随着互联网技术和硬件设备的发展,近些年来研究者们对于身份认证技术的研究十分重视,尤其是生物特征识别技术。手写签名作为生物行为特征的一种,每个用户的签名习惯、方式以及本身签名的数据特点都具有区分度,签名数据还有着独特的优点:用户友好性强,获取容易等等。其中,在线手写签名数据采集到了签名者书写时的动态特征,更加难以伪造。现今的签名认证算法存在一些如:特征提取依赖写者,需要参考签名数目较多等问题。同时,传统的在线签名认证系统在过去常常是用模板匹配的方法进行实现,在深度学习领域应用相对还不多,本文对深度学习中的在线签名认证技术进行了研究,对此方面有一定的补充和提高。本文的工作主要包括:（1）预处理及函数式特征提取算法构建了一个中文在线手写签名数据集,对于在线签名数据选取了合适的预处理技术,对签名的原始数据集特征进行扩充得到函数式特征的初始集,然后使用遗传算法在初始集中选取了特征,对其性能进行分析并得到了不错的表现。（2）构建了一个基于神经网络的写者独立的在线手写签名认证模型通过分析在线手写签名数据的特点和签名认证任务的特点,使用基于BiGRU的自编码器并引入注意力机制进行全局特征向量提取,再将全局特征向量输入Triplet网络,构建了一个写者独立的Autoencoder-Triplet的模型完成在线手写签名认证。（3）设计并实现了一个在线签名认证的原型系统使用本文提出的签名认证模型作为后端算法核心设计了一个在线签名认证的系统,并在用户界面上进行实现,验证了它的有效性。（4）对提出的模型进行实验和分析对提出的Autoencoder-Triplet模型在本文采集到的在线手写签名数据集上进行实验,并与其他方法进行比较和分析,同时研究了参考集的规模,采样间隔的不同取值等对实验结果的影响程度,对后续的此类工作有一定的价值。