CN110427906B - 结合指纹与指静脉生物特征的混合加密识别方法 - Google Patents
结合指纹与指静脉生物特征的混合加密识别方法 Download PDFInfo
- Publication number
- CN110427906B CN110427906B CN201910732169.9A CN201910732169A CN110427906B CN 110427906 B CN110427906 B CN 110427906B CN 201910732169 A CN201910732169 A CN 201910732169A CN 110427906 B CN110427906 B CN 110427906B
- Authority
- CN
- China
- Prior art keywords
- finger vein
- points
- sample
- fingerprint
- characteristic
- 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
Links
Images
Classifications
-
- 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
- G06V40/1347—Preprocessing; Feature extraction
-
- 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
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
- H04L9/3231—Biological data, e.g. fingerprint, voice or retina
-
- 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种结合指纹与指静脉生物特征的混合加密识别方法,本发明得到指纹图像与指静脉图像的特征点,再对指静脉特征点提取密匙信息,用作对指纹特征点的加密,利用模糊金库方案将提取到的指静脉特征密匙拆分作为多项式的系数,将指纹生物特征点代入指静脉生物特征密匙构成的多项式中进行加密形成真实点集合,再向其中加入距离真实点足够距离的虚假点,构成模糊金库。解密时,指纹特征用于解密操作从模糊金库中还原密匙信息,指静脉用于提取密匙信息,当两者密匙信息相同时才可识别。通过这种混合加密方法,既能够很好的保护生物特征信息的安全性,防止生物特征信息的丢失、被盗,同时提高了识别的准确率,有效降低了误识率与拒识率。
Description
技术领域
本发明涉及一种结合指纹与指静脉生物特征的混合加密识别方法。
背景技术
随着全球经济与信息技术的发展,尤其是全球互联网时代的到来,越来越多的领域需要可靠的身份认证。生物特征识别技术虽然具有使用便捷、不可抵赖、难以伪造等的优势,然而,随着生物特征识别系统应用的逐渐深入,其本身所固有的一些隐患也逐渐暴露出来,比如假生物特征的攻击,生物特征模板的丢失与重构攻击等等。
为了应对生物特征模板丢失带来的安全隐患,研究人员提出将生物特征识别技术与密码学方法结合,优势互补。针对这一问题,国内外学者提出了很多方法,但多数需要依靠存储辅助数据,且不能撤销,依赖系统本身产生的密匙加密,仍然存在着泄露隐私的危险。
发明内容
本发明的目的在于提供一种结合指纹与指静脉生物特征的混合加密识别方法。
为解决上述问题,本发明提供一种结合指纹与指静脉生物特征的混合加密识别方法,包括:
包括:
对样本指纹图像与样本指静脉特征图像进行采集;
从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点;
从所述样本指静脉特征点中提取指静脉生物特征密匙;
利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式;
将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合;
基于所述真实点的集合生成杂凑点的集合,基于真实点的集合和杂凑点的集合形成模糊金库;
获得待认证用户的指纹特征点与指静脉特征点,基于所述待认证用户的指纹特征点从所述模糊金库中解密得到第一指静脉生物特征密匙,基于所述待认证用户的指静脉特征点生成的第二指静脉生物特征密匙,将所述第一指静脉生物特征密匙与第二指静脉生物特征密匙进行比较,基于比较的结果识别所述待认证用户的身份是否合法。
进一步的,在上述方法中,对样本指纹图像与样本指静脉特征图像进行采集,包括:
利用指纹传感器采集样本指纹图像,利用指静脉传感器采集样本指静脉特征图像,并固定样本指纹图像与样本指静脉特征图像的大小。
进一步的,在上述方法中,从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点,包括:
将所述样本指纹图像和样本指静脉特征图像分别进行包括归一化、图像切割、图像二值化、去毛刺和细化的预处理,从预处理后的样本指纹图像中提取端点与交叉点作为样本指纹特征点,从预处理后的样本指静脉特征图像中提取端点与交叉点作为样本指静脉特征点。
进一步的,在上述方法中,从所述样本指静脉特征点中提取指静脉生物特征密匙,包括:
将所述样本指静脉特征点进行排序、并转化为固定长度的二进制序列,将所述二进制序列作为指静脉生物特征密匙。
进一步的,在上述方法中,将所述样本指静脉特征点进行排序、并转化为固定长度的二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙。
进一步的,在上述方法中,确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
在所述样本指静脉特征点选取其中的某个特征点作为固定点,所述样本指静脉特征点中的未选取的其它特征点以所述固定点为原点求得包括相对距离、方向差、类型差异的信息;
将包括相对距离、方向差、类型差异的信息转化为二进制数并按照相对距离从大到小的顺序排列,进而得到指静脉生物特征密匙。
进一步的,在上述方法中,利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式,包括:
将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,由所述系数生成所述模糊金库多项式。
进一步的,在上述方法中,将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,包括:
将所述指静脉生物特征密匙进行拆分,按照每十六位为一个比特串,取前八个比特串,并将这八个比特串转化为十进制作为模糊金库多项式的系数。
进一步的,在上述方法中,将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合,包括:
将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射,以形成真实点的集合。
进一步的,在上述方法中,将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射生成真实点,以形成真实点的集合,包括:
将距离差、方向差和类型差串联起来,形成二进制数,再将二进制数转化为十进制代入到所述模糊金库多项式进行映射生成真实点,以形成真实点的集合。
进一步的,在上述方法中,基于所述真实点的集合生成杂凑点的集合,基于真实点的集合和杂凑点的集合形成模糊金库,包括:
通过杂凑点生成器生成离真实点足够距离的杂凑点的集合,且杂凑点不等于真实点,将所述真实点的集合与杂凑点的集合进行合并,通过随机化处理形成模糊金库。
进一步的,在上述方法中,获得待认证用户的指纹特征点与指静脉特征点,基于所述待认证用户的指纹特征点从所述模糊金库中解密得到第一指静脉生物特征密匙,基于所述待认证用户的指静脉特征点生成的第二指静脉生物特征密匙,将所述第一指静脉生物特征密匙与第二指静脉生物特征密匙进行比较,基于比较的结果识别所述待认证用户的身份是否合法,包括:
获得待认证用户的指纹特征点与指静脉特征点;
将待认证用户的指纹特征点用于解密重构所述模糊金库多项式的系数,当待认证用户的指纹特征点与所述模糊金库中的真实点和杂凑点重合的数量大于预设阈值时,则通过拉格朗日多项式重构密匙信息,以得到第一指静脉生物特征密匙;
基于指静脉特征点生成第二指静脉生物特征密匙;
当第一指静脉生物特征密匙和第二指静脉生物特征密匙相等时,则识别所述待认证用户的身份合法。
与现有技术相比,本发明提出了两种生物特征相结合的一种融合加密算法,首先对指纹图像与指静脉图像分别进行处理,得到指纹图像与指静脉图像的特征点,利用生物特征密匙提取方法再对指静脉特征点提取密匙信息,用作对指纹特征点的加密,利用模糊金库方案将提取到的指静脉特征密匙拆分作为多项式的系数,将指纹生物特征点代入指静脉生物特征密匙构成的多项式中进行加密形成真实点集合,再向其中加入距离真实点足够距离的虚假点,构成指纹与指静脉混合的模糊金库。解密时,需要提供指纹与指静脉两种生物特征,指纹特征用于解密操作从模糊金库中还原密匙信息,指静脉用于提取密匙信息,当两者密匙信息相同时才可识别。通过这种混合加密方法,既能够很好的保护生物特征信息的安全性,防止生物特征信息的丢失、被盗,同时提高了识别的准确率,有效降低了误识率与拒识率。
附图说明
图1是本发明一实施例的的指纹特征密匙生成流程图;
图2是本发明一实施例的模糊金库加密流程图;
图3是本发明一实施例的模糊金库解密及识别流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供一种结合指纹与指静脉生物特征的混合加密识别方法,包括:
步骤S1,对样本指纹图像与样本指静脉特征图像进行采集;
步骤S2,从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点;
步骤S3,从所述样本指静脉特征点中提取指静脉生物特征密匙;
步骤S4,利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式;
步骤S5,将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合;
步骤S6,基于所述真实点的集合生成杂凑点的集合,基于真实点的集合和杂凑点的集合形成模糊金库;
步骤S7,获得待认证用户的指纹特征点与指静脉特征点,基于所述待认证用户的指纹特征点从所述模糊金库中解密得到第一指静脉生物特征密匙,基于所述待认证用户的指静脉特征点生成的第二指静脉生物特征密匙,将所述第一指静脉生物特征密匙与第二指静脉生物特征密匙进行比较,基于比较的结果识别所述待认证用户的身份是否合法。
在此,本发明通过对生物特征加密系统中的密匙绑定系统和密匙生成系统的研究发现,两种方法都存在着不安全性,密匙绑定系统需要靠系统自动生成一个密匙,且系统过于依赖密匙的安全性,密匙生成系统需要存储根据生物特征生成的密匙,一旦密匙被盗会导致用户隐私的泄露。本发明将两种生物特征加密方法进行结合,通过指静脉生物特征生成系统所需要的密匙,通过指纹特征点结合密匙构成模糊金库,系统本身不需要生成密匙,也不用存储密匙,在识别用户时,只需将用户的指静脉生成的密匙与指纹解密出的注册的密匙相比较,来判断用户的合法性。
本发明提出了两种生物特征相结合的一种融合加密算法,首先对指纹图像与指静脉图像分别进行处理,得到指纹图像与指静脉图像的特征点,利用生物特征密匙提取方法再对指静脉特征点提取密匙信息,用作对指纹特征点的加密,利用模糊金库方案将提取到的指静脉特征密匙拆分作为多项式的系数,将指纹生物特征点代入指静脉生物特征密匙构成的多项式中进行加密形成真实点集合,再向其中加入距离真实点足够距离的虚假点,构成指纹与指静脉混合的模糊金库。解密时,需要提供指纹与指静脉两种生物特征,指纹特征用于解密操作从模糊金库中还原密匙信息,指静脉用于提取密匙信息,当两者密匙信息相同时才可识别。通过这种混合加密方法,既能够很好的保护生物特征信息的安全性,防止生物特征信息的丢失、被盗,同时提高了识别的准确率,有效降低了误识率与拒识率。
本发明的结合指纹与指静脉特征的混合加密识别方法,可以有效的将两种生物特征融合加密,保护生物特征的安全性,同时提高识别效果。
本发明采用两种生物特征,有效克服单一生物特征识别的缺陷,利用指静脉生物特征生成密匙信息,不仅起到了活体检测的作用,还能够通过更改手指指静脉来实现撤销更改密匙信息。本方法还结合密匙绑定与密匙生成两种方式,提高了系统的安全性,在最后的识别方法中,提出对指静脉生成的密匙与指纹特征解密还原出的特征相比较,提高了识别效果,有效降低了误识率与拒识率。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S1,对样本指纹图像与样本指静脉特征图像进行采集,包括:
利用指纹传感器采集样本指纹图像,利用指静脉传感器采集样本指静脉特征图像,并固定样本指纹图像与样本指静脉特征图像的大小。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S2,从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点,包括:
将所述样本指纹图像和样本指静脉特征图像分别进行包括归一化、图像切割、图像二值化、去毛刺和细化的预处理,从预处理后的样本指纹图像中提取端点与交叉点作为样本指纹特征点,从预处理后的样本指静脉特征图像中提取端点与交叉点作为样本指静脉特征点。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S3,从所述样本指静脉特征点中提取指静脉生物特征密匙,包括:
将所述样本指静脉特征点进行排序、并转化为固定长度的二进制序列,将所述二进制序列作为指静脉生物特征密匙。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,将所述样本指静脉特征点进行排序、并转化为固定长度的二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
在所述样本指静脉特征点选取其中的某个特征点作为固定点,所述样本指静脉特征点中的未选取的其它特征点以所述固定点为原点求得包括相对距离、方向差、类型差异的信息;
将包括相对距离、方向差、类型差异的信息转化为二进制数并按照相对距离从大到小的顺序排列,进而得到指静脉生物特征密匙。
在此,如图1所示,本发明中的指静脉生物特征密匙生成方法如下:首先通过指静脉传感器采集指静脉特征图像,对指静脉特征图像进行如下处理:手指区域定位、感兴趣(RIO)区域定位、旋转定位、图像增强、静脉分割。对处理过后的指静脉图像提取指静脉特征点,确定中心点,将其余点按照中心点进行映射,按照一定顺序排列,最后得到一组有序的二进制比特串,提取前128位比特串,不足128位的直接置0。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S4,利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式,包括:
将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,由所述系数生成所述模糊金库多项式。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,包括:
将所述指静脉生物特征密匙进行拆分,按照每十六位为一个比特串,取前八个比特串,并将这八个比特串转化为十进制作为模糊金库多项式的系数。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S5,将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合,包括:
将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射,以形成真实点的集合。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射生成真实点,以形成真实点的集合,包括:
将距离差、方向差和类型差串联起来,形成二进制数,再将二进制数转化为十进制代入到所述模糊金库多项式进行映射生成真实点,以形成真实点的集合。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S6,基于所述真实点的集合生成杂凑点的集合,基于真实点的集合和杂凑点的集合形成模糊金库,包括:
通过杂凑点生成器生成离真实点足够距离的杂凑点的集合,且杂凑点不等于真实点,将所述真实点的集合与杂凑点的集合进行合并,通过随机化处理形成模糊金库。
在此,如图2所示,本发明中的模糊金库生成方法如下:模糊金库方案是最典型生物密钥绑定算法,该算法是在模糊承诺的基础上提出的,充分利用了生物特征的模糊性,与密码技术的精确性相结合,从而克服了生物加密技术中的矛盾。模糊保险箱方案主要包括两个阶段:上锁子算法和解锁子算法,模糊金库生成方法属于上锁子算法。该算法首先将指静脉生成的密匙信息分为8个比特串,即每个比特串位16位,然后将每个比特串转化为十进制数,作为模糊金库多项式的系数,再将指纹特征点映射到模糊金库多项式当中生成真实点,构成真实点的集合。最后按照一定原则往模糊金库中加入杂凑点,生成杂凑点集合,将两个集合融合在一起并置乱,生成真正的模糊金库。
本发明的结合指纹与指静脉生物特征的混合加密识别方法一实施例中,步骤S7,获得待认证用户的指纹特征点与指静脉特征点,基于所述待认证用户的指纹特征点从所述模糊金库中解密得到第一指静脉生物特征密匙,基于所述待认证用户的指静脉特征点生成的第二指静脉生物特征密匙,将所述第一指静脉生物特征密匙与第二指静脉生物特征密匙进行比较,基于比较的结果识别所述待认证用户的身份是否合法,包括:
获得待认证用户的指纹特征点与指静脉特征点;
将待认证用户的指纹特征点用于解密重构所述模糊金库多项式的系数,当待认证用户的指纹特征点与所述模糊金库中的真实点和杂凑点重合的数量大于预设阈值时,则通过拉格朗日多项式重构密匙信息,以得到第一指静脉生物特征密匙;
基于指静脉特征点生成第二指静脉生物特征密匙;
当第一指静脉生物特征密匙和第二指静脉生物特征密匙相等时,则识别所述待认证用户的身份合法。
在此,如图3所示,本发明中的识别步骤具体可以为,输入待识别用户的指纹信息与指静脉信息,将指纹信息用于解密重构多项式的系数,当指纹信息提取的指纹特征点与模糊金库中的点集重合的足够多时,即可通过拉格朗日多项式重构密匙信息,指静脉特征用于生成密匙信息,当两者产生的密匙信息相等时,即可识别该用户的信息。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,包括:
对样本指纹图像与样本指静脉特征图像进行采集;
从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点;
从所述样本指静脉特征点中提取指静脉生物特征密匙,其中,指静脉生物特征密匙生成方法如下:首先通过指静脉传感器采集指静脉特征图像,对指静脉特征图像进行如下处理:手指区域定位、感兴趣区域定位、旋转定位、图像增强和静脉分割;对处理过后的指静脉图像提取指静脉特征点,确定中心点,将其余点按照中心点进行映射,按照一定顺序排列,最后得到一组有序的二进制比特串,提取前128位比特串,不足128位的直接置0;
利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式;
将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合;
基于所述真实点的集合生成杂凑点的集合,基于真实点的集合和杂凑点的集合形成模糊金库,其中,通过杂凑点生成器生成离真实点足够距离的杂凑点的集合,且杂凑点不等于真实点,将所述真实点的集合与杂凑点的集合进行合并,通过随机化处理形成模糊金库;模糊金库生成方法,包括:首先将指静脉生成的密匙信息分为8个比特串,即每个比特串位16位,然后将每个比特串转化为十进制数,作为模糊金库多项式的系数,再将指纹特征点映射到模糊金库多项式当中生成真实点,构成真实点的集合;最后按照预设原则往模糊金库中加入杂凑点,生成杂凑点集合,将两个集合融合在一起并置乱,生成真正的模糊金库;
获得待认证用户的指纹特征点与指静脉特征点,基于所述待认证用户的指纹特征点从所述模糊金库中解密得到第一指静脉生物特征密匙,基于所述待认证用户的指静脉特征点生成的第二指静脉生物特征密匙,将所述第一指静脉生物特征密匙与第二指静脉生物特征密匙进行比较,基于比较的结果识别所述待认证用户的身份是否合法,包括,获得待认证用户的指纹特征点与指静脉特征点;
将待认证用户的指纹特征点用于解密重构所述模糊金库多项式的系数,当待认证用户的指纹特征点与所述模糊金库中的真实点和杂凑点重合的数量大于预设阈值时,则通过拉格朗日多项式重构密匙信息,以得到第一指静脉生物特征密匙;
基于指静脉特征点生成第二指静脉生物特征密匙;
当第一指静脉生物特征密匙和第二指静脉生物特征密匙相等时,则识别所述待认证用户的身份合法。
2.如权利要求1所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,对样本指纹图像与样本指静脉特征图像进行采集,包括:
利用指纹传感器采集样本指纹图像,利用指静脉传感器采集样本指静脉特征图像,并固定样本指纹图像与样本指静脉特征图像的大小。
3.如权利要求1所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,从所述样本指纹图像提取中样本指纹特征点,并从样本指静脉特征图像中提取样本指静脉特征点,包括:
将所述样本指纹图像和样本指静脉特征图像分别进行包括归一化、图像切割、图像二值化、去毛刺和细化的预处理,从预处理后的样本指纹图像中提取端点与交叉点作为样本指纹特征点,从预处理后的样本指静脉特征图像中提取端点与交叉点作为样本指静脉特征点。
4.如权利要求1所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,将所述样本指静脉特征点进行排序、并转化为固定长度的二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙。
5.如权利要求4所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,确定所述样本指静脉特征点包括类型、位置、方向的信息,将包括类型、位置、方向的信息按照预设的算法进行处理、排序并编码得到二进制序列,将所述二进制序列作为指静脉生物特征密匙,包括:
在所述样本指静脉特征点选取其中的某个特征点作为固定点,所述样本指静脉特征点中的未选取的其它特征点以所述固定点为原点求得包括相对距离、方向差、类型差异的信息;
将包括相对距离、方向差、类型差异的信息转化为二进制数并按照相对距离从大到小的顺序排列,进而得到指静脉生物特征密匙。
6.如权利要求1所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,利用所述指静脉生物特征密匙生成模糊金库多项式的系数,由所述系数生成所述模糊金库多项式,包括:
将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,由所述系数生成所述模糊金库多项式。
7.如权利要求6所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,将所述指静脉生物特征密匙进行拆分,并转化为十进制数,将由所述指静脉生物特征密匙转化得到的十进制数作为模糊金库多项式的系数,包括:
将所述指静脉生物特征密匙进行拆分,按照每十六位为一个比特串,取前八个比特串,并将这八个比特串转化为十进制作为模糊金库多项式的系数。
8.如权利要求1所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,将所述样本指纹特征点代入所述模糊金库多项式中进行映射生成真实点,以形成真实点的集合,包括:
将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射,以形成真实点的集合。
9.如权利要求8所述的结合指纹与指静脉生物特征的混合加密识别方法,其特征在于,将所述样本指纹特征点转化为十进制数,对由所述样本指纹特征点集转化得到的十进制数通过所述模糊金库多项式进行映射生成真实点,以形成真实点的集合,包括:
将距离差、方向差和类型差串联起来,形成二进制数,再将二进制数转化为十进制代入到所述模糊金库多项式进行映射生成真实点,以形成真实点的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732169.9A CN110427906B (zh) | 2019-08-07 | 2019-08-07 | 结合指纹与指静脉生物特征的混合加密识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910732169.9A CN110427906B (zh) | 2019-08-07 | 2019-08-07 | 结合指纹与指静脉生物特征的混合加密识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427906A CN110427906A (zh) | 2019-11-08 |
CN110427906B true CN110427906B (zh) | 2023-04-18 |
Family
ID=68415209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910732169.9A Active CN110427906B (zh) | 2019-08-07 | 2019-08-07 | 结合指纹与指静脉生物特征的混合加密识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427906B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112994896A (zh) * | 2021-03-17 | 2021-06-18 | 黑龙江恒讯科技有限公司 | 一种基于静脉识别数字证书认证方法 |
CN114936361A (zh) * | 2022-01-28 | 2022-08-23 | 中国银联股份有限公司 | 生物特征识别方法、服务器以及客户端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590040A (zh) * | 2014-11-03 | 2016-05-18 | 索尼公司 | 用于加密数字内容的数字权限管理的方法和系统 |
CN109635756A (zh) * | 2018-12-17 | 2019-04-16 | 黑龙江大学 | 融合指纹与指静脉的二维码身份认证方法 |
CN110008931A (zh) * | 2019-04-16 | 2019-07-12 | 上海应用技术大学 | 结合指纹与指静脉信息的混合识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10296734B2 (en) * | 2015-01-27 | 2019-05-21 | Idx Technologies Inc. | One touch two factor biometric system and method for identification of a user utilizing a portion of the person's fingerprint and a vein map of the sub-surface of the finger |
-
2019
- 2019-08-07 CN CN201910732169.9A patent/CN110427906B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590040A (zh) * | 2014-11-03 | 2016-05-18 | 索尼公司 | 用于加密数字内容的数字权限管理的方法和系统 |
CN109635756A (zh) * | 2018-12-17 | 2019-04-16 | 黑龙江大学 | 融合指纹与指静脉的二维码身份认证方法 |
CN110008931A (zh) * | 2019-04-16 | 2019-07-12 | 上海应用技术大学 | 结合指纹与指静脉信息的混合识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110427906A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11108546B2 (en) | Biometric verification of a blockchain database transaction contributor | |
CN107332659B (zh) | 一种基于生物特征的身份认证方法、存储介质及系统 | |
Lee et al. | Biometric key binding: Fuzzy vault based on iris images | |
Zuo et al. | Cancelable iris biometric | |
CN102306305B (zh) | 一种基于生物特征水印的安全身份认证方法 | |
Maiorana | Biometric cryptosystem using function based on-line signature recognition | |
KR100949801B1 (ko) | 퍼지볼트 시스템에서의 다항식 복원장치 및 그 방법 | |
JP5865556B2 (ja) | セキュアなデータ処理方法 | |
CN110427906B (zh) | 结合指纹与指静脉生物特征的混合加密识别方法 | |
CN106921489B (zh) | 一种数据加密方法及装置 | |
Vallabhadas et al. | Securing multimodal biometric template using local random projection and homomorphic encryption | |
Ranjan et al. | Improved and innovative key generation algorithms for biometric cryptosystems | |
Mehta et al. | An efficient and lossless fingerprint encryption algorithm using Henon map & Arnold transformation | |
Yuan | Multimodal cryptosystem based on fuzzy commitment | |
Arunachalam et al. | AES Based Multimodal Biometric Authentication using Cryptographic Level Fusion with Fingerprint and Finger Knuckle Print. | |
Baghel et al. | An enhanced fuzzy vault to secure the fingerprint templates | |
CN110535630B (zh) | 密钥生成方法、装置及存储介质 | |
CN114065169A (zh) | 一种隐私保护生物认证方法和装置、电子设备 | |
CN107181598B (zh) | 指纹密钥处理方法及装置 | |
CN102413148B (zh) | 基于可视密码的生物特征远程认证方法 | |
Lalithamani et al. | Dual encryption algorithm to improve security in hand vein and palm vein-based biometric recognition | |
Panwar et al. | Techniques for enhancing the security of fuzzy vault: a review | |
Barman et al. | Fingerprint based symmetric cryptography | |
Yang et al. | Non-invertible geometrical transformation for fingerprint minutiae template protection | |
Meenakshi et al. | Security analysis of password hardened multimodal biometric fuzzy vault with combined feature points extracted from fingerprint, iris and retina for high security applications |
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 |