 然后，認(rèn)證服務(wù)器終端110的先驗概率設(shè)定部111，初始設(shè)定各登錄用戶un的先驗概率P(v＝un)以及非登錄用戶u0的先驗概率P(v＝u0)(步驟S302)。以下說明先驗概率的設(shè)定方法。\n[0074] 例如，可以將登錄用戶un(n＝1，...，N)的先驗概率P(v＝un)、以及非登錄用戶u0的先驗概率P(v＝u0)如下地設(shè)定為相同的值。\n[0075] P(v＝un)＝1/(N+1)\n[0076] P(v＝u0)＝1/(N+1)\n[0077] 或者，也可以將登錄用戶un(n＝1，...，N)的先驗概率設(shè)定為\n[0078] P(v＝un)＝1/N，\n[0079] 將非登錄用戶u0的先驗概率P(v＝u0)設(shè)定為\n[0080] P(v＝u0)＝0。\n[0081] 將非登錄用戶u0的先驗概率設(shè)定為0，意味著假定認(rèn)證對象用戶v一定是N個登錄用戶un的任何一個，在設(shè)定成這樣時，不存在判定認(rèn)證對象用戶v是非登錄用戶u0的情況。\n[0082] 例如，在居室的入口的門的外側(cè)里設(shè)置讀取IC卡的信息后控制門的開鎖以及加鎖的進(jìn)入管理裝置、構(gòu)建用于限制進(jìn)入的人的基于1:N認(rèn)證的出入管理系統(tǒng)時，如果認(rèn)為要打開入口的門的鎖的人僅是登錄用戶un，幾乎沒有冒充他人要開鎖的人，則如上地通過將非登錄用戶u0的先驗概率設(shè)定為0，防止將認(rèn)證對象用戶v誤判定為非登錄用戶u0。\n[0083] 另外，認(rèn)證服務(wù)器終端110的先驗概率設(shè)定部111，也可以根據(jù)在存儲部117中存儲的判定履歷信息130，提高非登錄用戶u0的先驗概率，與此相對應(yīng)地降低各登錄用戶un的先驗概率，以使非登錄用戶u0的先驗概率與各登錄用戶un的先驗概率的合計成為1。具體地說，在步驟S302，參照存儲部117內(nèi)的判定履歷信息130，如果通過最近的認(rèn)證處理中的判定單元114的判定結(jié)果是“冒充”，則可以將在過去D次的認(rèn)證處理中判定為“胃充”的次數(shù)作為D0次，使用過去D次的最終判定結(jié)果(“認(rèn)證成功”、“冒充”、或者“認(rèn)證失敗”)求出D0，如下地設(shè)定登錄用戶un的先驗概率P(v＝un)以及非登錄用戶u0的先驗概率P(v＝u0)。\n[0084] P(v＝un)＝(1-D0/D)/(N+1)\n[0085] P(v＝u0)＝(N×D0/D+1)/(N+1)\n[0086] 這樣，通過先驗概率設(shè)定部111更新先驗概率的值，不管事先未進(jìn)行登錄，即使有在冒充成功前重復(fù)多少次認(rèn)證的惡意的認(rèn)證對象用戶v，每次判定為“冒充”時非登錄用戶u0的先驗概率P(v＝u0)升高，其結(jié)果，因為非登錄用戶u0的后驗概率P(v＝u0|S)也如后述也升高，所以認(rèn)證成功變得更加困難。由此，能夠得到更加提高系統(tǒng)的安全性的效果。\n[0087] 另外，在認(rèn)為發(fā)生惡意用戶的冒充行為的可能性高的應(yīng)用場合中，通過將非登錄用戶u0的先驗概率設(shè)定得較高，能夠?qū)崿F(xiàn)高安全性。\n[0088] 這樣，在本實施例的生物體認(rèn)證系統(tǒng)中，在考慮發(fā)生冒充行為的可能性的基礎(chǔ)上，能夠靈活控制非登錄用戶u0的先驗概率，根據(jù)系統(tǒng)的使用場合的狀況，在便利性·安全性兩方面實現(xiàn)適當(dāng)?shù)倪\用。\n[0089] 認(rèn)證客戶機(jī)終端100的生物體信息輸入傳感器101，根據(jù)來自認(rèn)證對象用戶v的生物體信息的輸入(例如在生物體信息1輸入傳感器101上放置食指提取指紋)，取得該認(rèn)證對象用戶v的生物體信息(步驟S303)。這里，生物體信息輸入傳感器101也可以僅允許一次取得生物體信息。在本實施例中，在有具有類似他人的生物體信息的生物體信息的用戶時，通過若干次輸入該類似的生物體信息，逐漸提高該他人的后驗概率，遲早有作為該他人認(rèn)證成功、結(jié)果安全性降低的可能性。對此，如上述地，通過使一次輸入的模型不能二次輸入，能夠防止通過若干次輸入同一生物體信息的冒充。由此，能夠防止安全性降低。\n[0090] 認(rèn)證客戶機(jī)終端100的特征量提取部102，根據(jù)生物體信息輸入傳感器101從認(rèn)證對象用戶v取得的生物體信息，提取認(rèn)證對象用戶v的特征量數(shù)據(jù)(步驟S304)。\n[0091] 認(rèn)證客戶機(jī)終端100的認(rèn)證要求部104，對于認(rèn)證服務(wù)器終端110，通過通信裝置\n205發(fā)送特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)，同時要求進(jìn)行關(guān)于認(rèn)證對象用戶v的判定(步驟S305)。\n[0092] 在認(rèn)證服務(wù)器終端110側(cè)，當(dāng)從認(rèn)證客戶機(jī)終端100接收認(rèn)證對象用戶特征量數(shù)據(jù)時，增加(J＝J+1)來自認(rèn)證對象用戶v的生物體信息的輸入次數(shù)J(步驟S306)。例如假定判定部114執(zhí)行該處理。\n[0093] 接著，認(rèn)證服務(wù)器終端110的1:N核對部112，在認(rèn)證客戶機(jī)終端100的特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)、和在登錄用戶數(shù)據(jù)庫120中保存的N個登錄用戶un的登錄模板122之間進(jìn)行1:N核對，對于登錄用戶un的各個，求出核對得分sJn(步驟S307)。作為核對得分的計算方法的例子，可以采用求出特征空間中的距離的方法，但是可以采用其他任意的計算方法。另外，對于已經(jīng)篩除的登錄用戶un，因為不進(jìn)行核對，不計算核對得分的值，所以能高速化地進(jìn)行處理。\n[0094] 然后，認(rèn)證服務(wù)器終端110的似然比計算部118，使用1:N核對部112求出的核對得分，對于每一登錄用戶un求出v＝un的似然和v≠un的似然的比(似然比)(步驟S308)。\n在求出似然比時，需要求出全部登錄用戶un的核對得分，但是因為對于已經(jīng)篩除的登錄用戶un不計算似然比的值，所以也不需要核對得分。通過不計算已經(jīng)篩除的登錄用戶un的似然比，能夠?qū)崿F(xiàn)認(rèn)證處理的高速化。\n[0095] 認(rèn)證服務(wù)器終端110的后驗概率計算部113，使用似然比計算部118求出的似然比和先驗概率設(shè)定部111設(shè)定的登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率，求出登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)(步驟S309)。這里，S＝[sjn|j＝1，...，jn＝1，...，N]。此時，在此次的生物體信息的取得中求出的非登錄用戶u0的先驗概率P(v＝u0|S)，比在前次(第J-1次)的生物體信息的取得中的后驗概率(在J＝1的場合是先驗概率)高時，也可以在第J+1次及以后的取得中求出的后驗概率的計算中不使用利用此次的取得中提取的特征量數(shù)據(jù)來求出的N個核對得分(sJ1，sJ2，...，sJN)。在本實施例中，在登錄用戶嘗試認(rèn)證的場合，在輸入生物體信息時的姿勢(手指放置方法、臉的朝向等)、照明環(huán)境等條件惡劣時，在每次輸入生物體信息時，該登錄用戶的后驗概率降低，反而難于正確地被認(rèn)證，結(jié)果，反而有便利性降低這樣的問題。在姿勢、照明環(huán)境等條件惡劣時，因為輸入的生物體信息與哪個登錄用戶的生物體信息都都不類似，所以非登錄用戶的后驗概率升高。因此，如上述，在非登錄用戶的后驗概率比前次升高時，通過在以后的后驗概率的計算中不使用利用在此時的取得中提取的特征量數(shù)據(jù)來求出的核對得分，能夠防止輸入生物體信息時的姿勢、照明環(huán)境等條件惡劣時的便利性的降低。以下說明似然比和登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)的計算方法。\n[0096] 各登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)，使用貝葉氏定理，分別可以變形為以下的數(shù)學(xué)式。\n[0097] 【數(shù)學(xué)式2】\n[0098] \n[0099] \n[0100] 【數(shù)學(xué)式3】\n[0101] \n[0102] \n[0103] 這里，將本人和本人的核對得分s的分布(本人分布)作為f(s)，將本人和他人的核對得分s的分布(他人分布)作為g(s)。如在C.M.Bishop，“PatternRecognition and Machine Learning，”Springer-Verlag；New Ed版(2006)(稱為文獻(xiàn)3。文獻(xiàn)3，通過參照編入本申請)中記載，可以通過假定是正規(guī)分布的最優(yōu)推定或者貝葉氏推定或者數(shù)理邏輯回歸等來求出f(s)以及g(s)。f(s)以及g(s)可以對于每一登錄用戶求出，也可以求出全體登錄用戶共同的f(s)以及g(s)。\n[0104] 使用這些時，P(S|v＝un)以及P(S|v＝u0)，分別用以下的數(shù)學(xué)式表示。\n[0105] 【數(shù)學(xué)式4】\n[0106] \n[0107] \n[0108] 【數(shù)學(xué)式5】\n[0109] \n[0110] \n[0111] 因此，通過將這些代入上式(數(shù)學(xué)式2、數(shù)學(xué)式3)，各登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)，可以用以下的數(shù)學(xué)式(后驗概率計算函數(shù))表示。\n[0112] 【數(shù)學(xué)式6】\n[0113] \n[0114] \n[0115] 【數(shù)學(xué)式7】\n[0116] \n[0117] \n[0118] 這里，在上述后驗概率計算函數(shù)中包含的以下的數(shù)學(xué)式，是用于求出在得到對于登錄用戶un的核對得分s1n，...，sJN時的似然比(v＝un的似然和v≠un的似然的比)的數(shù)學(xué)式(似然比函數(shù))。\n[0119] 【數(shù)學(xué)式8】\n[0120] \n[0121] 似然比計算部118，在步驟S308中，使用上述似然比函數(shù)來計算似然比。\n[0122] 然后，后驗概率計算部113，使用似然比計算部118根據(jù)上述后驗概率計算函數(shù)求出的似然比的值，求出各登錄用戶un的后驗概率以及非登錄用戶un的時候概率。另外，通過對于被篩除的登錄用戶un以及非登錄用戶un不計算后驗概率，能夠?qū)崿F(xiàn)認(rèn)證處理的高速化。另外，在這在求后驗概率時，需要先求出關(guān)于全部登錄用戶un的核對得分以及似然比，但是如上述不計算已經(jīng)被篩除的登錄用戶un的核對得分，關(guān)于已經(jīng)被篩除的登錄用戶un的似然比可以作為0，也可以重復(fù)使用就在被篩除之前的似然比計算處理(步驟S308)中求得的似然比的值。通過不計算已被篩除的登錄用戶un(以及在將非登錄用戶u0作為篩除的對象時已被篩除的非登錄用戶un)的核對得分、似然比、后驗概率，可以實現(xiàn)認(rèn)證處理的高速化。\n[0123] 另 外， 在 Vladimir P.Dragalin，et al.，“Multihypothesis Sequential ProbabilityRatio Tests，PART I：Asymptotic Optimality，”IEEE Trans.Information Theory，Volume 45，Issue 7，pp.2448-2461(1999)](稱為文獻(xiàn)4。文獻(xiàn)4，通過參照編入本申請)中，在判定L(≥2)個假設(shè)中哪個成立的檢驗中，在觀察數(shù)據(jù)是i.i.d(遵照獨立相同分布)、而且假定判定錯誤率充分小時，通過將對于各假設(shè)的似然比標(biāo)準(zhǔn)化成各假設(shè)成立這樣的概率值，通過與閾值A(chǔ)比較大小來進(jìn)行判定，表示到判定結(jié)束為止能夠使必要的平均觀察次數(shù)最小化。\n[0124] 在本實施例中，因為對于各登錄用戶un求出v＝un的似然和v≠un的似然的比，將該似然比標(biāo)準(zhǔn)化為登錄用戶un以及非登錄用戶u0的后驗概率，比較后驗概率與閾值A(chǔ)后進(jìn)行判定，所以能夠?qū)φJ(rèn)證所需要的生物體信息的輸入次數(shù)的期望值進(jìn)行最小化。\n[0125] 如圖4所示(第一次生物體信息輸入的圖)，認(rèn)證服務(wù)器終端110的判定部114，在步驟S309中比較后驗概率計算部113求出的各個后驗概率與閾值A(chǔ)，遵照上述的基準(zhǔn)(圖\n1中的判定部114的說明內(nèi)容)對于認(rèn)證對象用戶V進(jìn)行本人的判定(步驟S310)。\n[0126] 在本實施例中，假定把在判定處理中使用的閾值A(chǔ)設(shè)定為比0.5大的值。通過這樣設(shè)定閾值A(chǔ)，能夠使超過閾值A(chǔ)的后驗概率一定在1以下。通過使超過閾值A(chǔ)的后驗概率最大成為1，在后驗概率的最大值和第二大的值之間一定產(chǎn)生差，能夠降低誤識別的發(fā)生(提高安全性)。通過進(jìn)一步增大閾值A(chǔ)的值來增大該效果。\n[0127] 另外，在本實施例的生物體認(rèn)證系統(tǒng)1中，如上述，使用核對得分的本人分布和他人分布來求出似然比、以及后驗概率。核對得分的本人分布f(s)和他人分布g(s)，因為不僅使用一名登錄用戶un、而且使用全體登錄用戶un的核對得分來推定，所以即使預(yù)先收集的各登錄用戶un的核對得分的數(shù)據(jù)量少也能夠可靠性高地推定。因此，能夠可靠性高地推定似然比以及后驗概率，能夠降低EFAR、EFRR、NFAR。其結(jié)果，能夠得到提高系統(tǒng)的安全性、也進(jìn)一步提高便利性的效果。\n[0128] 接著，認(rèn)證服務(wù)器終端110的判定部114，根據(jù)在步驟S310中的判定結(jié)果，如下地對處理進(jìn)行分支(步驟S311)。\n[0129] 具體地說，在步驟S310中，在判定為認(rèn)證對象用戶v是與某個登錄用戶un是同一人(認(rèn)證成功)時，通過通信裝置205(圖2)向認(rèn)證客戶機(jī)終端100發(fā)送表示認(rèn)證成功的判定結(jié)果信息(步驟S312)。另外，在將生物體認(rèn)證系統(tǒng)1應(yīng)用于無卡結(jié)算系統(tǒng)時進(jìn)行結(jié)算處理等，在應(yīng)用于出勤管理系統(tǒng)時，進(jìn)行門的開鎖處理以及出勤時刻的自動輸入處理。\n[0130] 在步驟S310中，在判定為認(rèn)證對象用戶v是非登錄用戶u0(冒充的用戶)時，通過通信裝置205(圖2)向認(rèn)證客戶機(jī)終端100發(fā)送冒充警告信息(步驟S313)。\n[0131] 在步驟S310中，在不能進(jìn)行判定時，判定來自認(rèn)證對象用戶v的生物體信息的取得次數(shù)J是否未到規(guī)定值(J＜Jmax)(步驟S314)。\n[0132] 如果上述步驟S314的判定的結(jié)果是“Yes”，即生物體信息的取得次數(shù)J尚未達(dá)到規(guī)定值，則登錄用戶篩除部115，比較在步驟S309中概率計算部113求出的后驗概率與閾值B，進(jìn)行與比該閾值B小的后驗概率對應(yīng)的登錄用戶un以及非登錄用戶u0的篩除(步驟S315)。\n[0133] 例如，通過構(gòu)成認(rèn)證服務(wù)器終端110以使在上述步驟S315中被篩除的登錄用戶un的ID保存在存儲器中，認(rèn)證服務(wù)器終端110內(nèi)的各處理部能夠識別被篩除了的登錄用戶un。當(dāng)進(jìn)行登錄用戶un的篩除時，例如在圖4中，在第一次生物體輸入信息中全部登錄用戶un以及非登錄用戶u0都成為核對對象，而在第二次生物體輸入信息中僅n＝1、n＝N的登錄用戶un、以及非登錄用戶u0成為核對對象。\n[0134] 根據(jù)本實施例的生物體認(rèn)證系統(tǒng)1，通過以標(biāo)準(zhǔn)化的各登錄用戶un的后驗概率的值以及非登錄用戶u0的后驗概率的值、和閾值B的大小為基準(zhǔn)，進(jìn)行篩除，能夠如文獻(xiàn)4所示，使各登錄用戶un以及非登錄用戶u0的篩除所需要的生物體信息的輸入次數(shù)J的期望值最小化。這點與輸入次數(shù)J是某值時，使被篩除的登錄用戶un以及非登錄用戶u0的數(shù)的期望值最大化同義。因此，因為能夠?qū)?:N核對所需要的時間抑制得短，所以能夠得到更加提高便利性的效果。\n[0135] 進(jìn)行篩除處理(步驟S315)后，認(rèn)證服務(wù)器終端110(具體地說例如判定部114)，作為表示需要再次進(jìn)行本人確認(rèn)的判定結(jié)果信息來輸出要求再取得認(rèn)證對象用戶v的生物體信息的信息，經(jīng)由通信裝置205(圖2)對認(rèn)證客戶機(jī)終端100發(fā)送(步驟S316)。\n[0136] 其后，認(rèn)證服務(wù)器110，在從認(rèn)證客戶機(jī)終端100有下一判定的要求前，亦即到發(fā)送認(rèn)證對象用戶特征量數(shù)據(jù)為止待機(jī)(步驟S317)，當(dāng)從認(rèn)證客戶機(jī)終端100接收到認(rèn)證對象用戶特征量數(shù)據(jù)時執(zhí)行步驟S306及以后的處理。\n[0137] 另一方面，如果步驟S314的判定的結(jié)果是“No”，即生物體信息的取得次數(shù)J達(dá)到規(guī)定值，則輸出表示認(rèn)證失敗的判定結(jié)果信息，經(jīng)由通信裝置(圖2)發(fā)送給認(rèn)證客戶機(jī)終端100(步驟S318)。\n[0138] 認(rèn)證客戶機(jī)終端100的認(rèn)證要求部104，根據(jù)從認(rèn)證服務(wù)器終端110發(fā)送的判定結(jié)果信息，進(jìn)行例如如下的處理(步驟S319)。\n[0139] 在接收到表示認(rèn)證成功的判定結(jié)果信息時，認(rèn)證要求部104，通過輸出部100對于認(rèn)證對象用戶v提示如(顯示或者發(fā)聲等)“認(rèn)證成功?！钡膬?nèi)容的消息。\n[0140] 在接收到冒充警告信息時，認(rèn)證要求部104，停止生物體信息輸入傳感器101的動作來拒絕認(rèn)證，或者通過輸出裝置204鳴警報的方法來設(shè)置對于冒充的用戶的罰則。\n[0141] 在接收到要求再取得生物體信息的判定結(jié)果信息時，認(rèn)證要求部104通過輸出裝置204，如“請把食指的指紋蒙在傳感器上”等那樣，對于認(rèn)證對象用戶v提示(顯示或者發(fā)聲等)催促輸入生物體信息的消息。\n[0142] 在接收到表示認(rèn)證失敗的判定結(jié)果信息時，認(rèn)證要求部104通過輸出裝置204，如“認(rèn)證失敗。請再次從開始重新進(jìn)行認(rèn)證。”等那樣，對于認(rèn)證對象用戶v提示(顯示或者發(fā)聲等)催促再試本人確認(rèn)的消息。\n[0143] 在認(rèn)證服務(wù)器終端110中，判定部114在得到最終判定結(jié)果(“認(rèn)證成功”、“冒充”、或者“認(rèn)證失敗”)時，將該最終判定結(jié)果記錄在存儲部117中存儲的判定履歷信息130中(步驟S320)。\n[0144] 在本實施例的生物體認(rèn)證系統(tǒng)1中，不僅預(yù)先設(shè)定好登錄用戶un的先驗概率，而且也預(yù)先設(shè)定好非登錄用戶u0的先驗概率，并使用先驗概率和似然比，不僅計算登錄用戶un的后驗概率，而且也計算出非登錄用戶u0的后驗概率，在判定認(rèn)證對象用戶v是非登錄用戶u0時作為“冒充”，在不能判定認(rèn)證對象用戶v是誰(既不能判定是登錄用戶un，也不能判定是非登錄用戶u0)時作為“認(rèn)證失敗”。通過明確區(qū)別這兩者，僅在判定事先未進(jìn)行登錄的認(rèn)證對象用戶v嘗試冒充時，才可以設(shè)置像步驟S319的處理那樣的罰則。由此，能夠有效排除有惡意的冒充的用戶，能夠提高系統(tǒng)的安全性。\n[0145] 【實施例2】\n[0146] 在本實施例中，使用屬于同一模型的多個不同的生物體信息來進(jìn)行認(rèn)證。以下，以與實施例1不同的點為中心，說明本實施例。\n[0147] 在圖3的步驟S307中，認(rèn)證服務(wù)器終端110的1:N核對部112，在認(rèn)證客戶機(jī)終端\n100的特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)、與在登錄用戶數(shù)據(jù)庫120中保存的N個登錄用戶un的M個登錄模板122之間進(jìn)行1:N核對，對于登錄用戶un的第m號登錄模板的各個求出核對得分sjnm。以下，作為核對得分的計算方法來使用特征空間中的距離。\n此時，核對得分越小越好，亦即核對得分越小兩個生物體信息越像同一個。此時，在到此次(第J次)的輸入中，在最小的核對得分對于同一用戶的同一生物體信息被多次得到時，作為認(rèn)證失敗。例如，將多次作為兩次，在表示某次的最小的核對得分的生物體信息和表示另一次的最小的核對得分的生物體信息相同時，作為認(rèn)證失敗。\n[0148] 在存在與其他人的生物體信息相似的生物體信息的用戶的場合，通過將其生物體信息輸入若干次，逐漸提高該其他人的后驗概率，遲早會作為該其他人來認(rèn)證成功，結(jié)果，有安全性降低的可能性。在本實施例中，因為模型是一個，所以不能采取一次輸入的模型不能兩次輸入那樣的進(jìn)行對策。對此，如上述，通過對于同一生物體信息多次得到最小的核對得分時作為認(rèn)證失敗，能夠防止基于若干次輸入同一生物體信息的冒充。由此，能夠防止安全性降低。\n[0149] 但是，在上述的情況下，因為當(dāng)認(rèn)證對象用戶多次輸入同一生物體信息時一定認(rèn)證失敗，結(jié)果，有便利性降低的問題。因此，在到此次(第J次)的輸入中，在對于同一生物體信息，多次(設(shè)K次)得到最小的核對得分時，規(guī)定其中在實現(xiàn)最小的核對得分的輸入以外的輸入來得到的核對得分((K-1)×N×M個)在進(jìn)行步驟S308中的似然比計算時不使用。由此，防止通過若干次輸入同一生物體信息使后驗概率逐漸升高的冒充，并且能夠防止當(dāng)認(rèn)證對象用戶多次輸入同一生物體信息時一定失敗的問題。由此，能夠防止安全性降低、以及便利性降低的問題。\n[0150] 在步驟S308以及步驟S309中，分別如下地計算似然比和登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)。這里，S＝[sjnm|j＝1，...，Jn＝1，...，Nm＝1，...，M]。\n[0151] 各登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)，使用貝葉氏的定理，分別可以變形為以下的數(shù)學(xué)式。\n[0152] 【數(shù)學(xué)式9】\n[0153] \n[0154] \n[0155] 【數(shù)學(xué)式10】\n[0156] \n[0157] \n[0158] 這里，當(dāng)設(shè)認(rèn)證對象用戶輸入第m號(m＝1，2，...M)的生物體信息的概率分別等于1/M時，分別用以下的數(shù)學(xué)式表示P(v＝un|S)以及P(v＝u0|S)。\n[0159] 【數(shù)學(xué)式11】\n[0160] \n[0161] \n[0162] \n[0163] \n[0164] 【數(shù)學(xué)式12】\n[0165] \n[0166] \n[0167] 因此，通過把它們代入上式(數(shù)學(xué)式9、數(shù)學(xué)式10)，用以下的數(shù)學(xué)式(后驗概率計算函數(shù))來表示各登錄用戶un的后驗概率P(v＝un|S)以及非登錄用戶u0的后驗概率P(v＝u0|S)。\n[0168] 【數(shù)學(xué)式13】\n[0169] \n[0170] \n[0171] 【數(shù)學(xué)式14】\n[0172] \n[0173] \n[0174] 這里，上述后驗概率計算函數(shù)中包含的以下的數(shù)學(xué)式，是用于求出在得到對于登錄用戶un的第m號的生物體信息的核對得分s1nm，...，sjnm時的似然比(v＝un的似然和v≠un的似然的比)的數(shù)學(xué)式(似然比函數(shù))。\n[0175] 【數(shù)學(xué)式15】\n[0176] \n[0177] 似然比計算部118，在步驟S308中，使用上述似然比函數(shù)來計算似然比。然后，后驗概率計算部113，使用似然比計算部118根據(jù)上述后驗概率計算函數(shù)求出的似然比的值來求出各登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率。\n[0178] 【實施例3】\n[0179] 本實施例的生物體認(rèn)證系統(tǒng)2是無卡信用結(jié)算系統(tǒng)。以下以與實施例1不同的點為中心，說明本實施例。\n[0180] 圖7表示生物體認(rèn)證系統(tǒng)2的結(jié)構(gòu)例。\n[0181] 損失計算部102，根據(jù)認(rèn)證對象用戶v購買的物品的金額Q，計算在v是登錄用戶時，判定為其他登錄用戶時的損失W1、在v是非登錄用戶時判定為某個登錄用戶時的損失W0。\n[0182] 先驗概率初始設(shè)定部111a，初始設(shè)定登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率。\n[0183] 先驗概率·閾值設(shè)定部111b使用損失W1、損失W0，設(shè)定各登錄用戶un的先驗概率以及閾值、非登錄用戶u0的先驗概率以及閾值，以使在判定為EFRR以及是第n號登錄用戶時的損失的期望值Rn分別成為要求值EFRR’、Rn’以下。在本實施例中，對于各登錄用戶un以及每個非登錄用戶u0設(shè)定閾值。\n[0184] 圖8是表示基于本實施例的生物體認(rèn)證系統(tǒng)2的認(rèn)證處理的順序以及伴隨認(rèn)證處理的數(shù)據(jù)流。\n[0185] 在步驟S302中，認(rèn)證服務(wù)器終端110的先驗概率初始設(shè)定部111a，初始設(shè)定各登錄用戶un的先驗概率P(v＝un)以及非登錄用戶u0的先驗概率P(v＝u0)。設(shè)該先驗概率P(v＝un)、P(v＝u0)的初始值分別為πn、π0。\n[0186] 在步驟S302a中，認(rèn)證客戶機(jī)終端100的損失計算部102a，根據(jù)認(rèn)證對象用戶v購買的物品的金額Q，計算在v是登錄用戶時判定為其他登錄用戶時的損失W1、在v是非登錄用戶時判定為某登錄用戶時的損失W0。關(guān)于金額Q，例如店員通過鍵盤輸入。關(guān)于損失W1以及W0，例如假設(shè)它們與金額Q成比例，使用下面的數(shù)學(xué)式，計算W1以及W0。α、β是常數(shù)。\n[0187] 【數(shù)學(xué)式16】\n[0188] W1＝αQ …(16)\n[0189] 【數(shù)學(xué)式17】\n[0190] W0＝βQ …(17)\n[0191] 在步驟S305中，認(rèn)證客戶機(jī)終端100的認(rèn)證要求部104對于認(rèn)證服務(wù)器終端110，通過通信裝置205發(fā)送特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)、損失計算部\n102a算出的損失W1以及W0，同時要求進(jìn)行關(guān)于認(rèn)證對象用戶v的判定。\n[0192] 在步驟S306a中，認(rèn)證服務(wù)器終端110的先驗概率·閾值設(shè)定部111b，使用從認(rèn)證客戶機(jī)終端100接收到的損失W1、損失W0，設(shè)定N個登錄用戶的各登錄用戶un的先驗概率P(v＝un)以及閾值A(chǔ)n、非登錄用戶u0的先驗概率P(v＝u0)以及閾值A(chǔ)0，以使在判定為EFRR以及是第n號登錄用戶時的損失的期望值Rn分別在要求值EFRR’、Rn’以下。先驗概率以及閾值的設(shè)定，使用以下的數(shù)學(xué)式進(jìn)行。\n[0193] 【數(shù)學(xué)式18】\n[0194] \n[0195] 【數(shù)學(xué)式19】\n[0196] \n[0197] 【數(shù)學(xué)式20】\n[0198] \n[0199] 【數(shù)學(xué)式21】\n[0200] \n[0201] 式中，an以及a0是用以下的數(shù)學(xué)式表示的變量。\n[0202] 【數(shù)學(xué)式22】\n[0203] \n[0204] 【數(shù)學(xué)式23】\n[0205] \n[0206] 如果如上地設(shè)定先驗概率以及閾值，則EFRR以及Rn成為要求值EFRR’、Rn’以下。\n簡單地說明其證明方法。\n[0207] 根據(jù)文獻(xiàn)4，在判定為第i號的登錄用戶時的損失的期望值Ri，可以使用在v＝uj時的概率αji、如下地表示此時的損失W(j，i)。\n[0208] 【數(shù)學(xué)式24】\n[0209] \n[0210] 這里，作為概率αji、損失W(j，i)來使用以下的公式，參照文獻(xiàn)4，可以導(dǎo)出EFRR以及Rn成為要求值EFRR’、Rn’以下。\n[0211] 【數(shù)學(xué)式25】\n[0212] \n[0213] 【數(shù)學(xué)式26】\n[0214] \n[0215] 如上述地，在每次進(jìn)行認(rèn)證時，計算損失W1以及W0，并根據(jù)這些設(shè)定先驗概率以及閾值，由此能夠?qū)FRR始終抑制在要求值EFRR’以下、并且將判定為第n號登錄用戶時的損失的期望值Rn始終抑制在要求值Rn’以下。結(jié)果，始終能夠?qū)崿F(xiàn)所要求的便利性以及安全性。\n[0216] 以上說明了本發(fā)明的實施例，但是也可以采用如下的變形例。\n[0217] [變形例]\n[0218] 在上述實施例中，將在判定處理中使用的閾值A(chǔ)設(shè)定成比0.5大的值，但是也可以設(shè)定成0.5以下的值。在將閾值A(chǔ)設(shè)定為0.5以下時，如果存在多個超過閾值A(chǔ)的后驗概率，則判定部114只要根據(jù)在這些后驗概率中表示最大值的后驗概率，進(jìn)行判定即可。\n[0219] 另外，上述實施例的生物體認(rèn)證系統(tǒng)，通過用網(wǎng)絡(luò)140連接認(rèn)證客戶機(jī)終端100和認(rèn)證服務(wù)器終端110而構(gòu)成，但是生物體認(rèn)證系統(tǒng)也可以是匯集各個終端100、110的結(jié)構(gòu)而成為一體的裝置。此時，可以省略在上述實施例的認(rèn)證客戶機(jī)終端100中具有的認(rèn)證要求單元104。進(jìn)而，認(rèn)證客戶機(jī)終端100以及認(rèn)證服務(wù)器終端110，不限于圖1或者圖7表示的結(jié)構(gòu)，例如，對于通過CPU執(zhí)行程序來實現(xiàn)的處理部102、111～115、118，也可以在認(rèn)證客戶機(jī)終端100和認(rèn)證服務(wù)器終端110的任何一個中具備。再有，上述處理部，可以匯集全部或者幾個而構(gòu)成，也可以進(jìn)一步細(xì)分。\n[0220] 在上述實施例中，似然比計算部118，使用1:N核對部112在圖3的步驟S307中求出的核對得分，對于每一登錄用戶un計算似然比(步驟S308)，但是，也可以被構(gòu)成為根據(jù)在登錄用戶數(shù)據(jù)庫120中保存的生物體信息登錄模板122以及認(rèn)證客戶機(jī)終端100的特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)，對于每一登錄用戶un求出似然比。具體地說，各登錄用戶un的似然ln，在每次得到認(rèn)證對象用戶特征量數(shù)據(jù)xJ(J＝1，2，...)時，使用登錄用戶un(n＝1，...，N)的特征量的分布pn(xJ)以及全部登錄用戶的特征量的分布p0n(xJ)，通過以下的數(shù)學(xué)式計算。\n[0221] 【數(shù)學(xué)式27】\n[0222] \n[0223] 然后，在求各登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率時，只要將上述求得的似然比置換為在上述實施例中說明的后驗概率計算函數(shù)中使用的似然比即可。\n[0224] 在上述實施例中，認(rèn)證服務(wù)器終端110進(jìn)行關(guān)于認(rèn)證對象用戶v的判定，但是也可以構(gòu)成為由認(rèn)證客戶機(jī)終端100進(jìn)行該判定。例如，如圖6所示，認(rèn)證客戶機(jī)終端100具有判定部106，在認(rèn)證服務(wù)器終端110中代替判定部114(圖1)具有發(fā)送信息決定部116。\n因為認(rèn)證客戶機(jī)終端100以及認(rèn)證服務(wù)器終端110的其他的結(jié)構(gòu)、生物體信息輸入傳感器\n101的結(jié)構(gòu)、以及網(wǎng)絡(luò)140的結(jié)構(gòu)，與上述實施例中的各個的結(jié)構(gòu)基本相同，所以標(biāo)上同一符號。以下說明該結(jié)構(gòu)中的認(rèn)證處理的順序。\n[0225] 首先，認(rèn)證客戶機(jī)終端100的認(rèn)證要求部104，對于認(rèn)證服務(wù)器終端110，發(fā)送特征量提取部102提取的認(rèn)證對象用戶特征量數(shù)據(jù)，并且根據(jù)該認(rèn)證對象用戶特征量數(shù)據(jù)以及在登錄用戶數(shù)據(jù)庫120中保存的核對用特征量數(shù)據(jù)，對于每一登錄用戶un求出v＝un的似然和v≠un的似然的比，使用求出的似然比和認(rèn)證服務(wù)器終端110的先驗概率設(shè)定部111設(shè)定的登錄用戶un的先驗概率以及非登錄用戶u0的先驗概率，求出登錄用戶un的后驗概率以及非登錄用戶u0的后驗概率，比較求出的后驗概率的各個與閾值A(chǔ)，在后驗概率的最大值比閾值A(chǔ)大時，要求發(fā)送與表示最大值的后驗概率對應(yīng)的登錄用戶un或者非登錄用戶u0的信息。\n[0226] 在認(rèn)證服務(wù)器終端110中，根據(jù)來自認(rèn)證客戶機(jī)終端100的要求，先驗概率設(shè)定部\n111、1:N核對部112、似然比計算部118、以及后驗概率計算部113，進(jìn)行與上述實施例同樣的處理，求出后驗概率。然后，發(fā)送信息決定部116，比較后驗概率計算部113求出的后驗概率的各個與閾值A(chǔ)，在后驗概率的最大值比閾值A(chǔ)大時，決定與表示最大值的后驗概率對應(yīng)的登錄用戶un或者非登錄用戶u0的信息，并將該信息發(fā)送給認(rèn)證客戶機(jī)終端100。\n[0227] 認(rèn)證客戶機(jī)終端100的認(rèn)證要求部104，當(dāng)接收到認(rèn)證服務(wù)器終端110發(fā)送的信息時，委托判定部106進(jìn)行關(guān)于認(rèn)證對象用戶v的判定。\n[0228] 認(rèn)證客戶機(jī)終端100的判定部106，如果認(rèn)證要求部104取得的信息是登錄用戶un的信息，則判定為該登錄用戶un與認(rèn)證對象用戶v是同一人，如果認(rèn)證要求部104取得的信息是非登錄用戶u0的信息，則判定為認(rèn)證對象用戶v是登錄用戶un以外的用戶。\n[0229] 然后，認(rèn)證要求部104，可以根據(jù)通過判定部106判定的結(jié)果進(jìn)行與上述實施例同樣的處理(圖3的步驟S319)。\n[0230] 進(jìn)而作為其他實施例，認(rèn)證服務(wù)器110內(nèi)的判定部114或者認(rèn)證客戶機(jī)終端100的判定部106，也可以構(gòu)成為不使用后驗概率，通過比較在圖3的步驟S308中似然比計算部118對于每一登錄用戶un求出的似然比(v＝un的似然和v≠un的似然的比)與規(guī)定的閾值C來進(jìn)行認(rèn)證。具體地說，在似然比的最大值比閾值C大時，判定為與表示最大值的似然比對應(yīng)的登錄用戶和認(rèn)證對象用戶v是同一人(認(rèn)證成功)，在似然比的最大值在閾值C以下時，如果來自認(rèn)證對象用戶v的生物體信息的取得次數(shù)不到規(guī)定值，則要求再取得認(rèn)證對象用戶v的生物體信息，如果來自認(rèn)證對象用戶v的生物體信息的取得次數(shù)在規(guī)定值以上，則可以判定為“認(rèn)證失敗”。\n[0231] 在上述的情況下，因為不使用先驗概率以及后驗概率這樣的概念，所以不執(zhí)行圖3的流程圖中的步驟S302以及S309。另外，因為不使用非登錄用戶u0這樣的概念，所以也不執(zhí)行步驟S313。\n[0232] 在上述的情況下，進(jìn)行篩除處理時，登錄用戶篩除部115，例如在判定部114、106要求再取得生物體信息時，比較似然比計算部118求出的似然比與規(guī)定的閾值D，將與比閾值D小的似然比對應(yīng)的登錄用戶un，從與認(rèn)證對象用戶v的核對對象中排除即可。另外，篩除的定時，可以在從圖3的步驟S314到步驟S315(判定部114、106要求再取得生物體信息時)之間、和在步驟S315之后的哪一個均可。\n[0233] 如上述，根據(jù)各登錄用戶un的核對得分，求出各登錄用戶un的似然比，通過比較該似然比與閾值C來進(jìn)行判定，也能使進(jìn)行認(rèn)證所需要的生物體信息的輸入次數(shù)的期望值最小化。另外，在使用特征量的分布求出似然比的現(xiàn)有的方法中，因為一般，特征量的維數(shù)較大(例如在虹膜時2048～4096維)，為了推定特征量的分布，需要非常大的規(guī)模的學(xué)習(xí)樣本，所以有實用化困難的問題。對此，在使用核對得分來求出似然比時，因為核對得分的維數(shù)總是1，所以一定能夠推定核對得分的本人分布以及他人分布。\n[0234] 根據(jù)以上說明的本實施方式，因為對于各登錄用戶un求出v＝un的似然和v≠un的似然的比，將該似然比標(biāo)準(zhǔn)化為登錄用戶un的后驗概率和非登錄用戶u0的后驗概率，比較后驗概率與閾值后進(jìn)行判定，所以能夠特別地降低認(rèn)證所需要的生物體信息的輸入次數(shù)的期望值。\n[0235] 另外，在求各登錄用戶un的核對得分，使用其核對得分求出各登錄用戶un的似然比，比較似然比與閾值來進(jìn)行判定的方法中，也能夠特別降低(理論上最小化)認(rèn)證所必要的生物體信息的輸入次數(shù)的期望值。\n[0236] 進(jìn)而，通過設(shè)定好登錄用戶un的先驗概率和非登錄用戶u0的先驗概率，不僅對于登錄用戶un而且對于非登錄用戶u0都計算后驗概率，能夠明確地區(qū)別認(rèn)證對象用戶v和非登錄用戶u0是同一人的情況(冒充)、和不能判斷認(rèn)證對象用戶是誰的情況(認(rèn)證失敗)。\n如果能夠明確地掌握冒充的用戶，則能夠采取用于有效地排除由有那樣的惡意的用戶進(jìn)行的冒充的對策(例如提示警告消息的措置、或者停止傳感器的動作的措置等)。\n[0237] 本發(fā)明可應(yīng)用于基于1:N認(rèn)證進(jìn)行本人確認(rèn)的任意的生物體認(rèn)證系統(tǒng)。例如，可應(yīng)用于出勤管理系統(tǒng)、用于進(jìn)行信用卡結(jié)算的個人認(rèn)證系統(tǒng)、出入室管理系統(tǒng)。