CN104168112A - 一种基于多模态生物特征的密钥生成方法 - Google Patents

Abstract

本发明涉及一种基于多模态生物特征的密钥生成方法，包括：1)采集N种生物特征图像，提取生物特征数据并量化成特征向量；2)处理特征向量，提取二进制串代表该生物特征；3)生成随机密钥K，与二进制串集合利用Shamir秘密分享方法绑定并输出公开模板P；4)采集M种生物特征并得到二进制串集合，其中N≥M≥t≥2且t是Shamir方法的门限值；5)把步骤4)的二进制串集合和模板P输入Shamir秘密共享方法恢复出密钥K’；6)比对K和K’的哈希值以进行认证。本发明可以提高识别率和降低拒识率，产生更高熵的密钥，将用户身份和密钥绑定，恢复密钥的同时完成了对用户的认证。

Description

一种基于多模态生物特征的密钥生成方法

技术领域

本发明属于信息安全和生物识别领域，具体的说，涉及一种基于多模态生物特征的密钥生成方法。

背景技术

伴随着云计算和智能终端的广泛使用，移动云正深入地影响到人们生活的方方面面。如今，用户习惯于把大量的个人数据存储到云端，并在需要的时候通过各种各样的设备获取数据。但云端存在的安全性和隐私保护等问题，致使用户通常选择将个人隐私数据加密之后再上传到云端，读取数据前在终端解密数据。这个过程需要一个合适的密钥管理方法。然而，传统的密钥管理方法都有一定的局限性，比如密码易忘且安全强度不够，令牌易丢失且携带不便等。生物密钥技术的快速发展为移动云场景下的密钥管理带来了一个全新的解决方案。它利用用户的生物特征生成稳定的加密密钥，不仅携带方便，不易丢失而且稳定性好。

当前对于生物密钥的研究主要分为两方面：单模态生物密钥系统和多模态生物密钥系统。单模态生物密钥是利用单个生物特征来生成密钥，比如面部、指纹、声音、虹膜等等。主要的关注点是如何从存在不确定性的生物特征采集数据中提取出精确且稳定的密钥，同时保证生物数据的安全。但是单模存在的问题是，由于描述用户的稳定信息不多，从而生成的密钥长度不够，且识别率和拒识率都不理想。多模态生物密钥利用多个生物特征来生成密钥，主要的关注点是在单模的基础上，如果设计一个合适的方案融合多个生物特征数据，从而提高性能表现。

在之前描述的多模方案的识别过程中，必须提供所有注册的生物特征数据才能恢复出密钥。而在移动云场景下，不同智能终端的生物采集设备并不一致，导致用户数据解密的跨终端性支持不是很好。所以如何设计一个支持跨终端的基于多模态生物特征的密钥生成方法显得重要且迫切。

发明内容

针对上述问题，本发明提出了一个基于多模态生物特征的密钥生成方法，能够使生物密钥应用于移动云场景，实现跨终端解密特性。

本发明提出一种基于多模态生物特征的密钥生成方法，包括注册和验证两个过程，注册阶段采集N(N≥3)种生物数据作为输入生成模板，验证阶段输入第二次采集的M(N≥M≥2)种注册的生物数据做验证，包括如下步骤：

1)采集N种生物特征图像，分别预处理并提取出生物特征数据，并将生物特征数据量化成特征向量；

2)处理每一个特征向量，提取特定长度的二进制串codeword代表该生物特征；

3)生成一固定长度的随机密钥K，与提取的codeword集合通过Shamir秘密共享方法绑定，并输入公开模板P；

4)在验证阶段，采集M种已注册的生物特征，并采用步骤1)～2)所述方法得到一codeword的集合，其中N≥M≥t≥2，且t是Shamir方法预设的门限值；

5)把步骤4)得到的codeword集合和模板P输入到Shamir秘密共享方法中，解绑恢复出密钥K’；

6)比对原密钥K和K’的哈希值，如相同则认证通过，并成功恢复出密钥K；如不同，则认证失败。

更进一步，步骤1)所述的生物特征向量的提取方法是：

1)对齐并二值化图像，选定感兴趣区域，并提取特征点或者图像数据；

2)利用区域划分或者滤波变换等量化手段，将特征点或图像数据转化成集合形式的生物特征。

更进一步，步骤2)所述的codeword提取方法包括：

1)利用Fuzzy Extractor方法处理特征向量，并生成codeword；

2)验证阶段，只要查询特征向量与注册特征向量的集合差小于预设的门限值T，即可恢复并生成相同的codeword；

3)不同生物特征根据自身稳定性特定，设定不同的集合差门限值T。

更进一步，所述的Fuzzy Extractor方法包括：

1)输入集合向量,经Sketch过程产生模板S，集合向量与随机数x的哈希值作为codeword输出；

2)如模板S和验证集合向量的差值在集合差门限值T内，经Sketch过程可以恢复出原集合向量。

更进一步，步骤3)所述的通过Shamir秘密共享方法绑定密钥的过程，包括：

1)生成一个随机密钥K，作为将来需要恢复并使用的加密密钥；

2)构造t-1次多项式，并在有限域空间内随机选取t-1个均匀分布的常量作为系数，其中，F(x)表示多项式函数，t表示门限T，S_i表示随机选取的常量系数，p表示一个大素数；

3)将codeword作为自变量代入上述公式(1)，计算出相应的函数值，组成一个函数值集合Q；

4)计算K的哈希值H(K)，并和集合Q一起作为模板P公布。

更进一步，步骤5)中Shamir秘密共享方法解绑密钥的过程包括：

1)将第二次求得的codeword和模板P中的集合S代入上面的公式，求得密钥K’；

2)计算K’的哈希值H(K’)与模板P中的H(K)进行比对，如相同则认证通过并成功恢复出密钥K，如不同则认证失败。

由上述的技术方案可以看出，本发明提出了一种基于多模态生物特征的密钥生成方法，利用用户的多个生物特征生成密钥，并且允许用户只使用大于门限值个数的注册生物特征即可恢复出密钥，同时完成了对用户身份的认证。这为移动云场景下的密钥管理方案带来了合适的解决方案，能够让生物密钥满足移动云场景下跨终端获取加密数据的需求。

附图说明

图1为本发明基于多模态生物特征产生密钥的总体框架。

图2为本发明基于多模态生物特征产生密钥的提取codeword的流程图。

图3为本发明基于多模态生物特征产生密钥的注册和恢复密钥的流程图。

具体实施方式

下面结合附图和具体实施对本发明做进一步详细的说明，但不以任何方式限制本发明的范围。

本实施例子采用如图1所示的多模生物特征产生密钥的总体框架图。其中主要包括三个模块：生物特征向量提取，codeword提取，密钥绑定/解绑。

图2所示是codeword的提取模块，注册或者验证时，每种生物特征都会产生或者恢复出相应的codeword。

图3所示是密钥的绑定或者解绑模块，注册或者验证时，可以绑定或者解绑一个预生成的随机密钥。

本实施例子假设注册时有四种生物数据，即N＝4。预设的门限值t＝3，即只要三种生物数据就可恢复出预设的随机密钥。不失一般性假设M＝3，且和注册顺序相同的前三个。

如图1所示，首先4种生物数据分别经过采集设备采集，并通过特征提取模块量化成集合形式的特征向量V＝{v₁,v₂,v₃,v₄}。

接下来对V中的每一个元素分别进行codeword提取，如图2所示，假设途中W即特征向量v_i，每个元素v_i＝{s₁,s₂,…,s_q}。注册阶段，首先v_i经过一个Sketch过程生成一个公开模板s，并且s与一个随机数x的哈希值作为codeword输出，但保存s和x。在验证阶段，同样输入该特征的特征向量W’，定义集合差函数为dis，该特征的预定义门限值为T。只要W与W’满足dis(W,W’)≤T即可通过Sketch过程利用s和W’恢复出W，然后W与x的哈希值输出，即可恢复出该特征值的codeword。最终得到的codeword集合为C＝{c₁,c₂,c₃,c₄}，其中的每个元素c_i是个定长的二进制序列。需要注意的是，由于不同生物特征的稳定性不同，所以这里的门限值T也各不相同。

接下来是密钥绑定/解密模块，如图1所示。图3详细描述了该原理。由于预设的门限值t＝3，所以首先构造一个基于有限域的多项式：

f(x)＝s₂x²+s₁x¹+s₀ mod p          (1)

其中s₂,s₁为有限域内的随机数，作为系数，s₀为随机生成的密钥K，p为一个大素数。

在注册阶段，用上面生成的codeword集合C＝{c₁,c₂,c₃,c₄}分别代入公式(1)求得f(x_i)，即图中的T_i。然后生成模板P＝{T₁,T₂,T₃,T₄；H(K)}并保存，销毁密钥K。在验证阶段，由于M＝3，经过前面的处理步骤之后，生成的codeword验证集合有3个元素，即C’＝{c₁’,c₂’,c₃’}。结合公开模板P和C’，组成一个验证值对{(T₁,c′₁)，(T₂,c'₂)，(T₃,c'₃)}代入到公式(1)中，求出s₀，即恢复的密钥K’。然后验证H(K')与H(K)是否相同，如果相同则验证通过，并成功恢复出密钥K。如果不相同，则验证失败，认证不通过。

本发明提出的基于多模态生物特征的密钥产生方法，不仅能够产生用于数据加密的密钥，并且同时能够完成对用户身份的认证。更重要的是，它让生物密钥满足移动云场景下跨终端获取加密数据的需求。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保护范围应以权利要求所述为准。

Claims (8)

1.一种基于多模态生物特征的密钥生成方法，包括注册和验证两个阶段，注册阶段采集N种生物数据作为输入生成模板，验证阶段输入第二次采集的M种注册的生物数据进行验证，N≥3，N≥M≥2，包括如下步骤：

1)采集N种生物特征图像，从其中提取出生物特征数据，并将生物特征数据量化成特征向量；

2)处理每一个特征向量，提取特定长度的二进制串代表该生物特征；

3)生成一固定长度的随机密钥K，与提取的二进制串集合通过Shamir秘密共享方法绑定，并输入公开模板P；

4)在验证阶段，采集M种已注册的生物特征，并采用步骤1)～2)所述方法得到二进制串的集合，其中N≥M≥t≥2，且t是Shamir方法预设的门限值；

5)把步骤4)得到的二进制串集合和模板P输入到Shamir秘密共享方法中，解绑恢复出密钥K’；

6)比对原密钥K和K’的哈希值，如相同则认证通过，并成功恢复出密钥K；如不同，则认证失败。

2.如权利要求1所述的方法，其特征在于：步骤1)所述的生物特征向量的提取方法是：

1-1)对齐并二值化图像，选定感兴趣区域，并提取特征点或者图像数据；

1-2)利用量化手段将特征点或图像数据转化成集合形式的生物特征。

3.如权利要求2所述的方法，其特征在于：步骤1-2)所述量化手段为区域划分或者滤波变换。

4.如权利要求1所述的方法，其特征在于：步骤2)所述的二进制串的提取方法包括：

2-1)利用Fuzzy Extractor方法处理特征向量，并生成二进制串；

2-2)验证阶段，只要查询特征向量与注册特征向量的集合差小于预设的门限值T，即可恢复并生成相同的二进制串；

2-3)不同生物特征根据自身稳定性特定，设定不同的集合差门限值T。

5.如权利要求3所述的方法，其特征在于，所述的Fuzzy Extractor方法包括：

a)输入集合向量,经Sketch过程产生模板S，集合向量与随机数x的哈希值作为二进制串输出；

b)如模板S和验证集合向量的差值在集合差门限值T内，经Sketch过程可以恢复出原集合向量。

6.如权利要求1所述的方法，其特征在于，步骤3)所述的通过Shamir秘密共享方法绑定密钥的过程包括：

3-1)生成一个随机密钥K，作为将来需要恢复并使用的加密密钥；

3-2)构造t-1次多项式，并在有限域空间内随机选取t-1个均匀分布的常量作为系数，其中，F(x)表示多项式函数，t表示门限T，S_i表示随机选取的常量系数，p表示一个大素数；

3-3)将二进制串作为自变量代入上述公式，计算出相应的函数值，组成一个函数值集合Q；

3-4)计算K的哈希值H(K)，并和集合Q一起作为模板P公布。

7.如权利要求6所述的方法，其特征在于，步骤5)中Shamir秘密共享方法解绑密钥的过程包括：

5-1)将第二次求得的二进制串和模板P中的集合S代入步骤3-2)中的公式，求得密钥K’；

5-2)计算K’的哈希值H(K’)与模板P中的H(K)进行比对，如相同则认证通过并成功恢复出密钥K，如不同则认证失败。

8.如权利要求6所述的方法，其特征在于，假设注册时有四种生物数据，即N＝4，预设的门限值t＝3，并取M＝3，首先构造一个基于有限域的多项式：

f(x)＝s₂x²+s₁x¹+s₀ mod p，

其中s₂,s₁为有限域内的随机数，取作系数，s₀为随机生成的密钥K，p为有限域；

在注册阶段，设得到的二进制串集合为C＝{c₁,c₂,c₃,c₄}，其中的每个元素c_i是个定长的二进制序列，用生成的二进制串集合C＝{c₁,c₂,c₃,c₄}分别代入上述多项式求得f(x_i)，作为T_i，然后生成模板P＝{T₁,T₂,T₃,T₄；H(K)}并保存，销毁密钥K；

在验证阶段，由于M＝3，经过前面的处理步骤之后，生成的二进制串验证集合有3个元素，即C’＝{c₁’,c₂’,c₃’}，结合公开模板P和C’，组成一个验证值对{(T₁,c′₁)，(T₂,c'₂)，(T₃,c'₃)}代入到上述多项式中，求出s₀，即恢复的密钥K’；然后验证H(K')与H(K)是否相同，如果相同则验证通过，并成功恢复出密钥K，如果不相同，则验证失败，认证不通过。