本發(fā)明涉及數(shù)字簽章，更具體地說，本發(fā)明涉及一種電子數(shù)字簽章系統(tǒng)和方法。

背景技術(shù)：

1、隨著科技的不斷發(fā)展，電子簽章在各個領(lǐng)域的應(yīng)用越來越廣泛，在項目評審等工作中，傳統(tǒng)的紙質(zhì)簽名方式效率低下，難以滿足現(xiàn)代工作的需求，為了提高評審效率，實現(xiàn)智能化評審，需要研究和應(yīng)用電子數(shù)字簽章技術(shù)；

2、目前，現(xiàn)有的電子簽章技術(shù)在簽名提取、驗證和批量生成等方面存在一些不足，例如；

3、1、簽名提取的準(zhǔn)確性和精度有待提高，難以精準(zhǔn)地提取手寫簽名的圖形特征；

4、2、簽名驗證的安全性和可靠性需要加強，以確保簽名的真實性和有效性；

5、3、在批量簽名生成方面，缺乏高效的策略和方法，難以滿足大規(guī)模評審項目的需求。

6、此外，隨著數(shù)字化建設(shè)的推進，對電子簽章技術(shù)的安全性、穩(wěn)定性和易用性提出了更高的要求，現(xiàn)有的技術(shù)標(biāo)準(zhǔn)和規(guī)范需要不斷完善和更新，以適應(yīng)新的應(yīng)用場景和需求，

7、因此，為了貫徹落實國網(wǎng)關(guān)于加強初步設(shè)計評審管理、提升評審單位專業(yè)能力、推進智能化評審等工作要求，本發(fā)明提供了一種電子數(shù)字簽章系統(tǒng)和方法。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供一種電子數(shù)字簽章系統(tǒng)和方法，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種電子數(shù)字簽章系統(tǒng)，包括數(shù)字簽名提取模塊、簽名驗證模塊和批量簽名生成模塊；

3、所述數(shù)字簽名提取模塊，采用先進的深度學(xué)習(xí)算法與精細圖形識別技術(shù)相結(jié)合，能夠在高分辨率的圖像中精準(zhǔn)地提取手寫簽名的圖形特征，形成高精度簽名圖形數(shù)據(jù)，通過dython或j2ee的技術(shù)支持，實現(xiàn)簽名數(shù)據(jù)信息的快速提取，并轉(zhuǎn)化為加密的消息摘要，確保簽名內(nèi)容的安全性和不可篡改性；

4、所述簽名驗證模塊，用于對提取的簽名進行處理，將簽名圖片通過算法轉(zhuǎn)化為消息摘要，并通過網(wǎng)絡(luò)統(tǒng)一保存到后臺指定位置，同時將簽名相關(guān)的專家信息一并關(guān)聯(lián)保存，實現(xiàn)隨用隨取，對消息摘要加密生成數(shù)字簽名，并實現(xiàn)數(shù)字簽名的加密和解密一體化管理，后臺收到解析密文并完成解析后，運用加密驗證進行比對，以驗證簽名是否真實有效；

5、所述批量簽名生成模塊，采用批量生成數(shù)字簽名技術(shù)，根據(jù)專家組名單和評審項目名單，形成批量生成數(shù)字簽名策略，根據(jù)擬定好的評審意見鎖定簽字位置，以組長為先組員依次排序的原則，將數(shù)字簽名批量生成，完成評審意見的電子化批量簽名，其中，專家組名單為專家組組長和組員。

6、優(yōu)選地，所述數(shù)字簽名提取模塊包括數(shù)據(jù)提取單元、消息摘要轉(zhuǎn)化單元、加密處理單元和特征提取單元，其中，

7、數(shù)據(jù)提取單元，配置為在dython或j2ee?技術(shù)的支持下，準(zhǔn)確地對簽字?jǐn)?shù)據(jù)信息進行提?。?/p>

8、消息摘要轉(zhuǎn)化單元與數(shù)據(jù)提取單元連接，用于將提取后的簽名轉(zhuǎn)化為消息摘要；

9、加密處理單元與消息摘要轉(zhuǎn)化單元連接，對消息摘要進行加密操作，確保簽名內(nèi)容的安全性；

10、特征提取單元采用先進的深度學(xué)習(xí)算法與精細圖形識別技術(shù)相結(jié)合，能夠在高分辨率的圖像中精準(zhǔn)地提取手寫簽名的圖形特征，形成高精度簽名圖形數(shù)據(jù)，具體包括：

11、訓(xùn)練數(shù)據(jù)收集子單元，用于收集大量包含手寫簽名的高分辨率圖像作為訓(xùn)練數(shù)據(jù)；

12、數(shù)據(jù)預(yù)處理子單元，與訓(xùn)練數(shù)據(jù)收集子單元連接，對訓(xùn)練數(shù)據(jù)進行預(yù)處理，包括圖像增強、去噪和歸一化操作；

13、模型選擇與訓(xùn)練子單元，與數(shù)據(jù)預(yù)處理子單元連接，選擇卷積神經(jīng)網(wǎng)絡(luò)或循環(huán)神經(jīng)網(wǎng)絡(luò)，使用預(yù)處理后的訓(xùn)練數(shù)據(jù)對模型進行訓(xùn)練，在訓(xùn)練過程中，模型學(xué)習(xí)手寫簽名的圖形特征和模式，并結(jié)合精細圖形識別技術(shù)進行優(yōu)化；

14、簽名提取子單元，與模型選擇與訓(xùn)練子單元連接，將待提取簽名的高分辨率圖像輸入到訓(xùn)練好的模型中，模型自動提取出手寫簽名的圖形特征，并根據(jù)提取到的圖形特征生成高精度簽名圖形數(shù)據(jù)。

15、優(yōu)選地，所述簽名驗證模塊包括圖片處理單元、存儲與關(guān)聯(lián)單元、加密解密管理單元和驗證比對單元，其中，

16、圖片處理單元，用于接收提取的簽名圖片，并通過特定算法將其轉(zhuǎn)化為消息摘要；

17、存儲與關(guān)聯(lián)單元與圖片處理單元連接，將消息摘要和簽名相關(guān)的專家信息關(guān)聯(lián)保存到后臺指定位置，以便隨時調(diào)用；

18、加密解密管理單元與存儲與關(guān)聯(lián)單元連接，對消息摘要加密生成數(shù)字簽名，并實現(xiàn)數(shù)字簽名的加密和解密一體化管理，確保簽名的安全性和可管理性；

19、驗證比對單元與加密解密管理單元連接，當(dāng)后臺收到解析密文并完成解析后，運用加密驗證進行比對，以驗證簽名是否真實有效。

20、優(yōu)選地，所述批量簽名生成模塊包括策略制定單元、簽字位置鎖定單元和簽名排序生成單元，其中，

21、策略制定單元，根據(jù)專家組名單和評審項目名單，制定合理的批量生成數(shù)字簽名策略；

22、簽字位置鎖定單元與策略制定單元連接，依據(jù)擬定好的評審意見，準(zhǔn)確鎖定簽字位置；

23、簽名排序生成單元與簽字位置鎖定單元連接，按照組長為先組員依次排序的原則，批量生成數(shù)字簽名。

24、優(yōu)選地，所述數(shù)字簽名提取模塊還包括消息摘要驗證單元和專家信息管理單元，其中，消息摘要驗證單元與驗證比對單元連接，用于對轉(zhuǎn)化后的消息摘要進行驗證，確保其完整性和準(zhǔn)確性，所述專家信息管理單元與存儲與關(guān)聯(lián)單元連接，對簽名相關(guān)的專家信息進行管理，包括專家信息的錄入、更新和查詢。

25、優(yōu)選地，所述批量簽名生成模塊還包括簽名樣式設(shè)置單元和錯誤處理單元，其中，簽名樣式設(shè)置單元與簽名排序生成單元連接，用于設(shè)置數(shù)字簽名的樣式，使其符合特定的規(guī)范和要求，所述錯誤處理單元與簽名排序生成單元連接，對批量簽名生成過程中出現(xiàn)的錯誤進行及時處理和記錄，確保簽名生成的準(zhǔn)確性。

26、本發(fā)明還提供一種方法，用于上述的系統(tǒng)生成電子數(shù)字簽章，包括以下步驟：

27、s1、數(shù)字簽名提取，利用數(shù)字簽名提取模塊選取圖形提取體系作為電子簽章驗證的數(shù)據(jù)挖掘工具，在?dython、j2ee?等技術(shù)支持下，對簽字?jǐn)?shù)據(jù)信息進行提取，提取后的簽名轉(zhuǎn)化為消息摘要后進行加密操作，以保證簽名內(nèi)容的安全性；具體包括：

28、s1.1、數(shù)據(jù)提取，在特定技術(shù)支持下，通過數(shù)據(jù)提取單元對簽字?jǐn)?shù)據(jù)信息進行準(zhǔn)確提?。?/p>

29、s1.2、消息摘要轉(zhuǎn)化，利用消息摘要轉(zhuǎn)化單元將提取后的簽名轉(zhuǎn)化為消息摘要；

30、s1.3、加密操作，經(jīng)由加密處理單元對消息摘要進行加密操作，確保簽名內(nèi)容的安全性；

31、s1.4、特征提取，特征提取單元將收集大量包含手寫簽名的高分辨率圖像作為訓(xùn)練數(shù)據(jù)，并對其進行預(yù)處理，包括圖像增強、去噪和歸一化操作；然后選擇卷積神經(jīng)網(wǎng)絡(luò)或循環(huán)神經(jīng)網(wǎng)絡(luò)，使用預(yù)處理后的訓(xùn)練數(shù)據(jù)對模型進行訓(xùn)練；在訓(xùn)練過程中，模型學(xué)習(xí)手寫簽名的圖形特征和模式，并結(jié)合精細圖形識別技術(shù)進行優(yōu)化；最后，將待提取簽名的高分辨率圖像輸入到訓(xùn)練好的模型中，模型自動提取出手寫簽名的圖形特征，并根據(jù)提取到的圖形特征生成高精度簽名圖形數(shù)據(jù)。

32、s2、簽名驗證，通過簽名驗證模塊對提取的簽名進行處理，將簽名圖片通過算法轉(zhuǎn)化為消息摘要，并通過網(wǎng)絡(luò)統(tǒng)一保存到后臺指定位置，同時將簽名相關(guān)的專家信息一并關(guān)聯(lián)保存，實現(xiàn)隨用隨?。粚ο⒄用苌蓴?shù)字簽名，并實現(xiàn)數(shù)字簽名的加密和解密一體化管理，后臺收到解析密文并完成解析后，運用加密驗證進行比對，以驗證簽名是否真實有效；具體包括：

33、s2.1、圖片處理，借助圖片處理單元將簽名圖片通過算法轉(zhuǎn)化為消息摘要；

34、s2.2、存儲與關(guān)聯(lián)，通過存儲與關(guān)聯(lián)單元將消息摘要和簽名相關(guān)的專家信息關(guān)聯(lián)保存到后臺指定位置；

35、s2.3、加密與管理，利用加密解密管理單元對消息摘要加密生成數(shù)字簽名，并實現(xiàn)數(shù)字簽名的加密和解密一體化管理；

36、s2.4、驗證比對，運用驗證比對單元的加密驗證進行比對，驗證簽名的真實性和有效性；

37、s3、批量簽名生成，采用批量簽名生成模塊的批量生成數(shù)字簽名技術(shù)，根據(jù)專家組名單和評審項目名單，形成批量生成數(shù)字簽名策略，根據(jù)擬定好的評審意見鎖定簽字位置，以組長為先組員依次排序的原則，將數(shù)字簽名批量生成，完成評審意見的電子化批量簽名；具體包括：

38、s3.1、策略制定，由策略制定單元根據(jù)專家組名單和評審項目名單制定批量生成數(shù)字簽名策略；

39、s3.2、簽字位置鎖定，通過簽字位置鎖定單元根據(jù)擬定好的評審意見鎖定簽字位置；

40、s3.3、簽名排序生成，利用簽名排序生成單元按照組長為先組員依次排序的原則，批量生成數(shù)字簽名。

41、優(yōu)選地，在s1的數(shù)字簽名提取步驟中，還包括在數(shù)據(jù)提取之前，通過數(shù)據(jù)預(yù)處理步驟對簽字?jǐn)?shù)據(jù)信息進行清洗和篩選，去除無效數(shù)據(jù)；根據(jù)實際需求，在s1.3中選擇合適的加密算法，以提高簽名內(nèi)容的安全性，其中，加密算法是信息摘要5算法、哈希算法或sha-256算法。

42、優(yōu)選地，在s2的簽名驗證步驟中，還包括在消息摘要轉(zhuǎn)化之后，通過消息摘要驗證步驟對消息摘要進行驗證，確保其準(zhǔn)確性和完整性；在專家信息關(guān)聯(lián)保存之后，通過專家信息管理步驟對專家信息進行有效的管理和維護。

43、優(yōu)選地，在s3的批量簽名生成步驟中，還包括在簽名樣式設(shè)置步驟中，根據(jù)相關(guān)規(guī)定和要求，設(shè)置合適的數(shù)字簽名樣式；在批量簽名生成過程中，通過錯誤處理步驟及時處理和記錄出現(xiàn)的錯誤，確保簽名生成的準(zhǔn)確性。

44、本發(fā)明的技術(shù)效果和優(yōu)點：

45、1、本發(fā)明通過采用批量數(shù)字簽章驗證技術(shù)和批量生成數(shù)字簽名的方式，大大減少了專家簽字的時間和工作量，實現(xiàn)了評審意見的電子化批量簽名，顯著提高了項目評審的效率；

46、2、本發(fā)明采用先進的深度學(xué)習(xí)算法與精細圖形識別技術(shù)相結(jié)合，精準(zhǔn)提取手寫簽名的圖形特征，并對簽名進行加密處理，實現(xiàn)數(shù)字簽名的加密和解密一體化管理，確保了簽名內(nèi)容的安全性和不可篡改性，有效防止簽名被偽造或篡改；

47、3、本發(fā)明的系統(tǒng)能夠準(zhǔn)確地驗證簽名的真實性和有效性，保證了評審結(jié)果的可靠性，同時，電子化批量簽名和相關(guān)信息的關(guān)聯(lián)保存，使得評審過程更加規(guī)范和可追溯，有助于提升評審工作的質(zhì)量和公正性。