CN110084224B - 一种云上的指纹安全认证系统及方法 - Google Patents

一种云上的指纹安全认证系统及方法 Download PDF

Info

Publication number
CN110084224B
CN110084224B CN201910392116.7A CN201910392116A CN110084224B CN 110084224 B CN110084224 B CN 110084224B CN 201910392116 A CN201910392116 A CN 201910392116A CN 110084224 B CN110084224 B CN 110084224B
Authority
CN
China
Prior art keywords
fingerprint
hiding
account information
cloud server
private key
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
CN201910392116.7A
Other languages
English (en)
Other versions
CN110084224A (zh
Inventor
廖永建
张刚林
范煜
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201910392116.7A priority Critical patent/CN110084224B/zh
Publication of CN110084224A publication Critical patent/CN110084224A/zh
Application granted granted Critical
Publication of CN110084224B publication Critical patent/CN110084224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • 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
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • 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
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G06V40/53—Measures to keep reference information secret, e.g. cancellable biometrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Power Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种云上的指纹安全认证系统及方法，所述方法包括：步骤1，用户终端生成私钥和公钥，并将公钥发送至云服务器；步骤2，指纹采集终端采集指纹，并从采集到的指纹中提取特征向量；步骤3，用户终端发送账户信息和私钥至指纹采集终端；指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算，并将指纹隐藏结果和账户信息发送至云服务器；步骤4，云服务器利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；步骤5，云服务器利用账户信息获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证。本发明实现了云上的指纹安全认证。

Description

一种云上的指纹安全认证系统及方法
技术领域
本发明涉及指纹安全技术领域，尤其是一种云上的指纹安全认证系统及方法。
背景技术
目前，指纹认证已经广泛应用于支付、门禁等领域。人们通过指纹不需要输入复杂的密码就可以进行认证。指纹认证虽然带来了便利，但也带来了新的安全问题。人们的指纹一般情况下时不会改变的。如果恶意攻击者得到了用户的指纹，他们就可以通过指纹认证，冒充用户身份。同时，用户也无法更改认证信息，来阻止攻击。因此，指纹认证的过程通常是在用户终端而非云端进行的。但是，与云端指纹认证相比，终端上的指纹认证较不方便，当终端损坏或使用新终端时，用户必须重新加载指纹模板。
解决云上指纹的安全认证，需要解决以下五个问题:
1.模板保护：由于指纹对于每个人来说都是不可改变的，所以指纹认证信息必须能够被用户更新和撤销。不然一旦指纹信息泄露之后，用户很难防止攻击者冒充。
2.指纹数据的隐私性：云服务方和攻击者无法从云上存储的模板获得用户原始指纹数据。
3.用户和云服务方之间的不信任：用户的指纹数据必须要在客户端或者终端做好隐藏处理后，才能发给云服务器。如果云服务器进行指纹认证失败了，就不能为该用户提供服务。
4.指纹数据的模糊性：由于采集时，同一根手指的按压程度和湿度不同，会导致产生的指纹数据存在差异。所以服务器在验证时，必须能够接受这些误差。
5.传输信道的安全可信：如果传输信道不能确保安全可信，那么在用户注册时可能遭受中间人攻击。
现在还没有一种好的方法能够将以上问题全部解决，保证云上的指纹认证是安全的。业界已经提出了五类方法来保证指纹模板和指纹数据隐私的安全。分别是:生物哈希、不可逆变换、同态加密、密钥绑定、密钥生成。其中生物hash的方法其安全性不能被很好的定义，并且需要存储hash后的指纹模板，存在由模板破解出原指纹的可能性。不可逆变换是将指纹数据进行不可逆变换，但需要在特定的特征提取算法下，才有较好的效果。同态加密，是让指纹匹配算法执行在加密域上，但同态加密的计算开销过高，不适合小型终端处理指纹数据。密钥绑定是将密钥嵌入指纹模板中，不适用于云上验证环境。密钥生成是从指纹数据中生成密钥，但是很难产生高稳定性和高熵密钥。
发明内容
本发明所要解决的技术问题是：针对上述存在的问题，提供一种云上的指纹安全认证系统及方法。
本发明采用的技术方案如下：
一种云上的指纹安全认证方法，包括：
步骤1，用户终端生成私钥和公钥，并将公钥发送至云服务器；
步骤2，指纹采集终端采集指纹，并从采集到的指纹中提取特征向量；
步骤3，用户终端发送账户信息和私钥至指纹采集终端；指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算，并将指纹隐藏结果和账户信息发送至云服务器；
步骤4，云服务器利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；
步骤5，云服务器利用账户信息获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证。
进一步地，所述步骤1中用户终端生成私钥和公钥的方法为：用户终端生成私钥
Figure BDA0002052674260000031
公钥y＝gs，其中，
Figure BDA0002052674260000032
为有限域，g是有限域Zp *的一个生成元。
进一步地，所述步骤2中指纹采集终端需要从采集到的指纹中提取n维特征向量x。
进一步地，所述步骤2中指纹采集终端从采集到的指纹中提取特征向量的算法为HOG。
进一步地，所述步骤3中指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算的方法为：
(1)计算指纹隐藏参数：a＝H1(m)s,b＝H2(m)s；其中，H1和H2为定义的两个不同的哈希函数，
Figure BDA0002052674260000033
(2)选取n个随机小数ei，对n维特征向量x的每一个分量xi做不可逆变换：fi＝axi+b+ei其中，i＝1,2,…,n；
(3)将不可逆向量f＝f1,…,fn作为指纹隐藏结果。
进一步地，所述步骤4中所述分类器SVM的训练方法为：
(1)针对每个账户信息执行步骤2～4，得到多个指纹隐藏结果，依据多个指纹隐藏结果制作样本集，所述样本集中，每个账户信息对应的若干指纹隐藏结果作为同一类的样本；
(2)然后针对每个账户信息，从样本集中的同一类别中抽取一个样本作为测试集，其余样本作为训练集；在训练集上对分类器SVM进行训练，利用测试集保证成功率达标后，即作为该类别对应的账户信息的训练好的分类器SVM。
进一步地，在训练好分类器SVM后，云服务器不存储样本集中的指纹隐藏结果。
一种云上的指纹安全认证系统，包括：通过网络连接的用户终端、指纹采集终端和云服务器；其中，
用户终端，用于生成私钥和公钥，并将公钥发送至云服务器；
指纹采集终端，包括：采集模块，用于采集指纹；提取模块，用于从采集到的指纹中提取特征向量；指纹隐藏模块，用于利用私钥和提取的特征向量进行指纹隐藏计算；
云服务器，包括：分类模块，用于利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；数据库，用于存储每个账户信息对应的第二分类标签l；认证模块，用于利用账户信息从数据库中获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证。
进一步地，指纹采集终端与云服务器之间的信息传输协议采用TLS协议。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明利用了密码学中的CDH困难问题，安全性可以证明。很好的保证了指纹模板隐私的安全性。
2、本发明对指纹的特征向量的隐藏处理，只有简单的加减和乘法操作，计算成本低。
3、本发明在训练好分类器SVM后，云服务器不存储样本集中的指纹隐藏结果，增强了指纹数据的隐私安全。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明的云上的指纹安全认证方法的流程图。
图2为本发明的分类器训练示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
本实施例提供的一种云上的指纹安全认证方法，首先设置系统参数：设g是有限域Zp *的一个生成元，定义两个不同的哈希函数H1和H2；
Figure BDA0002052674260000051
Figure BDA0002052674260000052
然后执行如图1所示的步骤：
1、密钥生成
用户终端生成私钥
Figure BDA0002052674260000053
公钥y＝gs，并将公钥y发送至云服务器；
2、特征提取
指纹采集终端采集指纹，并从采集到的指纹中提取n维特征向量x；其中，指纹采集终端从采集到的指纹中提取特征向量的算法可以采用HOG，在实际应用中，提取特征向量的算法可以任意选择，但需要保证对相同规格的指纹提取出的特征向量的维度相同。
3、指纹隐藏
用户终端发送账户信息m和私钥s至指纹采集终端；指纹采集终端利用私钥s和提取的特征向量x进行指纹隐藏计算：
(1)计算指纹隐藏参数：a＝H1(m)s,b＝H2(m)s；
(2)选取n个随机小数ei，对n维特征向量x的每一个分量xi做不可逆变换：fi＝axi+b+ei其中，i＝1,2,…,n；
(3)将不可逆向量f＝f1,…,fn作为指纹隐藏结果。
4、分类
云服务器利用账户信息m获得对应的训练好的分类器SVM，并将指纹隐藏结果f输入训练好的分类器SVM获得对应的第一分类标签ltest；
5、认证
云服务器利用账户信息m获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证，若相同，则指纹认证通过，否则认证失败。
在本发明的一个实施例中，如图2所示，所述分类器SVM的训练方法为：
(1)针对每个账户信息执行步骤2～4，得到多个指纹隐藏结果，依据多个指纹隐藏结果制作样本集，所述样本集中，每个账户信息对应的若干指纹隐藏结果作为同一类的样本；
(2)然后针对每个账户信息，从样本集中的同一类别中抽取一个样本作为测试集，其余样本作为训练集；在训练集上对分类器SVM进行训练，利用测试集保证成功率达标后，即作为该类别对应的账户信息的训练好的分类器SVM。
优选地，在训练好分类器SVM后，云服务器不存储样本集中的指纹隐藏结果，增强了指纹数据的隐私安全。
需要说明的是，本发明允许用户对于其云服务器上的认证信息进行修改。用户只需要通过更改私钥或者账户信息，就可以利用指纹生成新的认证信息(重新训练一个SVM，并修改存储在云服务器上对应的第二分类标签)。
本实施例中，采用云上的指纹安全认证系统实现本方法，该系统包括：通过网络连接的用户终端、指纹采集终端和云服务器；其中，
用户终端，用于生成私钥和公钥，并将公钥发送至云服务器；
指纹采集终端，包括：采集模块，用于采集指纹；提取模块，用于从采集到的指纹中提取特征向量；指纹隐藏模块，用于利用私钥和提取的特征向量进行指纹隐藏计算；
云服务器，包括：分类模块，用于利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；数据库，用于存储每个账户信息对应的第二分类标签l；认证模块，用于利用账户信息从数据库中获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证。
在本发明的一个实施例中，指纹采集终端与云服务器之间的信息传输协议采用TLS协议，确保传输的安全性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种云上的指纹安全认证方法，其特征在于，包括：
步骤1，用户终端生成私钥和公钥，并将公钥发送至云服务器；
步骤2，指纹采集终端采集指纹，并从采集到的指纹中提取特征向量；
步骤3，用户终端发送账户信息和私钥至指纹采集终端；指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算，并将指纹隐藏结果和账户信息发送至云服务器；
步骤4，云服务器利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；
步骤5，云服务器利用账户信息获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证；
所述步骤1中用户终端生成私钥和公钥的方法为：用户终端生成私钥
Figure FDA0003647690250000011
Figure FDA0003647690250000012
公钥y＝gs，其中，
Figure FDA0003647690250000013
为有限域，g是有限域
Figure FDA0003647690250000014
的一个生成元；
所述步骤2中指纹采集终端需要从采集到的指纹中提取n维特征向量x；
所述步骤2中指纹采集终端从采集到的指纹中提取特征向量的算法为HOG；
所述步骤3中指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算的方法为：
(1)计算指纹隐藏参数：a＝H1(m)s，b＝H2(m)s；其中，H1和H2为定义的两个不同的哈希函数，
Figure FDA0003647690250000015
(2)选取n个随机小数ei，对n维特征向量x的每一个分量xi做不可逆变换：fi＝axi+b+ei其中，i＝1，2，...，n；
(3)将不可逆向量f＝f1，...，fn作为指纹隐藏结果。
2.根据权利要求1所述的云上的指纹安全认证方法，其特征在于，所述步骤4中所述分类器SVM的训练方法为：
(1)针对每个账户信息执行步骤2～4，得到多个指纹隐藏结果，依据多个指纹隐藏结果制作样本集，所述样本集中，每个账户信息对应的若干指纹隐藏结果作为同一类的样本；
(2)然后针对每个账户信息，从样本集中的同一类别中抽取一个样本作为测试集，其余样本作为训练集；在训练集上对分类器SVM进行训练，利用测试集保证成功率达标后，即作为该类别对应的账户信息的训练好的分类器SVM。
3.根据权利要求2所述的云上的指纹安全认证方法，其特征在于，在训练好分类器SVM后，云服务器不存储样本集中的指纹隐藏结果。
4.一种云上的指纹安全认证系统，其特征在于，包括：通过网络连接的用户终端、指纹采集终端和云服务器；其中，
用户终端，用于生成私钥和公钥，并将公钥发送至云服务器；
指纹采集终端，包括：采集模块，用于采集指纹；提取模块，用于从采集到的指纹中提取特征向量；指纹隐藏模块，用于利用私钥和提取的特征向量进行指纹隐藏计算；
云服务器，包括：分类模块，用于利用账户信息获得对应的训练好的分类器SVM，并利用指纹隐藏结果和分类器SVM获得对应的第一分类标签ltest；数据库，用于存储每个账户信息对应的第二分类标签l；认证模块，用于利用账户信息从数据库中获得第二分类标签l，通过比较第一分类标签ltest和第二分类标签l对指纹进行认证；
用户终端生成私钥和公钥的方法为：用户终端生成私钥
Figure FDA0003647690250000021
公钥y＝gs，其中，
Figure FDA0003647690250000022
为有限域，g是有限域Zp *的一个生成元；指纹采集终端需要从采集到的指纹中提取n维特征向量x；指纹采集终端从采集到的指纹中提取特征向量的算法为HOG；指纹采集终端利用私钥和提取的特征向量进行指纹隐藏计算的方法为：
(1)计算指纹隐藏参数：a＝H1(m)s，b＝H2(m)s；其中，H1和H2为定义的两个不同的哈希函数，
Figure FDA0003647690250000031
(2)选取n个随机小数ei，对n维特征向量x的每一个分量xi做不可逆变换：fi＝axi+b+ei其中，i＝1，2，...，n；
(3)将不可逆向量f＝f1，...，fn作为指纹隐藏结果。
5.根据权利要求4所述的云上的指纹安全认证系统，其特征在于，指纹采集终端与云服务器之间的信息传输协议采用TLS协议。
CN201910392116.7A 2019-05-08 2019-05-08 一种云上的指纹安全认证系统及方法 Active CN110084224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910392116.7A CN110084224B (zh) 2019-05-08 2019-05-08 一种云上的指纹安全认证系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910392116.7A CN110084224B (zh) 2019-05-08 2019-05-08 一种云上的指纹安全认证系统及方法

Publications (2)

Publication Number Publication Date
CN110084224A CN110084224A (zh) 2019-08-02
CN110084224B true CN110084224B (zh) 2022-08-05

Family

ID=67419867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910392116.7A Active CN110084224B (zh) 2019-05-08 2019-05-08 一种云上的指纹安全认证系统及方法

Country Status (1)

Country Link
CN (1) CN110084224B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006323691A (ja) * 2005-05-19 2006-11-30 Sony Corp 認証装置、登録装置、登録方法及び認証方法
CN102394896A (zh) * 2011-12-13 2012-03-28 甘肃农业大学 基于令牌的隐私保护型指纹认证方法和系统
CN103279697A (zh) * 2013-05-15 2013-09-04 电子科技大学 基于正交矩阵和模运算的指纹细节信息隐藏与恢复方法
CN104636729A (zh) * 2015-02-10 2015-05-20 浙江工业大学 基于贝叶斯多元分布特征提取的三维人脸识别方法
CN105354233A (zh) * 2015-10-08 2016-02-24 西安电子科技大学 双向隐私保护的线性svm分类服务查询系统及方法
CN106157135A (zh) * 2016-07-14 2016-11-23 微额速达（上海）金融信息服务有限公司 基于声纹识别性别年龄的防欺诈系统及方法
CN106330442A (zh) * 2015-06-17 2017-01-11 中兴通讯股份有限公司 身份认证方法、装置及系统
CN106411533A (zh) * 2016-11-10 2017-02-15 西安电子科技大学 双向隐私保护的在线指纹认证系统及方法
CN107517217A (zh) * 2017-09-13 2017-12-26 北京理工大学 一种基于指纹识别的多因子无线密钥填充系统
CN107948143A (zh) * 2017-11-15 2018-04-20 安徽大学 一种云存储中基于身份的隐私保护完整性检测方法和系统
WO2018101727A1 (ko) * 2016-11-29 2018-06-07 주식회사 리노미디어 인증프로세스의 단계분할과 생체인증을 접목한 개인정보침해 방어 방법 및 시스템

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948605B1 (ko) * 2008-04-28 2010-03-24 한국전자통신연구원 인체통신의 지문인증 방법
CN101359991A (zh) * 2008-09-12 2009-02-04 湖北电力信息通信中心 基于标识的公钥密码体制私钥托管系统
SG11201501691VA (en) * 2012-09-05 2015-04-29 Element Inc Biometric authentication in connection with camera-equipped devices
CN103312511B (zh) * 2013-05-31 2017-04-26 金硕澳门离岸商业服务有限公司 信息确认系统及信息确认方法
CN104065487A (zh) * 2014-07-08 2014-09-24 华南理工大学 一种基于数字指纹随机密值ibc身份认证方法
US10657259B2 (en) * 2017-11-01 2020-05-19 International Business Machines Corporation Protecting cognitive systems from gradient based attacks through the use of deceiving gradients
CN109039643B (zh) * 2018-06-28 2019-10-11 中南民族大学 一种基于电磁辐射的可持续用户身份认证方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006323691A (ja) * 2005-05-19 2006-11-30 Sony Corp 認証装置、登録装置、登録方法及び認証方法
CN102394896A (zh) * 2011-12-13 2012-03-28 甘肃农业大学 基于令牌的隐私保护型指纹认证方法和系统
CN103279697A (zh) * 2013-05-15 2013-09-04 电子科技大学 基于正交矩阵和模运算的指纹细节信息隐藏与恢复方法
CN104636729A (zh) * 2015-02-10 2015-05-20 浙江工业大学 基于贝叶斯多元分布特征提取的三维人脸识别方法
CN106330442A (zh) * 2015-06-17 2017-01-11 中兴通讯股份有限公司 身份认证方法、装置及系统
CN105354233A (zh) * 2015-10-08 2016-02-24 西安电子科技大学 双向隐私保护的线性svm分类服务查询系统及方法
CN106157135A (zh) * 2016-07-14 2016-11-23 微额速达（上海）金融信息服务有限公司 基于声纹识别性别年龄的防欺诈系统及方法
CN106411533A (zh) * 2016-11-10 2017-02-15 西安电子科技大学 双向隐私保护的在线指纹认证系统及方法
WO2018101727A1 (ko) * 2016-11-29 2018-06-07 주식회사 리노미디어 인증프로세스의 단계분할과 생체인증을 접목한 개인정보침해 방어 방법 및 시스템
CN107517217A (zh) * 2017-09-13 2017-12-26 北京理工大学 一种基于指纹识别的多因子无线密钥填充系统
CN107948143A (zh) * 2017-11-15 2018-04-20 安徽大学 一种云存储中基于身份的隐私保护完整性检测方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Biometric information hiding: Promoting multimedia security with content and identity authentication;Bin Ma;《2013 IEEE China Summit and International Conference on Signal and Information Processing》;20131010;第442-446页 *
面向生物特征的信息隐藏算法;李唐薇等;《杭州电子科技大学学报（自然科学版）》;20170331;第37卷(第2期);第39-44页 *

Also Published As

Publication number Publication date
CN110084224A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
Mariño et al. A crypto-biometric scheme based on iris-templates with fuzzy extractors
Kaur et al. Privacy preserving remote multi-server biometric authentication using cancelable biometrics and secret sharing
CN107332659B (zh) 一种基于生物特征的身份认证方法、存储介质及系统
Jin et al. Biohashing: two factor authentication featuring fingerprint data and tokenised random number
US7024562B1 (en) Method for carrying out secure digital signature and a system therefor
Zhao et al. Negative iris recognition
Mahesh Kumar et al. BMIAE: blockchain‐based multi‐instance iris authentication using additive ElGamal homomorphic encryption
CN110516435B (zh) 一种基于生物特征的私钥管理方法及装置
Ziyad et al. Critical review of authentication mechanisms in cloud computing
Martínez et al. Secure crypto-biometric system for cloud computing
CN103973453A (zh) 声纹密钥生成方法、装置及基于声纹密钥登录方法、系统
Chiou Secure Method for Biometric‐Based Recognition with Integrated Cryptographic Functions
CN114996727A (zh) 基于掌纹掌静脉识别的生物特征隐私加密方法及系统
Ranjan et al. Improved and innovative key generation algorithms for biometric cryptosystems
ArunPrakash et al. Biometric encoding and biometric authentication (BEBA) protocol for secure cloud in m-commerce environment
Takahashi et al. Parameter management schemes for cancelable biometrics
Wu et al. Attacks and countermeasures on privacy-preserving biometric authentication schemes
Conti et al. Fingerprint traits and RSA algorithm fusion technique
Aanjanadevi et al. Face Attribute Convolutional Neural Network System for Data Security with Improved Crypto Biometrics.
Wang et al. Joint Biological ID: A Secure and Efficient Lightweight Biometric Authentication Scheme
CN110084224B (zh) 一种云上的指纹安全认证系统及方法
Vigila et al. Biometric security system over finite field for mobile applications
CN103761509B (zh) 基于加密电路的免对齐指纹匹配方法及计算电路
Gunasinghe et al. Privacy preserving biometrics-based and user centric authentication protocol
Rudrakshi et al. A model for secure information storage and retrieval on cloud using multimodal biometric cryptosystem

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