CN101379514B - 从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备 - Google Patents

从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备 Download PDF

Info

Publication number
CN101379514B
CN101379514B CN2006800531127A CN200680053112A CN101379514B CN 101379514 B CN101379514 B CN 101379514B CN 2006800531127 A CN2006800531127 A CN 2006800531127A CN 200680053112 A CN200680053112 A CN 200680053112A CN 101379514 B CN101379514 B CN 101379514B
Authority
CN
China
Prior art keywords
vector
stochastic signature
component
random component
stochastic
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
CN2006800531127A
Other languages
English (en)
Other versions
CN101379514A (zh
Inventor
扬·布唐
蒂埃里·富尔内尔
让-马里耶·贝克尔
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.)
SIGNOPTIC TECHNOLOGIES
Original Assignee
SIGNOPTIC TECHNOLOGIES
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=38137738&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN101379514(B) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by SIGNOPTIC TECHNOLOGIES filed Critical SIGNOPTIC TECHNOLOGIES
Publication of CN101379514A publication Critical patent/CN101379514A/zh
Application granted granted Critical
Publication of CN101379514B publication Critical patent/CN101379514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06046—Constructional details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/58—Random or pseudo-random number generators
    • G06F7/588—Random number generators, i.e. based on natural stochastic processes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Silicon Compounds (AREA)
  • Crystals, And After-Treatments Of Crystals (AREA)
  • Extraction Or Liquid Replacement (AREA)
  • Compounds Of Alkaline-Earth Elements, Aluminum Or Rare-Earth Metals (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Paper (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Collating Specific Patterns (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种从题材元素提取随机签名的方法，包括：产生所述题材元素的至少一个区域的结构特征的至少一个获取矢量的阶段；从所述获取矢量产生至少一个随机签名矢量的阶段，所述随机签名矢量包括：具有稳定特性的至少一个随机分量，从而可以在所述题材元素的一个相同区域上通过本发明的每一次实施找到其值；和/或具有不稳定特性的至少一个随机分量，从而可以在所述题材元素的一个相同区域上通过本发明的每一次实施，使其值能改变随机模式；将所述随机签名矢量用作随机签名。

Description

从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备
相关申请的交叉引用 
本申请主张法国专利申请FR 05/13231、FR 06/01342和美国临时申请60/774,618的优先权，其内容合并于此以资参考。 
技术领域
本发明涉及在取决于或独立于题材元素的处理中，通过识别这种题材元素的示图或使用所提取签名的示图，从这种题材元素进行签名提取的技术领域。 
背景技术
题材元素签名的问题在于保证这种签名的唯一性，以确保或几乎确保两个分别的题材元素具有与这两个题材元素取样的大小无关的两个不同签名。 
本发明提出了通过从题材元素的结构特征中提取这种签名以实现签名唯一性的目标。通过题材元素的结构特征具体表示内部和/或外部几何或形态特征，可选地涉及化学或物理化学成分、颜色、结构或在题材元素上与它们的位置相关的其它特征。本发明使用的结构特征是可通过题材的刺激产生的特征以及可通过一个或多个适当的传感器获取的特征。 
发明内容
因此，本发明涉及一种从题材元素提取随机签名的方法，包括： 
分解基础的应用； 
用以产生所述题材元素的至少一个区域的结构特征的至少一个获取矢量的产生阶段； 
根据所述分解基础的每一个获取矢量的分解阶段，用以获得包含随机分 量的图像矢量，所述随机分量分别对应于属于所述分解基础的分解矢量的获取矢量中的组分； 
用以产生至少一个随机签名矢量的产生阶段，所述至少一个随机签名矢量包含与每一个图像矢量相同数目的分量或小于每一个图像矢量数目的随机分量，所述随机签名矢量的每一个分量通过至少一个图像矢量的至少一个随机分量的提取和/或处理而获得； 
将所述随机签名矢量用作随机签名。 
根据本发明，本发明的结果可用作随机签名，首先由于它具有签名的所有特征，具体地，具有用于每一个题材元素(更具体地，用于题材元素的每一个区域)的唯一性，其次随机签名矢量的组组分量是接近独立和接近等概率的，甚至是独立和等概率的。 
因此，本发明的方法本身与其他签名产生方法不同，因为所述签名具有纯的或接近纯的随机特性，并且在“基础”的分解之后，经由信号，优选地经由称为“图像信号”的二维的多维信号，从题材元素提取所述签名，所述基础本身可从相同材料元素或从不同材料元素中产生。 
与现有方法不同，本发明的方法主题以缩减图像信号而不在提取之后需要任何主要算法运算的方式进行。 
本发明还涉及一种从题材元素提取随机签名的方法，包括： 
产生所述题材元素的至少一个区域的结构特征的至少一个获取矢量的产生阶段； 
从所述获取矢量产生至少一个随机签名矢量的产生阶段，所述随机签名矢量包括： 
具有稳定特性的至少一个随机分量，从而可以在所述题材元素的一个相同区域上通过本发明的每一次实施找到其值；和/或 
具有不稳定特征的至少一个随机分量，从而可以在所述题材元素的一个相同区域上通过本发明的每一次实施，其值可能改变随机模式(fashion)； 
将所述随机签名矢量用作随机签名。 
可如先前所述使用分解基础，或使用适用于信号处理(例如自动关联)的任意其他方法，通过分解进行随机信号的产生。与现有技术不同，本发明 的随机签名不取决于所使用的处理或算法(具体涉及稳定部分)，而是取决于题材元素的实际结构。 
在一个优选实施例中，随机签名矢量包括至少一个稳定随机分量和至少一个不稳定随机分量。 
根据本发明的一个特征，至少一个获取矢量的产生阶段包括以下步骤： 
根据获取窗口产生所述题材元素的一个区域的结构特征的至少一个获取结果； 
沿着扫描路径将每一个获取数字化，以成为获取矢量。 
由于使用特定的获取窗口，所以用于提取随机签名的方法可包括用以限定获取窗口的特征的确定步骤。因此，在用以确定获取窗口的特征的所述步骤期间，特别地能够选择获取窗口的维度和/或形式，然后将其变为实现随机签名提取方法的参数。 
类似地，由于使用特定的扫描路径，所以用于提取随机签名的方法可包括用以限定扫描路径的特征的确定步骤。因此，在用以限定扫描路径的特征的步骤期间，可以选择通过水平扫描按行读取获取窗口的数据，或通过垂直扫描按列读取，或例如使用垂直扫描和水平扫描的组合读取。 
根据提取随机签名的本发明的一个特征，在随机签名矢量的产生阶段执行量化，从而所述随机签名矢量的每一个随机分量能够呈现有限数目的值或水平(level)。 
根据提取随机签名的本发明的另一个特征，在至少一个获取矢量的产生阶段，产生所述题材元素的一个相同区域的n个获取矢量，以及使用分别与获取矢量对应的n个图像矢量。 
根据随机签名提取方法的一个特征，在至少一个随机签名矢量的产生阶段，当使用题材元素的一个相同区域的n个获取矢量以及将所述获取矢量的分解应用于分解基础中的图像矢量中时： 
执行量化，从而所述随机签名矢量的每一个随机分量能够呈现与统计分类对应的有限数目的值或量化水平； 
通过对n个图像矢量的给定行中的分量的所有值施加的测试和/或统计处理的结果，限定所述随机签名矢量的每一个分量的值或水平。 
根据本发明的另一个特征，在至少一个随机签名矢量的产生阶段，所述 图像矢量的分量经过定心缩减的统计处理。 
根据本发明的另一个特征，在至少一个随机签名矢量的产生阶段： 
使用以下内容： 
所述随机签名矢量的随机分量能够采用的值或水平对应的多个统计分类，即C个统计分类；以及 
n个图像矢量同一行的分量的不稳定特性对应的统计分类； 
确定所述随机签名矢量的每一个随机分量的值，对n个图像矢量的同一行的所有分量进行统计处理以及统计稳定性测试，从而： 
如果在稳定性测试之后表现出图像矢量的这一行的分量具有稳定特性，则向所述随机签名矢量的随机分量分配所述n个图像矢量的相同行的分量所属的统计分类的值或水平； 
如果在测试之后表现出图像矢量的这一行的分量具有不稳定特性，则向所述随机签名矢量的随机分量分配所述n个图像矢量中一个的相同行的分量所属的统计分类的值或水平。 
根据本发明的另一个特征，以及对于实现本发明的上述形式，在至少一个随机签名矢量的产生阶段，基于在图像矢量的同一行中分量的平均数和标准偏差执行稳定性测试。 
根据本发明的另一个特征，从小于n的多个实数获取，甚至仅从一个实数获取中产生所述n个获取矢量。 
根据本发明的一个特征，在提取方法之后产生的随机签名矢量包括具有稳定特性的至少一个随机分量，所述稳定随机分量的值能够在所述题材元素的一个相同区域上通过本方法的每一次实施来找到。 
根据本发明的一个特征，在提取方法之后产生的随机签名矢量包括具有不稳定特性的至少一个随机分量，所述不稳定随机分量的值可能在所述题材元素的一个相同区域上通过本方法的每一次实施而可能改变随机模式。 
根据本发明的一个特征，在提取处理之后，所述随机签名矢量的所有随机分量具有稳定特性，随机分量的值能够在所述题材元素的一个相同区域上通过本方法的每一次实施来找到。 
根据本发明的一个特征，在提取处理之后，所述随机签名矢量的所有随机分量具有不稳定特性，每一个不稳定随机分量的值可能在所述题材元素的 一个相同区域上通过本方法的每一次实施而可能改变随机模式。 
根据本发明的提取随机签名的方法的一个特征，在至少一个随机签名矢量的产生阶段，产生以下内容： 
稳定随机签名矢量，其随机分量具有稳定特性，每一个稳定随机分量的值能够在所述题材元素的一个相同区域上通过本方法的每一次实施来找到； 
不稳定随机签名矢量，其随机分量具有不稳定特性，每一个不稳定随机分量的值可能在所述题材元素的一个相同区域上通过本方法的每一次实施而可能改变随机模式。 
根据本发明的另一个特征，在实现用于提取随机签名的方法之后： 
所述随机签名矢量包括： 
具有稳定特性的至少一个随机分量，从而其值能够在所述题材元素的一个相同区域上通过本方法的每一次实施来找到； 
具有不稳定特性的至少一个随机分量，从而其值可能在所述题材元素的一个相同区域上通过本方法的每一次实施而可能改变随机模式； 
在至少一个随机签名矢量的产生阶段，给定所述稳定随机分量和/或不稳定随机分量的随机签名矢量中的位置，产生读取标记。 
可以以不穷尽的以下实例的不同方式使用实现本发明的提取方法产生的随机签名或随机签名矢量。 
因此，根据本发明的一个特征，提取随机签名的本发明方法包括，将所述稳定随机签名的至少一部分用作在控制访问处理中的所述题材元素的标识符或与所述题材元素相关的对象的标识符的阶段。 
根据本发明的另一个特征，提取随机签名的本发明方法包括，将所述稳定随机签名的至少一部分用作例如在对称或不对称加密处理中的一次性密钥簿以保证完全机密性的阶段。 
根据本发明的另一个特征，提取随机签名的本发明方法包括，将所述稳定随机签名的至少一部分用作在逻辑控制器或机器的控制处理中的指令序列或指令序列的标识符的阶段。 
根据本发明的一个特征，提取随机签名的本发明方法包括，将所述稳定随机签名的至少一部分用作计算机程序的变量或参数的阶段。 
根据本发明的另一个特征，本发明的随机签名提取包括，将所述稳定随 机签名的至少一部分用作对计算机程序的变量和/或可执行部分加密的一次性密钥簿的阶段。 
根据本发明的另一个特征，提取随机签名的本发明方法包括，将所述不稳定随机分量的至少一部分用作所述题材元素的标识符或与所述题材元素相关的对象的标识符的阶段，以及将所述稳定随机分量的至少一部分用作保护标识符的阶段，具体地指通过使用所述稳定随机分量的该部分作为加密所述标识符以获得安全标识符的一次性密钥簿的阶段。 
根据本发明的一个特征，提取随机签名的本发明方法包括： 
将所述不稳定随机分量的至少一部分用作公共密钥/私用密钥的加密处理中的私用密钥的阶段； 
将所述稳定随机分量的至少一部分用于保护标识符的阶段，具体地指将所述稳定随机分量的该部分用作对所述私用密钥加密以获得安全私用密钥的一次性密钥簿的阶段。 
根据本发明的另一个特征，提取随机签名的本发明方法包括： 
将所述不稳定随机分量的一部分用作公共密钥/私用密钥的加密处理中的私用密钥的阶段； 
将所述不稳定随机分量的一部分用作公共密钥/私用密钥的加密处理中的公共密钥的阶段； 
将所述稳定随机分量的至少一部分用于保护标识符，具体地指将所述稳定随机分量的该部分用作对所述私用密钥加密以获得安全私用密钥的一次性密钥簿的阶段。 
根据本发明的一个特征，提取随机签名的本发明方法包括： 
将所述不稳定随机分量的至少一部分用作所述题材元素的标识符或与所述题材元素相关的对象的标识符的阶段； 
使用公共密钥/私用密钥的加密处理以获得加密标识符或签名标识符的标识符加密阶段； 
将所述稳定随机分量的至少一部分用于保护标识符的阶段，具体地指将所述稳定随机分量的该部分用作对所述加密的或签名的标识符加密以获得加密的、受保护的标识符的一次性密钥簿的阶段。 
在上述变形下，可将不稳定随机分量的一部分用作私用密钥，类似地， 可将不稳定随机分量的一部分用作公共密钥。 
可以在申请FR 2866139、WO 200578651、WO 2005122100、US2005262350、FR 2870376中找到使用本发明提取方法生成的随机签名或随机签名矢量的用途的其他实例。 
根据本发明，用于随机签名提取方法的分解基础可以是预先存在的基础或通过本发明的随机签名提取方法产生的基础。 
因此，本发明还涉及一种产生分解基础的方法，其可用于从题材元素提取随机签名，包括以下步骤： 
产生至少一种材料元素的至少一个区域的结构特征的N个获取矢量，所述至少一种材料元素从所述题材元素分离和/或来自所述题材元素本身； 
使用统计方法分析所有获取矢量，以获得所述分解基础，所述分解基础由能够以图像矢量的形式表示每一个获取矢量的分解矢量形成，所述图像矢量中每一个分量对应于所述获取矢量中分解矢量的组分； 
分析所述分解矢量的至少一部分，以识别高定型的源的和/或使用所述分解基础获得的所有图像矢量的共同分量的源的那个或那些分解矢量，其中那个或那些分解矢量称为共同或特定组分分解矢量； 
保存所述分解基础； 
选择性保存读取标记，在所述分解基础中所述读取标记在定型分量的源给出可能分解矢量的位置和/或在随机分量的源给出分解矢量的位置。 
根据本发明的一个特征，所述分解矢量的分析的步骤包括以下步骤： 
将每一个获取矢量投影到所述分解基础上，以获得图像矢量，其中图像矢量的每一个分量对应于所述获取矢量中分解矢量的组分； 
分析所述图像矢量的至少一部分，以识别高定型的和/或对于所有图像矢量的共同的那个或那些分量，所述定型组分对应于所述分解基础中的称为共同或特定定组分分解矢量的分解矢量组分，所述图像矢量的其它分量可认为是随机分量。 
根据本发明的一个特征，可以认为如果分量的值关于材料元素的类型是可预知的，则分量具有高定型特性。 
根据本发明的另一个特征，每一个获取矢量优选地至少是二维特性。 
根据本发明产生分解基础方法的另一个特征，所述产生方法包括去除步 骤，用以从所述分解基础中去除共同或特定组分分解矢量，以及用以将所缩减的分解基础(称为分解基础)保存到随机分量中的步骤。 
根据本发明产生分解基础方法的另一个特征，使用与用于随机签名提取方法中的题材元素相同族的至少一个题材元素，进行产生获取矢量的产生步骤。 
根据本发明产生分解基础方法的另一个特征，产生获取矢量的步骤包括以下步骤： 
根据获取窗口产生至少一种材料元素的至少一个区域的结构特征的N个获取，所述至少一种材料元素从所述题材元素分离和/或属于所述题材元素本身； 
沿着扫描路径将每一个获取数字化成获取矢量的形式。 
对于随机签名提取方法，产生分解基础的方法可包括定义获取窗口的特征的步骤。因此，根据本发明的一个变形，产生分解基础的方法包括读取所述获取窗口的特征的步骤。类似地，产生分解基础的方法包括保存所述获取窗口的几何特征的步骤。 
类似地，产生分解基础的方法包括定义扫描路径的特征的步骤。然后，产生分解基础的方法包括读取扫描路径的特征的读取步骤，以及保存用于所述数字化步骤的扫描路径的特征的步骤。 
根据本发明的一个特征，为了获得所述分解基础，产生分解基础的方法使用主分量分析算法。 
根据本发明的另一个特征，为了获得所述分解基础，产生分解基础的方法使用独立分量分析算法。 
根据本发明的另一个特征，为了识别定型分量，产生分解基础的方法使用光谱分解算法以及通过滤波的特定组分分解矢量的识别。 
根据产生分解基础的方法的一个特征，以及适用于从题材元素提取随机签名的方法的该特征，所使用的每一种材料元素从以下内容中选择，包括：死的生物源材料、有机物源材料、矿物源材料或由几个上述材料混合和/或合成和/或沉积所获得的材料。 
显然，由于随机签名提取方法的不同特征彼此不矛盾，所以它们可以以其他方式彼此组合。 
类似地，由于产生分解基础的方法的不同特征彼此不矛盾，所以它们可以以其他方式彼此组合。 
本发明还涉及一种装置或设备，包括获取装置、处理装置和存储装置，所述处理装置和存储装置，至少适用于根据本发明实现所述随机签名提取方法和/或实现产生分解基础的方法。根据本发明，所述设备还可包括通信装置。 
本发明还涉及一种计算机程序，适用于根据本发明实现所述随机签名提取方法和/或实现产生分解基础的方法。 
附图说明
参照附图，根据以下的说明，本发明的各个其他特征将变得清楚，本发明的附图示出用于实现作为本发明主题的方法的非限制性实例。 
图1是用于实现产生分解基础和从材料元素提取随机签名的方法的设置或设备的示意图。 
图2是用于本发明方法的矩阵传感器和获取窗口的获取表面(surface)的示意图。 
图3是根据本发明进行分解基础产生方法的概括图。 
图4和图5示出用于本发明方法的产生和提取方法的扫描路径的实例。 
图6A至图8C示出使用本发明方法的产生的分解基础的部分的实例。 
图9示出用于产生如图8A、图8B和图8C所示基础的获取窗口的格式。 
图10示出根据本发明产生分解基础和提取随机签名的变换方法中使用的获取窗口的另一格式。 
图11是根据本发明进行提取随机签名的方法的概括图。 
图12示出在参照图11所述的随机签名提取方法中使用的分类和量化步骤。 
图13A和图13B分别给出一张纸的部分的截面(transvision)的数字图像(图13A)，以及给出使用本发明的方法从这张纸提取的随机签名的统计处理结果的示图(图13B)。 
图14至图17示出使用本发明方法提取作为随机签名组成部分的稳定随机分量的一部分的用途实例。 
图18至图21示出作为使用本发明方法提取作为随机签名组成部分的稳 定和不稳定随机分量的一部分的用途实例。 
具体实施方式
如先前所述，本发明涉及一种方法，用于从部分无序的、通过物理、化学、生物或其它刺激行为呈现的具有时间稳定微观结构的题材元素1提取接近纯的、部分或全部稳定的、随机的数字签名。本发明还涉及使用这种签名来生成题材元素1的随机序列、私用密钥、公共/私用密钥对、自保护标识符等。 
根据本发明，题材元素1的组成材料可以是例如，死的生物源、有机物、或矿物源或混合物的结果、死的生物、有机物或矿物源的材料的合成物或沉积物。题材元素1的组成材料选自期望通过物理、化学、生物或其它刺激呈现的其微观结构的时间稳定无序特征。 
一些材料(例如纸)本身包含由它们分量的可变性(即在制造处理中它们的排列和/或复杂度中的可变性)得到的至少部分无序的结构。根据本发明的示例性实施例，题材元素1是一张纸。 
本发明开始提取或获取题材元素1的至少部分结构特征，这些特征给出题材元素1结构的复杂度或无序结构的信息。为此，对于至少部分题材元素1施加根据题材元素1的类型所选择的一个或多个优选的非破坏性刺激。所述刺激可从机械行为、光线源或其它物理源得到。然后，通过适当的传感器(传感器根据所进行的刺激类型和题材元素1的类型而选择)记录题材元素1对这种刺激的反应。 
对于例如纸的半透明材料，可通过发出相干或不相干、极化或不极化光线的光源施加物理刺激，用传输(transmission)或反射对一张纸进行照射，所述图像对应于该材料对光刺激的反应，然后可使用数码相机获取所述图像。 
因此，根据所示实例，通过发出不相干白光的灯2照射包括纸的题材元素1。使用与处理单元51链接的相机5中集成的矩阵传感器4以获取因白光传输而由题材元素1的部分3得到的图像。 
由传感器4获取其图像的题材元素1的部分3的形式由获取窗口的形式定义，所述获取窗口的限制或边界由传感器的形式固定、或由可调节或不可 调节的隔膜的形式固定，或由对传感器4得到的信号进行处理而固定，从而保存数据的独有部分(solely part of the data is kept)。例如，如果传感器4的表面是矩形(如图2所示)，则在没有处理和隔膜的情况下获取窗口的限制对应于传感器表面的物理限制。然而，根据本发明，可选择定义获取窗口的限制或形式与传感器4的限制或形式不对应。例如，可选择仅与传感器部分对应的获取窗口6，并且所述获取窗口6是不规则形状，例如图2中虚线所示。获取窗口6可以从在题材元素1和传感器4之间插入物理隔膜而得到，或从对传感器4的信号进行处理而得到。 
显然，图2所示的获取窗口6的形式是非限制性的并且可采用任意其它形状。因此，获取窗口6不必是单一的或在一面上，并且可对应于彼此分离的分别区域。类似地，获取窗口的形状不必是平面或二维的，并且可以相对于传感器和/或刺激对应于体积或超过三维的数学对象。广泛意义的获取窗口的形状(即，其限制或边界、其位置、其方向的外观(appearance))形成实现本发明的输入数据项目或参数，本发明涉及产生分解基础的方法和提取随机签名的方法。 
根据优选实施例的原理，本发明的随机签名提取方法将题材元素1的预定区域3的图像信号分解成基本模式组分的总和，每一个组分包含分配有标量和分量权重的模式。在图像信号中，这些模式中的一些可解析由偏导方程(例如扩散和传播)描述的某些进化物理现象的存在。所述模式具体地可形成空间算子(例如拉普拉斯算子)的自身特定模式，并取决于预定调查区域的边界，即最广泛意义的获取窗口的形式。 
可用于描述图像信号的所有模式(即，其分解、称为分解基础)可以是也可以不是过度完备(overcomplete)的。分解基础可以固定，或适用于图像信号。适用的基础可取自投影寻踪的分析，具体地，取自可以基于或不基于奇异值分解类型(例如，主分量分析(PCA)或PCA相关的如独立分量分析(ICA)或接近于PCA或ICA的任意其它分析(例如，ACP离散PCA(ACPscattered PCA)))的分解的分量分析。 
因此，本发明的随机签名提取方法使用基础B，可选地是过度完备的，其可以或不需完全地或部分地从第一材料元素(其与题材元素是相同或不同的元素族)产生，或从题材元素本身产生。 
由于使用特别适用于本发明的随机签名提取方法的分解基础能够实现期望随机签名的更好提取，所以本发明还涉及产生可用于从题材元素提取随机签名的分解基础B的方法。 
图3示出从材料元素E产生分解基础B的步骤。 
在第一步骤G1中，材料元素E的N个不同区域是获取的对象(静态或相对运动的)，然后使用例如图1中的设备D进行数字化。因此，在所述第一步骤G1中，产生题材元素1的N个区域3的结构特征的N个获取矢量，其中N是2或更大，优选地远大于2。 
如果使用包括M个单元的矩阵传感器4，则在每一个获取结果中相机传递包括M个分量的获取矢量；当获取窗口6具有小于传感器4的表面时，如图2所示，产生阶段G1包括减少从相机5导出的获取矢量的步骤，从而其仅包括与获取窗口6相关的m个分量，其中M≥m。此外，在每一个获取矢量中分量的排列取决于扫描方向或扫描路径，例如，如图4所示从左上开始的水平扫描，或如图5所示从左下开始的垂直扫描，或任意其它形式的扫描路径，例如Peano曲线。根据本发明，扫描路径的配置可形成实现本方法的参数以用于产生分解基础。由于提取至少部分稳定或可再生的随机签名，所以优选地将相同的扫描路径用于分解基础产生方法和所述提取方法的每一个实现中。 
获取窗口的特征或配置以及扫描路径的特征限定了哪些可称作用于分解基础产生方法的实现的获取结构形成参数。 
为了获取被刺激的微观结构的组织，优选地，如此形成的N个获取矢量至少是二维类型，并且可认为其表示材料元素的族。 
在随后的步骤G2中，使用获取描述数据的特征基本模式的方法，对所有N个获取矢量进行分析。然后，每一个获取矢量可由这些模式表示，每一个模式构成或多或少的重要组分。所述模式是矢量，其能够使得每一个获取矢量的分解变为组分(contribution)的和的形式，每一个组分包括分配有标量或分量权重的分解矢量。可以认为，所有组分分量(component)可形成用以描述获取矢量的图像矢量。因此，获取矢量能够形成数据矩阵的列，所述列可表示为分解列矢量(还称为基础矢量或分解矢量)矩阵与图像列矢量矩阵的乘积。 
一般地，建立适用于数据的基础的分析方法是本发明能够使用的候选方法。主分量分析(PCA)及其变量形成其中的一部分。通过将中心减少的获取矢量的矩阵分解成奇异值，中心减少的PCA传递基础矢量或分解矢量的正交矩阵。通过在这种基础上对获取矢量的简单投影来推理图像矢量。然后，图像矢量的分量具有定心和去相关的属性。 
也可以使用与PCA相同分析类型的独立分量分析(ICA)(其中获得的图像矢量的分量具有定心、去相关以及甚至接近独立的属性)。通过最大化图像矢量的分量的非高斯性以同时获得分解矢量和图像矢量。根据不同实现(FastICA、JADE、InfoMax...)，不同的算法满足这种标准。 
然后，所有的分解矢量形组分解基础B，其中分解基础B可用于本发明从题材元素中提取随机签名的方法。为此，可存储或保存分解基础B，从而其可用于实施本发明的随机签名提取方法时的请求中，可以理解，本发明可提供如在随机签名的每一个提取中先前所述的分解基础B的产生。 
当产生分解基础时，还可以考虑继续分析图像矢量的至少一部分，以识别高定型(determinist)的和/或对于大部分甚至所有图像矢量的共同的那个或那些组分分量，定型分量组分对应于分解基础中的分解矢量，称为共同或特定组分分解矢量，图像矢量的其它分量可认为是随机分量。在分析结束时，保存在每一个图像矢量中给出任何定型的位置和/或任何随机分量的位置的读取标记，或者保存其定型分解矢量已经被删除的所缩减的分解基础。 
图6示出分解基础产生的实例，该实例使用传播与方形获取窗口不相干光照射的一张纸的图像而进行，以及例如图4所示的水平扫描类型的扫描路径。也可使用主分量分析(PCA)进行所述基础的产生。图6中的图6A是示出PCA光谱(所有自身值all own values)的曲线图，而图6B示出属于光谱的三分之二的25个基础元素。 
类似地，图7示出分解基础产生的实例，使用不相干光传输通过一张纸的图像而形成该实例，该实例使用方形获取窗口，以及例如图5所示的垂直扫描类型的扫描路径。也可使用主分量分析(PCA)进行基础的产生。图7中的图7A是示出PCA光谱的曲线图，而图7B示出属于光谱的三分之二的25个基础元素。 
图8示出基础产生的另一个实例，该实例使用传播与非方形获取窗口(如 图9所示)不相干的光照射的一张纸的图像而进行，以及例如图4所示的水平扫描类型的扫描路径。也可使用主分量分析(PCA)进行基础的产生。图8中的图8A是示出PCA光谱的曲线图，而图8B示出属于光谱的三分之二的25个基础元素。 
根据实施分解基础产生方法的一个变形，所使用的获取窗口6a包括多个(即i个)基本(elementary)窗口61，其如图10所示每个窗口都相同并且没有连接在一起。根据所示实例，窗口6a包括12个(i＝12)矩形基本窗口61。然后，产生分解基础使用产生基本分解基础的阶段，所述基本分解基础的基本分解矢量通过对各自的基本窗口61应用先前所述方法而产生，然后窗口6a的获取可看作与基本窗口61相等的获取窗口的i个获取。在基本分解基础的产生阶段，基本窗口61和它们的获取可看作彼此独立，从而所产生的基本分解基础允许以组分随机分量将对应于基本获取窗口61的每一个基本获取分解成基本图像矢量，基本图像矢量的分量对应于所述基本分解矢量的各个组分。为了获得可用于获取窗口6a整体的分解基础，分解基础的产生则使用形成每一个分解矢量，从基本分解基础创建(create)所述分解基础的步骤，所述形成每一个分解矢量是通过一个相同基本分解矢量的i次级联完成。因此，分解基础包括与基本分解基础相同数目的矢量，如果每一个基本分解矢量包括j个分量，则每一个分解矢量将包括i×j个分量。 
然后，根据本发明的随机签名提取方法，可使用根据本发明的产生方法的任一种上述变形所产生的分解基础。 
在优选实施例中，从题材元素1提取随机签名的方法(如图11)包括以下阶段。 
首先，如果提取随机签名时没有产生分解基础B，则选择预记录的分解基础B用于所述提取。可选地，分解基础B与获取窗口6的特征和用于提取随机签名的扫描路径的特征相关。 
然后，执行产生阶段I，以产生题材元素1的区域3的结构特征的至少一个(优选地n个)获取矢量，其中n是2或更大，优选地远大于2。可使用例如先前定义的获取窗口6或6a进行获取矢量的产生。当期望从目标材料元素1提取稳定的或可再生的随机签名时，相同的获取窗口或相同的窗口获取参数将用于本发明方法的每一个实现，优选地，这些参数是与分解基础 B可选择性相关的获取窗口的参数。 
当使用包括M个单元的矩阵传感器4时，相机传递包括M个分量的获取矢量；如果获取窗口6具有比传感器4更小的表面，如图2所示，则产生阶段I包括减少从相机5导出的获取矢量的步骤，从而其仅包含与获取窗口6相关的m个分量，其中M≥m。 
此外，在每一个获取矢量中的分量的排列取决于扫描方向或扫描路径，例如，如图4所示从左上开始的水平扫描，或如图5所示从左下开始的垂直扫描，或任意其它形式的扫描路径。根据本发明，扫描路径的配置可形成实施提取方法的参数。由于提取至少部分稳定或可再生的随机签名，所以将相同的扫描路径用于本发明的每一个实现中，如果分解基础与扫描路径相关，则优选地使用后者的路径。 
获取窗口的特征或配置以及扫描路径的特征限定了哪些可称作获取结构。 
因此，阶段I实现了n个获取矢量的产生。然后，所述n个获取矢量对应于n个分别的实际获取，或对应于产生的n个获取矢量中的一个实际获取。如果获取窗口6具有比传感器4更小的表面，则可以产生一个获取矢量以及n-1个获取矢量，其中一个获取矢量对应于所述一个实际获取，n-1个获取矢量由模拟获取窗口6相对于传感器4的微小位移而产生，所述微小位移对应于在数字设备D中连续放置n-1次题材元素1的定位错误，其中根据所示实例，所述数字设备D包括光源2和相机5。 
通过平均，这组获取矢量可用于减少实际获取矢量的获取噪音，所述获取噪音是来自相机5和放射源2的噪音，以及在计算或合成获取矢量的情况下，来自题材元素1的重新定位而引起的噪音。 
在阶段I之后，存在n列获取矢量，其中每一列包括m个分量，因此形成具有m行和n列的矩阵。 
然后，执行阶段II，以根据包含分解矢量的分解基础B将每一个获取矢量分解成随机分量，以获得n个图像矢量，其中每一个图像矢量包括m’个分量，其中m≥m’。 
例如，所使用的分解基础可以是从与题材元素相同类型的材料元素中可选地创建的预先存在的基础，或通过分析如先前所述的后者的几个区域而从 题材元素创建的基础。 
因此，在阶段II结束时，我们得到包括m’行和n列的图像矩阵。所述图像矩阵用于随后的阶段III，以产生至少一个随机签名矢量，根据所示实例的阶段III包括三个步骤IIIa、IIIb、IIIc。 
阶段III的第一步骤IIIa是缩减所述图像矩阵的步骤，其通过从分量中去除过度活跃的图像矢量——称为无效图像矢量——并且因此该图像矢量不执行用于签名矢量的纯随机分量的搜索。可通过分析图像矩阵中的一行来测量给定行的分量的活动性。在评估(estimating)先前行的柱状图之后，测量是可统计的。其(行的分量的活动性)还可定义为行的能量。可以在评价(evaluating)每一个分量的活动性之后，根据其他分量可以去除无效分量。然后，获得缩减的图像矩阵，其包括n个缩减的图像矢量，其中每一个图像矢量具有m”个分量，其中m’≥m”。 
步骤IIIb对缩减的图像矩阵的图像矢量的分量进行分类，得到它们稳定或不稳定特性(nature)的质量(qualification)。为此，如图12所示，将与这些分量中每一个相关的值的轴x-x’分成不同预定义的统计分类c，统计分类c可用于在随后步骤IIIc中量化到(离散的)水平(level)。如果与矩阵的一行对应的给定分量被认为是属于这些类中的一个——称为量化类——则称其是稳定的。在对应于分量的行的统计分析之后，可确定在所述类中的内含物。所述分析可通过评估所述行的柱状图以及该行平均值和标准偏差而进行。当认为柱状图s几乎完全包含在类中时，类中的内含物可看作真(例如，对特定数目次数的标准偏差具有相等宽度的平均中心间隔完全包含在类中)。如果柱状图i是在两个类之间“相等分布”，则可认为所述分量不稳定并分配到称为不稳定类的另一个类。最后，如果柱状图 
Figure G2006800531127D00161
分布在几个类上或在不对称方式的两个类上，则一般地可认为分量不适合并且被分配至所谓的不适合类。 
在步骤IIIc之后，执行稳定或不稳定(有效)分量的指标量化(在一组数字的有限群中分配离散水平)。在该步骤中，不处理不适合的分量(即属于不适合类)(作为图像矩阵中的缺席项目(absent terms)或“孔(hole)”)，以及在签名矢量中不作为任何分量，则签名矢量包括m’”个分量，其中m”≥m’”。 
将给予稳定分量相对于其类(稳定)的量化水平(level)。例如，当获取矢量被定心减少时，通过向正分量分配水平1以及向负分量分配水平0以进行两个水平的量化或二进制化。 
所述不稳定分量可以是任意值，在这种情况下，签名矢量的对应分量将被给定与预定图像矢量的分量的值对应的类的值。例如，当获取矢量被定心缩减并且进行在两个水平的量化或二进制化时，例如如果在预定图像矢量(例如第一个)中的分量是负，则对不稳定分量分配二进制水平0，如果是正则分配1。 
然后，在步骤IIIc期间可产生从签名矢量的不稳定分量中识别或分离稳定分量的读取标记。 
因此，根据所示实例，在完成用于产生随机签名矢量的阶段III时，获得读取标记M和随机签名矢量V。在这种情况下，读取标记M是包括与随机签名矢量V相同数目(m’”个)分量的矢量。例如，当随机签名矢量V的对应分量不稳定时，读取标记的分量具有值0；以及当随机签名矢量V的对应分量稳定时，具有值1。 
随机签名矢量V的每一个分量从步骤IIIa之后被认为有效的图像矢量的随机分量中得到，以及从步骤IIIb之后被认为稳定或不稳定的图像矢量的随机分量中得到。 
图6C、图7C和图8C分别示出二进制序列的提取，其中二进制序列属于用本发明的提取方法获得的随机签名，在本发明的提取方法中使用分解基础将其分解成随机分量，在对应的图6B、图7B和图8B中示出部分元素或矢量。 
通过实例，使用从另一张纸产生的分解基础，随机签名提取方法应用于传播不相干光照射一张纸。对随机签名矢量V的分量执行统计测试，其包括以3200dpi分辨率从纸的图像中提取的66048比特的序列，以确定使用本发明的方法提取的签名质量。结果如下： 
熵＝1.000000 
最佳压缩比＝0 
Chi2分布＝0.79 
平均算术值＝0.5001 
对于Pi的Monte-Carlo误差＝0.05 
系列(series)相关系数＝-0.000385 
由于本发明的方法产生作为题材元素的材料结构的图像的签名，所以与纸的无序特性的知识相关的这些结果可解译由本发明方法所产生的随机签名矢量V的纯度或随机特性。 
类似地，通过使用本发明的方法从一张A4格式的纸提取的9200000比特的随机签名的质数的随机搜索，并且通过执行连续20个主要可能性测试(称为Miller-Rabin测试)，在图13A和图13B中，间接地示出随机签名矢量V的较强随机特性。 
图13A对应于通过传播不相干光照射的一张标准纸的方形区域(具有2cm的边)的图像。图13B对应于以白点表示的从随机签名提取的前100个质数，其中随机签名在以125×86像素的黑图像的形式表示的18比特的125×(86-1)的质数之中。图13B的观察示出18比特的所有质数中找到的数字分布的唯一性，其中唯一性是从使用本发明的方法提取签名的随机特性中得到。 
此外，应注意，当实现本发明的提取方法时，所提取的随机签名的稳定部分的值可受到以下因素的影响： 
题材元素，以及具体地从题材元素中提取随机签名的所述区域； 
获取窗口的形式，以及具体地其位置和方向； 
扫描路径的形式；以及 
所使用的分解基础，具体地，如果与题材元素不同，则是用于产生分解基础的材料元素(或多个材料元素)。 
因此，所述因素形成用于实现本发明的随机签名提取方法的许多参数。 
尽管通常看作噪音，但是根据本发明，题材元素的无序内容对应的图像信号部分用于提取随机签名(即预先不可预知的)。随机签名矢量V的分量作为整体不可预知而且彼此之间也不可预知。还要指出，本发明的随机签名在题材元素的材料结构中找到其源(origin)，而并非在所使用的算法或处理运算中找到，这意味着本发明以最小数目的处理运算提取签名，以保存题材元素的固有结构特征。此外，本发明的签名具有数字特性，即其包括具有以有限数或“水平”量化的值的分量。因此，签名的所有分量形成可以这样使 用(which may be used as such)的接近纯的水平的随机序列，或者用于在必要区域产生随机种子(germ)，例如用于识别、证明、追溯、加密，具体地用于认证、私用密钥和/或公共密钥的产生、数据的保护、秘密共享、用于密码以及计算，或用于模拟或命令随机事件(计算机游戏、程序、…)的自动装置中。 
如先前所述，本发明的方法主题限制随机签名的每一个分量为稳定的或不稳定的。在相同或相似的条件下，当签名分量的水平在材料元素的任意新刺激之后可以重新出现具有严格的或接近严格的一致以及很高的可能性时，表明签名分量是稳定的。然后，可使用误差检测器/校正器的码以增加分量的稳定性，特别是数据保护或访问的稳定性。 
可以以不同方式使用本发明方法提取的随机签名。 
通过提取的稳定分量，可将材料元素用作处理器的物理密钥。稳定的随机分量也可用作产生一次性密钥簿(pad)，或产生专用于材料元素的标识符。 
图14示出使用本发明的提取方法P对于从题材元素1产生的随机签名的稳定分量Vs的一种用途，用以保证计算机程序11的必要(essential)变量或参数10的保护。对于这种用途，将稳定随机签名Vs用作加密处理12(例如XOR类型的)中的一次性密钥簿，以获得安全的必要变量13。因此，可以保护具有从材料元素1获得的稳定随机的这些必要变量，以及在获取系统(未示出)中对实际材料元素的存在(presence)进行程序的适当处理，所述获取系统与计算机(同样未示出)链接，其使用必要变量运行计算机程序11。然后，需要题材元素1对安全必要变量13进行解密，并且由计算机程序11返回必要变量10。 
图15示出使用本发明的提取方法P对于从题材元素1产生的随机签名的稳定分量Vs的一种用途，用以控制对处所、机器、行为或甚至信息的访问。根据这种用途实例，将稳定随机签名Vs用作标识符，并通过统计比较处理14与实际标识符的数据库Bd的内容相比较，如果比较的结果是肯定的，则授权访问15。 
图16示出使用本发明的提取方法P对于从题材元素1产生的随机签名的稳定分量Vs的另一种用途，用以命令可编程逻辑控制器16。根据这种用 途实例，逻辑控制器16执行关于从稳定随机签名Vs得到的随机指令17的行为。由逻辑控制器16执行的行为可以是各种类型，例如是加工、编织、置换、打开或关闭、元素的定量或其它逻辑控制器或机器的控制，上述所列项目并不穷尽。 
可以考虑，通过关联稳定随机分量的值与一个或多个指令(instruction)序列的对应的数据基础(数据库)，将稳定随机签名Vs与预定行为关联。 
按照相同原理，可以考虑，使用稳定随机签名Vs控制计算机程序的功能。在这种情况下，稳定随机签名的分量的一部分直接对应于计算机程序的参数，或者使用在稳定随机分量和计算机程序的预定义参数之间的对应基础。 
图17示出使用本发明的提取方法P对于从题材元素1产生的随机签名的稳定分量Vs的另一种用途，用以保证例如与产品相关的追溯数据17的数据保护。对于这种类型的用途，可将稳定随机签名Vs用作加密处理18(例如XOR类型的)中的一次性密钥簿，以从追溯数据17获得附加在产品的安全的追溯数据19。对于所述用途，在稳定随机签名Vs的源的题材元素1可加入到携带安全信息的产品中，在这种情况下，保护机制存在于保证安全数据19的解密的获取设备中。具体地，这种保护机制与获取窗口或扫描路径的形式所使用的分解基础相关，其中所述形式保持保密，仅对获取设备的制造商已知。或者，相反，可以预期(contemplated)，在稳定随机签名Vs的源的题材元素1与产品无关，并且例如由负责验证具有安全数据19的产品实际性的用户保持。 
如先前所述，使用本发明的提取方法产生的随机签名V可包括不稳定分量，或甚至仅包括不稳定分量，在这种情况下，可考虑使用本发明的提取方法作为随机数生成器。 
可使用随机签名的不稳定分量产生一个或多个标识符和/或一个或多个私用密钥，每一个都(例如经由一个或多个一次性密钥簿)通过稳定随机分量得到保护。 
由于本发明的随机签名可包括稳定分量和不稳定分量，所以可以从以下给出的一些不穷尽实例的各种应用的特征中得到优点。 
图18示出根据本发明通过提取方法以及从题材元素1产生的包括稳定 分量Vs和不稳定分量Vi的随机签名V的用途实例，用以提供安全标识符20。通过这种类型的用途，将随机签名V的不稳定部分Vi用作标识符，同时将稳定部分Vs用作加密处理21(例如XOR类型的)中的一次性密钥簿，以获得安全标识符20。题材元素1的保持以及实现本发明提取方法的设备的保持使得能够重新访问随机签名V的稳定部分Vs，因此能够解密安全标识符20以访问初始(initial)标识符，在这种情况下，在标识符的分配时产生随机签名V的不稳定部分Vi。 
图19示出根据本发明的提取方法P从题材元素1产生的包括稳定分量Vs和不稳定分量Vi的随机签名V的另一用途实例，用以提供公共和私用密钥，甚至提供在不对称密码协议中的密钥对。对于这种类型的用途，首次实现提取方法P以产生随机签名V，将其中不稳定分量的部分Vi1用作私用密钥25，而将不稳定分量的另一部分Vi2用作公共密钥26。然后，将稳定分量Vs的部分用作加密处理27(例如XOR类型的)中的一次性密钥簿，以从私用密钥25获得安全私用密钥28。然后，对于题材元素1的保持以及实现本发明提取方法的设备的保持使得能够重新访问随机签名V的稳定部分Vs，因此能够解密安全私用密钥28，以对于用于提取随机签名的本发明方法P的首次使用期间产生的私用密钥25进行访问。 
图20示出根据本发明的提取方法P从题材元素1产生的包括稳定分量Vs和不稳定分量Vi的随机签名V的另一用途实例，用以首先提供标识符其次提供一次性密钥簿，以及提供不对称密码协议的公共和私用密钥。对于这种类型的用途，首次使用提取方法P以产生随机标签V，将其中不稳定分量的一部分Vi1用作标识符，而将不稳定分量的第二部分Vi2用作私用密钥31，而将不稳定分量的第三部分Vi3用作公共密钥32。然后，将私用密钥31用于加密处理33以从标识符30获得签名的或加密的标识符34。然后，将稳定分量Vs的一部分用作加密处理35(例如XOR类型的)中的一次性密钥簿，以从签名的标识符34获得安全签名标识符36。然后，对于题材元素1的保持以及实现本发明提取方法的设备的保持使得能够重新访问随机签名V的稳定部分Vs，因此能够解密安全签名标识符36，以对于用于提取随机签名的本发明方法P的首次使用期间产生的签名标识符34进行访问。 
图21示出在使用公共密钥和私用密钥的RSA加密协议下本发明提取方 法的一种用途。然后，从题材元素提取的随机签名用于产生强(strong)质数p和q。数目n是pq的乘积。数目e是选为与 
Figure G2006800531127D00221
互质的整数，而选择d以使 
Figure G2006800531127D00222
然后，私用密钥Cs包括整数p、q和d，而公共密钥包括整数n和e。如果标号40是要加密的标识符，则标号41是使用上述公共Cp和私用Cs密钥的RSA协议加密的标识符。 
显然，根据本发明的提取随机签名方法可包括不同阶段，所述不同阶段在各种处理中使用稳定和不稳定分量的至少一部分以产生至少一个唯一代码并加密该代码。 
此外，在不脱离本发明的保护范围的情况下，可以在许多其他应用中使用本发明的方法。 

Claims (22)

1.一种从题材元素产生分解基础的方法，包括以下步骤：
定义获取窗口和扫描路径；
根据所述获取窗口，产生所述题材元素的至少一个区域的结构特征的N个获取，其中N等于或大于2；
沿着所述扫描路径将每个获取数字化成获取矢量的形式；
使用统计方法分析所有获取矢量，以获得所述分解基础，所述分解基础由能够以图像矢量形式表示每一个获取矢量的分解矢量组成，所述图像矢量由多个分量形成，且所述图像矢量的分量对应于在所述获取矢量中的分解矢量的组分；
分析所述图像矢量的至少一部分，以识别定型分量，所述定型分量对于所有的图像矢量而言是共同的，而其他分量是随机分量，以及
保存读取标记，在每一个图像矢量中，所述读取标记给出定型分量的位置和/或随机分量的位置，或存储其定型分解矢量已经被删除的被缩减后的分解基础。
2.如权利要求1所述的产生分解基础的方法，其特征在于，其还包括保存所述分解基础的步骤。
3.如权利要求1所述的产生分解基础的方法，其特征在于，每一个获取矢量至少是二维特性。
4.如权利要求1所述的产生分解基础的方法，其特征在于，使用对投影寻踪的分析来获得所述分解基础。
5.如权利要求1所述的产生分解基础的方法，其特征在于，所使用的题材元素从以下材料中选择，包括：死的生物源的材料、有机物源的材料、矿物源的材料或由几个上述材料混合和/或合成和/或沉积所获得的材料。
6.一种从题材元素提取随机签名的方法，包括：
从所述题材元素的至少一个区域的结构特征的至少一个实际获取产生n个获取矢量的阶段，n等于或大于2；
根据如权利要求1至5的任意一个所述的方法产生的分解基础而对每个获取矢量进行分解的阶段，其中所述分解基础由分解矢量组成，所述分解矢量能够以图像矢量形式表示每一个获取矢量，所述图像矢量包含随机分量且所述随机分量对应于在所述获取矢量中的分解矢量的组分，其中，通过分析所述图像矢量的至少一部分以识别定型分量，所述定型分量对于所有的图像矢量而言是共同的，而所述图像矢量的其他分量就是所述随机分量，该图像矢量的随机分量限定由多行和多列组成的图像矩阵；
从所述获取矢量产生至少一个随机签名矢量的阶段，其中在对所述图像矢量的每行随机分量进行统计分析之后，使用统计分类c来量化所述图像矢量的随机分量的特性，所述统计分析包括对每行随机分量的柱状图进行评估，继而对其平均值和标准偏差进行评估，对于所述特性：
如果一行随机分量的柱状图全部包含在一个统计分类c中，则所述特性为稳定的；
如果一行随机分量的柱状图相等地分布在两个统计分类c之间，则所述特性为不稳定的；
如果一行随机分量的所述柱状图分布在几个统计分类c上、或不对称地分布在两个分类上，则所述特性为不适当的；
所述随机签名矢量包括：
具有稳定特性的至少一个随机分量；
和/或具有不稳定特性的至少一个随机分量；
从至少一个图像矢量的至少一个随机分量中得到随机签名矢量的每个分量，以及
将所述随机签名矢量用作随机签名。
7.如权利要求6所述的提取随机签名的方法，其特征在于，在产生随机签名矢量的阶段并在量化所述图像矢量的随机分量的特性之后，执行对图像矢量的具有稳定特性的随机分量或具有不稳定特性的随机分量的量化，从而所述随机签名矢量的每一个随机分量能够呈现有限数目的值或水平。
8.如权利要求6所述的提取随机签名的方法，其特征在于，在产生n个获取矢量的阶段，产生所述题材元素的一个相同区域的n个获取矢量，以及在每个获取矢量的分解阶段，产生n个图像矢量，其中n等于或大于2。
9.如权利要求6所述的提取随机签名的方法，其特征在于，从小于n的多个实际获取中实质上产生所述n个获取矢量。
10.如权利要求6所述的提取随机签名的方法，其特征在于，从一个实际获取中实质上产生所述n个获取矢量。
11.如权利要求7所述的提取随机签名的方法，其特征在于，所述随机签名矢量的具有稳定特性的至少一个随机分量的值能够在所述题材元素的一个相同区域上通过所述提取随机签名的方法的每一次实施来找到。
12.如权利要求7所述的提取随机签名的方法，其特征在于，所述随机签名矢量的具有不稳定特性的至少一个随机分量的值能够在所述题材元素的一个相同区域上通过所述提取随机签名的方法的每一次实施而随机改变。
13.如权利要求7所述的提取随机签名的方法，其特征在于，在至少一个随机签名矢量的产生阶段，产生以下内容：
稳定随机签名矢量，其随机分量具有稳定特性，每一个具有稳定特性的随机分量的值能够在所述题材元素的一个相同区域上通过所述提取随机签名的方法的每一次实施来找到；
不稳定随机签名矢量，其随机分量具有不稳定特性，每一个具有不稳定特性的随机分量的值能够在所述题材元素的一个相同区域上通过所述提取随机签名的方法的每一次实施而随机改变。
14.如权利要求6所述的提取随机签名的方法，其特征在于，在控制访问处理中，将所述随机签名矢量用作随机签名包括将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作所述题材元素的标识符或与所述题材元素相关的对象的标识符。
15.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作在加密处理中的一次性密钥簿。
16.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括在对逻辑控制器或机器进行控制的处理中，将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作指示的序列或指示的序列的标识符。
17.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作计算机程序的变量或参数。
18.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作对计算机程序的变量和/或可执行部分进行加密的一次性密钥簿。
19.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括将所述随机签名矢量的具有不稳定特性的随机分量的至少一部分用作所述题材元素的标识符或与所述题材元素相关的对象的标识符，以及将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作一次性密钥簿，其中该一次性密钥簿用于对标识符加密以获得安全标识符。
20.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括：
将所述随机签名矢量的具有不稳定特性的随机分量的至少一部分用作通过公共密钥/私用密钥而进行的加密处理中的私用密钥；
将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作对所述私用密钥加密以获得安全私用密钥的一次性密钥簿。
21.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括：
将所述随机签名矢量的具有不稳定特性的随机分量的一部分用作通过公共密钥/私用密钥而进行的加密处理中的私用密钥；
将所述随机签名矢量的具有不稳定特性的随机分量的一部分用作通过公共密钥/私用密钥而进行的加密处理中的公共密钥；
将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作对所述私用密钥加密以获得安全私用密钥的一次性密钥簿。
22.如权利要求6所述的提取随机签名的方法，其特征在于，将所述随机签名矢量用作随机签名包括：
将所述随机签名矢量的具有不稳定特性的随机分量的至少一部分用作所述题材元素的标识符或与所述题材元素相关的对象的标识符；
使用通过公共密钥/私用密钥而进行的加密处理以获得加密标识符或签名标识符；
将所述随机签名矢量的具有稳定特性的随机分量的至少一部分用作一次性密钥簿，该一次性密钥簿对已加密标识符或已签名标识符加密以获得加密的、安全标识符。
CN2006800531127A 2005-12-23 2006-12-22 从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备 Active CN101379514B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
FR0513231 2005-12-23
FR0513231A FR2895541B3 (fr) 2005-12-23 2005-12-23 Procede d'extraction de signature aleatoire d'un element materiel
FR0601342A FR2895543B1 (fr) 2005-12-23 2006-02-15 Procede d'extraction de signatures aleatoires d'un element materiel et procede de generation d'une base de decomposition pour la mise en oeuvre du procede d'extraction
FR0601342 2006-02-15
US77461806P 2006-02-21 2006-02-21
US60/774,618 2006-02-21
PCT/EP2006/070183 WO2007071788A1 (en) 2005-12-23 2006-12-22 Method for extracting random signatures from a material element and method for generating a decomposition base to implement the extraction method

Publications (2)

Publication Number Publication Date
CN101379514A CN101379514A (zh) 2009-03-04
CN101379514B true CN101379514B (zh) 2013-01-09

Family

ID=38137738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006800531127A Active CN101379514B (zh) 2005-12-23 2006-12-22 从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备

Country Status (14)

Country Link
US (2) US8325971B2 (zh)
EP (1) EP1971960B1 (zh)
JP (1) JP5363113B2 (zh)
CN (1) CN101379514B (zh)
AT (1) ATE529826T1 (zh)
BR (1) BRPI0620363B8 (zh)
CA (2) CA2953689C (zh)
DK (1) DK1971960T3 (zh)
ES (1) ES2374975T3 (zh)
FR (2) FR2895541B3 (zh)
PL (1) PL1971960T3 (zh)
PT (1) PT1971960E (zh)
SI (1) SI1971960T1 (zh)
WO (1) WO2007071788A1 (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8171567B1 (en) 2002-09-04 2012-05-01 Tracer Detection Technology Corp. Authentication method and system
JP4607947B2 (ja) 2004-03-12 2011-01-05 インジェニア・ホールディングス・（ユー・ケイ）・リミテッド 真正性検証の方法、製品および機器
CA2559271A1 (en) 2004-03-12 2005-09-22 Ingenia Technology Limited Methods and apparatuses for creating authenticatable printed articles and subsequently verifying them
GB2453992A (en) * 2007-10-25 2009-04-29 Ian Smith Product Authentication
GB2466465B (en) 2008-12-19 2011-02-16 Ingenia Holdings Authentication
GB2476226B (en) 2009-11-10 2012-03-28 Ingenia Holdings Ltd Optimisation
US9152862B2 (en) 2011-09-15 2015-10-06 Raf Technology, Inc. Object identification and inventory management
US9443298B2 (en) 2012-03-02 2016-09-13 Authentect, Inc. Digital fingerprinting object authentication and anti-counterfeiting system
US8774455B2 (en) 2011-03-02 2014-07-08 Raf Technology, Inc. Document fingerprinting
EP2702570B1 (en) * 2011-04-29 2023-07-05 Monnaie Royale Canadienne/Royal Canadian Mint Method and apparatus for authentication of a coin
FR2974652A3 (fr) * 2011-05-01 2012-11-02 Signoptic Technologies Procede d'authentification unitaire d'un objet materiel au moyen d'un algorithme de cryptographie visuelle et d'une signature matiere
JPWO2013015252A1 (ja) * 2011-07-22 2015-02-23 株式会社Ｎｔｔドコモ 情報伝送端末
TW201335295A (zh) * 2011-11-30 2013-09-01 西克帕控股公司 經標記之塗層組成物及其認證之方法
FR2995433B1 (fr) 2012-09-11 2016-09-02 Arjowiggins Security Procede d'authentification d'un element de securite par superposition de n images partagees en couleur et element de securite mettant en œuvre ce procede
TWI622969B (zh) * 2012-12-17 2018-05-01 印奈克斯托股份有限公司 用以使用物理特性來標記製造物品的方法及設備
WO2014113865A1 (en) 2013-01-24 2014-07-31 Monnaie Royale Canadienne/Royal Canadian Mint Unique identification of coin or other object
EP2869241A3 (en) * 2013-11-01 2015-10-07 RAF Technology, Inc. Digital fingerprinting track & trace system
FR3017018B1 (fr) * 2014-01-30 2017-06-23 Vips France Capteur rasant
CN108291876B (zh) * 2014-11-21 2022-03-15 盖伊·李·亨纳夫 用于检测产品的真实性的系统及方法
WO2016133573A2 (en) * 2014-12-03 2016-08-25 3M Innovative Properties Company Systems and methods for generating random numbers using physical variations present in material samples
US10102407B2 (en) * 2015-09-21 2018-10-16 Robert Bosch Gmbh Method for generating a unique package identifier based on physical properties of a package
US10621594B2 (en) 2016-02-19 2020-04-14 Alitheon, Inc. Multi-level authentication
US10867301B2 (en) 2016-04-18 2020-12-15 Alitheon, Inc. Authentication-triggered processes
FR3050826B1 (fr) * 2016-05-02 2018-04-20 Safran Procede de controle non-destructif par apprentissage
US10614302B2 (en) 2016-05-26 2020-04-07 Alitheon, Inc. Controlled authentication of physical objects
US10740767B2 (en) 2016-06-28 2020-08-11 Alitheon, Inc. Centralized databases storing digital fingerprints of objects for collaborative authentication
US10915612B2 (en) 2016-07-05 2021-02-09 Alitheon, Inc. Authenticated production
US10902540B2 (en) 2016-08-12 2021-01-26 Alitheon, Inc. Event-driven authentication of physical objects
US10839528B2 (en) 2016-08-19 2020-11-17 Alitheon, Inc. Authentication-based tracking
FR3055446A1 (fr) 2016-09-01 2018-03-02 Arjo Solutions Procede et syteme de generation de la signature d'une surface
EP3435287A3 (en) 2017-07-25 2019-05-01 Alitheon, Inc. Model-based digital fingerprinting
EP3514715A1 (en) 2018-01-22 2019-07-24 Alitheon, Inc. Secure digital fingerprint key object database
US10963670B2 (en) 2019-02-06 2021-03-30 Alitheon, Inc. Object change detection and measurement using digital fingerprints
EP3734506A1 (en) 2019-05-02 2020-11-04 Alitheon, Inc. Automated authentication region localization and capture
EP3736717A1 (en) 2019-05-10 2020-11-11 Alitheon, Inc. Loop chain digital fingerprint method and system
US11238146B2 (en) 2019-10-17 2022-02-01 Alitheon, Inc. Securing composite objects using digital fingerprints
EP3859603A1 (en) 2020-01-28 2021-08-04 Alitheon, Inc. Depth-based digital fingerprinting
EP3885982A3 (en) 2020-03-23 2021-12-22 Alitheon, Inc. Hand biometrics system and method using digital fingerprints
EP3885984A1 (en) 2020-03-23 2021-09-29 Alitheon, Inc. Facial biometrics system and method of using digital fingerprints
EP3929806A3 (en) 2020-04-06 2022-03-09 Alitheon, Inc. Local encoding of intrinsic authentication data
US11663849B1 (en) 2020-04-23 2023-05-30 Alitheon, Inc. Transform pyramiding for fingerprint matching system and method
US11983957B2 (en) 2020-05-28 2024-05-14 Alitheon, Inc. Irreversible digital fingerprints for preserving object security
EP3926496A1 (en) 2020-06-17 2021-12-22 Alitheon, Inc. Asset-backed digital security tokens

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1430175A (zh) * 2001-12-30 2003-07-16 北京兆日科技有限责任公司 一种基于物质特性的加密防伪方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL9001368A (nl) * 1990-06-15 1992-01-02 Tel Developments B V Beveiliging van voorwerpen of dokumenten.
JPH05243256A (ja) * 1992-03-02 1993-09-21 Matsushita Electric Ind Co Ltd ヘテロ接合バイポーラトランジスタおよびその製造方法
US5521984A (en) * 1993-06-10 1996-05-28 Verification Technologies, Inc. System for registration, identification and verification of items utilizing unique intrinsic features
WO1997024699A1 (en) 1995-12-29 1997-07-10 S. E. Axis Limited Authentication of articles
JP2001051831A (ja) * 1999-08-10 2001-02-23 Sony Corp 乱数発生装置及び乱数発生方法
US8943325B2 (en) * 2004-02-06 2015-01-27 Signoptic Technologies Savoie Technolac Use of a digital signature obtained from at least one structural characteristic of a material element to protect the direct reading of sensitive data and method for reading this protected data
FR2866139B1 (fr) 2004-02-06 2006-04-14 Yann Boutant Procede pour proteger de la lecture directe des informations sensibles, un support porteur de telles informations protegees et un procede de lecture de ces informations protegees
FR2870376B1 (fr) 2004-05-11 2006-09-22 Yann Boutant Procede de reconnaissance de supports fibreux, ainsi que les applications d'un tel procede dans le domaine informatique notamment
JP2006005803A (ja) * 2004-06-18 2006-01-05 Sharp Corp 画像読取装置、画像形成装置、及び乱数生成装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1430175A (zh) * 2001-12-30 2003-07-16 北京兆日科技有限责任公司 一种基于物质特性的加密防伪方法

Also Published As

Publication number Publication date
BRPI0620363A2 (pt) 2011-11-08
US20090257619A1 (en) 2009-10-15
FR2895541A1 (fr) 2007-06-29
FR2895543A1 (fr) 2007-06-29
DK1971960T3 (da) 2012-01-30
CA2953689C (en) 2018-10-16
CA2634603C (en) 2017-02-21
PL1971960T3 (pl) 2012-03-30
CA2634603A1 (en) 2007-06-28
JP2010514227A (ja) 2010-04-30
PT1971960E (pt) 2012-02-01
US8325971B2 (en) 2012-12-04
BRPI0620363B1 (pt) 2018-09-25
US20130114903A1 (en) 2013-05-09
JP5363113B2 (ja) 2013-12-11
ATE529826T1 (de) 2011-11-15
US8989500B2 (en) 2015-03-24
CA2953689A1 (en) 2007-06-28
EP1971960B1 (en) 2011-10-19
CN101379514A (zh) 2009-03-04
FR2895543B1 (fr) 2008-09-05
WO2007071788A1 (en) 2007-06-28
SI1971960T1 (sl) 2012-03-30
EP1971960A1 (en) 2008-09-24
FR2895541B3 (fr) 2008-04-18
ES2374975T3 (es) 2012-02-23
BRPI0620363B8 (pt) 2018-10-09

Similar Documents

Publication Publication Date Title
CN101379514B (zh) 从材料元素提取随机签名的方法和用以实现提取方法的产生分解基础的方法及设备
JP2010514227A6 (ja) 材料要素からランダム署名を抽出する方法および該抽出方法を実現する分解ベースを生成する方法
Haghighat et al. Identification using encrypted biometrics
Abdul et al. Biometric security through visual encryption for fog edge computing
Angarita et al. Brauer configuration algebras for multimedia based cryptography and security applications
Jagadeesh et al. A novel image scrambling technique based on information entropy and quad tree decomposition
Evangelin et al. Securing recognized multimodal biometric images using cryptographic model
Iovane et al. A novel blockchain scheme combining prime numbers and iris for encrypting coding
Tanaka et al. On the transferability of adversarial examples between encrypted models
Prabhavathi et al. Region based medical image encryption using advanced zigzag transform and 2D logistic sine map (2DLSM)
Qin et al. A Self-Adaptive Image Encryption Scheme Based on Chaos and Gravitation Model
Al Duhayyim et al. Remote Sensing Image Encryption Using Optimal Key Generation-Based Chaotic Encryption.
Lagmiri et al. Novel Chaotic System for Color Image Encryption Using Random Permutation
Abundiz-Pérez et al. Fingerprint image encryption based on Rossler map
Almakdi et al. A Novel Internet of Medical Thing Cryptosystem Based on Jigsaw Transformation and Ikeda Chaotic Map.
Rashwan et al. Defeating face de-identification methods based on DCT-block scrambling
CN113343277B (zh) 一种安全高效的委托隐私数据类别预测的方法
George Facial template protection using extended visual cryptography and chaotic encryption
Ravi et al. Color Image Encryption Employing Cellular Automata and Three-Dimensional Chaotic Transforms
Khodadadi et al. A New Method for Encryption of Color Images based on Combination of Chaotic Systems
Aydogan et al. A New Security Mechanism for IoT Devices: Electroencephalogram (EEG) Signals
Karl Enhanced Privacy-enabled Face Recognition using κ-Identity Optimization
KR101715655B1 (ko) 영상의 색 히스토그램 및 질감 정보를 이용한 영상 키 인증 방법 및 시스템
Deng et al. Privacy-preserving Deep Learning for Grey Scale Image Classification with Pixel-based Encryption
Wang et al. Region of interest encryption algorithm for images based on lifting scheme and object detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant