CN110909335A - 一种对可用于隐私保护的二进制生物特征识别方法 - Google Patents
一种对可用于隐私保护的二进制生物特征识别方法 Download PDFInfo
- Publication number
- CN110909335A CN110909335A CN201911222133.2A CN201911222133A CN110909335A CN 110909335 A CN110909335 A CN 110909335A CN 201911222133 A CN201911222133 A CN 201911222133A CN 110909335 A CN110909335 A CN 110909335A
- Authority
- CN
- China
- Prior art keywords
- binary
- integer
- setting
- biological characteristic
- database
- 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.)
- Pending
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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种对可用于隐私保护的二进制生物特征识别方法,它涉及生物特征识别和信息加密方法技术领域。它包含如下步骤:首先随机挑选部分二进制位;将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除。采用上述技术方案后,本发明有益效果为:用于对二进制生物特征进行整数编码存储并识别,同时又可以对编码后的特征直接进行识别的生物特征编码与识别方法,该方法的整数编码占用存储较少,同时识别计算过程简单。
Description
技术领域
本发明涉及生物特征识别和信息加密方法技术领域,具体涉及一种对可用于隐私保护的二进制生物特征识别方法。
背景技术
基于隐私保护的生物特征识别系统是指在保护生物特征的同时对该特征进行有效识别的系统。这一系统的主要困难在于既要对生物特征进行加密保护,同时还需要保证保护后的特征可以进行有效识别。目前安全生物识别技术主要分为以下几种:
通常,那些安全的二进制生物特征识别方案已被分为三类。第一种是生物识别密码技术。该技术是使用数字密钥或其他的数学变换对生物识别数据进行转换并增强安全性。为了解决同一个体的生物特征数据不可能完全一致的问题,通常利用纠错码将仅在一小部分中不同的两个生物识别码映射到同一组码字。生物识别密码系统进一步分为密钥绑定密码系统和密钥生成密码系统。这一方法所保护的生物特征无法直接用于识别。第二种是可取消的生物识别技术。将生物识别数据转换为另一个域,这使得能够在不同的生物识别数据之间进行比较,并且至关重要的是难以从变换的数据中恢复原始的生物识别数据。其中最有代表性的是同态加密技术。该技术的主要问题是变换过程复杂,从而降低了计算效率。第三种是负数据库技术。该方法对生物特征生成一个新的数据。新的数据可以直接用于识别,并且无法由新的数据获得原来的生物特征。这一方法的主要问题在于新生成的数据占用的存储空间比原来增加了很多,并且比对时的距离的计算也不够简洁。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供一种对可用于隐私保护的二进制生物特征识别方法,用于对二进制生物特征进行整数编码存储并识别,其原始二进制特征无法从该整数编码中恢复,同时该编码可以直接与二进制生物特征进行相似性计算从而进行识别,既可以对二进制生物特征进行整数编码从而对其进行隐私保护,同时又可以对编码后的特征直接进行识别的生物特征编码与识别方法,该方法的整数编码占用存储较少,同时识别计算过程简单。
为实现上述目的,本发明采用以下技术方案是:它包含如下步骤:
步骤1、首先随机挑选部分二进制位;
步骤2、将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;
步骤3、重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除;
步骤4、进行比对时可以直接将二进制生物特征与整数编码进行对比,求出其相似性度量,从而对生物特征进行识别。
所述二进制生物特征进行整数编码具体步骤如下:
步骤1、编码模块将生物特征B转化为n位二进制编码(b1,...,bn),并设置一个长度为n的零向量v=(v0,...,vn);
步骤2、设定一个足够大的数M,并且令m=0;
步骤3、如果m<M,执行步骤4;否则执行步骤10;
步骤4、任意选取n位中的L个位置组成集合S={i1,...,iL,j1,...,jL},其中iY,jY均对应第y个二进制位;
步骤5、生成一个新的集合S’={ak|ak是S的子集且ak中不同时含有ih和jh,1≤h≤L};
步骤6、选取集合S’的q个子集,并为每一个子集设计一个概率p1,...,pq,且p1+...+pq=1;
步骤8、选择集合az∈S’,令(Vi=Vi-1和Vj=Vj+1);
步骤9、令m=m+1,执行步骤3;
步骤10、对V的每一维做如下操作:如果该位bw的值为0,则Vw的值变为Vw的相反数;
步骤11、以V作为B的编码数据存入生物特征数据库,然后将B删除。
所述二进制生物特征与整数编码的对比具体步骤如下:
步骤1、设当前生物特征为B,将B转化为n位二进制编码(b1,...,bn),设i=1;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
所述二进制生物特征与整数编码对比中可以对某些位进行屏蔽,具体步骤如下:
步骤1、设定n维二值向量mask=(h1,...,hn),其中屏蔽位设为0,非屏蔽位设为1,设当前生物特征为B,将B转化为n位二进制编码(b1,...,bn),设i=1;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
所述二进制生物特征与整数编码对比中还可以进行移位操作,具体步骤如下:
步骤1、设当前生物特征为B,将B转化为n位二进制编码(b1,...bn),设i=1,移动位数位k;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
本发明的工作原理:首先随机挑选部分二进制位;将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除;进行比对时可以直接将二进制生物特征与整数编码进行对比,求出其相似性度量,从而对生物特征进行识别。
采用上述技术方案后,本发明有益效果为:用于对二进制生物特征进行整数编码存储并识别,其原始二进制特征无法从该整数编码中恢复,同时该编码可以直接与二进制生物特征进行相似性计算从而进行识别,既可以对二进制生物特征进行整数编码从而对其进行隐私保护,同时又可以对编码后的特征直接进行识别的生物特征编码与识别方法,该方法的整数编码占用存储较少,同时识别计算过程简单。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的流程示意框图;
图2是本发明中二进制生物特征进行整数编码的流程示意框图;
图3是本发明中二进制生物特征与整数编码的对比的流程示意框图;
图4是本发明中位屏蔽操作的流程示意框图;
图5是本发明中移位操作的流程示意框图。
具体实施方式
参看图1-图5所示,本具体实施方式采用的技术方案是:它包含如下步骤:
步骤1、首先随机挑选部分二进制位;
步骤2、将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;
步骤3、重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除;
步骤4、进行比对时可以直接将二进制生物特征与整数编码进行对比,求出其相似性度量,从而对生物特征进行识别。
所述二进制生物特征进行整数编码具体步骤如下:
步骤1、编码模块将生物特征B转化为n位二进制编码(b1,...,bn),并设置一个长度为n的零向量v=(v0,...,vn);
步骤2、设定一个足够大的数M,并且令m=0;
步骤3、如果m<M,执行步骤4;否则执行步骤10;
步骤4、任意选取n位中的L个位置组成集合S={i1,...,iL,j1,...,jL},其中iY,jY均对应第y个二进制位;
步骤5、生成一个新的集合S’={ak|ak是S的子集且ak中不同时含有ih和jh,1≤h≤L};
步骤6、选取集合S’的q个子集,并为每一个子集设计一个概率p1,...,pq,且p1+...+pq=1;
步骤8、选择集合az∈S’,令(Vi=Vi-1和Vj=Vj+1);
步骤9、令m=m+1,执行步骤3;
步骤10、对V的每一维做如下操作:如果该位bw的值为0,则Vw的值变为Vw的相反数;
步骤11、以V作为B的编码数据存入生物特征数据库,然后将B删除。
所述二进制生物特征与整数编码的对比具体步骤如下:
步骤1、设当前生物特征为B,将B转化为n位二进制编码(b1,...,bn),设i=1;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
所述二进制生物特征与整数编码对比中可以对某些位进行屏蔽,具体步骤如下:
步骤1、设定n维二值向量mask=(h1,...,hn),其中屏蔽位设为0,非屏蔽位设为1,设当前生物特征为B,将B转化为n位二进制编码(b1,...,bn),设i=1;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
所述二进制生物特征与整数编码对比中还可以进行移位操作,具体步骤如下:
步骤1、设当前生物特征为B,将B转化为n位二进制编码(b1,...bn),设i=1,移动位数位k;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
本发明的工作原理:首先随机挑选部分二进制位;将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除;进行比对时可以直接将二进制生物特征与整数编码进行对比,求出其相似性度量,从而对生物特征进行识别。
采用上述技术方案后,本发明有益效果为:用于对二进制生物特征进行整数编码存储并识别,其原始二进制特征无法从该整数编码中恢复,同时该编码可以直接与二进制生物特征进行相似性计算从而进行识别,既可以对二进制生物特征进行整数编码从而对其进行隐私保护,同时又可以对编码后的特征直接进行识别的生物特征编码与识别方法,该方法的整数编码占用存储较少,同时识别计算过程简单。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种对可用于隐私保护的二进制生物特征识别方法,其特征在于,它包含如下步骤:
步骤1、首先随机挑选部分二进制位;
步骤2、将所进制挑选的二进制位随机分为两部分,并对两部分中的二进制位分别进行计数,一部分对应的二进制位加一,另一部分对应的二进制位减一;
步骤3、重复步骤1和步骤2一定次数,每一个二进制位经计数被转换为一个整数,然后将新生成的整数特征存入数据库,并将原特征删除;
步骤4、进行比对时可以直接将二进制生物特征与整数编码进行对比,求出其相似性度量,从而对生物特征进行识别。
2.根据权利要求1所述的一种对可用于隐私保护的二进制生物特征识别方法,其特征在于,所述二进制生物特征进行整数编码具体步骤如下:
步骤1、编码模块将生物特征B转化为n位二进制编码(b1,...,bn),并设置一个长度为n的零向量v=(v0,...,vn);
步骤2、设定一个足够大的数M,并且令m=0;
步骤3、如果m<M,执行步骤4;否则执行步骤10;
步骤4、任意选取n位中的L个位置组成集合S={i1,...,iL,j1,...,jL},其中iY,jY均对应第y个二进制位;
步骤5、生成一个新的集合S’={ak|ak是S的子集且ak中不同时含有ih和jh,1≤h≤L};
步骤6、选取集合S’的q个子集,并为每一个子集设计一个概率p1,...,pq,且p1+...+pq=1;
步骤8、选择集合az∈S’,令(Vi=Vi-1和Vj=Vj+1);
步骤9、令m=m+1,执行步骤3;
步骤10、对V的每一维做如下操作:如果该位bw的值为0,则Vw的值变为Vw的相反数;
步骤11、以V作为B的编码数据存入生物特征数据库,然后将B删除。
4.根据权利要求3所述的一种对可用于隐私保护的二进制生物特征识别方法,其特征在于,所述二进制生物特征与整数编码对比中可以对某些位进行屏蔽,具体步骤如下:
步骤1、设定n维二值向量mask=(h1,...,hn),其中屏蔽位设为0,非屏蔽位设为1,设当前生物特征为B,将B转化为n位二进制编码(b1,...,bn),设i=1;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
5.根据权利要求3所述的一种对可用于隐私保护的二进制生物特征识别方法,其特征在于,所述二进制生物特征与整数编码对比中还可以进行移位操作,具体步骤如下:
步骤1、设当前生物特征为B,将B转化为n位二进制编码(b1,...bn),设i=1,移动位数位k;
步骤2、设生物特征数据库中的存储的数据条目的数量为m,如果i≤m,执行步骤3,否则执行步骤;
步骤4、令i=i+1,执行步骤2;
步骤5、在d1,...,dm中选择最小的一个值dmin,将其与设定的阈值比较,如果小于阈值则该生物特征匹配,否则不匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222133.2A CN110909335A (zh) | 2019-12-03 | 2019-12-03 | 一种对可用于隐私保护的二进制生物特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911222133.2A CN110909335A (zh) | 2019-12-03 | 2019-12-03 | 一种对可用于隐私保护的二进制生物特征识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110909335A true CN110909335A (zh) | 2020-03-24 |
Family
ID=69822109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911222133.2A Pending CN110909335A (zh) | 2019-12-03 | 2019-12-03 | 一种对可用于隐私保护的二进制生物特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909335A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598576A (zh) * | 2020-05-22 | 2020-08-28 | 支付宝(杭州)信息技术有限公司 | 保护隐私的图像信息处理方法及装置 |
-
2019
- 2019-12-03 CN CN201911222133.2A patent/CN110909335A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598576A (zh) * | 2020-05-22 | 2020-08-28 | 支付宝(杭州)信息技术有限公司 | 保护隐私的图像信息处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Secure sketch for biometric templates | |
Abdullahi et al. | Fractal coding-based robust and alignment-free fingerprint image hashing | |
CN101777115B (zh) | 一种安全的指纹认证方法及系统 | |
US8314682B2 (en) | Processing biometric data in a multidimensional coordinate system | |
CN105553657B (zh) | 一种特征级融合的指纹模糊金库实现方法 | |
CN110635807B (zh) | 一种数据编码方法及译码方法 | |
Lim et al. | Biometric feature-type transformation: Making templates compatible for secret protection | |
Lim et al. | An efficient dynamic reliability-dependent bit allocation for biometric discretization | |
Chang et al. | Hiding secret points amidst chaff | |
CN108182401B (zh) | 一种基于聚合块信息的安全虹膜识别方法 | |
Drozdowski et al. | Benchmarking binarisation schemes for deep face templates | |
CN109635756B (zh) | 融合指纹与指静脉的二维码身份认证方法 | |
Kaur et al. | Cryptographic key generation from multimodal template using fuzzy extractor | |
Yuan | Multimodal cryptosystem based on fuzzy commitment | |
Wu et al. | Fingerprint bio‐key generation based on a deep neural network | |
CN110909335A (zh) | 一种对可用于隐私保护的二进制生物特征识别方法 | |
CN111274571B (zh) | 局部排序和负数据库相结合的虹膜模板保护方法及系统 | |
CN110659535B (zh) | 一种基于指纹识别的私钥生成方法及系统 | |
Nandini et al. | Efficient cryptographic key generation from fingerprint using symmetric hash functions | |
CN115205908A (zh) | 基于深度哈希和注意力机制的可撤销掌纹识别方法 | |
Nasiri et al. | Alignment-free fingerprint cryptosystem based on multiple fuzzy vaults | |
Imamverdiev et al. | A method for cryptographic key generation from fingerprints | |
Lai et al. | Breaking free from entropy’s shackles: cosine distance-sensitive error correction for reliable biometric cryptography | |
CN112422273A (zh) | 一种基于比特自检puf的无偏响应去偏结构及生成方法 | |
Tran et al. | Security and Privacy Enhanced Gait Authentication with Random Representation Learning and Digital Lockers |
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 |