CN101976321B - 基于人脸特征密钥生成的加密方法 - Google Patents
基于人脸特征密钥生成的加密方法 Download PDFInfo
- Publication number
- CN101976321B CN101976321B CN 201010289420 CN201010289420A CN101976321B CN 101976321 B CN101976321 B CN 101976321B CN 201010289420 CN201010289420 CN 201010289420 CN 201010289420 A CN201010289420 A CN 201010289420A CN 101976321 B CN101976321 B CN 101976321B
- Authority
- CN
- China
- Prior art keywords
- key
- face
- feature
- encryption
- steps
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本发明公开了一种基于人脸特征密钥生成的加密方法,包括:加密阶段,利用基于统计最优的人脸特征方法生成稳定的加密密钥,用此密钥和相应的加密算法对数据或文件进行加密运算;解密阶段,根据提供的人脸图像,采用和加密阶段生成密钥的一致方法对人脸图像进行特征提取、密钥生成;然后进行特征匹配运算、以及特征纠错步骤和对应的解密算法对加密内容进行解密;通过选择最优的可区分的人脸特征,有效的解决了生物特征识别中的内部差异问题。同时加密和解密的过程也相当于人脸识别与认证的过程,成功的解密也就意味着身份识别成功。具有简单易行、方便应用等特点。
Description
技术领域
本发明涉及生物特征识别认证以及密码应用技术领域,具体涉及一种基于人脸特征密钥生成的数据加密解密方法的研究及实现。
背景技术
生物特征识别可以有效的解决身份管理系统中的用户身份鉴定以及安全控制问题。生物特征包括生理特征和行为特征。常用的生理特征有指纹、手形、脸形、虹膜、视网膜及气味等;行为特征有击键、声音、手写、步态等。随着生物识别系统在诸多场合的广泛应用,人们越来越关心生物识别技术的安全性和隐私性。理想的生物识别系统应具有鲁棒性、低错误率和不易篡改等特性。生物特征识别系统存在可能的伪造生物特征、重复使用生物特征数据、越过特征提取器、篡改提取后的生物特征数据、篡改模板数据库、控制输出等8种攻击和安全问题。
传统的密钥体制也存在使用不方便和记忆困难等缺点。典型的密钥(cryptographic keys)都是足够长且随机的(比如AES标准的密钥是128位的随机bit流),而人几乎不可能记忆如此长的密钥,所以这样的密钥就会被保存在某种存储介质上,比如USB令牌,或者直接存储在计算机硬盘上,然后再由一个相对容易记忆的密码(pas sword)来保护密钥的安全性。这样,整个密钥系统的安全性就是基于密码(pas sword)的。而密码由于其本身的非随机性和较小的长度,往往容易被攻击者破解,从而危及系统的安全。从这个角度上讲,如果我们使用生物特征来代替密钥,或者将生物特征和密钥以某种方式结合起来,就会免去存储和管理密钥的很多麻烦,而且密钥本身又可以对生物特征进行加密保护,使得攻击者既获取不到密钥本身也不容易获得加密后的生物特征模板。
生物加密(Biometric Encryption,BE)是通过使用生物特征来保护密码系统的一种密钥技术。当用户须得到一个被保护的密钥时,只要向系统提供自己的生物特征样本,如果验证样本和注册模板匹配,则密钥立即被释放,即实现了加/解密数据。此方法使密钥和用户身份的挂钩,用户无须记住口令,而生物特征不易被攻击者获知,因此,其安全性更高。基于用户生物特征生成的密钥具有破译困难,可随身携带,不会丢失、被盗的优点。
目前针对特征模板数据的安全保护技术的研究主要有生物特征变换技术和生物特征加密系统。
其中生物特征变换技术包括加盐(Salting)和非线性变换(Noninvertibletransform)两种技术。生物系统加密方案主要是基于利用生物特征保护加密密钥或直接从生物特征中产生密钥的想法而产生的。可以用作模板保护机制以及加密系统的保护。生物特征加密系统分为密钥绑定和密钥生成两种方式。当帮助数据由一个密钥与特征模板绑定,称为绑定系统。如果帮助数据仅由生物识别系统模板产生且加密密钥直接由帮助数据和带查询的生物特征产生,称之为密钥产生方法。
自从生物特征密钥的概念提出以后,国内外一些著名机构和个人研究提出了基于各种生物特征产生稳定、强健的密钥的方法。
截止目前,国际研究热点主要包括模糊提取、基于纠错码的方法、基于拉格朗日插值的方法等。
1)模糊提取:模糊提取从变化的生物特征中稳定地提取出分布一致的强密钥。秘密产生,从首次采样得到公开数据pub和秘密数据R,R使用后应当销毁。秘密恢复,当二次采样数据和首次采样距离充分接近时,从公开数据pub和二次采样数,可恢复出秘密数据R。
2)基于纠错码的方法:
原理:同一个生物体的两次采样汉明距离比较小,如30%以内;不同生物体的采样汉明距离比较大,如50%左右,对一个原始信息进行两次特征采样并异或,可以视作对其进行了一个噪声处理,噪声大小为这两个采样的汉明距离,选择适合的纠错码,使同一生物体可以正确恢复原始信息,而不同生物体不能恢复原始信息。
3)基于拉格朗日插值的方法。
目前的密钥生成方法要么停留在理论研究阶段;要么实现起来识别率较低和安全性能较低。我们发明一种基于统计最优的人脸特征密钥生成方法,并且应用此密钥生成数据加密解密系统。该方法特点简单可行,并且具有良好的认证效果。
发明内容
本发明的目的在于通过提供一种基于人脸特征的密钥生成方法,并给出利用此生物特征密钥进行数据加密、解密的系统模型,用于解决人脸特征认证系统中的人脸特征模板安全性保护以及为密码系统中密钥产生和密钥管理提供参考模型。
本发明是采用以下技术手段实现的:
一种基于人脸特征密钥生成的加密方法,包括以下步骤:
A、加密阶段,利用基于统计最优的人脸特征方法生成稳定的加密密钥,用此密钥和相应的加密算法对数据或文件进行加密运算。
B、解密阶段,根据提供的人脸图像,采用和加密阶段生成密钥的一致方法对人脸图像进行特征提取、密钥生成;然后进行特征匹配运算、以及特征纠错步骤和对应的解密算法对A的加密内容进行解密。
所述步骤A具体包括:
A1、对输入的人脸图像进行特征提取,特征提取过程处理的是静态灰度人脸图像,输入的人脸照片经过图像处理和定位后,得到属于测量空间的人脸灰度图像,然后把该图像投影到相应的特征空间得到用于分类人脸的特征。
A2、对A1生成的特征采用统计最优比特的方法生成人脸特征密钥,采取先对测试集每个人脸的一组图像进行二值化,然后甄选出每个人的稳定特征,将这些稳定的二进制特征进行级联形成稳定的密钥。
A3、对于A2生成的人脸特征密钥进行纠错编码。
A4、利用加密算法和A2生成的密钥对数据或文件进行加密。
A5、将上述步骤A3生成的纠错编码、步骤A4加密后的文件或数据以及A4生成的查询表一并存入数据库中。
所述步骤B具体包括:
B1、对输入的待识别人脸图像进行提取和A1同样维数、类别的人脸特征。
B2、采用和上述步骤A2同样的密钥生成方法,对B1提取的待识别人脸进行阈值化、生成解密所需的解密密钥。
B3、经密钥一致性判定后,如果加密和解密人脸均来自一个人,则对解密密钥进行纠错,生成和加密密钥一致的密钥,利用此密钥和相应的解密算法用来对A4加密的内容进行解密,完成解密。
前述的步骤A2包括:
A21、对A1提取的每幅人脸的特征进行阈值化;阈值选择为每个人测试集中所有人脸图像特征的平均值;对于每幅人脸特征与此阈值比较,大于阈值则将其设置为1,反之设置为0;经过阈值化后,每个人的测试集图像特征变成二进制串形式。
A22、对A21生成的每个人的一组测试集图像的二进制特征进行可区分的最优特征进行统计,可区分的最优特征指的是在一个人的一组测试集图像特征中,如果每一个特征向量中的对应顺序中,所有的特征值相同,我们就将其视为可区分的最优特征,反之,在对应的顺中,只要有一个特征和其他的不同,就认为其没有良好的分类能力,将其丢弃。
A23、将A22步骤中统计的最优的可区分二进制特征进行级联起来,形成一个新的二进制字符串一人脸特征密钥,同时将二进制形式的可区分最优特征与其在字符串中的顺序结合起来形成一个查询表。
前述的步骤B2具体包括:
B21、对提取的待识别人脸特征进行阈值化,阈值选择为待识别人脸特征的平均值,对于每一个特征,如果大于平均值,则将其设置为1,否则设置为0;经过阈值化后,输入的待识别人脸图像变成了一个同样维数的二进制串。
B22、对阈值化后生成的二进制串,结合数据库中存储的加密密钥生成查询表,根据加密密钥生成查询表中的顺序信息,将生成的二进制串中对应位置的特征表示提取出来,并将其级联起来形成解密密钥。
B23、对加密密钥和解密密钥进行一致性判定,当加密密钥和解密密钥之间的距离小于一定阈值,就认为加密人脸和解密人脸为同一个人;否则,不能完成解密。
本发明与现有技术相比,具有以下明显的优势和有益效果。
本发明一种基于统计最优的可区分特征来生成加密系统所需密钥方法,具有简单易行、方便应用等特点。通过选择最优的可区分的人脸特征,有效解决生物特征识别中的内部差异问题。同时加密和解密的过程也相当于人脸识别与认证的过程,成功解密也就意味着身份识别成功。通过将人脸识别和密码学原理结合起来,一方面可以有效解决人脸识别系统中的人脸模板安全问题,另一方面为加密/解密系统的密钥选择、产生、管理等提供良好的选择,具有广泛的应用前景。
附图说明
图1为本发明的整体流程图;
图2为本发明中的加密阶段流程图
图3为本发明加密阶段中密钥生成方法详细流程图;
图4为本发明中的解密阶段流程图;
图5为本发明解密阶段详细过程图。
具体实施方式
技术方案的整体流程如说明书附图1所示,本实施例是针对输入的原始人脸图像进行特征提取、密钥生成、纠错编码等,利用生成的密钥对数据信息进行加密,从而起到保护数据信息安全的目的。输入的原始图像大小为64*64像素的BMP位图,提取输入图像的128维PCA特征,对人脸特征进行阈值化处理变成二进制字符串。利用统计最优特征的方法找出输入人脸的可区分特征,将所有可区分特征级联起来生成加密系统所需的加密密钥。在解密阶段,首先输入带识别的人脸图像,对其进行特征提取、阈值化、统计最优特征生成解密密钥。对比加密和解密密钥,如果它们的差异在一定的范围内,可以认为它们来自同一个的人脸图像,利用加密密钥的纠错码信息对解密密钥进行纠错,从而生成新的解密密钥。用此解密密钥和相应的解密算法对加密信息完成进行解密。技术方案的详细流程分加密阶段和解密阶段,如说明书附图2和附图4所示。
A、如附图2所示的加密阶段,利用人脸特征生成稳定的加密密钥,用此密钥和相应的加密算法对数据或文件进行加密运算,起到保护数据和文件安全的目的。
进一步地,所述步骤A具体包括:
A1、对输入的人脸图像进行PCA(Principal Component Analysis)特征提取。PCA特征提取过程处理的是静态的灰度人脸图像,输入的人脸照片经过图像处理和定位后,得到属于测量空间的人脸灰度图像,然后把该图像投影到相应的特征空间得到用于分类人脸的PCA特征。提取PCA特征过程实际是对原输入图像进行降维的过程,由于输入图像一般都很大,不方便直接处理,通过提取输入图像的主成分分量,可以加快数据计算速度,方便处理等。输入图像采用Oral人脸库图像,图像大小为64*64像素,通过PCA分析后,能提取128维的特征用于生成加密密钥。
A2、如图3所示,对A1生成的特征采用统计最优比特的方法生成人脸特征密钥。直接从人脸特征中产生用于加密系统的密钥是一个十分有意义的课题,由于人脸特征的内部差异,产生稳定的人脸特征密钥具有一定的困难。本发明采取先对测试集每个人脸的一组图像进行二值化,然后甄选出每个人的稳定特征,将这些稳定的二进制特征进行级联形成稳定的密钥。
进一步地,所述步骤A2具体包括:
A21、对A1提取的每幅人脸的特征进行阈值化;计算测试集中每个人的所有人脸图像特征的平均值,将对于每幅人脸特征与此阈值比较,大于阈值则将其设置为1,反之设置为0;经过阈值化后,每个人的测试集人脸图像特征变成为128维的二进制串形式。
A22、对A21生成的每个人的一组测试集图像的二进制特征进行可区分的最优特征进行统计。可区分的最优特征指的是在一个人的一组测试集图像特征中,如果每一个特征向量中的对应顺序中,所有的特征值相同,我们就将其视为可区分的最优特征,反之,在对应的顺中,只要有一个特征和其他的不同,我们就认为其没有良好的分类能力,将其丢弃。例如,测试集中每一个有5副图像,经过阈值化后就变成了5个128维的二进制特征,对这5个特征向量,位置顺序从0到127过程中,如果某个位置上,5个特征向量的所有值都相等,我们就认为它是最优的特征,具有良好的分类特性。经过这种统计最优特征方法,最终能够生成大约64为的可区分的最优特征。
A23、将A22步骤中统计的最优的可区分二进制特征进行级联起来,形成一个新的二进制字符串一人脸特征密钥。经过这种统计最优特征方法,最终能够生成大约64为的可区分的最优特征。如果某个人的测试集图像经过这种方法处理后,提取的最优特征不足64位,我们在这个最优特征向量后补0,使其达到64位;反之,如果经过统计最优特征方法后,所形成的最优特征向量高于64位,我们将64位后的特征值截断。经过这样的处理后,使之能够稳定达到64位,也就是后续用来加密运算所需的加密密钥。同时将二进制形式的可区分最优特征与其在字符串中的顺序结合起来形成一个查询表。这个查询表的作用就是在解密阶段,用这个查询表中位置信息和待识别人脸特征来生成解密密钥。
A3、对于A2生成的人脸特征密钥进行纠错编码。由于在加密系统中,加密密钥和解密时所需要的密钥必须完全一致,在人脸识别过程中,由于光照和表情的变化,每次提取的人脸特征会有一定的变化,纠错编码的目的是只要在解密时提供的确实是加密时的人脸,就能将原来加密密钥恢复出来完成解密。在本发明中,我们采用里德里的所罗门纠错编码,由于其具有良好的错误纠正能力。里德所罗门码可以表示为RS(nb,kb,tb),其中nb≤2mb-1,2tb ≤nb-kb,nb表示编码后的总位数,Rs(104,64,20)表示编码前的总位数,tb为能够纠错的位数。在本发明中,由于我的加密密钥为64为,因此纠错编码选择为Rs(104,64,20)。
A4、利用加密算法和A2生成的密钥对数据或文件进行加密,起到保护数据和文件的隐私安全作用。在本发明中,我们采用A2生成的密钥以及DES(Data Encryption Standard)算法对数据信息进行加密。
A5、将上述步骤A3生成的纠错编码、步骤A4加密后的文件或数据以及A4生成的查询表一并存入数据库中。
B、如图4所示的解密阶段流程中,根据提供的人脸图像,采用和加密阶段生成密钥的一致方法对人脸图像进行特征提取、密钥生成;然后进行特征匹配运算、以及特征纠错等步骤和对应的解密算法对A的加密内容进行解密。
进一步地,所述步骤B具体包括:
B1、对输入的待识别人脸图像进行提取和A1同样维数、类别的人脸特征。解密过程实际是加密的逆过程,首先提供一副待识别的人脸图像,图像采用Oral人脸库图像,图像大小为64*64像素,通过PCA分析后,能提取128维的特征用于生成加密密钥。
B2、如图5所示,采用和上述步骤A2同样的密钥生成方法,对B1提取的待识别人脸进行阈值化、生成解密所需的解密密钥。
进一步地,所述步骤B2具体包括:
B21、对B1提取的待识别人脸进行阈值化,阈值选择为待识别人脸特征的平均值,对于每一个特征,如果大于平均值,则将其设置为1,否则设置为0。经过阈值化后,输入的待识别人脸图像变成了一个同样维数的二进制串。
B22、对B21生成的二进制串,结合数据库中存储的加密密钥生成查询表,根据加密密钥生成查询表中的顺序信息,将B21生成的二进制串中对应位置的特征表示提取出来,并将其级联起来形成解密密钥。
B23、对加密密钥和解密密钥进行一致性判定,一般来讲,由于生物特征的内部差异,由此方法生成的加密、解密方法通常不能完全一致。通常设置一定的容错位,当加密密钥和解密密钥之间的距离小于一定阈值,就认为加密人脸和解密人脸为同一个人。否则,不能完成解密。
B3、经B23密钥一致性判定后,如果加密和解密人脸均来自一个人,则对解密密钥进行纠错,生成和加密密钥一致的密钥,利用此密钥和相应的解密算法用来对A4加密的内容进行解密,完成解密。
最后应说明的是:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但是,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换;而一切不脱离发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种基于人脸特征密钥生成的加密方法,其特征在于,包括以下步骤:
A、加密阶段,利用基于统计最优的人脸特征方法生成稳定的加密密钥,用此密钥和相应的加密算法对数据或文件进行加密运算;
B、解密阶段,根据提供的人脸图像,采用和加密阶段生成密钥的一致方法对人脸图像进行特征提取、密钥生成;然后进行特征匹配运算、以及特征纠错步骤和对应的解密算法对步骤A的加密内容进行解密;
所述步骤A具体包括:
A1、对输入的人脸图像进行特征提取,特征提取过程处理的是静态灰度人脸图像,输入的人脸照片经过图像处理和定位后,得到属于测量空间的人脸灰度图像,然后把该图像投影到相应的特征空间得到用于分类人脸的特征;
A2、对步骤A1生成的特征采用统计最优比特的方法生成人脸特征密钥,采取先对测试集每个人脸的一组图像进行二值化,然后甄选出每个人的稳定特征,将这些稳定的二进制特征进行级联形成稳定的密钥;
A3、对于步骤A2生成的人脸特征密钥进行纠错编码;
A4、利用加密算法和步骤A2生成的密钥对数据或文件进行加密;
A5、将上述步骤A3生成的纠错编码、步骤A4加密后的文件或数据、以及步骤A4生成的查询表一并存入数据库中;
所述步骤B具体包括:
B1、对输入的待识别人脸图像进行提取和步骤A1同样维数、类别的人脸特征;
B2、采用和上述步骤A2同样的密钥生成方法,对步骤B1所提取的待识别人脸进行阈值化、生成解密所需的解密密钥;
B3、经密钥一致性判定后,如果加密和解密人脸均来自一个人,则对解密密钥进行纠错,生成和加密密钥一致的密钥,利用此密钥和相应的解密算法用来对步骤A4加密的内容进行解密,完成解密;
其中所述步骤A2具体包括:
A21、对步骤A1提取的每幅人脸的特征进行阈值化;阈值选择为每个人测试集中所有人脸图像特征的平均值;对于每幅人脸特征与此阈值比较,大于阈值则将其设置为1,反之设置为0;经过阈值化后,每个人的测试集图像特征变成二进制串形式;
A22、对步骤A21生成的每个人的一组测试集图像的二进制特征进行可区分的最优特征进行统计,可区分的最优特征指的是在一个人的一组测试集图像特征中,如果每一个特征向量中的对应顺序中,所有的特征值相同,我们就将其视为可区分的最优特征,反之,在对应的顺中,只要有一个特征和其他的不同,就认为其没有良好的分类能力,将其丢弃;
A23、将步骤A22中统计的最优的可区分二进制特征进行级联起来,形成一个新的二进制字符串一人脸特征密钥,同时将二进制形式的可区分最优特征与其在字符串中的顺序结合起来形成一个查询表。
2.根据权利要求1所述的基于人脸特征密钥生成的加密方法,其特征在于,所述步骤B2具体包括:
B21、对提取的待识别人脸特征进行阈值化,阈值选择为待识别人脸特征的平均值,对于每一个特征,如果大于平均值,则将其设置为1,否则设置为0;经过阈值化后,输入的待识别人脸图像变成了一个同样维数的二进制串;
B22、对阈值化后生成的二进制串,结合数据库中存储的加密密钥生成查询表,根据加密密钥生成查询表中的顺序信息,将生成的二进制串中对应位置的特征表示提取出来,并将其级联起来形成解密密钥;
B23、对加密密钥和解密密钥进行一致性判定,当加密密钥和解密密钥之间的距离小于一定阈值,就认为加密人脸和解密人脸为同一个人;否则,不能完成解密。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010289420 CN101976321B (zh) | 2010-09-21 | 2010-09-21 | 基于人脸特征密钥生成的加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010289420 CN101976321B (zh) | 2010-09-21 | 2010-09-21 | 基于人脸特征密钥生成的加密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101976321A CN101976321A (zh) | 2011-02-16 |
CN101976321B true CN101976321B (zh) | 2013-04-10 |
Family
ID=43576205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010289420 Expired - Fee Related CN101976321B (zh) | 2010-09-21 | 2010-09-21 | 基于人脸特征密钥生成的加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101976321B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753581A (zh) * | 2018-11-30 | 2019-05-14 | 北京拓尔思信息技术股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111418A (zh) * | 2011-03-02 | 2011-06-29 | 北京工业大学 | 一种基于人脸特征密钥生成的网上身份认证方法 |
CN102215223B (zh) * | 2011-05-20 | 2014-04-16 | 北京工业大学 | 一种基于人脸特征的模糊保险箱远程身份认证方法 |
CN103577764A (zh) * | 2012-07-27 | 2014-02-12 | 国基电子(上海)有限公司 | 文档加解密方法及具有文档加解密功能的电子装置 |
CN103413099A (zh) * | 2013-08-22 | 2013-11-27 | 曙光云计算技术有限公司 | 数据的存储方法和装置、加密数据的访问方法和装置 |
CN103886235B (zh) * | 2014-03-03 | 2017-02-22 | 杭州电子科技大学 | 一种正面人脸图像生物密钥生成方法 |
CN105025203B (zh) * | 2014-04-29 | 2018-05-04 | 华晶科技股份有限公司 | 结合生理特征之影像加解密方法及其影像捕获设备 |
US10069627B2 (en) * | 2015-07-02 | 2018-09-04 | Qualcomm Incorporated | Devices and methods for facilitating generation of cryptographic keys from a biometric |
CN105046234B (zh) * | 2015-08-04 | 2018-05-11 | 北京电子科技学院 | 基于稀疏表示的云环境中人脸图像隐秘识别方法 |
CN106529307B (zh) * | 2015-09-10 | 2020-01-14 | 青岛海信移动通信技术股份有限公司 | 一种照片的加密方法及装置 |
CN108292334B (zh) * | 2015-10-26 | 2022-04-12 | 维萨国际服务协会 | 无线生物特征识别认证系统和方法 |
CN105335665B (zh) * | 2015-10-28 | 2017-09-29 | 广东欧珀移动通信有限公司 | 照片的加密方法、加密系统、解密方法及解密系统 |
CN105337742B (zh) * | 2015-11-18 | 2019-03-08 | 哈尔滨工业大学 | 基于人脸图像特征和gps信息的lfsr文件加密及解密方法 |
CN106921489B (zh) * | 2015-12-25 | 2020-02-18 | 中国移动通信集团公司 | 一种数据加密方法及装置 |
CN105763763B (zh) * | 2016-02-05 | 2018-08-31 | 重庆工商职业学院 | 一种图像加密方法 |
JP6507115B2 (ja) * | 2016-03-22 | 2019-04-24 | 株式会社日立製作所 | 1:n生体認証・暗号・署名システム |
CN106503655B (zh) * | 2016-10-24 | 2019-06-14 | 中国互联网络信息中心 | 一种基于人脸识别技术的电子签名方法和验签方法 |
CN107332659B (zh) * | 2017-05-24 | 2020-01-07 | 武汉真元生物数据有限公司 | 一种基于生物特征的身份认证方法、存储介质及系统 |
CN107181598B (zh) * | 2017-07-05 | 2020-03-10 | 四川无声信息技术有限公司 | 指纹密钥处理方法及装置 |
CN107465513A (zh) * | 2017-08-09 | 2017-12-12 | 西南大学 | 一种基于人脸识别的文件加密方法和系统 |
CN108400970B (zh) * | 2018-01-20 | 2020-10-02 | 西安电子科技大学 | 云环境中相似数据消息锁定加密去重方法、云存储系统 |
CN110661617B (zh) * | 2018-06-28 | 2022-11-25 | 本无链科技(深圳)有限公司 | 一种基于人脸识别的私钥生成与解密的方法及系统 |
CN109241757B (zh) * | 2018-08-22 | 2021-04-16 | 一石数字技术成都有限公司 | 一种基于人脸识别的文件阅览方法 |
CN109614804B (zh) * | 2018-11-19 | 2021-04-27 | 中国地质大学(武汉) | 一种双模态生物特征加密方法、设备及存储设备 |
CN111414639B (zh) * | 2019-01-07 | 2023-08-08 | 百度在线网络技术(北京)有限公司 | 文件加密和解密方法、装置及设备 |
CN111488592B (zh) * | 2019-01-29 | 2023-08-25 | 武汉海康存储技术有限公司 | 数据加解密方法、装置及网络设备 |
CN110324359A (zh) * | 2019-08-02 | 2019-10-11 | 北京朋创天地科技有限公司 | 互联网个人信息安全发布、访问方法及系统 |
CN110990849A (zh) * | 2019-11-20 | 2020-04-10 | 维沃移动通信有限公司 | 一种隐私数据的加密、解密方法及终端 |
CN110781510B (zh) * | 2020-01-02 | 2020-04-21 | 广州欧赛斯信息科技有限公司 | 应用于学分银行系统的数据分片加密方法、装置及服务器 |
CN111241323A (zh) * | 2020-01-09 | 2020-06-05 | 浙江工业大学 | 一种基于深度学习的由粗到精的快速人脸检索方法 |
US20230134002A1 (en) * | 2020-01-23 | 2023-05-04 | Seyed Mehdi MEHRTASH | Identification verification system |
CN112466425B (zh) * | 2021-01-28 | 2021-04-02 | 北京妙医佳健康科技集团有限公司 | 一种信息处理方法和装置 |
CN113239371A (zh) * | 2021-04-29 | 2021-08-10 | 广州群志科技股份有限公司 | 一种人脸数据防止泄密的方法 |
CN116628660B (zh) * | 2023-05-26 | 2024-01-30 | 杭州电子科技大学 | 基于深度神经网络编码的个人化人脸生物密钥生成方法 |
CN116756718B (zh) * | 2023-08-14 | 2023-12-01 | 安徽大学 | 一种基于U-Sketch的生物特征数据纠错方法、系统、工具 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093626A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工业大学 | 掌纹密钥系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000014716A1 (en) * | 1998-09-07 | 2000-03-16 | Kent Ridge Digital Labs | A method of and apparatus for generation of a key |
-
2010
- 2010-09-21 CN CN 201010289420 patent/CN101976321B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093626A (zh) * | 2007-07-27 | 2007-12-26 | 哈尔滨工业大学 | 掌纹密钥系统 |
Non-Patent Citations (2)
Title |
---|
付波,李建平.人脸特征密钥的容错生成方法.《计算机应用研究》.2008,第25卷(第1期),全文. * |
何旻中.基于静态灰度图像人脸识别算法的研究.《上海海运学院》.2002,第5页至第43页. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753581A (zh) * | 2018-11-30 | 2019-05-14 | 北京拓尔思信息技术股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101976321A (zh) | 2011-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101976321B (zh) | 基于人脸特征密钥生成的加密方法 | |
US10594688B2 (en) | Privacy-enhanced biometrics-secret binding scheme | |
CN102111418A (zh) | 一种基于人脸特征密钥生成的网上身份认证方法 | |
Gaddam et al. | Efficient Cancelable Biometric Key Generation Scheme for Cryptography. | |
US8312291B2 (en) | Method and system for biometric authentication and encryption | |
CN101057448B (zh) | 安全地计算相似性度量 | |
Kanade et al. | Cancelable iris biometrics and using error correcting codes to reduce variability in biometric data | |
CN101093626B (zh) | 掌纹密钥系统 | |
CN101674299B (zh) | 密钥生成方法 | |
Yang et al. | A finger-vein based cancellable bio-cryptosystem | |
CN104408356B (zh) | 一种指纹认证方法及系统、指纹模板加密装置 | |
CN101221612A (zh) | 利用人脸识别进行加密解密电子文档的方法 | |
CN105634732A (zh) | 一种密文域多比特可逆信息隐藏方法 | |
CN106778292B (zh) | 一种Word加密文档的快速还原方法 | |
Wu et al. | A cryptosystem based on palmprint feature | |
CN105337742B (zh) | 基于人脸图像特征和gps信息的lfsr文件加密及解密方法 | |
Hernández Álvarez et al. | Biometric fuzzy extractor scheme for iris templates | |
Vallabhadas et al. | Securing multimodal biometric template using local random projection and homomorphic encryption | |
Barman et al. | Approach to cryptographic key generation from fingerprint biometrics | |
Aanjanadevi et al. | An Improved Method for Generating Biometric-Cryptographic System from Face Feature | |
CN106712957B (zh) | 一种基于卷积编码的双因子认证方法 | |
Barman et al. | Fingerprint based symmetric cryptography | |
Sarkar et al. | RSA key generation from cancelable fingerprint biometrics | |
TWI465091B (zh) | 適於分享加密檔案且金鑰可回復式之資料保密系統及其方法 | |
You et al. | A fingerprint and threshold scheme-based key generation method |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130410 Termination date: 20210921 |