CN105868718A - 一种基于冗余错序排列算法的指纹识别方法与系统 - Google Patents

一种基于冗余错序排列算法的指纹识别方法与系统 Download PDF

Info

Publication number
CN105868718A
CN105868718A CN201610189751.1A CN201610189751A CN105868718A CN 105868718 A CN105868718 A CN 105868718A CN 201610189751 A CN201610189751 A CN 201610189751A CN 105868718 A CN105868718 A CN 105868718A
Authority
CN
China
Prior art keywords
data matrix
random number
user
row
finger print
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.)
Granted
Application number
CN201610189751.1A
Other languages
English (en)
Other versions
CN105868718B (zh
Inventor
何异
徐阿宏
杨柳
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.)
Shenzhen Guangqianhe New Material Technology Co., Ltd.
Original Assignee
NINGBO SANBO ELECTRONIC 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 NINGBO SANBO ELECTRONIC TECHNOLOGY Co Ltd filed Critical NINGBO SANBO ELECTRONIC TECHNOLOGY Co Ltd
Priority to CN201610189751.1A priority Critical patent/CN105868718B/zh
Publication of CN105868718A publication Critical patent/CN105868718A/zh
Application granted granted Critical
Publication of CN105868718B publication Critical patent/CN105868718B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2107—File encryption

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明提供一种基于冗余错序排列算法的指纹识别方法，其包括如下步骤：S1、预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵；S2、在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端；S3、再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J；S4、根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。本发明还提供一种基于冗余错序排列算法的指纹识别系统。

Description

一种基于冗余错序排列算法的指纹识别方法与系统
技术领域
本发明涉及生物识别技术领域，特别涉及一种基于冗余错序排列算法的指纹识别方法与系统。
背景技术
随着科技和时代的进步，指纹识别技术已经广泛应用于智能终端，门禁，考勤，安防，银行等领域。指纹识别是成熟的生物识别(Biometric)技术，是利用生物体(一般特指人)本身的生物特征来区分生物体个体。指纹具有不变性和唯一性等特征，已普遍地被公安、银行、医疗及社保用于对相关人员身份的确认鉴定。在人们对安全防范的意识和要求也越来越高的情况下，信息化手段也在不断提高，指纹识别技术应用于手机也得到了实现。
但指纹识别也存在一定的局限性，一方面，指纹认证不同于密码认证，使用密码认证时，如果发现存在密码泄露的风险，用户可以修改密码来解决，可以任意更换。可是一般人的指纹最多只有10个，如果存在指纹原始信息泄露的风险，最多只能更换10次；另一方面，仿指纹技术的应用，如硅胶指膜等，当指纹使用者无疑泄露其真实指纹后，已被不良企图的人加以仿制，存在指纹泄露的风险。
公开号为CN105224933A的中国公开公开了一种通过指纹采集设备本地进行不可逆的变换算法，算法的输入为一组可变的变换参数x加上指纹原始信息A，输出为指纹加密信息A'的方案对指纹特征数据进行加密。上述技术方案对指纹信息的保存更为安全，但是上述加密信息A'以及可变的变换参数x（虽然可变的变换参数x可以改变，但是改变之前可能已经被泄露）均存在一定程度泄密风险，即使这种风险很低，从而不能从源头上克服指纹信息的泄密的缺陷。
发明内容
为了解决现有技术的指纹识别方法存在着指纹信息容易泄密的缺点，本发明提出一种基于冗余错序排列算法的指纹识别方法与系统。
一种基于冗余错序排列算法的指纹识别方法，其包括如下步骤：
S1、预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵；
S2、在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端；
S3、再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J；
S4、根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
在本发明所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S1包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
在本发明所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S2包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
在本发明所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S3包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
在本发明所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S4包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
本发明还提供一种基于冗余错序排列算法的指纹识别系统，其包括如下步骤：
第一信息采集模块，用于预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵；
加密模块，用于在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端；
第二信息采集模块，用于再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J；
识别模块，用于根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
在本发明所述的基于冗余错序排列算法的指纹识别系统中，
所述第一信息采集模块包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
在本发明所述的基于冗余错序排列算法的指纹识别系统中，
所述加密模块包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
在本发明所述的基于冗余错序排列算法的指纹识别系统中，
所述第二信息采集模块包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
在本发明所述的基于冗余错序排列算法的指纹识别系统中，
所述识别模块包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
实施本发明提供的一种基于冗余错序排列算法的指纹识别方法与系统具有以下有益效果：在采集完用户的指纹信息后，在加密之前已经替换掉了部分指纹信息中的特征数据，然后再对替换过特征数据的数据矩阵加密后进行存储，即使加密的数据矩阵被暴力破解，也无法还原原始的指纹信息数据；从而从源头上隔断了指纹信息泄密的风险。同时通过随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别，保证了指纹识别的正确性。
附图说明
图1是本发明实施例的基于冗余错序排列算法的指纹识别方法流程图；
图2是本发明实施例的基于冗余错序排列算法的指纹识别系统结构框图。
具体实施方式
如图1所示，一种基于冗余错序排列算法的指纹识别方法，其包括如下步骤：
S1、预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S1包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
通过将用户的指纹图像划分为N个区域，其中N的值越大，指纹信息的保密性越高。并且有利于区分不同的区域来对指纹信息加密。
S2、在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S2包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
在本实施例的步骤中，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，能够保证每个区域中都有特征数据被替换，因此和步骤S1进行配合，能够实现N的值越大，指纹信息的保密性越高的特点。同时替换掉K行的数据，能够保证K个区域指纹的特征数据全部被替换。其中替换的K行、K列的特征数据都是随机生成的。更进一步地，根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，使得特征数据的破解难度更大，安全程度高。并且在本地客户端中存储的仅仅是替换后的特征数据，并且采用了不可逆算法加密后的数据，原始的指纹信息不可能泄露。
S3、再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S3包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
S4、根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别方法中，
所述步骤S4包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
通过采用相同的随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，使得匹配的数据是加密后的数据，因此匹配的过程也不会发生泄密。通过判断特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K，能够实现匹配结果的准确性。
本发明实施例不同于其他技术，通过采用判断数据的正确性一致程度来进行指纹匹配，通过设置随机数K，保证了匹配过程中正确的数据和错误的数据都符合随机数K，从而保证了匹配结果的准确性。
如图2所示，本发明实施例还提供一种基于冗余错序排列算法的指纹识别系统，其包括如下步骤：
第一信息采集模块10，用于预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别系统中，
所述第一信息采集模块10包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
加密模块20，用于在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别系统中，
所述加密模块20包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
第二信息采集模块30，用于再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别系统中，
所述第二信息采集模块30包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
识别模块40，用于根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
可选地，在本发明实施例所述的基于冗余错序排列算法的指纹识别系统中，
所述识别模块40包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
上述方法实施例与系统实施例是一一对应的，因此，方法实施例的扩展也可适用于上述系统实施例。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (10)

1.一种基于冗余错序排列算法的指纹识别方法，其包括如下步骤：
S1、预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵；
S2、在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端；
S3、再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J；
S4、根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
2.根据权利要求1所述的基于冗余错序排列算法的指纹识别方法，其特征在于，
所述步骤S1包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
3.根据权利要求2所述的基于冗余错序排列算法的指纹识别方法，其特征在于，
所述步骤S2包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
4.根据权利要求3所述的基于冗余错序排列算法的指纹识别方法，其特征在于，
所述步骤S3包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
5.根据权利要求4所述的基于冗余错序排列算法的指纹识别方法，其特征在于，
所述步骤S4包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
6.一种基于冗余错序排列算法的指纹识别系统，其包括如下步骤：
第一信息采集模块，用于预先在客户端采集用户的指纹信息图像，并根据用户的指纹信息图像形成原始数据矩阵；
加密模块，用于在客户端生成随机数K，根据随机数K对原始数据矩阵进行替换和加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端；
第二信息采集模块，用于再次采集用户的指纹信息图像，并根据再次获取的用户的指纹信息图像形成解密数据矩阵J；
识别模块，用于根据随机数K、数据矩阵I1、解密数据矩阵J进行指纹识别。
7.根据权利要求6所述的基于冗余错序排列算法的指纹识别系统，其特征在于，
所述第一信息采集模块包括：预先在客户端采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的原始数据矩阵，其中N、M均为正整数。
8.根据权利要求7所述的基于冗余错序排列算法的指纹识别系统，其特征在于，
所述加密模块包括在客户端生成一随机数K，K为正整数，其中K同时小于N、M，根据该随机数K替换原始数据矩阵中的K行、以及K列的特征数据形成新的数据矩阵I，替换的数据为随机生成的特征数据，并根据随机数K对新的数据矩阵I进行不可逆算法加密形成数据矩阵I1，将随机数K、数据矩阵I1存储在本地客户端。
9.根据权利要求8所述的基于冗余错序排列算法的指纹识别系统，其特征在于，
所述第二信息采集模块包括再次采集用户的指纹信息图像，将用户的指纹图像划分为N个区域，并提取各个区域中的M个指纹信息特征数据；形成N行M列的解密数据矩阵J。
10.根据权利要求9所述的基于冗余错序排列算法的指纹识别系统，其特征在于，
所述识别模块包括读取随机数K，根据随机数K对解密数据矩阵J进行不可逆算法加密形成数据矩阵J1，并对比数据矩阵I1与数据矩阵J1的特征数据，在特征数据匹配一致的行、列以及特征数据匹配不一致的行、列均符合替换的随机数K时，判断指纹识别匹配成功，否则判断指纹识别失败。
CN201610189751.1A 2016-03-30 2016-03-30 一种基于冗余错序排列算法的指纹识别方法与系统 Active CN105868718B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610189751.1A CN105868718B (zh) 2016-03-30 2016-03-30 一种基于冗余错序排列算法的指纹识别方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610189751.1A CN105868718B (zh) 2016-03-30 2016-03-30 一种基于冗余错序排列算法的指纹识别方法与系统

Publications (2)

Publication Number Publication Date
CN105868718A true CN105868718A (zh) 2016-08-17
CN105868718B CN105868718B (zh) 2019-05-07

Family

ID=56627377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610189751.1A Active CN105868718B (zh) 2016-03-30 2016-03-30 一种基于冗余错序排列算法的指纹识别方法与系统

Country Status (1)

Country Link
CN (1) CN105868718B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101674299A (zh) * 2009-10-16 2010-03-17 西安电子科技大学 基于加密域多特征融合的密钥生成方法
CN102223235A (zh) * 2011-06-23 2011-10-19 甘肃农业大学 开放网络环境中指纹特征模板保护方法和身份认证的方法
CN103854013A (zh) * 2012-12-06 2014-06-11 武汉科技大学 一种基于稀疏矩阵的arm指纹识别方法及装置
CN104660605A (zh) * 2015-03-05 2015-05-27 北京安普诺信息技术有限公司 一种多因子身份验证方法及其系统
CN104915584A (zh) * 2015-06-03 2015-09-16 深圳市沃特沃德科技有限公司 基于指纹特征的智能移动终端随机加解密系统
CN105099712A (zh) * 2015-09-17 2015-11-25 深圳三元色数码科技有限公司 一种基于双码验证的数据加密方法
CN105160316A (zh) * 2015-08-31 2015-12-16 宇龙计算机通信科技(深圳)有限公司 一种移动终端的指纹特征模板加密存储方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101674299A (zh) * 2009-10-16 2010-03-17 西安电子科技大学 基于加密域多特征融合的密钥生成方法
CN102223235A (zh) * 2011-06-23 2011-10-19 甘肃农业大学 开放网络环境中指纹特征模板保护方法和身份认证的方法
CN103854013A (zh) * 2012-12-06 2014-06-11 武汉科技大学 一种基于稀疏矩阵的arm指纹识别方法及装置
CN104660605A (zh) * 2015-03-05 2015-05-27 北京安普诺信息技术有限公司 一种多因子身份验证方法及其系统
CN104915584A (zh) * 2015-06-03 2015-09-16 深圳市沃特沃德科技有限公司 基于指纹特征的智能移动终端随机加解密系统
CN105160316A (zh) * 2015-08-31 2015-12-16 宇龙计算机通信科技(深圳)有限公司 一种移动终端的指纹特征模板加密存储方法及系统
CN105099712A (zh) * 2015-09-17 2015-11-25 深圳三元色数码科技有限公司 一种基于双码验证的数据加密方法

Also Published As

Publication number Publication date
CN105868718B (zh) 2019-05-07

Similar Documents

Publication Publication Date Title
US10594688B2 (en) Privacy-enhanced biometrics-secret binding scheme
Uludag et al. Biometric cryptosystems: issues and challenges
WO2017215504A1 (zh) 一种基于生物信息的身份识别与社会信息记录方法及系统
Lee et al. Biometric key binding: Fuzzy vault based on iris images
Van Der Veen et al. Face biometrics with renewable templates
US20130318361A1 (en) Encrypting and storing biometric information on a storage device
Castiglione et al. Biometrics in the cloud: challenges and research opportunities
CN107171791A (zh) 一种基于生物特征的数据加解密方法及加解密系统
CN101459518A (zh) 一种基于生物特征的数字密钥提取和保护方法
CN114065169B (zh) 一种隐私保护生物认证方法和装置、电子设备
CN105337742A (zh) 基于人脸图像特征和gps信息的lfsr文件加密及解密方法
Gobi et al. A secured public key cryptosystem for biometric encryption
Sharma et al. A survey on biometric cryptosystems and their applications
CN107231240A (zh) 一种安全性较高的双重身份识别方法
Goh et al. A framework for multimodal biometric authentication systems with template protection
CN105893819B (zh) 一种改进型的基于冗余错序排列算法的指纹识别方法与系统
Butt et al. Helper data scheme for 2D cancelable face recognition using bloom filters
CN105893950B (zh) 一种自适应的基于冗余错序排列算法的指纹识别方法与系统
Nandini et al. Efficient cryptographic key generation from fingerprint using symmetric hash functions
CN110516425A (zh) 一种秘密共享方法及系统
Cimato et al. Privacy in biometrics
CN105868718A (zh) 一种基于冗余错序排列算法的指纹识别方法与系统
CN106682531A (zh) 一种基于生物信息授权的机密数据加密方法
Barkathunisha et al. Secure transmission of medical information using IRIS recognition and steganography
CN109787775A (zh) 一种基于陈氏混沌系统与指静脉辅助数据的安全认证方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20190410

Address after: 518101 Block 803, Rongchao Binhai Building, Xinghua Road, Baoan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Guangqianhe New Material Technology Co., Ltd.

Address before: 315000 Second Floor of Building 1, Lingyun Industrial Park, 1177 Lingyun Road, Ningbo High-tech Zone, Zhejiang Province

Applicant before: Ningbo Sanbo Electronic Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant