CN113268769A - 基于随机混淆的生物特征数据处理方法、系统及存储介质 - Google Patents
基于随机混淆的生物特征数据处理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN113268769A CN113268769A CN202110572118.1A CN202110572118A CN113268769A CN 113268769 A CN113268769 A CN 113268769A CN 202110572118 A CN202110572118 A CN 202110572118A CN 113268769 A CN113268769 A CN 113268769A
- Authority
- CN
- China
- Prior art keywords
- biological characteristic
- confusion
- file
- source file
- data source
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 title claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 230000006798 recombination Effects 0.000 claims abstract description 8
- 238000005215 recombination Methods 0.000 claims abstract description 8
- 210000003462 vein Anatomy 0.000 claims description 35
- 238000012916 structural analysis Methods 0.000 claims description 26
- 238000003672 processing method Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000008521 reorganization Effects 0.000 claims description 6
- 210000000554 iris Anatomy 0.000 description 51
- 230000000875 corresponding effect Effects 0.000 description 40
- 210000001747 pupil Anatomy 0.000 description 10
- 238000012512 characterization method Methods 0.000 description 9
- 210000001508 eye Anatomy 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 210000000695 crystalline len Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000003786 sclera Anatomy 0.000 description 2
- 210000002460 smooth muscle Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000008175 fetal development Effects 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F21/60—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
Abstract
本发明涉及身份认证技术领域,提供一种基于随机混淆的生物特征数据处理方法、系统及存储介质,其中的方法包括:获取生物特征数据源文件;对获取的所述生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库。本发明提供的技术方案既能够解决现有的生物特征数据源文件在获取与传输过程中,易被非法破解、非法拦截,导致用户身份信息的泄露的问题。
Description
技术领域
本发明涉及身份认证技术领域,尤其涉及一种基于随机混淆的生物特征数据处理方法、系统、装置及存储介质。
背景技术
生物识别技术是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合,利用人体固有的生理特性(如声纹、人脸、虹膜、指静脉、掌静脉等)和行为特征(如笔迹、声音、步态等)来进行个人身份的鉴定和识别。
人体固有的各类生理特性作为个人生物特征之一,是个人信息的一部分,在采集、传输和使用等应用环节,因此应满足国家对个人信息安全保护的要求进行有效保护,避免信息的丢失或者被盗取,进而引发个人损失。
然而,在现有的生物特征识别应用中,对于采集的指纹数据、人脸数据、虹膜数据、指静脉数据以及掌静脉数据等,均未进行有效保护便进行落盘存储或进行传输,因此,存在被盗取、拦截等安全隐患,不利于个人信息的保护。比如,移动终端APP等应用程序或应用系统,在使用摄像头或摄像机等采集设备,获取到使用者(用户)的人脸图像信息或视频信息,存储在本地磁盘、网络传输或存储在服务器端数据库或磁盘上,这些被直接传输和存储的人脸图像信息或特征信息,在应用程序或应用系统中被非法破解、非法拦截时,将导致用户身份信息的泄露,进而引发信息安全隐患,后续该用户存在被替换、盗用人脸信息的潜在风险。
基于以上技术问题,为了加强对用户的生物特征信息的保护,亟需一种能够有效防止生物特征信息在获取以及传输过程中被盗取的问题。
发明内容
本发明提供一种基于随机混淆的生物特征数据处理方法、系统、电子装置以及计算机存储介质,其主要目的在于解决现有的生物特征数据源文件在获取与传输过程中,易被非法破解、非法拦截,导致用户身份信息的泄露的问题。
为实现上述目的,本发明提供一种基于随机混淆的生物特征数据处理方法,应用于电子装置,所述方法包括:
获取生物特征数据源文件;
对获取的生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库。
优选地,所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,并且,在所述混淆数据库基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略之后,还包括:
根据所述混淆数据库提供的混淆策略对所述生物特征混淆文件进行逆向操作,以还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
优选地,对获取的各生物特征数据源文件进行预处理包括:
对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置;
基于预设随机数生成算法生成一位切分分类数,所述切分分类数包括0或1;
若所述切分分类数为0,则自所述居中位置向左右两侧将所述生物特征数据源文件随机切分为n份;若所述切分分类数为1,则自所述居中位置向上下两侧将所述生物特征数据源文件随机切分为n份。
优选地,所述生物特征数据源文件包括人脸数据文件、虹膜数据文件、声纹数据文件以及指静脉数据文件;其中,
若所述生物特征数据源文件为人脸数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行人脸结构分析以定位出所述生物特征数据源文件中的各人脸要素的位置;基于各人脸要素的位置确定所述生物特征数据源文件的居中位置;
若所述生物特征数据源文件为虹膜数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行结构分析以定位出所述生物特征数据源文件中的瞳孔中心的位置;以所述瞳孔中心的位置作为所述生物特征数据源文件的居中位置;
若所述生物特征数据源文件为声纹数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行波纹结构分析以定位出所述生物特征数据源文件中的各波峰或各波谷的位置;基于各波峰或各波谷的位置确定所述生物特征数据源文件的中心波峰或中心波谷;以所述中心波峰或所述中心波谷的位置作为所述居中位置;
若所述生物特征数据源文件为指静脉数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行结构分析以定位出所述生物特征数据源文件中的第一清晰节点位置;以所述第一清晰节点位置作为所述居中位置。
优选地,基于所述随机数n生成混淆策略的过程包括:
根据所述随机数n生成一个随机数序列;其中,所述随机数序列中包含n个不重复的数字,并且,设所述随机数序列中任意一个位置的数字为x,则1≤x≤n;
根据所述随机数序列生成所述混淆策略;其中,所述混淆策略为:
根据切分位置对划分后的n份生物特征切分数据进行排序标记;
根据所述随机数序列对排序标记后的n份生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
优选地,根据所述随机数序列对排序标记的n份生物特征切分数据进行重新排序重组的过程包括:
设所述随机数序列的第k个位置的随机数为x,则在重新排序重组后生成的所述生物特征混淆文件的第k个位置存放第x个所述生物特征切分数据。
优选地,基于所述随机数n生成混淆策略的过程包括,
根据所述随机数n生成一个随机数序列;其中,所述随机数序列中包含n-1个不重复的数字,并且,设所述随机数序列中任意一个位置的数字为x,则1≤x≤n-1;
根据所述随机数序列生成所述混淆策略;其中,所述混淆策略为:
根据切分位置对划分后n份生物特征切分数据进行排序标记,并将第一份生物特征切分数据记为拼接数据;
基于预设随机数生成算法生成一位融合分类数,所述融合分类数包括0或1;其中,
若所述融合分类数为0,则根据所述随机数序列对划分后n份生物特征切分数据中的后n-1份进行重新排序重组,第一个位置的所述拼接数据的位置不变,以生成所述生物特征混淆文件;若所述融合分类数为1,则在后续的n-1份的所述生物特征切分数据之前均拼接上所述拼接数据;并根据所述随机数序列对拼接后的n-1份所述生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
另一方面,本发明还提供一种基于随机混淆的生物特征数据处理系统所述系统包括:
文件获取单元,用于获取生物特征数据源文件;
预处理单元,用于对获取的生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
混淆重组单元,用于基于随机数n生成混淆策略,并基于所述混淆策略对划分后n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略存储至预设混淆数据库;
所述混淆数据库,用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
另一方面,本发明还提供一种电子装置,所述电子装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的基于随机混淆的生物特征数据处理程序,所述基于随机混淆的生物特征数据处理程序被所述处理器执行时实现如下步骤:
对获取的各生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
另一方面,本发明还提供一种可读存储介质,所述计算机可读存储介质中存储有基于随机混淆的生物特征数据处理程序,所述基于随机混淆的生物特征数据处理程序被处理器执行时,实现前述的基于随机混淆的生物特征数据处理方法中的步骤。
本发明提出的基于随机混淆的生物特征数据处理方法、电子装置及计算机可读存储介质,通过预设的切分规则对各类生物特征数据源文件进行处理,找到各生物特征数据源文件的居中位置,然后以该居中位置为中心,对各生物特征数据源文件进行切分,将各生物特征数据源文件随机切分为n份,然后以随机数n设定相应的混淆策略,通过混淆策略混淆生物特征数据源文件各部分的数据的顺序,能够加大各生物特征数据源文件被获取使用的难度及其有用性,保护了各生物特征数据源文件,提升个人身份信息安全性;此外通过引入与随机数相关的混淆策略,进一步提升了混淆后数据的安全性,避免攻击者拦击破解混淆策略导致生物特征数据的泄露;并且,通过混淆策略还可以快速实现逆向操作,对各生物特征数据源文件进行还原。
附图说明
图1为根据本发明实施例的基于随机混淆的生物特征数据处理方法的较佳实施例流程图;
图2为根据本发明实施例的电子装置的较佳实施例结构示意图;
图3为根据本发明实施例的基于随机混淆的生物特征数据处理程序的内部逻辑示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
在下面的描述中,出于说明的目的,为了提供对一个或多个实施例的全面理解,阐述了许多具体细节。然而,很明显,也可以在没有这些具体细节的情况下实现这些实施例。
以下将结合附图对本申请的具体实施例进行详细描述。
实施例1
为了说明本发明提供的基于随机混淆的生物特征数据处理方法,图1示出了根据本发明提供的基于随机混淆的生物特征数据处理方法的流程。
如图1所示,本发明提供的基于随机混淆的生物特征数据处理方法,包括:
S110:获取生物特征数据源文件。
S120:对获取的生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数。
具体地,对获取的各生物特征数据源文件进行预处理的过程包括:
对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置;
基于预设随机数生成算法生成一位切分分类数,所述切分分类数包括0或1;
若所述切分分类数为0,则自所述居中位置向左右两侧将所述生物特征数据源文件随机切分为n份;若所述切分分类数为1,则自所述居中位置向上下两侧将所述生物特征数据源文件随机切分为n份。
需要说明的是,所述生物特征数据源文件包括人脸数据文件、虹膜数据文件、声纹数据文件以及指静脉数据文件;其中,
若该生物特征数据源文件为人脸数据文件;则对该生物特征数据源文件进行结构分析以确定该生物特征数据源文件中的居中位置的过程包括:对该生物特征数据源文件进行人脸结构分析以定位出该生物特征数据源文件中的各人脸要素的位置;基于各人脸要素的位置确定该生物特征数据源文件的居中位置;
若该生物特征数据源文件为虹膜数据文件;则对该生物特征数据源文件进行结构分析以确定该生物特征数据源文件中的居中位置的过程包括:对该生物特征数据源文件进行结构分析以定位出该生物特征数据源文件中的瞳孔中心的位置;以该瞳孔中心的位置作为该生物特征数据源文件的居中位置;
若该生物特征数据源文件为声纹数据文件;则对该生物特征数据源文件进行结构分析以确定该生物特征数据源文件中的居中位置的过程包括:对该生物特征数据源文件进行波纹结构分析以定位出该生物特征数据源文件中的各波峰或各波谷的位置;基于各波峰或各波谷的位置确定该生物特征数据源文件的中心波峰或中心波谷;以该中心波峰或该中心波谷的位置作为该居中位置;
若该生物特征数据源文件为指静脉数据文件;则对该生物特征数据源文件进行结构分析以确定该生物特征数据源文件中的居中位置的过程包括:对该生物特征数据源文件进行结构分析以定位出该生物特征数据源文件中的第一清晰节点位置;以该第一清晰节点位置作为该居中位置。
进一步地,若该生物特征数据源文件为人脸数据文件,则在获取人脸源文件的过程中,需要先通过摄像头等电子设备,获取原始人脸样本,然后对该人脸样本进行结构分析,定位眼睛、鼻子、嘴巴等人脸要素的位置,并获取人脸的居中位置,最后再按照由中间到两侧的顺序将原始人脸样本随机切分为n份,其中,为提升后续的混淆程度,确保人脸源文件的安全性能,n通常需要大于10。
需要说明的是,在对该人脸样本进行结构分析的过程中,可以通过神经网络模型对眼睛、鼻子、嘴巴等人脸要素的位置进行准确定位;比如,当两只眼睛定位后,以两只眼睛和嘴巴构成三角形,取三角形的几何中心,并通过鼻子的定位点对该几何中心进行校正,从而确定该人脸样本的居中位置,最后再按照由中间到两侧的顺序将原始人脸样本随机切分为n份。
在通过神经网络对各人脸要素的位置进行定位的过程中,需要对人脸图像中的各人脸要素的位置进行人脸图像特征提取,人脸图像特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸图像特征提取就是针对人脸图像的某些器官特征进行的。人脸图像特征提取,也称人脸表征,它是对人脸图像进行特征建模的过程。人脸图像特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法,另外一种是基于代数特征或统计学习的表征方法。
其中,基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些局部和它们之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
在提取出人脸图像的各人脸要素的位置的特征后,通过这些人脸图像特征基于神经网络模型即可实现对眼睛、鼻子、嘴巴等人脸要素的位置进行准确定位。
需要说明的是,本发明此处的目的主要是对人脸源文件进行随机划分,对于如何通过神经网络模型对人脸的各部分(包括眼睛、鼻子、嘴巴等位置)进行准确定位,相关技术中已有诸多解决方案,在此对其原理不再赘述。
另外,在对原始人脸样本随机切分为n份的过程中,需要先通过预设的随机数生成器生成随机数n,然后以原始人脸样本的居中位置到两侧将原始人脸样本切分为n份。对于各份的大小,可以进行等分,即分割后的n份人脸数据大小相等。当然,为进一步提升数据的安全性能,可以根据人脸要素的特征将n份的人脸数据的大小设置为大小各不相同的部分(以人脸居中位置向外等差或等比变化)。
进一步地,若该生物特征数据源文件为虹膜数据文件,则在将各虹膜源文件随机划分为n份的虹膜数据的过程中,基于预设随机数生成算法,随机生成一位分类数(0或1),基于该分类数,确定相应的随机切分方法,其中0表示左右切分,1表示上下切分。
具体地,在获取虹膜源文件的过程中,需要先通过摄像头等电子设备,获取原始虹膜图像样本,然后对该虹膜图像样本进行结构分析,定位瞳孔等虹膜要素的位置,并以瞳孔的中心位置作为虹膜的居中位置,获取左右眼虹膜的居中位置,进而定位采集到的虹膜影像的上下居中位置和左右居中位置,最后根据切分的随机策略,当随机策略确定为左右混淆时,由居中位置到两侧(或以该居中位置为对称中心到四周)将原始虹膜样本随机切分为n份,当切分随机策略确定为上下混淆时,由居中位置到上下边缘将原始红魔样本随机切分为n份,其中,为提升后续的混淆程度,确保虹膜源文件的安全性能,n通常需要大于10。
在通过神经网络对瞳孔位置进行准确定位的过程中,可以对虹膜图像中的瞳孔等虹膜要素的位置进行虹膜图像特征提取,虹膜图像特征通常分为视觉特征、像素统计特征、虹膜图像变换系数特征、虹膜图像代数特征等。虹膜特征提取就是针对虹膜的某些特征进行的。虹膜特征提取,也称虹膜表征,它是对虹膜进行特征建模的过程。虹膜特征提取的方法归纳起来分为两大类:一种是基于知识的表征方法。基于知识的表征方法主要是根据虹膜器官的形状描述以及他们之间的距离特性来获得有助于虹膜分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等。人的眼睛结构由巩膜、虹膜、瞳孔﹑晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分,其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。而且虹膜在胎儿发育阶段形成后,在整个生命历程中将是保持不变的。这些特征决定了虹膜特征的唯一性,同时也决定了身份识别的唯一性。因此,可以将眼睛的虹膜特征作为每个人的身份识别对象。虹膜由内部瞳孔、血管、平滑肌等局部结构构成,对这些局部和它们之间结构关系的几何描述,可作为识别虹膜的重要特征,这些特征被称为几何特征。基于知识的虹膜表征主要包括基于几何特征的方法和模板匹配法。
在提取出虹膜图像的瞳孔位置的特征后,通过这位虹膜图像特征基于神经网络模型即可实现对瞳孔位置进行准确定位。
需要说明的是,本发明此处的目的主要是对虹膜源文件进行随机划分,对于如何基于特征通过神经网络模型对虹膜的瞳孔位置进行准确定位,相关技术中已有诸多解决方案,在此对其原理不再赘述。
另外,在对原始虹膜样本随机切分为n份的过程中,需要先通过预设的随机数生成器生成随机数n,然后以原始虹膜样本的居中位置到两侧(或以该居中位置为对称中心到四周)将原始虹膜样本切分为n份。对于各份的大小,可以进行等分,即分割后的n份虹膜数据大小相等。当然,为进一步提升数据的安全性能,可以根据虹膜要素的特征将n份的虹膜数据的大小设置为各不相同(以虹膜居中位置向外等差或等比变化)。
进一步地,若该生物特征数据源文件为声纹数据文件,则,在获取声纹源文件(即文件类型为声纹数据文件类型的生物特征数据源文件,下同)的过程中,需要先通过麦克风等电子设备,获取原始声纹样本,然后对该生物特征数据源文件进行波纹结构分析以定位出该生物特征数据源文件中的各波峰或各波谷的位置;基于各波峰或各波谷的位置确定该生物特征数据源文件的中心波峰或中心波谷;以该中心波峰或该中心波谷的位置作为该居中位置;当然也可以对该声纹样本进行波纹分析,从左到右,定位各个个波峰(或波谷)的位置,基于定位波峰(或波谷)从左到右相邻两个波峰或波谷作为一个片段,切分成独立的声纹片段子文件,最后将原始声纹样本按照波峰或波谷的分布情况切分为n份。
需要说明的是,在对该声纹样本进行波纹分析的过程中,需要通过声波传感器、示波器等电子设备对该声波源文件中的波峰或波谷进行准确定位,从而确定该声纹样本的所有波峰或波谷位置,最后再由相邻的波峰或波谷将原始声纹样本切分为n份。
需要说明的是,本发明此处的目的主要是对声纹源文件进行随机划分,对于如何基于特征通过神经网络模型对声纹的波峰或波谷位置进行准确定位,相关技术中已有诸多解决方案,在此对其原理不再赘述。
另外,在对原始声纹样本切分为n份的过程中,各份的大小,可以进行等分,即分割后的n份声纹数据大小相等。当然,为进一步提升数据的安全性能,可以根据声纹特征将n份的声纹数据的大小设置为各不相同(以声纹波峰或波谷居中位置向外等差或等比变化)。
进一步地,若该生物特征数据源文件为指静脉数据文件,则在获取指静脉源文件(即为文件类型为指静脉数据文件类型的生物特征数据源文件,下同)的过程中,需要先通过红外线CCD摄像头等电子设备,获取原始指静脉图像样本(行为人的手指静脉的图像),然后对该指静脉图像样本进行结构分析,定位出指静脉图像中最清晰的位置,并由最清晰的位置到两侧(或以该最清晰位置为对称中心到四周)将原始指静脉样本随机切分为n份。
需要说明的是,在对该指静脉样本进行结构分析的过程中,将血管图样进行数字处理,制成血管图样影像,然后通过静脉识别仪取得个人静脉分布图,从静脉分布图依据专用比对算法提取特征值,最后再由各特征值确定出指静脉图像中最清晰的位置,最后再由最清晰的位置到两侧将原始指静脉样本随机切分为n份。
需要说明的是,本发明此处的目的主要是对指静脉源文件进行随机划分,对于如何通过专用比对算法提取特征值,并基于特征值对指静脉的最清晰的位置进行准确定位,相关技术中已有诸多解决方案,在此对其原理不再赘述。
另外,在对原始指静脉样本随机切分为n份的过程中,需要先通过预设的随机数生成器生成随机数n,然后以原始指静脉样本的居中位置到两侧(或以该居中位置为对称中心到四周)将原始指静脉样本切分为n份。对于各份的大小,可以进行等分,即分割后的n份指静脉数据大小相等。当然,为进一步提升数据的安全性能,可以将n份的指静脉数据的大小设置为各不相同(以指静脉居中位置向外等差或等比变化)。
S130:基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
具体地,基于随机数n生成混淆策略的过程包括:
根据该随机数n生成一个随机数序列;其中,该随机数序列中包含n个不重复的数字,中间用特殊分隔符(如|)分割(例如,若随机数为20,则生成的随机数序列可为1|2……20,当然,1至20的任意排列组合序列均可,此处由后续的混淆策略生成器随机生成),并且,设该随机数序列中任意一个位置的数字为x,则1≤x≤n;
根据该随机数序列生成该混淆策略;其中,该混淆策略为:
根据切分位置对划分后的n份生物特征切分数据进行排序标记;
根据所述随机数序列对排序标记后的n份生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
更为具体地,根据该随机数序列排序标记后的n份生物特征切分数据进行重新排序重组的过程包括:
设所述随机数序列的第k个位置的随机数为x,则在重新排序重组后生成的所述生物特征混淆文件的第k个位置存放第x个所述生物特征切分数据。
为提升混淆效果,基于随机数n生成混淆策略的过程还可以设置为:
根据所述随机数n生成一个随机数序列;其中,所述随机数序列中包含n-1个不重复的数字,并且,设所述随机数序列中任意一个位置的数字为x,则1≤x≤n-1;
根据所述随机数序列生成所述混淆策略;其中,所述混淆策略为:
根据切分位置对划分后n份生物特征切分数据进行排序标记,并将第一份生物特征切分数据记为拼接数据;
基于预设随机数生成算法生成一位融合分类数,所述融合分类数包括0或1;其中,
若所述融合分类数为0,则根据所述随机数序列对划分后n份生物特征切分数据中的后n-1份进行重新排序重组,第一个位置的所述拼接数据的位置不变,以生成所述生物特征混淆文件;若所述融合分类数为1,则在后续的n-1份的所述生物特征切分数据之前均拼接上所述拼接数据;并根据所述随机数序列对拼接后的n-1份所述生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
具体地,将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库,将该混淆策略与该生物特征混淆文件进行拼接,并将拼接后的该生物特征混淆文件存储至预设的混淆数据库。
需要说明的是,在混淆数据库的每一个生物特征混淆文件中均与相应的混淆策略一一对应,在后续的数据处理过程中,只需通过混淆策略即可对人脸混淆文件进行解析,以获取相对应的原始生物特征数据源文件。
具体地,在基于实时生物特征数据需求,自该混淆数据库中获取相应的该生物特征混淆文件以及相应的该混淆策略的过程中,需要运用数据匹配与识别技术,包括:人脸识别、指纹识别、虹膜识别以及指静脉识别,可根据实际需求选择相应的识别技术。
以对人脸数据文件类型的生物特征数据源文件为例,在匹配过程中,需要基于相应的人脸数据需求确定所需的人脸图像的特征数据,然后与混淆数据库中存储的各人脸数据混淆文件中的各分割后的人脸数据的特征进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的人脸数据混淆文件输出。需要说明的是,人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对一进行图像比较的过程,另一类是辨认,是一对多进行图像匹配对比的过程
需要说明的是,在所述混淆数据库基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略之后,还包括:根据所述混淆数据库提供的混淆策略对所述生物特征混淆文件进行逆向操作,以还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
具体地,在自该混淆数据库中获取相应的生物特征混淆文件后,需要逆向操作还原出相应的生物特征数据源文件,在逆向操作还原相应的生物特征数据源文件的过程中,需要将生物特征混淆文件中的k位置的人脸数据文件进行转换至第x位置,然后进行重组,即可还原出相应的生物特征数据源文件。并且,在生物特征数据源文件还原后,即可根据实时生物特征数据需求对该生物特征数据源文件进行应用。
通过上述具体实施例可知,本发明提出的基于随机混淆的生物特征数据处理方法、电子装置及计算机可读存储介质,通过预设的切分规则对各类生物特征数据源文件进行处理,找到各生物特征数据源文件的居中位置,然后以该居中位置为中心,对各生物特征数据源文件进行切分,将各生物特征数据源文件随机切分为n份,然后以随机数n设定相应的混淆策略,通过混淆策略混淆指静脉源文件各部分的数据的顺序,能够加大各生物特征数据源文件被获取使用的难度及其有用性,保护了各生物特征数据源文件,提升个人身份信息安全性;此外通过引入与随机数相关的混淆策略,进一步提升了混淆后数据的安全性,避免攻击者拦击破解混淆策略导致指静脉数据的泄露;并且,通过混淆策略还可以快速实现逆向操作,对各生物特征数据源文件进行还原。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例2
与上述方法相对应,本申请还提供一种基于随机混淆的生物特征数据处理系统,该系统包括:
文件获取单元,用于获取生物特征数据源文件;
预处理单元,用于对获取的生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
混淆重组单元,用于基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
此外,该系统还可以包括文件还原单元,用于基于实时生物特征数据需求,自所述混淆数据库中获取相应的所述生物特征混淆文件以及相应的所述混淆策略,并根据获取的所述混淆策略对获取的所述生物特征混淆文件进行逆向操作,以还原出相应的所述生物特征数据源文件。
具体地,本发明提供的基于随机混淆的生物特征数据处理系统还可以包含指令控制器、数据总线、随机数生成器、混淆策略生成器、生物特征数据源文件采集器以及生物特征混淆文件生成器。
其中,指令控制器用于生成控制指令,控制各单元进行工作,指令通过指令总线流转到对应的工作单元,各工作单元接收指令后完成具体操作,并将生成的数据传输到数据总线。
其中,生物特征数据源文件采集器主要用于生物特征数据源文件采集。以人脸数据文件为例,不同的人脸图像都能通过摄像镜头采集下来,比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄用户的人脸图像。此外,生物特征数据源文件采集器还用于人脸检测,人脸检测在实际中主要用于人脸识别的预处理,即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
具体地,主流的人脸检测方法基于以上特征采用Adaboost学习算法,Adaboost算法是一种用来分类的方法,它把一些比较弱的分类方法合在一起,组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器,再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,有效地提高分类器的检测速度。
具体地,对于人脸的图像预处理是基于人脸检测结果,对图像进行处理并最终服务于特征提取的过程。系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言,其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
随机数生成器:随机数生成器采用雪花SnowFlakes算法生成随机数n。
具体地,混淆策略生成器,用于根据随机数生成器生成的随机数n,生成混淆策略。
生物特征混淆文件生成器,根据混淆策略重新组织合成混淆文件,具体为混淆策略中随机数序列第k个数为x,表示混淆文件中的第k个位置存放分割后生物特征文件中的第x个文件块,合成之后。再与混淆策略拼接形成最终的生物特征混淆文件,传输到数据总线,从而完成生物特征数据源文件的处理。
实施例3
本发明还提供一种电子装置70。参照图2所示,该图为本发明提供的电子装置70的较佳实施例结构示意图。
在本实施例中,电子装置70可以是服务器、智能手机、平板电脑、便携计算机、桌上型计算机等具有运算功能的终端设备。
该电子装置70包括:处理器71以及存储器72。
存储器72包括至少一种类型的可读存储介质。至少一种类型的可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器等的非易失性存储介质。在一些实施例中,可读存储介质可以是该电子装置70的内部存储单元,例如该电子装置70的硬盘。在另一些实施例中,可读存储介质也可以是电子装置1的外部存储器,例如电子装置70上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
在本实施例中,存储器72的可读存储介质通常用于存储安装于电子装置70的基于随机混淆的生物特征数据处理程序73。存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
处理器72在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器72中存储的程序代码或处理数据,例如基于随机混淆的生物特征数据处理程序73等。
在一些实施例中,电子装置70为智能手机、平板电脑、便携计算机等的终端设备。在其他实施例中,电子装置70可以为服务器。
图2仅示出了具有组件71-73的电子装置70,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
可选地,该电子装置70还可以包括用户接口,用户接口可以包括输入单元比如键盘(Keyboard)、语音输入装置比如麦克风(microphone)等具有语音识别功能的设备、语音输出装置比如音响、耳机等,可选地用户接口还可以包括标准的有线接口、无线接口。
可选地,该电子装置70还可以包括显示器,显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)触摸器等。显示器用于显示在电子装置70中处理的信息以及用于显示可视化的用户界面。
可选地,该电子装置70还可以包括触摸传感器。触摸传感器所提供的供用户进行触摸操作的区域称为触控区域。此外,这里的触摸传感器可以为电阻式触摸传感器、电容式触摸传感器等。而且,触摸传感器不仅包括接触式的触摸传感器,也可包括接近式的触摸传感器等。此外,触摸传感器可以为单个传感器,也可以为例如阵列布置的多个传感器。
此外,该电子装置70的显示器的面积可以与触摸传感器的面积相同,也可以不同。可选地,将显示器与触摸传感器层叠设置,以形成触摸显示屏。该装置基于触摸显示屏侦测用户触发的触控操作。
可选地,该电子装置70还可以包括射频(Radio Frequency,RF)电路,传感器、音频电路等等,在此不再赘述。
在图2所示的装置实施例中,作为一种计算机存储介质的存储器72中可以包括操作系统、以及基于随机混淆的生物特征数据处理程序73;处理器71执行存储器72中存储的基于随机混淆的生物特征数据处理程序73时实现如下步骤:
对获取的各生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
在该实施例中,图3为根据本发明实施例的基于随机混淆的生物特征数据处理程序的内部逻辑示意图,如图3所示,基于随机混淆的生物特征数据处理程序73还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器72中,并由处理器71执行,以完成本发明。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。参照图3所示,为图2中基于随机混淆的生物特征数据处理程序73较佳实施例的程序模块图。基于随机混淆的生物特征数据处理程序73可以被分割为:文件获取单元74、预处理模块75以及混淆重组模块76。模块74-76所实现的功能或操作步骤均与上文类似,此处不再详述,示例性地,例如,其中:
文件获取单元74,用于获取生物特征数据源文件;
预处理模块75,用于对获取的生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
混淆重组模块76,用于基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
文件还原模块,用于基于实时生物特征数据需求,自所述混淆数据库中获取相应的所述生物特征混淆文件以及相应的所述混淆策略,并根据获取的所述混淆策略对获取的所述生物特征混淆文件进行逆向操作,以还原出相应的所述生物特征数据源文件。
实施例4
本发明还提供一种计算机可读存储介质,计算机可读存储介质中存储有基于随机混淆的生物特征数据处理程序73,基于随机混淆的生物特征数据处理程序73被处理器执行时实现如下操作:
对获取的各生物特征数据源文件进行预处理,以将各生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库;其中,
所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略,以通过所述混淆策略对所述生物特征混淆文件进行逆向操作还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
本发明提供的计算机可读存储介质的具体实施方式与上述基于随机混淆的生物特征数据处理方法、电子装置的具体实施方式大致相同,在此不再赘述。
需要说明的是,本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
需要进一步说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于随机混淆的生物特征数据处理方法,应用于电子装置,其特征在于,所述方法包括:
获取生物特征数据源文件;
对获取的所述生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库。
2.根据权利要求1所述的基于随机混淆的生物特征数据处理方法,其特征在于,所述混淆数据库用于基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略;并且,在所述混淆数据库基于实时生物特征数据需求提供与所述实时生物特征数据需求相对应的生物特征混淆文件和混淆策略之后,还包括:
根据所述混淆数据库提供的混淆策略对所述生物特征混淆文件进行逆向操作,以还原出与所述生物特征混淆文件相对应的生物特征数据源文件。
3.根据权利要求1或2所述的基于随机混淆的生物特征数据处理方法,其特征在于,对获取的各生物特征数据源文件进行预处理包括:
对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置;
基于预设随机数生成算法生成一位切分分类数,所述切分分类数包括0或1;
若所述切分分类数为0,则自所述居中位置向左右两侧将所述生物特征数据源文件随机切分为n份;若所述切分分类数为1,则自所述居中位置向上下两侧将所述生物特征数据源文件随机切分为n份。
4.根据权利要求3所述的基于随机混淆的生物特征数据处理方法,所述生物特征数据源文件包括人脸数据文件、虹膜数据文件、声纹数据文件以及指静脉数据文件;其中,
若所述生物特征数据源文件为人脸数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行人脸结构分析以定位出所述生物特征数据源文件中的各人脸要素的位置;基于各人脸要素的位置确定所述生物特征数据源文件的居中位置;
若所述生物特征数据源文件为虹膜数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行结构分析以定位出所述生物特征数据源文件中的瞳孔中心的位置;以所述瞳孔中心的位置作为所述生物特征数据源文件的居中位置;
若所述生物特征数据源文件为声纹数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行波纹结构分析以定位出所述生物特征数据源文件中的各波峰或各波谷的位置;基于各波峰或各波谷的位置确定所述生物特征数据源文件的中心波峰或中心波谷;以所述中心波峰或所述中心波谷的位置作为所述居中位置;
若所述生物特征数据源文件为指静脉数据文件;则对所述生物特征数据源文件进行结构分析以确定所述生物特征数据源文件中的居中位置的过程包括:对所述生物特征数据源文件进行结构分析以定位出所述生物特征数据源文件中的第一清晰节点位置;以所述第一清晰节点位置作为所述居中位置。
5.根据权利要求1所述的基于随机混淆的生物特征数据处理方法,其特征在于,基于所述随机数n生成混淆策略的过程包括:
根据所述随机数n生成一个随机数序列;其中,所述随机数序列中包含n个不重复的数字,并且,设所述随机数序列中任意一个位置的数字为x,则1≤x≤n;
根据所述随机数序列生成所述混淆策略;其中,所述混淆策略为:
根据切分位置对划分后的n份生物特征切分数据进行排序标记;
根据所述随机数序列对排序标记后的n份生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
6.根据权利要求5所述的基于随机混淆的生物特征数据处理方法,其特征在于,根据所述随机数序列对排序标记后的n份生物特征切分数据进行重新排序重组的过程包括:
设所述随机数序列的第k个位置的随机数为x,则在重新排序重组后生成的所述生物特征混淆文件的第k个位置存放第x个所述生物特征切分数据。
7.根据权利要求1所述的基于随机混淆的生物特征数据处理方法,其特征在于,基于所述随机数n生成混淆策略的过程包括,
根据所述随机数n生成一个随机数序列;其中,所述随机数序列中包含n-1个不重复的数字,并且,设所述随机数序列中任意一个位置的数字为x,则1≤x≤n-1;
根据所述随机数序列生成所述混淆策略;其中,所述混淆策略为:
根据切分位置对划分后n份生物特征切分数据进行排序标记,并将第一份生物特征切分数据记为拼接数据;
基于预设随机数生成算法生成一位融合分类数,所述融合分类数包括0或1;其中,
若所述融合分类数为0,则根据所述随机数序列对划分后n份生物特征切分数据中的后n-1份进行重新排序重组,第一个位置的所述拼接数据的位置不变,以生成所述生物特征混淆文件;若所述融合分类数为1,则在后续的n-1份的所述生物特征切分数据之前均拼接上所述拼接数据;并根据所述随机数序列对拼接后的n-1份所述生物特征切分数据进行重新排序重组,以生成所述生物特征混淆文件。
8.一种基于随机混淆的生物特征数据处理系统,其特征在于,所述系统包括:
文件获取单元,用于获取生物特征数据源文件;
预处理单元,用于对获取的生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
混淆重组单元,用于基于随机数n生成混淆策略,并基于所述混淆策略对划分后n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略存储至预设混淆数据库。
9.一种电子装置,其特征在于,所述电子装置包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的基于随机混淆的生物特征数据处理程序,所述基于随机混淆的生物特征数据处理程序被所述处理器执行时实现如下步骤:
获取生物特征数据源文件;
对获取的生物特征数据源文件进行预处理,以将生物特征数据源文件随机划分为n份生物特征切分数据;其中,n为随机数;
基于所述随机数n生成混淆策略,并基于所述混淆策略对划分后的n份生物特征切分数据进行混淆重组,以生成生物特征混淆文件,并将所述生物特征混淆文件及所述混淆策略关联存储至预设的混淆数据库。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有基于随机混淆的生物特征数据处理程序,所述基于随机混淆的生物特征数据处理程序被处理器执行时,实现如权利要求1至7中任一项所述的基于随机混淆的生物特征数据处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572118.1A CN113268769A (zh) | 2021-05-25 | 2021-05-25 | 基于随机混淆的生物特征数据处理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572118.1A CN113268769A (zh) | 2021-05-25 | 2021-05-25 | 基于随机混淆的生物特征数据处理方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113268769A true CN113268769A (zh) | 2021-08-17 |
Family
ID=77232747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110572118.1A Pending CN113268769A (zh) | 2021-05-25 | 2021-05-25 | 基于随机混淆的生物特征数据处理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268769A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235814A (zh) * | 2023-11-16 | 2023-12-15 | 贵州华谊联盛科技有限公司 | 一种含有时间序列关联混淆数据的数据处理方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986326A (zh) * | 2010-12-01 | 2011-03-16 | 浙江核新同花顺网络信息股份有限公司 | 保护软件安全的方法及装置 |
CN103152556A (zh) * | 2013-03-15 | 2013-06-12 | 云南大学 | 一种用于隐私保护的监控视频加密方法 |
CN106156653A (zh) * | 2016-07-05 | 2016-11-23 | 浪潮(北京)电子信息产业有限公司 | 一种数据存储的方法及系统 |
CN107292133A (zh) * | 2017-05-18 | 2017-10-24 | 深圳中兴网信科技有限公司 | 人工智能的混淆技术方法及装置 |
CN109241757A (zh) * | 2018-08-22 | 2019-01-18 | 石数字技术成都有限公司 | 一种基于人脸识别的文件阅览方法 |
CN110175573A (zh) * | 2019-05-28 | 2019-08-27 | 吉林无罔生物识别科技有限公司 | 人脸和虹膜的编码与验证方法、系统及计算机可读存储介质 |
CN110502913A (zh) * | 2019-08-22 | 2019-11-26 | 天津一鉴楼文化科技有限公司 | 一种对称散列混淆内容的方法 |
CN111866864A (zh) * | 2020-07-17 | 2020-10-30 | 上海市共进通信技术有限公司 | 基于无线ap实现针对云平台证书的加密存储及安全使用管理的方法、装置及存储介质 |
CN112257086A (zh) * | 2020-10-23 | 2021-01-22 | 华云数据控股集团有限公司 | 一种用户隐私数据保护方法及电子设备 |
CN112311740A (zh) * | 2019-07-31 | 2021-02-02 | 深圳市云海物联科技有限公司 | 数据加密方法、数据解密方法、终端及存储介质 |
CN112685750A (zh) * | 2020-12-25 | 2021-04-20 | 联想(北京)有限公司 | 数据处理方法及装置 |
-
2021
- 2021-05-25 CN CN202110572118.1A patent/CN113268769A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986326A (zh) * | 2010-12-01 | 2011-03-16 | 浙江核新同花顺网络信息股份有限公司 | 保护软件安全的方法及装置 |
CN103152556A (zh) * | 2013-03-15 | 2013-06-12 | 云南大学 | 一种用于隐私保护的监控视频加密方法 |
CN106156653A (zh) * | 2016-07-05 | 2016-11-23 | 浪潮(北京)电子信息产业有限公司 | 一种数据存储的方法及系统 |
CN107292133A (zh) * | 2017-05-18 | 2017-10-24 | 深圳中兴网信科技有限公司 | 人工智能的混淆技术方法及装置 |
CN109241757A (zh) * | 2018-08-22 | 2019-01-18 | 石数字技术成都有限公司 | 一种基于人脸识别的文件阅览方法 |
CN110175573A (zh) * | 2019-05-28 | 2019-08-27 | 吉林无罔生物识别科技有限公司 | 人脸和虹膜的编码与验证方法、系统及计算机可读存储介质 |
CN112311740A (zh) * | 2019-07-31 | 2021-02-02 | 深圳市云海物联科技有限公司 | 数据加密方法、数据解密方法、终端及存储介质 |
CN110502913A (zh) * | 2019-08-22 | 2019-11-26 | 天津一鉴楼文化科技有限公司 | 一种对称散列混淆内容的方法 |
CN111866864A (zh) * | 2020-07-17 | 2020-10-30 | 上海市共进通信技术有限公司 | 基于无线ap实现针对云平台证书的加密存储及安全使用管理的方法、装置及存储介质 |
CN112257086A (zh) * | 2020-10-23 | 2021-01-22 | 华云数据控股集团有限公司 | 一种用户隐私数据保护方法及电子设备 |
CN112685750A (zh) * | 2020-12-25 | 2021-04-20 | 联想(北京)有限公司 | 数据处理方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117235814A (zh) * | 2023-11-16 | 2023-12-15 | 贵州华谊联盛科技有限公司 | 一种含有时间序列关联混淆数据的数据处理方法及装置 |
CN117235814B (zh) * | 2023-11-16 | 2024-01-26 | 贵州华谊联盛科技有限公司 | 一种含有时间序列关联混淆数据的数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galbally et al. | Iris image reconstruction from binary templates: An efficient probabilistic approach based on genetic algorithms | |
Akhtar et al. | Biometric liveness detection: Challenges and research opportunities | |
Ren et al. | Finger vein recognition system with template protection based on convolutional neural network | |
WO2020190397A1 (en) | Authentication verification using soft biometric traits | |
Gayathri et al. | A review on various biometric techniques, its features, methods, security issues and application areas | |
Ilankumaran et al. | Multi-biometric authentication system using finger vein and iris in cloud computing | |
KR102205495B1 (ko) | 지문 인식 방법 및 장치 | |
CN112862491B (zh) | 基于安全单元和可信执行环境的人脸支付安全方法及平台 | |
Chavez-Galaviz et al. | Embedded biometric cryptosystem based on finger vein patterns | |
Selvarani et al. | Automatic identification and detection of altered fingerprints | |
Ayoup et al. | Selective cancellable multi-biometric template generation scheme based on multi-exposure feature fusion | |
Conti et al. | An advanced technique for user identification using partial fingerprint | |
El-Naggar et al. | Which dataset is this iris image from? | |
CN113268769A (zh) | 基于随机混淆的生物特征数据处理方法、系统及存储介质 | |
Choras | Ear Biometrics. | |
Tapia et al. | Gender classification from Iris texture images using a new set of binary statistical image features | |
Aizi et al. | Remote multimodal biometric identification based on the fusion of the iris and the fingerprint | |
Hashim et al. | Local and semi-global feature-correlative techniques for face recognition | |
Aljuboori et al. | Finger knuckle pattern person identification system based on LDP-NPE and machine learning methods | |
CN113918912A (zh) | 一种基于脑纹识别的身份认证方法、系统、设备及介质 | |
SulaimanAlshebli et al. | The Cyber Security Biometric Authentication based on Liveness Face-Iris Images and Deep Learning Classifier | |
Shehu et al. | Detecting an alteration in biometric fingerprint databases | |
Sharma et al. | Fingerprint matching Using Minutiae Extraction Techniques | |
CN110135142B (zh) | 一种基于几何斜率的网状生理纹路特征描述方法 | |
Abdulla et al. | Exploring Human Biometrics: A Focus on Security Concerns and Deep Neural Networks |
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 |