CN115378591B - 一种基于融合的匿名生物特征密钥传输方法 - Google Patents

一种基于融合的匿名生物特征密钥传输方法 Download PDF

Info

Publication number
CN115378591B
CN115378591B CN202210839002.4A CN202210839002A CN115378591B CN 115378591 B CN115378591 B CN 115378591B CN 202210839002 A CN202210839002 A CN 202210839002A CN 115378591 B CN115378591 B CN 115378591B
Authority
CN
China
Prior art keywords
data
key
biological characteristic
fusion
biological
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210839002.4A
Other languages
English (en)
Other versions
CN115378591A (zh
Inventor
严辉
高杰
鲁滔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongdong Digital Technology Co ltd
Original Assignee
Dongdong Digital Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongdong Digital Technology Co ltd filed Critical Dongdong Digital Technology Co ltd
Priority to CN202210839002.4A priority Critical patent/CN115378591B/zh
Publication of CN115378591A publication Critical patent/CN115378591A/zh
Application granted granted Critical
Publication of CN115378591B publication Critical patent/CN115378591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/14—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using a plurality of keys or algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0819—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s)
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0866—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving user or device identifiers, e.g. serial number, physical or biometrical information, DNA, hand-signature or measurable physical characteristics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及生物特征密钥传输的技术领域，揭露了一种基于融合的匿名生物特征密钥传输方法，包括：采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据；对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；构建多链路融合生物特征密钥传输模型，得到多密钥传输路径；对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。本发明所述方法提取得到更为细节的生物指纹特征，特征更小，实现指纹生物特征的快速编码加密处理，为等分后的不同密钥选取不同的通信链路进行传输，判断每段通信链路的节点之间是否存在窃听，避免生物特征在传输过程中发生泄漏。

Description

一种基于融合的匿名生物特征密钥传输方法
技术领域
本发明涉及生物融合特征密钥传输的技术领域，尤其涉及一种基于融合的匿名生物特征密钥传输方法。
背景技术
生物特征加密技术为安全数据传输提供了一种便捷、可靠的实现方式。在数据加密传输的过程中需要发送生物特征，但是由于生物特征具有唯一性和不变性,生物特征数据一旦遭到泄露将会造成严重的后果，同时生物特征在传输的过程中还存在数据体量大，传输效率低等问题。针对上述问题，本专利提出一种基于融合的匿名生物特征密钥传输方法，提高生物特征密钥传输的安全性和效率。
发明内容
有鉴于此，本发明提供一种基于融合的匿名生物特征密钥传输方法，目的在于(1)基于指纹中谷线以及脊线的梯度方向差异，提取到指纹图像数据中指纹脊线交点的特征信息，所提取特征更具有细节差异性，且特征更小，实现指纹生物特征的快速编码加密处理；(2)将传输密钥进行等分，每一份传输密钥选取不同的通信链路进行传输，除非所有通信链路均被监听，否则不需要重新生成密钥，且基于脉冲检测的方法计算每段通信链路的节点之间的传输误差，若传输误差大于预设值阈值，说明节点之间存在窃听，终止通信，并选取其余通信链路进行传输，避免生物特征的泄漏，实现生物特征的有效传输。
实现上述目的，本发明提供的一种基于融合的匿名生物特征密钥传输方法，包括以下步骤：
S1：采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据，其中所述生物特征数据包含指纹数据、心电信号数据、声纹数据和运动无线信道数据；
S2：对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
S3：构建多链路融合生物特征密钥传输模型，所述模型输入为待传输的生物特征融合密钥，输出为多密钥传输路径；
S4：对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。
作为本发明的进一步改进方法：
可选地，所述S1步骤中采集生物特征数据，其中所述生物特征数据包含指纹数据、心电信号数据以及声纹数据，包括：
利用多类型传感器采集用户的生物特征数据，其中所述生物特征数据包括指纹数据、心电信号数据以及声纹数据；
所述指纹数据为指纹图像数据，利用图像传感器采集用户的指纹图像，将所采集的指纹图像作为指纹图像数据；
所述心电信号数据以及声纹数据均为信号数据，分别利用心电传感器以及声音传感器感知用户的心电信号以及声纹信号，并利用放大器以及A/D转换器对所感知的信号数据进行放大以及转换处理，得到心电信号数据以及声纹数据。
可选地，所述S1步骤中对所采集的指纹数据进行预处理以及特征提取，包括：
对所采集的指纹数据进行预处理以及特征提取，提取得到用户的指纹特征，其中所述指纹数据的预处理以及特征提取流程为：
S11：将指纹数据转换为指纹像素矩阵，其中指纹像素矩阵的大小为M×N，M表示指纹数据的宽，N表示指纹数据的长；
S12：计算指纹像素矩阵中任意像素I(x,y)的方向θ(x,y)，其中I(x,y)表示指纹像素矩阵中第x行第y列的像素，所述方向θ(x,y)的计算公式为：
Figure GDA0004074963170000021
f(x，y)＝max{R(x，y)，G(x，y)，B(x，y)}
其中：
R(x,y),G(x,y),B(x,y)表示像素I(x,y)分别在RGB颜色通道的值；
f(x,y)表示像素I(x,y)的灰度值，在本发明实施例中，若不存在像素I(x,y+1)，I(x,y-1)，I(x+1,y)，I(x-1,y)，则将该像素的灰度值设置为0；
S13：计算任意像素I(x,y)的水平灰度值f1(x,y)和垂直灰度值f2(x,y)：
Figure GDA0004074963170000022
Figure GDA0004074963170000023
S14：若f1(x,y)>f2(x,y)，则像素I(x,y)为指纹数据中的谷线，将像素I(x,y)的灰度值f(x,y)设置为255，否则像素I(x,y)为指纹数据中的脊线，将像素I(x,y)的灰度值f(x,y)设置为0，得到二值化后的指纹像素矩阵；
需要解释的是，所述脊线表示指纹图像中具有一定宽度和走向的纹线，谷线表示纹线之间的凹陷区域；
S15：对二值化的指纹像素矩阵中的所有像素进行扫描，若对于该像素的周围8个像素，任意相邻两点像素的灰度值之差的绝对值之和等于510或1530，则该像素为指纹脊线交点特征；
S16：将二值化的指纹像素矩阵中的所有指纹脊线交点特征标记为1，其余像素标记为0，得到二进制编码处理后的指纹特征矩阵S。
可选地，所述S1步骤中对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，包括：
对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，心电信号数据以及声纹数据的信号长度相同，其中所述心电信号数据以及声纹数据均为信号数据，所述信号数据的预处理以及特征提取流程为：
将信号数据xi(t)划分为奇偶两个信号，得到时序信息t均为奇数的信号xi(t1)和时序信息t均为偶数的信号xi(t2)，其中i＝1,2，x1(t)表示心电信号数据，x2(t)表示声纹数据，t表示时序信息；
对所划分的信号xi(t1)以及信号xi(t2)进行快速傅里叶变换处理，所述快速傅里叶变换处理的公式为：
Figure GDA0004074963170000024
其中：
j为虚数单位，j2＝-1，e为自然常数，k为FFT处理的点数，将其设置为64；
Li表示信号数据xi(t)的信号长度，其中L1＝L2；
Xi(k)表示信号数据xi(t)的傅里叶频谱；
将所提取的傅里叶频谱Xi(k)作为信号数据xi(t)的提取特征，则心电信号数据的提取特征为X1(k)，声纹数据的提取特征为X2(k)。
需要说明的是，特征X1(k)与X2(k)的长度相同。
可选地，所述S1步骤中将所提取的特征构成生物特征量化数据，包括：
将M行的指纹特征矩阵S转换为指纹特征量化数据，所述指纹特征量化数据为g1＝[S1,S2,…,SM]，SM表示指纹特征矩阵的第M行元素；
将心电信号数据的提取特征X1(k)作为心电特征量化数据g2，将声纹数据的提取特征X2(k)作为声纹特征量化数据g3；
所述生物特征量化数据为g＝{g1,g2,g3}。
可选地，所述S2步骤中对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，包括：
对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，其中所述生物特征量化数据的编码流程为：
S21：对生物特征量化数据中的心电特征量化数据g2以及声纹特征量化数据g3按位执行异或操作，得到
Figure GDA0004074963170000032
其中
Figure GDA0004074963170000033
为异或处理运算符；
S22：若g1的长度小于
Figure GDA0004074963170000034
则对g1缺失的位数按0补充，使得g1的长度等于
Figure GDA0004074963170000035
若g1的长度大于
Figure GDA0004074963170000036
则将g1多余的位数进行截断，得到处理后的g1′；
S23：将g1′与
Figure GDA0004074963170000037
按位执行异或操作，得到多生物特征融合结果
Figure GDA0004074963170000038
Figure GDA0004074963170000039
S24：构建64位的多项式Q(u)＝a0+a1u+a2u2+…+a63u63，其中u表示多项式Q(u)的自变量，{a0,a1,…,a63}表示多项式Q(u)的系数，将多项式系数的拼接结果作为加密密钥sys：
sys＝(a0|a1|…|a63)
其中：
a0|a1表示将a0,a1串联；
S25：将多生物特征融合结果代入到多项式中，得到生物特征融合密钥Q(g′)；
S26：构建消息认证码MAC(sys,rand|ID)，其中rand为用于通信的随机数，ID表示用户的ID，利用安全散列算法将sys,rand|ID加密为字符串形式的消息认证码MAC(sys,rand|ID)，消息认证码的首部即为随机数rand的字符串形式，并将消息认证码MAC(sys,rand|ID)发送到生物特征密钥接收方位置，生物特征密钥接收方基于随机数rand对消息认证码进行ID以及sys密钥提取。
可选地，所述S3步骤中构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，包括：
构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，其中多链路融合生物特征密钥传输模型的多密钥传输路径生成流程为：
S31：多链路融合生物特征密钥传输模型接收待传输的生物特征融合密钥Q(g′)，并将生物特征融合密钥Q(g′)均等分为n份；
S32：筛选出当前所有拥有拥塞窗口的通信链路集合，计算每条通信链路的传输能力，所述通信链路传输能力的计算公式为：
Figure GDA0004074963170000031
其中：
v表示通信链路的传输能力，cwnd表示通信链路的网络负载，rtt表示通信链路的往返时延；
选取传输能力最大的n条通信链路作为生物特征融合密钥的n条传输路径；
S33：将等分后的n份生物特征融合密钥分配给n条传输路径，并记录分配列表。
可选地，所述S4步骤中对待传输的生物特征融合密钥进行分块，并按照多密钥传输路径进行密钥传输，包括：
对待传输的生物特征融合密钥进行n等分，并按照模型输出的多密钥传输路径进行密钥传输，将分配列表直接发送到生物特征密钥接收方，生物特征密钥接收方依次接收到n份生物特征融合密钥，按照分配列表对n份生物特征融合密钥进行排序组合，得到生物特征融合密钥，其中所述密钥传输流程为：
S41：密钥传输路径接收到待传输的生物特征融合密钥，传输路径中的当前传输节点h0随机制备若干相位随机的弱相干脉冲发送到传输路径的下一节点h1，其中信号态和诱骗态{μ0,μ1}的发送概率分别为{p0,p1}，对应的脉冲数量为{m0,m1}，每个脉冲的随机相位为
Figure GDA0004074963170000044
传输效率为v；
S42：传输路径的下一节点h1计算脉冲传输的误码率error：
Figure GDA0004074963170000041
其中：
e0表示信号态脉冲的误码率，e1表示诱骗态脉冲的误码率，所述误码率表示接收脉冲与发送脉冲不一致的比率；
计算脉冲传输的信息增益value：
Figure GDA0004074963170000047
S43：计算从节点h0到节点h1的脉冲传输误差
Figure GDA0004074963170000042
Figure GDA0004074963170000043
若
Figure GDA0004074963170000045
大于预设值阈值，说明节点h0到节点h1之间存在窃听，终止节点h0到节点h1之间的通信，并重新选取传输能力大的空闲通信链路进行密钥传输；
若
Figure GDA0004074963170000046
小于等于预设值阈值，节点h0将待传输的生物特征融合密钥发送到节点h1，重复步骤S41到S43，直到生物特征密钥接收方接收到n等分后的部分生物特征融合密钥；
当生物特征密钥接收方得到组合后的最终生物特征融合密钥，向用户发出消息请求，用户向生物特征密钥接收方发送消息认证码，生物特征密钥接收方基于随机数rand对消息认证码进行sys密钥提取，基于sys密钥对生物特征融合密钥进行解密以及存储处理。
为了解决上述问题，本发明还提供一种基于融合的匿名生物特征密钥传输装置，其特征在于，所述装置包括：
生物特征提取装置，用于采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据；
生物特征密钥编码模块，用于对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
传输装置，用于构建多链路融合生物特征密钥传输模型，得到多密钥传输路径，对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的基于融合的匿名生物特征密钥传输方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于融合的匿名生物特征密钥传输方法。
相对于现有技术，本发明提出一种基于融合的匿名生物特征密钥传输方法，该技术具有以下优势：
首先，本方案提出一种指纹特征提取以及生物特征密钥编码方法，其中所述指纹数据的特征提取流程为：将指纹数据转换为指纹像素矩阵，其中指纹像素矩阵的大小为M×N，M表示指纹数据的宽，N表示指纹数据的长；计算指纹像素矩阵中任意像素I(x,y)的方向θ(x,y)，其中I(x,y)表示指纹像素矩阵中第x行第y列的像素，所述方向θ(x,y)的计算公式为：
Figure GDA0004074963170000051
f(x，y)＝max{R(x，y)，G(x，y)，B(x，y)}
其中：R(x,y),G(x,y),B(x,y)表示像素I(x,y)分别在RGB颜色通道的值；f(x,y)表示像素I(x,y)的灰度值；计算任意像素I(x,y)的水平灰度值f1(x,y)和垂直灰度值f2(x,y)：
Figure GDA0004074963170000052
Figure GDA0004074963170000053
若f1(x,y)>f2(x,y)，则像素I(x,y)为指纹数据中的谷线，将像素I(x,y)的灰度值f(x,y)设置为255，否则像素I(x,y)为指纹数据中的脊线，将像素I(x,y)的灰度值f(x,y)设置为0，得到二值化后的指纹像素矩阵；对二值化的指纹像素矩阵中的所有像素进行扫描，若对于该像素的周围8个像素，任意相邻两点像素的灰度值之差的绝对值之和等于510或1530，则该像素为指纹脊线交点特征；将二值化的指纹像素矩阵中的所有指纹脊线交点特征标记为1，其余像素标记为0，得到二进制编码处理后的指纹特征矩阵S。本方案基于指纹中谷线以及脊线的梯度方向差异，提取到指纹图像数据中指纹脊线交点的特征信息，相较于传统二值化指纹图像，所提取特征更具有细节差异性，且特征更小，便于后续的快速编码加密处理。所述生物特征量化数据的编码流程为：对生物特征量化数据中的心电特征量化数据g2以及声纹特征量化数据g3按位执行异或操作，得到
Figure GDA00040749631700000513
其中
Figure GDA00040749631700000514
为异或处理运算符；若g1的长度小于
Figure GDA0004074963170000056
则对g1缺失的位数按0补充，使得g1的长度等于
Figure GDA0004074963170000057
若g1的长度大于
Figure GDA0004074963170000058
则将g1多余的位数进行截断，得到处理后的g1′；将g1′与
Figure GDA00040749631700000515
按位执行异或操作，得到多生物特征融合结果
Figure GDA0004074963170000059
构建64位的多项式Q(u)＝a0+a1u+a2u2+…+a63u63，其中u表示多项式Q(u)的自变量，{a0,a1,…,a63}表示多项式Q(u)的系数，将多项式系数的拼接结果作为加密密钥sys：
sys＝(a0|a1|…|a63)
将多生物特征融合结果代入到多项式中，得到生物特征融合密钥Q(g′)，实现多种生物特征的融合编码。
同时，本方案提出一种多路径密钥传输方法，通过构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型对生物特征融合密钥进行n等分，将等分后的n份生物特征融合密钥分配给传输能力最好的n条传输路径，并记录分配列表；按照模型输出的多密钥传输路径进行密钥传输，将分配列表直接发送到生物特征密钥接收方，生物特征密钥接收方依次接收到n份生物特征融合密钥，按照分配列表对n份生物特征融合密钥进行排序组合，得到生物特征融合密钥，其中所述密钥传输流程为：密钥传输路径接收到待传输的生物特征融合密钥，传输路径中的当前传输节点h0随机制备若干相位随机的弱相干脉冲发送到传输路径的下一节点h1，其中信号态和诱骗态{μ0,μ1}的发送概率分别为{p0,p1}，对应的脉冲数量为{m0,m1}，每个脉冲的随机相位为
Figure GDA00040749631700000510
Figure GDA00040749631700000511
传输效率为v；传输路径的下一节点h1计算脉冲传输的误码率error：
Figure GDA0004074963170000054
其中：e0表示信号态脉冲的误码率，e1表示诱骗态脉冲的误码率，所述误码率表示接收脉冲与发送脉冲不一致的比率；计算脉冲传输的信息增益value：
Figure GDA00040749631700000516
计算从节点h0到节点h1的脉冲传输误差
Figure GDA00040749631700000512
Figure GDA0004074963170000055
若
Figure GDA0004074963170000061
大于预设值阈值，说明节点h0到节点h1之间存在窃听，终止节点h0到节点h1之间的通信，并重新选取传输能力大的空闲通信链路进行密钥传输；若
Figure GDA0004074963170000062
小于等于预设值阈值，节点h0将待传输的生物特征融合密钥发送到节点h1，重复上述步骤，直到生物特征密钥接收方接收到n等分后的部分生物特征融合密钥；当生物特征密钥接收方得到组合后的最终生物特征融合密钥，向用户发出消息请求，用户向生物特征密钥接收方发送消息认证码，生物特征密钥接收方基于随机数rand对消息认证码进行sys密钥提取，基于sys密钥对生物特征融合密钥进行解密以及存储处理。在传统密钥传输流程中，若发现传输路径被监听，则会导致密钥被全部泄漏，需要浪费计算资源重新生成密钥，本方案将传输密钥进行等分，每一份传输密钥选取不同的通信链路进行传输，除非所有通信链路均被监听，否则不需要重新生成密钥，且基于脉冲检测的方法计算每段通信链路的节点之间的传输误差，若传输误差大于预设值阈值，说明节点之间存在窃听，终止通信，并选取其余通信链路进行传输，避免生物特征的泄漏，实现生物特征的有效传输。
附图说明
图1为本发明一实施例提供的一种基于融合的匿名生物特征密钥传输方法的流程示意图；
图2为本发明一实施例提供的基于融合的匿名生物特征密钥传输装置的功能模块图；
图3为本发明一实施例提供的实现基于融合的匿名生物特征密钥传输方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于融合的匿名生物特征密钥传输方法。所述基于融合的匿名生物特征密钥传输方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于融合的匿名生物特征密钥传输方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1：
S1：采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据，其中所述生物特征数据包含指纹数据、心电信号数据、声纹数据和运动无线信道数据。
所述S1步骤中采集生物特征数据，其中所述生物特征数据包含指纹数据、心电信号数据以及声纹数据，包括：
利用多类型传感器采集用户的生物特征数据，其中所述生物特征数据包括指纹数据、心电信号数据以及声纹数据；
所述指纹数据为指纹图像数据，利用图像传感器采集用户的指纹图像，将所采集的指纹图像作为指纹图像数据；
所述心电信号数据以及声纹数据均为信号数据，分别利用心电传感器以及声音传感器感知用户的心电信号以及声纹信号，并利用放大器以及A/D转换器对所感知的信号数据进行放大以及转换处理，得到心电信号数据以及声纹数据。
所述S1步骤中对所采集的指纹数据进行预处理以及特征提取，包括：
对所采集的指纹数据进行预处理以及特征提取，提取得到用户的指纹特征，其中所述指纹数据的预处理以及特征提取流程为：
S11：将指纹数据转换为指纹像素矩阵，其中指纹像素矩阵的大小为M×N，M表示指纹数据的宽，N表示指纹数据的长；
S12：计算指纹像素矩阵中任意像素I(x,y)的方向θ(x,y)，其中I(x,y)表示指纹像素矩阵中第x行第y列的像素，所述方向θ(x,y)的计算公式为：
Figure GDA0004074963170000071
f(x，y)＝max{R(x，y)，G(x，y)，B(x，y)}
其中：
R(x,y),G(x,y),B(x,y)表示像素I(x,y)分别在RGB颜色通道的值；
f(x,y)表示像素I(x,y)的灰度值，在本发明实施例中，若不存在像素I(x,y+1)，I(x,y-1)，I(x+1,y)，I(x-1,y)，则将该像素的灰度值设置为0；
S13：计算任意像素I(x,y)的水平灰度值f1(x,y)和垂直灰度值f2(x,y)：
Figure GDA0004074963170000072
Figure GDA0004074963170000073
S14：若f1(x,y)>f2(x,y)，则像素I(x,y)为指纹数据中的谷线，将像素I(x,y)的灰度值f(x,y)设置为255，否则像素I(x,y)为指纹数据中的脊线，将像素I(x,y)的灰度值f(x,y)设置为0，得到二值化后的指纹像素矩阵；
S15：对二值化的指纹像素矩阵中的所有像素进行扫描，若对于该像素的周围8个像素，任意相邻两点像素的灰度值之差的绝对值之和等于510或1530，则该像素为指纹脊线交点特征；
S16：将二值化的指纹像素矩阵中的所有指纹脊线交点特征标记为1，其余像素标记为0，得到二进制编码处理后的指纹特征矩阵S。
所述S1步骤中对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，包括：
对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，心电信号数据以及声纹数据的信号长度相同，其中所述心电信号数据以及声纹数据均为信号数据，所述信号数据的预处理以及特征提取流程为：
将信号数据xi(t)划分为奇偶两个信号，得到时序信息t均为奇数的信号xi(t1)和时序信息t均为偶数的信号xi(t2)，其中i＝1,2，x1(t)表示心电信号数据，x2(t)表示声纹数据，t表示时序信息；
对所划分的信号xi(t1)以及信号xi(t2)进行快速傅里叶变换处理，所述快速傅里叶变换处理的公式为：
Figure GDA0004074963170000074
其中：
j为虚数单位，j2＝-1，e为自然常数，k为FFT处理的点数，将其设置为64；
Li表示信号数据xi(t)的信号长度，其中L1＝L2；
Xi(k)表示信号数据xi(t)的傅里叶频谱；
将所提取的傅里叶频谱Xi(k)作为信号数据xi(t)的提取特征，则心电信号数据的提取特征为X1(k)，声纹数据的提取特征为X2(k)。
所述S1步骤中将所提取的特征构成生物特征量化数据，包括：
将M行的指纹特征矩阵S转换为指纹特征量化数据，所述指纹特征量化数据为g1＝[S1,S2,…,SM]，SM表示指纹特征矩阵的第M行元素；
将心电信号数据的提取特征X1(k)作为心电特征量化数据g2，将声纹数据的提取特征X2(k)作为声纹特征量化数据g3；
所述生物特征量化数据为g＝{g1,g2,g3}。
S2：对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥。
所述S2步骤中对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，包括：
对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，其中所述生物特征量化数据的编码流程为：
S21：对生物特征量化数据中的心电特征量化数据g2以及声纹特征量化数据g3按位执行异或操作，得到
Figure GDA0004074963170000082
其中
Figure GDA0004074963170000083
为异或处理运算符；
S22：若g1的长度小于
Figure GDA0004074963170000084
则对g1缺失的位数按0补充，使得g1的长度等于
Figure GDA0004074963170000085
若g1的长度大于
Figure GDA0004074963170000086
则将g1多余的位数进行截断，得到处理后的g1′；
S23：将g1′与
Figure GDA0004074963170000087
按位执行异或操作，得到多生物特征融合结果
Figure GDA0004074963170000088
Figure GDA0004074963170000089
S24：构建64位的多项式Q(u)＝a0+a1u+a2u2+…+a63u63，其中u表示多项式Q(u)的自变量，{a0,a1,…,a63}表示多项式Q(u)的系数，将多项式系数的拼接结果作为加密密钥sys：
sys＝(a0|a1|…|a63)
其中：
a0|a1表示将a0,a1串联；
S25：将多生物特征融合结果代入到多项式中，得到生物特征融合密钥Q(g′)；
S26：构建消息认证码MAC(sys,rand|ID)，其中rand为用于通信的随机数，ID表示用户的ID，利用安全散列算法将sys,rand|ID加密为字符串形式的消息认证码MAC(sys,rand|ID)，消息认证码的首部即为随机数rand的字符串形式，并将消息认证码MAC(sys,rand|ID)发送到生物特征密钥接收方位置，生物特征密钥接收方基于随机数rand对消息认证码进行ID以及sys密钥提取。
S3：构建多链路融合生物特征密钥传输模型，所述模型输入为待传输的生物特征融合密钥，输出为多密钥传输路径。
所述S3步骤中构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，包括：
构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，其中多链路融合生物特征密钥传输模型的多密钥传输路径生成流程为：
S31：多链路融合生物特征密钥传输模型接收待传输的生物特征融合密钥Q(g′)，并将生物特征融合密钥Q(g′)均等分为n份；
S32：筛选出当前所有拥有拥塞窗口的通信链路集合，计算每条通信链路的传输能力，所述通信链路传输能力的计算公式为：
Figure GDA0004074963170000081
其中：
v表示通信链路的传输能力，cwnd表示通信链路的网络负载，rtt表示通信链路的往返时延；
选取传输能力最大的n条通信链路作为生物特征融合密钥的n条传输路径；
S33：将等分后的n份生物特征融合密钥分配给n条传输路径，并记录分配列表。
S4：对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。
所述S4步骤中对待传输的生物特征融合密钥进行分块，并按照多密钥传输路径进行密钥传输，包括：
对待传输的生物特征融合密钥进行n等分，并按照模型输出的多密钥传输路径进行密钥传输，将分配列表直接发送到生物特征密钥接收方，生物特征密钥接收方依次接收到n份生物特征融合密钥，按照分配列表对n份生物特征融合密钥进行排序组合，得到生物特征融合密钥，其中所述密钥传输流程为：
S41：密钥传输路径接收到待传输的生物特征融合密钥，传输路径中的当前传输节点h0随机制备若干相位随机的弱相干脉冲发送到传输路径的下一节点h1，其中信号态和诱骗态{μ0,μ1}的发送概率分别为{p0,p1}，对应的脉冲数量为{m0,m1}，每个脉冲的随机相位为
Figure GDA0004074963170000093
传输效率为v；
S42：传输路径的下一节点h1计算脉冲传输的误码率error：
Figure GDA0004074963170000091
其中：
e0表示信号态脉冲的误码率，e1表示诱骗态脉冲的误码率，所述误码率表示接收脉冲与发送脉冲不一致的比率；
计算脉冲传输的信息增益value：
value＝m0+1-errorvm 0
S43：计算从节点h0到节点h1的脉冲传输误差
Figure GDA0004074963170000094
Figure GDA0004074963170000092
若
Figure GDA0004074963170000095
大于预设值阈值，说明节点h0到节点h1之间存在窃听，终止节点h0到节点h1之间的通信，并重新选取传输能力大的空闲通信链路进行密钥传输；
若
Figure GDA0004074963170000096
小于等于预设值阈值，节点h0将待传输的生物特征融合密钥发送到节点h1，重复步骤S41到S43，直到生物特征密钥接收方接收到n等分后的部分生物特征融合密钥；
当生物特征密钥接收方得到组合后的最终生物特征融合密钥，向用户发出消息请求，用户向生物特征密钥接收方发送消息认证码，生物特征密钥接收方基于随机数rand对消息认证码进行sys密钥提取，基于sys密钥对生物特征融合密钥进行解密以及存储处理。
实施例2：
如图2所示，是本发明一实施例提供的基于融合的匿名生物特征密钥传输装置的功能模块图，其可以实现实施例1中的基于融合的匿名生物特征密钥传输方法。
本发明所述基于融合的匿名生物特征密钥传输装置100可以安装于电子设备中。根据实现的功能，所述基于融合的匿名生物特征密钥传输装置可以包括生物特征提取装置101、生物特征密钥编码模块102及传输装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
生物特征提取装置101，用于采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据；
生物特征密钥编码模块102，用于对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
传输装置103，用于构建多链路融合生物特征密钥传输模型，得到多密钥传输路径，对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。
详细地，本发明实施例中所述基于融合的匿名生物特征密钥传输装置100中的所述各模块在使用时采用与上述的图1中所述的基于融合的匿名生物特征密钥传输方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3：
如图3所示，是本发明一实施例提供的实现基于融合的匿名生物特征密钥传输方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(用于匿名生物特征密钥传输的程序12等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据，其中所述生物特征数据包含指纹数据、心电信号数据、声纹数据和运动无线信道数据；
对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
构建多链路融合生物特征密钥传输模型，所述模型输入为待传输的生物特征融合密钥，输出为多密钥传输路径；
对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于融合的匿名生物特征密钥传输方法，其特征在于，所述方法包括：
S1：采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据，其中所述生物特征数据包含指纹数据、心电信号数据、声纹数据和运动无线信道数据；
指纹数据的预处理以及特征提取流程为：
S11：将指纹数据转换为指纹像素矩阵，其中指纹像素矩阵的大小为M×N，M表示指纹数据的宽，N表示指纹数据的长；
S12：计算指纹像素矩阵中任意像素I(x，y)的方向θ(x，y)，其中I(x，y)表示指纹像素矩阵中第x行第y列的像素，所述方向θ(x，y)的计算公式为：
Figure FDA0004095224770000011
f(x，y)＝max{R(x，y)，G(x，y)，B(x，y)}
其中：
R(x，y)，G(x，y)，B(x，y)表示像素I(x，y)分别在RGB颜色通道的值；
f(x，y)表示像素I(x，y)的灰度值；
S13：计算任意像素I(x，y)的水平灰度值f1(x，y)和垂直灰度值f2(x，y)：
Figure FDA0004095224770000012
Figure FDA0004095224770000013
S14：若f1(x，y)＞f2(x，y)，则像素I(x，y)为指纹数据中的谷线，将像素I(x，y)的灰度值f(x，y)设置为255，否则像素I(x，y)为指纹数据中的脊线，将像素I(x，y)的灰度值f(x，y)设置为0，得到二值化后的指纹像素矩阵；
S15：对二值化的指纹像素矩阵中的所有像素进行扫描，若对于该像素的周围8个像素，任意相邻两点像素的灰度值之差的绝对值之和等于510或1530，则该像素为指纹脊线交点特征；
S16：将二值化的指纹像素矩阵中的所有指纹脊线交点特征标记为1，其余像素标记为0，得到二进制编码处理后的指纹特征矩阵S；
对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，包括：
对所采集的心电信号数据以及声纹数据进行预处理以及特征提取，心电信号数据以及声纹数据的信号长度相同，其中所述心电信号数据以及声纹数据均为信号数据，所述信号数据的预处理以及特征提取流程为：
将信号数据xi(t)划分为奇偶两个信号，得到时序信息t均为奇数的信号xi(t1)和时序信息t均为偶数的信号xi(t2)，其中i＝1，2，x1(t)表示心电信号数据，x2(t)表示声纹数据，t表示时序信息；
对所划分的信号xi(t1)以及信号xi(t2)进行快速傅里叶变换处理，所述快速傅里叶变换处理的公式为：
Figure FDA0004095224770000014
其中：
j为虚数单位，j2＝-1，e为自然常数，k为FFT处理的点数，将其设置为64；
Li表示信号数据xi(t)的信号长度，其中L1＝L2；
Xi(k)表示信号数据xi(t)的傅里叶频谱；
将所提取的傅里叶频谱Xi(k)作为信号数据xi(t)的提取特征，则心电信号数据的提取特征为X1(k)，声纹数据的提取特征为X2(k)；
S2：对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
S3：构建多链路融合生物特征密钥传输模型，所述模型输入为待传输的生物特征融合密钥，输出为多密钥传输路径；
S4：对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输，其中所述密钥传输流程，包括：
对待传输的生物特征融合密钥进行n等分，并按照模型输出的多密钥传输路径进行密钥传输，将分配列表直接发送到生物特征密钥接收方，生物特征密钥接收方依次接收到n份生物特征融合密钥，按照分配列表对n份生物特征融合密钥进行排序组合，得到生物特征融合密钥，其中所述密钥传输流程为：
S41：密钥传输路径接收到待传输的生物特征融合密钥，传输路径中的当前传输节点h0随机制备若干相位随机的弱相干脉冲发送到传输路径的下一节点h1，其中信号态和诱骗态{μ0，μ1}的发送概率分别为{p0，p1}，对应的脉冲数量为{m0，m1}，每个脉冲的随机相位为
Figure FDA0004095224770000021
传输效率为v；
S42：传输路径的下一节点h1计算脉冲传输的误码率error：
Figure FDA0004095224770000022
其中：
e0表示信号态脉冲的误码率，e1表示诱骗态脉冲的误码率，所述误码率表示接收脉冲与发送脉冲不一致的比率；
计算脉冲传输的信息增益value：
Figure FDA0004095224770000023
S43：计算从节点h0到节点h1的脉冲传输误差
Figure FDA0004095224770000024
Figure FDA0004095224770000025
若
Figure FDA0004095224770000026
大于预设值阈值，说明节点h0到节点h1之间存在窃听，终止节点h0到节点h1之间的通信，并重新选取传输能力大的空闲通信链路进行密钥传输；
若
Figure FDA0004095224770000027
小于等于预设值阈值，节点h0将待传输的生物特征融合密钥发送到节点h1，重复步骤S41到S43，直到生物特征密钥接收方接收到n等分后的部分生物特征融合密钥；
当生物特征密钥接收方得到组合后的最终生物特征融合密钥，向用户发出消息请求，用户向生物特征密钥接收方发送消息认证码，生物特征密钥接收方基于随机数rand对消息认证码进行sys密钥提取，基于sys密钥对生物特征融合密钥进行解密以及存储处理。
2.如权利要求1所述的一种基于融合的匿名生物特征密钥传输方法，其特征在于，所述S1步骤中采集生物特征数据，其中所述生物特征数据包含指纹数据、心电信号数据以及声纹数据，包括：
利用多类型传感器采集用户的生物特征数据，其中所述生物特征数据包括指纹数据、心电信号数据以及声纹数据；
所述指纹数据为指纹图像数据，利用图像传感器采集用户的指纹图像，将所采集的指纹图像作为指纹图像数据；
所述心电信号数据以及声纹数据均为信号数据，分别利用心电传感器以及声音传感器感知用户的心电信号以及声纹信号，并利用放大器以及A/D转换器对所感知的信号数据进行放大以及转换处理，得到心电信号数据以及声纹数据。
3.如权利要求1所述的一种基于融合的匿名生物特征密钥传输方法，其特征在于，所述S1步骤中将所提取的特征构成生物特征量化数据，包括：
将M行的指纹特征矩阵S转换为指纹特征量化数据，所述指纹特征量化数据为g1＝[S1，S2，...，SM]，SM表示指纹特征矩阵的第M行元素；
将心电信号数据的提取特征X1(k)作为心电特征量化数据g2，将声纹数据的提取特征X2(k)作为声纹特征量化数据g3；
所述生物特征量化数据为g＝{g1，g2，g3}。
4.如权利要求3所述的一种基于融合的匿名生物特征密钥传输方法，其特征在于，所述S2步骤中对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，包括：
对生物特征量化数据进行特征融合编码，得到多生物特征融合的生物特征融合密钥，其中所述生物特征量化数据的编码流程为：
S21：对生物特征量化数据中的心电特征量化数据g2以及声纹特征量化数据g3按位执行异或操作，得到
Figure FDA0004095224770000031
其中
Figure FDA0004095224770000032
为异或处理运算符；
S22：若g1的长度小于
Figure FDA0004095224770000033
则对g1缺失的位数按0补充，使得g1的长度等于
Figure FDA0004095224770000034
若g1的长度大于
Figure FDA0004095224770000035
则将g1多余的位数进行截断，得到处理后的g1′；
S23：将g1′与
Figure FDA0004095224770000036
按位执行异或操作，得到多生物特征融合结果
Figure FDA0004095224770000037
S24：构建64位的多项式Q(u)＝a0+a1u+a2u2+…+a63u63，其中u表示多项式Q(u)的自变量，(a0，a1，...，a63}表示多项式Q(u)的系数，将多项式系数的拼接结果作为加密密钥sys：
sys＝(a0|a1|...|a63)
其中：
a0|a1表示将a0，a1串联；
S25：将多生物特征融合结果代入到多项式中，得到生物特征融合密钥Q(g′)；
S26：构建消息认证码MAC(sys，rand|ID)，其中rand为用于通信的随机数，ID表示用户的ID，利用安全散列算法将sys，rand|ID加密为字符串形式的消息认证码MAC(sys，rand|ID)，消息认证码的首部即为随机数rand的字符串形式，并将消息认证码MAC(sys，rand|ID)发送到生物特征密钥接收方位置，生物特征密钥接收方基于随机数rand对消息认证码进行ID以及sys密钥提取。
5.如权利要求4所述的一种基于融合的匿名生物特征密钥传输方法，其特征在于，所述S3步骤中构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，包括：
构建多链路融合生物特征密钥传输模型，将生物特征融合密钥输入到模型中，模型输出多密钥传输路径，其中多链路融合生物特征密钥传输模型的多密钥传输路径生成流程为：
S31：多链路融合生物特征密钥传输模型接收待传输的生物特征融合密钥Q(g′)，并将生物特征融合密钥Q(g′)均等分为n份；
S32：筛选出当前所有拥有拥塞窗口的通信链路集合，计算每条通信链路的传输能力，所述通信链路传输能力的计算公式为：
Figure FDA0004095224770000038
其中：
v表示通信链路的传输能力，cwnd表示通信链路的网络负载，rtt表示通信链路的往返时延；
选取传输能力最大的n条通信链路作为生物特征融合密钥的n条传输路径；
S33：将等分后的n份生物特征融合密钥分配给n条传输路径，并记录分配列表。
6.一种基于融合的匿名生物特征密钥传输装置，其特征在于，所述装置包括：
生物特征提取装置，用于采集生物特征数据，对采集的生物特征数据进行预处理和特征提取，得到生物特征量化数据；
生物特征密钥编码模块，用于对生物特征量化数据进行特征融合编码，计算得到多生物特征融合的生物特征融合密钥；
传输装置，用于构建多链路融合生物特征密钥传输模型，得到多密钥传输路径，对待传输的生物特征融合密钥进行分块，并按照所述多密钥传输路径进行密钥传输，以实现一种如权利要求1-5任意一项所述的基于融合的匿名生物特征密钥传输方法。
CN202210839002.4A 2022-07-18 2022-07-18 一种基于融合的匿名生物特征密钥传输方法 Active CN115378591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210839002.4A CN115378591B (zh) 2022-07-18 2022-07-18 一种基于融合的匿名生物特征密钥传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210839002.4A CN115378591B (zh) 2022-07-18 2022-07-18 一种基于融合的匿名生物特征密钥传输方法

Publications (2)

Publication Number Publication Date
CN115378591A CN115378591A (zh) 2022-11-22
CN115378591B true CN115378591B (zh) 2023-04-07

Family

ID=84061005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210839002.4A Active CN115378591B (zh) 2022-07-18 2022-07-18 一种基于融合的匿名生物特征密钥传输方法

Country Status (1)

Country Link
CN (1) CN115378591B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101632248A (zh) * 2007-02-14 2010-01-20 北京清深技术开发中心有限公司 一种编码复用与多址传输方法
US8625785B2 (en) * 2008-05-15 2014-01-07 Qualcomm Incorporated Identity based symmetric cryptosystem using secure biometric model
CN105469253A (zh) * 2015-11-19 2016-04-06 桂林航天工业学院 基于声纹与面部特征融合加密的手机nfc安全支付方法
CN110381461A (zh) * 2019-07-30 2019-10-25 中国科学院深圳先进技术研究院 心电信号传输方法、装置、传感器、终端及存储介质
CN110780298A (zh) * 2019-11-01 2020-02-11 西安电子科技大学 基于变分贝叶斯学习的多基isar融合成像方法
CN111709000A (zh) * 2020-06-03 2020-09-25 中科九度(北京)空间信息技术有限责任公司 一种基于多生物特征融合的加解密方法及应用
CN113422769A (zh) * 2021-06-21 2021-09-21 北京邮电大学 基于光纤信道实时物理态与dna编码技术的传输方法
CN113993178A (zh) * 2021-11-18 2022-01-28 展讯通信（上海）有限公司 多链路传输方法及装置、计算机可读存储介质、终端设备
CN114244507A (zh) * 2021-12-15 2022-03-25 北京量子信息科学研究院 基于单路传输的量子直接通信方法、装置、设备和系统
CN114615094A (zh) * 2022-05-11 2022-06-10 蜂联智能（深圳）有限公司 一种基于物联网和安全芯片的存储方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9818136B1 (en) * 2003-02-05 2017-11-14 Steven M. Hoffberg System and method for determining contingent relevance
JP2009038570A (ja) * 2007-08-01 2009-02-19 Tadashi Asahina 符号型送信装置及び符号型受信装置
US11210380B2 (en) * 2013-05-13 2021-12-28 Veridium Ip Limited System and method for authorizing access to access-controlled environments
US10594688B2 (en) * 2015-03-09 2020-03-17 Cross Match Technologies, Inc. Privacy-enhanced biometrics-secret binding scheme
US10817065B1 (en) * 2015-10-06 2020-10-27 Google Llc Gesture recognition using multiple antenna
US11362867B2 (en) * 2018-04-17 2022-06-14 University Of Maryland Eastern Shore Systems, methods and apparatus for transmission of data using M-ARY time reversal pulse position modulation
CN113381809B (zh) * 2021-06-04 2022-05-06 华中科技大学 一种基于离散多音频调制的多芯光纤传输感知方法与系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101632248A (zh) * 2007-02-14 2010-01-20 北京清深技术开发中心有限公司 一种编码复用与多址传输方法
US8625785B2 (en) * 2008-05-15 2014-01-07 Qualcomm Incorporated Identity based symmetric cryptosystem using secure biometric model
CN105469253A (zh) * 2015-11-19 2016-04-06 桂林航天工业学院 基于声纹与面部特征融合加密的手机nfc安全支付方法
CN110381461A (zh) * 2019-07-30 2019-10-25 中国科学院深圳先进技术研究院 心电信号传输方法、装置、传感器、终端及存储介质
CN110780298A (zh) * 2019-11-01 2020-02-11 西安电子科技大学 基于变分贝叶斯学习的多基isar融合成像方法
CN111709000A (zh) * 2020-06-03 2020-09-25 中科九度(北京)空间信息技术有限责任公司 一种基于多生物特征融合的加解密方法及应用
CN113422769A (zh) * 2021-06-21 2021-09-21 北京邮电大学 基于光纤信道实时物理态与dna编码技术的传输方法
CN113993178A (zh) * 2021-11-18 2022-01-28 展讯通信（上海）有限公司 多链路传输方法及装置、计算机可读存储介质、终端设备
CN114244507A (zh) * 2021-12-15 2022-03-25 北京量子信息科学研究院 基于单路传输的量子直接通信方法、装置、设备和系统
CN114615094A (zh) * 2022-05-11 2022-06-10 蜂联智能（深圳）有限公司 一种基于物联网和安全芯片的存储方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴迪 ; 胡胜 ; 刘伟峰 ; 胡灵芝 ; 胡俊华 ; .基于特征融合视觉显著性的医学图像分割.中国医学物理学杂志.2018,(第06期),全文. *
庞宏伟 ; 王雪明 ; 吉江 ; 李翔宇 ; 金梁 ; .基于多径信道随机延时的物理层全算法.计算机应用研究.2012,(第08期),全文. *
游林 ; .生物特征密码技术综述.杭州电子科技大学学报(自然科学版).2015,(第03期),全文. *

Also Published As

Publication number Publication date
CN115378591A (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN110750801B (zh) 数据处理方法、装置、计算机设备和存储介质
Kanso et al. An efficient and robust image encryption scheme for medical applications
CN110765473A (zh) 数据处理方法、装置、计算机设备和存储介质
CN107888370B (zh) 图像加密方法及装置
CN111026359B (zh) 多方联合判定隐私数据的数值范围的方法和装置
CN111988144B (zh) 一种基于多重密钥的dna一次一密图像加密方法
CN112732297A (zh) 联邦学习模型的更新方法、装置、电子设备及存储介质
Pashakolaee et al. Hyper-chaotic Feeded GA (HFGA): a reversible optimization technique for robust and sensitive image encryption
CN113746620A (zh) 同态加密方法、设备、介质及计算机程序产品
CN115643001A (zh) 一种基于位平面的图像加密方法、系统及可读存储介质
CN113992810B (zh) 一种基于深度学习的敏捷图像加密方法
CN115378591B (zh) 一种基于融合的匿名生物特征密钥传输方法
Zarepour-Ahmadabadi et al. A cellular automata-based multi-stage secret image sharing scheme
CN113193962A (zh) 基于轻量级模乘的sm2数字签名生成与验证器
CN103595523B (zh) 基于混沌变换的文件加解密方法及其系统
Ahmad et al. A Pixel-based Encryption Method for Privacy-Preserving Deep Learning Models
WO2023093278A1 (zh) 数字签名门限方法和装置
CN114221753B (zh) 密钥数据处理方法和电子设备
CN109347640B (zh) 一种基于区块链动态智能合约的数据处理方法及终端
Bhowmik et al. An Approach of Secret Sharing Technique Based on Convolution Neural Network and DNA Sequence for Data Security in Wireless Communication
CN111400731A (zh) 一种基于DNACNot的量子图像加密方法
CN111475690A (zh) 字符串的匹配方法和装置、数据检测方法、服务器
Brindha Digital camera with real time chaotic image encryption
Verma et al. Significant secret image sharing scheme based on boolean operation
CN113868690B (zh) 一种基于可信存证的隐私计算方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant