CN114419719A - 一种生物特征的处理方法及装置 - Google Patents

一种生物特征的处理方法及装置 Download PDF

Info

Publication number
CN114419719A
CN114419719A CN202210317434.9A CN202210317434A CN114419719A CN 114419719 A CN114419719 A CN 114419719A CN 202210317434 A CN202210317434 A CN 202210317434A CN 114419719 A CN114419719 A CN 114419719A
Authority
CN
China
Prior art keywords
vector
encryption
disturbance
perturbation
feature
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
CN202210317434.9A
Other languages
English (en)
Other versions
CN114419719B (zh
Inventor
孟强
周峰
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.)
Beijing Aibee Technology Co Ltd
Original Assignee
Beijing Aibee 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 Beijing Aibee Technology Co Ltd filed Critical Beijing Aibee Technology Co Ltd
Priority to CN202210317434.9A priority Critical patent/CN114419719B/zh
Publication of CN114419719A publication Critical patent/CN114419719A/zh
Application granted granted Critical
Publication of CN114419719B publication Critical patent/CN114419719B/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
    • 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

Landscapes

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

Abstract

本发明公开了一种生物特征的处理方法及装置，包括：对生物特征的生物特征向量分块得到多个分特征向量；对每个分特征向量分别分配符号变换参数值
Figure 734936DEST_PATH_IMAGE001
和基础扰动参数值
Figure 194954DEST_PATH_IMAGE002
；基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；基于所有分特征向量的扰动后向量，确定生物特征向量的扰动后向量。上述过程，在生物特征向量中添加了扰动，即使攻击者得到该特征也无法确定待对比特征，避免了隐私的泄露。

Description

一种生物特征的处理方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种生物特征的处理方法及装置。
背景技术
针对生物特征识别系统，通常是通过提取待识别图片或者音频中的特征向量，基于该特征向量进行特征识别的。
以人脸图特征识别系统为例，通常是用特征提取器将待比对人脸图片映射到人脸特征向量，在特征识别过程中，也是将人脸特征向量与用对应特征向量进行比对从而判断该人脸特征向量与对应的特征向量是否是来自同一个人。
虽然人脸特征向量是一个向量，而不是原始图片，但是从人脸特征向量中，可以很轻松地复原出待比对人脸图片，导致隐私泄露。
发明内容
有鉴于此，本发明提供了一种生物特征的处理方法及装置，用以解决现有技术虽然人脸特征向量是一个向量，而不是原始图片，但是从人脸特征向量中，可以很轻松地复原出待比对人脸图片，导致隐私泄露的问题。具体方案如下：
一种生物特征的处理方法，所述方法包括：
对生物特征的生物特征向量分块得到多个分特征向量；
对每个分特征向量分别分配符号变换参数值
Figure 929241DEST_PATH_IMAGE001
和基础扰动参数值
Figure 606210DEST_PATH_IMAGE002
，其中，i 表示分特征向量的次序；
基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
上述的方法，可选的，所述对生物特征的生物特征向量分块得到多个分特征向量，包括：
对所述生物特征向量进行分块得到多个分特征向量，其中，所述分特征向量的数量不大于所述生物特征向量的维度数量，或，所述分特征向量的数量为所述生物特征向量的维度数量的约数。
上述的方法，可选的，所述对每个分特征向量分别分配符号变换参数值和基础扰动参数值，包括：
对每个分特征向量，从符号变换集合中随机选取一个作为其符号变换参数值；和/或，
对每个分特征向量，从基础扰动参数值集合中随机选取一个值作为其基础扰动参数值，所述基础扰动参数值集合基于所述最大扰动值确定。
上述的方法，可选的，所述基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，包括：
采用以下方式确定单个分特征向量的扰动后向量：
Figure 840882DEST_PATH_IMAGE003
， 其中，
Figure 995920DEST_PATH_IMAGE004
表示单个分特征向量的扰动后向量，
Figure 265227DEST_PATH_IMAGE005
表示单个分特征向量。
一种生物特征的处理方法，所述方法包括：
获取每个分特征向量所对应的符号变换参数值
Figure 113098DEST_PATH_IMAGE001
和基础扰动参数值
Figure 835066DEST_PATH_IMAGE002
，其中， 所述每个分特征向量通过对生物特征的生物特征向量分块而得到，i表示分特征向量的次 序；
基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
上述的方法，可选的，基于所有分特征向量的基础扰动参数值，确定第一加密影响因子，包括：
对每个分特征向量的基础扰动参数值进行4L进制转换，得到各个基础扰动值转换结果，其中，L表示最大扰动值；
将所述各个基础扰动值转换结果进行累加，得到第一加密影响因子。
上述的方法，可选的，基于所有分特征向量的符号变换参数值，确定第二加密影响因子，包括：
对于单个分特征向量，根据其符号变换参数值和预设编码逻辑从符号变换参数值集合中选取该单个分特征向量对应的目标符号变换参数值；
对每个目标符号变换参数值进行4L进制转换，得到各个目标变换参数值转换结果；
将所述各个目标变换参数值转换结果进行累加得到第二加密影响因子。
上述的方法，可选的，所述预设编码逻辑限制了对于不同符号变换参数值从所述基础扰动参数值集合中选取的数据的类型，包括：
如果所述符号变换参数值为1，在所述基础扰动参数集合中随机一个偶数，记为目标符号变换参数值；或，
如果所述符号变换参数值为-1，在所述基础扰动参数集合中随机一个奇数，记为目标符号变换参数值。
上述的方法，可选的，基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息，包括：
计算所述第二加密影响因子与
Figure 793795DEST_PATH_IMAGE006
的乘积，将所述乘积与所述第一加密影响因 子进行求和，得到扰动信息，其中，K表示所有分特征向量的数量；
对所述扰动信息进行同态加密，得到所述扰动加密信息。
一种生物特征比对方法，所述方法包括：
获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，所述第一扰动后向量和所述第二扰动后向量采用上述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用上述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度；
对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
上述的方法，可选的，所述基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子，包括：
将所述扰动和值中的每一维度采用4L进制表示，得到每一维度对应的幅值解码因子和符号解码因子，其中，L表示最大扰动值。
上述的方法，可选的，基于所述第一扰动后向量、第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度，包括：
采用以下方式确定所述第一生物特征信息与所述第二生物特征信息的相似度：
Figure 386450DEST_PATH_IMAGE007
，其中，
Figure 467538DEST_PATH_IMAGE008
表示所述第一生物特征 信息与所述第二生物特征信息的相似度，
Figure 614486DEST_PATH_IMAGE009
表示符号改变参数值，
Figure 439223DEST_PATH_IMAGE010
表示幅值解码因子， 如果
Figure 355226DEST_PATH_IMAGE010
是偶数，那么
Figure 341637DEST_PATH_IMAGE011
, 反之
Figure 975880DEST_PATH_IMAGE012
，
Figure 338728DEST_PATH_IMAGE013
表示符号解码因子，
Figure 374818DEST_PATH_IMAGE014
表示第一扰动 后向量，
Figure 532129DEST_PATH_IMAGE015
表示第二扰动后向量。
一种生物特征的处理装置，所述装置包括：
分块模块，用于对生物特征的生物特征向量分块得到多个分特征向量；
分配模块，用于对每个分特征向量分别分配符号变换参数值
Figure 653669DEST_PATH_IMAGE001
和基础扰动参数 值
Figure 820208DEST_PATH_IMAGE002
，其中，i表示分特征向量的次序；
第一确定模块，用于基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
变换模块，用于基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
第二确定模块，用于基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
一种生物特征的处理装置，所述装置包括：
第一获取模块，用于获取每个分特征向量所对应的符号变换参数值
Figure 445225DEST_PATH_IMAGE001
和基础扰 动参数值
Figure 39017DEST_PATH_IMAGE002
，其中，所述每个分特征向量通过对生物特征的生物特征向量分块而得到，i 表示分特征向量的次序；
第三确定模块，用于基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
第四确定模块，用于基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
加密模块，用于基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
一种生物特征比对装置，所述装置包括：
第二获取模块，用于获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，所述第一扰动后向量和所述第二扰动后向量采用如权利要求1所述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用如权利要求5所述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度；
解密模块，用于对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
解码模块，用于基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
计算模块，用于基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于执行上述的生物特征处理方法。
一种计算机存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述的生物特征处理方法。
与现有技术相比，本发明包括以下优点：
本发明公开了一种生物特征的处理方法及装置，包括：对生物特征的生物特征向 量分块得到多个分特征向量；对每个分特征向量分别分配符号变换参数值
Figure 382274DEST_PATH_IMAGE001
和基础扰动 参数值
Figure 86925DEST_PATH_IMAGE002
；基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单 个分特征向量的幅值变换参数值；基于单个分特征向量、该单个分特征向量对应的符号变 换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个 分特征向量的扰动后向量；基于所有分特征向量的扰动后向量，确定生物特征向量的扰动 后向量。上述过程，在生物特征向量中添加了扰动，即使攻击者得到该特征也无法确定待对 比特征，避免了隐私的泄露。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种生物特征的处理方法流程图；
图2为本申请实施例公开的一种生物特征的处理方法又一流程图；
图3为本申请实施例公开的一种生物特征的对比方法流程图；
图4为现有技术公开的一种人脸特征比对方法处理过程示意图；
图5为本申请实施例公开的一种生物特征的处理装置结构框图；
图6为本申请实施例公开的一种生物特征的处理装置又一结构框图；
图7为本申请实施例公开的一种生物特征的对比装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种生物特征处理方法及装置，应用于对生物特征进行处理的过程中，其中，所述生物特征可以为指纹、虹膜、人脸、DNA等，上述特征可以基于特征提取器在图片或者音频进行提取，以人脸特征为例，通常是用特征提取器将待比对人脸图片映射到人脸特征向量，在特征识别过程中，也是将人脸特征向量与用对应特征向量进行比对从而判断该人脸特征向量与对应的特征向量是否是来自同一个人。虽然人脸特征向量是一个向量，而不是原始图片，但是从人脸特征向量中，可以很轻松地复原出待比对人脸图片，导致隐私泄露。为了解决上述问题，本发明提供了一种生物特征的处理方法，所述方法的执行流程如图1所示，包括步骤：
S101、对生物特征的生物特征向量分块得到多个分特征向量；
本发明实施例中，假设所述生物特征为
Figure 894344DEST_PATH_IMAGE016
，其中，d表示所述 生物特征中生物特征向量的数量，
Figure 596720DEST_PATH_IMAGE017
分别表示每个生物特征向量，将所述生 物特征向量进行分块得到多个分特征向量，其中，分块的目的是为了增加生物特征向量的 复杂程度，分块的原则可以基于经验或者具体情况而定，本发明实施例中不进行具体限定， 本发明实施例中，以对所述生物特征中的生物特征向量进行均匀分块为例进行说明，将所 述生物特征中的生物特征向量均匀分成K块，得到多个分特征向量，其中，每个分特征向量 为
Figure 489590DEST_PATH_IMAGE018
（1）
其中，
Figure 935615DEST_PATH_IMAGE019
表示第i个分特征向量， K一般是2的幂，如16， 32， 64等，所述分特征向 量的数量不大于所述生物特征向量的维度数量，i表示分特征向量的次序。
S102、对每个分特征向量分别分配符号变换参数值和基础扰动参数值；
本发明实施例中，针对每个分特征向量从符号变换集合中随机选取一个作为其符 号变换参数值
Figure 597540DEST_PATH_IMAGE001
，所述符号变换集合可以为{-1,1}，{-2,2}或者其它优选集合，本发明实 施例中对所述符号变换集合的具体存在形式不进行限定，所述符号变换参数值用于对每个 分特征向量的符号进行改变。
和/或，
对每个分特征向量，从基础扰动参数值集合中随机选取一个值作为其基础扰动参 数值
Figure 470818DEST_PATH_IMAGE002
，所述基础扰动参数值集合基于所述最大扰动值确定，其中，所述基础扰动参数集 合可以基于经验或者具体的应用场景结合所述最大扰动值L进行确定，本发明实施例中，以 所述基础扰动参数集合为
Figure 850984DEST_PATH_IMAGE020
为例选取基础扰动参数值
Figure 631858DEST_PATH_IMAGE002
。
S103、基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
本发明实施例中，基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动 参数值
Figure 351553DEST_PATH_IMAGE002
，确定单个分特征向量的幅值变换参数值，具体的确定过程如下：幅值变换参数 值：
Figure 458049DEST_PATH_IMAGE021
。
其中，针对所述最大扰动最大值L和所述扰动分辨率M， L可以直接选取一个10以内的整数， M可以选取L*128，本发明实施例中，对具体的取值不进行限定。
S104、基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
本发明实施例中，采用以下方式确定单个分特征向量的扰动后向量：
Figure 263194DEST_PATH_IMAGE022
（2）
其中，
Figure 113338DEST_PATH_IMAGE014
表示单个分特征向量的扰动后向量。
S105、基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
本发明实施例中，假设所述生物特征向量的扰动后向量
Figure 687539DEST_PATH_IMAGE023
，其中，
Figure 964937DEST_PATH_IMAGE024
，其中，
Figure 991798DEST_PATH_IMAGE025
。
本发明公开了一种生物特征的处理方法，包括：对生物特征的生物特征向量分块 得到多个分特征向量；对每个分特征向量分别分配符号变换参数值
Figure 645634DEST_PATH_IMAGE001
和基础扰动参数值
Figure 74341DEST_PATH_IMAGE002
；基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特 征向量的幅值变换参数值；基于单个分特征向量、该单个分特征向量对应的符号变换参数 值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征 向量的扰动后向量；基于所有分特征向量的扰动后向量，确定生物特征向量的扰动后向量。 上述过程，在生物特征向量中添加了扰动，即使攻击者得到该特征也无法确定待对比特征， 避免了隐私的泄露。
本发明实施例中，针对上述生物特征处理方法用于对生物特征添加扰动，本发明还提供了一种生物特征处理方法，用于对生物特征进行加密，所述方法的执行流程如图2所示，包括步骤：
S201、获取每个分特征向量所对应的符号变换参数值和基础扰动参数值，其中，所述每个分特征向量通过对生物特征的生物特征向量分块而得到；
本发明实施例中，所述每个分特征向量通过对生物特征的生物特征向量分块而得到，具体的分块方法可以基于S101所述方法或者其它优选分块方法进行确定，本发明实施例中，不进行具体限定，进一步的，针对所述符号变换参数值和所述基础扰动参数值基于S102所述方法或者其它优选方法进行确定，本发明实施例中不进行具体限定。
针对所述符号变换参数值
Figure 522640DEST_PATH_IMAGE001
和所述基础扰动参数值
Figure 302377DEST_PATH_IMAGE002
可以存储在指定位置， 可以通过在所述指定位置获取的方式获取所述符号变换参数值和所述基础扰动参数值。
S202、基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
本发明实施例中，获取与每个分特征向量对应的基础扰动参数值，对每个分特征向量的基础扰动参数值进行4L进制转换，得到各个基础扰动值转换结果，其中，L表示最大扰动值，将所述各个基础扰动值转换结果进行累加，得到第一加密影响因子，具体的计算公式如下：
Figure 494324DEST_PATH_IMAGE026
（3）
其中，U表示第一加密影响因子，
Figure 777538DEST_PATH_IMAGE002
表示基础扰动参数值，L表示最大扰动值，i表 示分特征向量的次序。
S203、基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
本发明实施例中，对于单个分特征向量，获取其对应符号变换参数值，根据其符号变换参数值和预设编码逻辑从符号变换参数值集合中选取该单个分特征向量对应的目标符号变换参数值，其中，所述预设编码逻辑限制了对于不同符号变换参数值从所述基础扰动参数值集合中选取的数据的类型，所述目标符号变换参数值的具体确定过程如下：
对于
Figure 662317DEST_PATH_IMAGE027
，如果所述符号变换参数值
Figure 663771DEST_PATH_IMAGE028
，在所述基础扰动参 数集合中随机一个偶数，或，如果所述符号变换参数值
Figure 659409DEST_PATH_IMAGE029
，在所述基础扰动参数集 合中随机一个奇数，记为目标符号变换参数值
Figure 797129DEST_PATH_IMAGE030
。
对每个目标符号变换参数值进行4L进制转换，得到各个目标变换参数值转换结果，将所述各个目标变换参数值转换结果进行累加得到第二加密影响因子。具体的计算过程如下：
Figure 852810DEST_PATH_IMAGE031
（4）
其中，V表示第二加密影响因子，
Figure 341560DEST_PATH_IMAGE030
表示目标符号变换参数值，L表示最大扰动 值，i表示分特征向量的次序。
进一步的，针对所述第一加密影响因子和所述第二加密影响因子的确定过程主要是实现对基础扰动参数值和目标符号变换参数值的4L进制转换。
优选的，针对所述第一加密影响因子和所述第二加密影响因子在确定过程中采用 的基础扰动参数集合与S102中采用的基础扰动集合相同，如果因为异常原因导致两者不 同，需要对第一加密影响因子和第二加密影响因子的确定过程进行调整，例如，若S202和 S203中的基础扰动集合为
Figure 875310DEST_PATH_IMAGE032
，需要将公式（3）和公式（4）中的4L替换为6L。
进一步的，针对目标符号变换参数值和基础扰动参数值，之所以需要转变成第一加密影响因子和第二加密影响因子去加密。是因为多个目标符号变换参数值和多个基础扰动参数值加密速度相对较慢。例如，有100个数字，加密解密的时间就是加密1个数字的100倍，而用一个数字表示能有效减少时间和内存。这是因为，用4L进制表示下，每一位就是一个数字。比如，要加密一堆数字1,2,3,4,5,6,7,8，那么我们可以用一个9进制以上的数字12345678表示这堆数字。解开也就是看每一位数字具体是多少，就能得到原来的数字。
S204、基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
本发明实施例中，计算所述第二加密影响因子与
Figure 133116DEST_PATH_IMAGE033
的乘积，将所述乘积与所 述第一加密影响因子进行求和，得到扰动信息，其中，K表示所有分特征向量的数量，对所述 扰动信息进行同态加密，得到所述扰动加密信息。进一步的，之所以采用同态加密算法是因 为同态加密算法是一种非对称加密算法，因为加法同态算法速度快，占用内存小，也就是在 运作过程中生成一对密码，公钥和私钥，在加密过程中只需要公钥，而解密则一定需要私 钥，这样能够保证安全性。对比对称加密算法，加密和解密用的同一个钥匙，在传输钥匙的 过程中就会可能带来钥匙被偷窃。
此外，同态加密对明文进行的加法运算再加密，与加密后对密文进行加法运算，结 果是等价的。基于上述性质，可以对数据进行处理而不泄露信息。假设一个数a，加密是
Figure 359698DEST_PATH_IMAGE034
, 解密是
Figure 70165DEST_PATH_IMAGE035
。对于同态加密得到的两个数，可以得到
Figure 407605DEST_PATH_IMAGE036
， 称为加法同态加密算法。
本发明公开了一种生物特征处理方法，包括: 获取每个分特征向量所对应的符号 变换参数值
Figure 785497DEST_PATH_IMAGE001
和基础扰动参数值
Figure 917401DEST_PATH_IMAGE002
，其中，所述每个分特征向量通过对生物特征的生 物特征向量分块而得到；基于所有分特征向量的基础扰动参数值，确定第一加密影响因子； 基于所有分特征向量的符号变换参数值，确定第二加密影响因子；基于所述第一加密影响 因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。上述过程，基于生物特征 中所有分特征向量的基础扰动参数值，确定第一加密影响因子；基于生物特征中所有分特 征向量的符号变换参数值，确定第二加密影响因子，基于第一加密影响因子和第二加密影 响因子进行同态加密，得到扰动加密信息，由于进行了加密处理，避免了隐私的泄露。
基于上述的一种生物特征处理方法，本发明实施例中还提供了一种生物特征对比方法，所述方法的执行流程如图3所示，包括步骤：
S301、获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息；
本发明实施例中，在预设位置获取多都会第一生物特征信息和第二生物特征信息，其中，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，其中，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度，优选的，所述第一扰动后向量和所述第二扰动后向量的维度均为K维，所述第一扰动后向量和所述第二扰动后向量采用S101-S104所述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用如权利要求S201-S204所述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度
S302、对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
本发明实施例中，由于所述第一扰动加密信息和所述第二扰动加密均采用S201-S204所述加密方法即同态加密方法确定，因此，可以直接的大扰动和值，其中，所述扰动和值为第一扰动信息和第二扰动信息的和。
S303、基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
本发明实施例中，假设所述扰动和值为
Figure 177481DEST_PATH_IMAGE037
， 将
Figure 990716DEST_PATH_IMAGE038
用4L进制表示，其中，L表示最大 扰动值，从而得到一个2K长度的数字，前K位记为幅值解码因子
Figure 285431DEST_PATH_IMAGE039
， 后K位 为符号解码因子
Figure 525920DEST_PATH_IMAGE040
，具体的4L进制转换过程如下：
Figure 538875DEST_PATH_IMAGE038
转换成4L进制，第i位 的数字就是
Figure 155801DEST_PATH_IMAGE041
。其中括号是下取整，mode是取余数。比如10转换成8进制 就是12。第1位
Figure 305023DEST_PATH_IMAGE042
，第二位
Figure 981992DEST_PATH_IMAGE043
。 最后就是12。
S304、基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
本发明实施例中，对
Figure 216664DEST_PATH_IMAGE044
，如果
Figure 371702DEST_PATH_IMAGE045
是偶数，那么
Figure 641009DEST_PATH_IMAGE046
, 反之
Figure 223300DEST_PATH_IMAGE047
。相似度计算为
Figure 679689DEST_PATH_IMAGE048
（5）
其中，
Figure 700735DEST_PATH_IMAGE049
表示第三符号改变参数，如果
Figure 762232DEST_PATH_IMAGE045
是偶数，那么
Figure 843320DEST_PATH_IMAGE050
，反之
Figure 990268DEST_PATH_IMAGE051
，
Figure 549425DEST_PATH_IMAGE052
表示预设去隐私对比特征中的第i个特征。
进一步的，对相似度计算过程进行验证，因为同态加密性质，
Figure 465429DEST_PATH_IMAGE053
， 那么就有
Figure 451839DEST_PATH_IMAGE054
，
Figure 148400DEST_PATH_IMAGE055
，
Figure 448931DEST_PATH_IMAGE056
。
而因为奇偶关系，也能得到
Figure 281758DEST_PATH_IMAGE057
，这是因为
如果
Figure 642332DEST_PATH_IMAGE058
，
Figure 826189DEST_PATH_IMAGE059
一个是-1，一个是1的话，那么
Figure 664832DEST_PATH_IMAGE060
，
Figure 617744DEST_PATH_IMAGE061
就是一个奇数一个偶数，那么
Figure 149220DEST_PATH_IMAGE045
就是奇数，得到
Figure 554793DEST_PATH_IMAGE062
。
如果
Figure 462707DEST_PATH_IMAGE063
，
Figure 270126DEST_PATH_IMAGE059
都是-1，那么
Figure 972502DEST_PATH_IMAGE064
，
Figure 865372DEST_PATH_IMAGE061
就是两个奇数，那么
Figure 45818DEST_PATH_IMAGE045
就是偶数，得到
Figure 973322DEST_PATH_IMAGE065
。
如果
Figure 643338DEST_PATH_IMAGE066
，
Figure 961187DEST_PATH_IMAGE059
都是1，那么
Figure 7640DEST_PATH_IMAGE060
，
Figure 727335DEST_PATH_IMAGE061
就是两个偶数，那么
Figure 833831DEST_PATH_IMAGE045
就是偶数，得到
Figure 638976DEST_PATH_IMAGE065
。
接下来证明相似度是正确的
Figure 489120DEST_PATH_IMAGE067
从而证明正确。
本发明公开了一种生物特征对比方法，包括：获取第一生物特征信息和第二生物特征信息，第一生物特征信息包括第一扰动后向量和第一扰动加密信息，第二生物特征信息包括第二扰动后向量和第二扰动加密信息，第一扰动后向量和第二扰动后向量具有相同数量的维度；对第一扰动加密信息和第二扰动加密信息的和值进行解密得到扰动和值；基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；基于第一扰动后向量、第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到第一生物特征信息与第二生物特征信息的相似度。上述过程中，第一生物特征和第二生物特征相似度的计算是基于第一扰动后向量和第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子确定的，其中，第一扰动后向量和第一扰动后向量添加了扰动向量，而且幅值解码因子和符号解码因子是基于第一扰动加密信息和第二扰动加密信息的和进行解密并解码得到的，保证了对第一生物特征和第二生物特征的隐私，避免了隐私泄露。
本发明实施例中，以人脸图片为例对特征比对过程进行说明，具体的比对过程示 意图如图4所示，针对人脸图片进行特征提取Feature extractor（a），得到待对比特征x和 待对比特征y，对x，y添加扰动Enrollment（b）并对相关项进行加密得到
Figure 63321DEST_PATH_IMAGE068
，加密后
Figure 340719DEST_PATH_IMAGE069
，
Figure 367580DEST_PATH_IMAGE070
加密
Figure 21416DEST_PATH_IMAGE071
，对加密后
Figure 450123DEST_PATH_IMAGE072
和加密后
Figure 898422DEST_PATH_IMAGE071
求和，得到加密后
Figure 678159DEST_PATH_IMAGE073
，则比对过程Matching（c）
Figure 870106DEST_PATH_IMAGE074
。
本发明实施例中，所述比对方法保证隐私的前提下，因为每一步操作都没有近似或者量化，所以没有精度损失。因此，同时保证了精度不会下降；密码学算法实际使用的时候最大的矛盾就是存储和速度问题。比如正常人脸特征是512个浮点数，那么正常需要加密512个浮点数。而我们的方案让每一个特征只需要加密一位数字，这样带来的好处就是存储和速度都降低了512倍。目前支持浮点数的同态加密算法只有一两个，而且实际使用受速度和存储的限制。本发明实施例中领加密的都是整数，能让加密算法选择面更广。进一步的，正常对两个加密特征进行计算相似度需要全同态加密去支持加法和乘法。我们通过一系列操作，让半同态加密算法能够直接利用。相比全同态，半同态只支持加法，但是带来的好处就是计算速度大大加快，存储占用明显少很多（降低1000倍左右）。通过密码学的性质，加上算法的特性，使得在密钥不暴露的情况下，暴力破解因为复杂度过高而无法实现。从而达到隐私保护。另外解密过程中，也不会单独解开任何一个特征的密码，而是解开两个密码相加结果。即使攻击者能够看到中间运算结果，那么也不会暴露任何一个特征。
基于上述的一种生物特征处理方法，本发明实施例中，还提供了一种生物特征的处理装置，所述处理装置的结构框图如图5所示，包括：
分块模块401、分配模块402、第一确定模块403、变换模块404和第二确定模块405。
其中，
所述分块模块401，用于对生物特征的生物特征向量分块得到多个分特征向量；
所述分配模块402，用于对每个分特征向量分别分配符号变换参数值和基础扰动参数值；
所述第一确定模块403，用于基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
所述变换模块404，用于基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
所述第二确定模块405，用于基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
本发明公开了一种生物特征的处理装置，包括：对生物特征的生物特征向量分块 得到多个分特征向量；对每个分特征向量分别分配符号变换参数值
Figure 950057DEST_PATH_IMAGE001
和基础扰动参数值
Figure 772520DEST_PATH_IMAGE002
；基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特 征向量的幅值变换参数值；基于单个分特征向量、该单个分特征向量对应的符号变换参数 值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征 向量的扰动后向量；基于所有分特征向量的扰动后向量，确定生物特征向量的扰动后向量。 上述过程，在生物特征向量中添加了扰动，即使攻击者得到该特征也无法确定待对比特征， 避免了隐私的泄露。
基于上述的一种生物特征处理方法，本发明实施例中，还提供了一种生物特征的处理装置，所述处理装置的结构框图如图6所示，包括：
第一获取模块501、第三确定模块502、第四确定模块503和加密模块504。
其中，
所述第一获取模块501，用于获取每个分特征向量所对应的符号变换参数值和基础扰动参数值，其中，所述每个分特征向量通过对生物特征的生物特征向量分块而得到；
所述第三确定模块502，用于基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
所述第四确定模块503，用于基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
所述加密模块504，用于基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
本发明公开了一种生物特征处理装置，包括: 获取每个分特征向量所对应的符号 变换参数值
Figure 836291DEST_PATH_IMAGE001
和基础扰动参数值
Figure 504033DEST_PATH_IMAGE002
，其中，所述每个分特征向量通过对生物特征的生物 特征向量分块而得到；基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；基 于所有分特征向量的符号变换参数值，确定第二加密影响因子；基于所述第一加密影响因 子和所述第二加密影响因子进行同态加密，得到扰动加密信息。上述过程，基于生物特征中 所有分特征向量的基础扰动参数值，确定第一加密影响因子；基于生物特征中所有分特征 向量的符号变换参数值，确定第二加密影响因子，基于第一加密影响因子和第二加密影响 因子进行同态加密，得到扰动加密信息，由于进行了加密处理，避免了隐私的泄露。
基于上述的一种生物特征对比方法，本发明实施例中提供了一种生物特征对比装置，所述对比装置的结构框图如图7所示，包括：
第二获取模块601、解密模块602、解码模块603和计算模块604。
其中，
所述第二获取模块601，用于获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，所述第一扰动后向量和所述第二扰动后向量采用如权利要求1所述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用如权利要求5所述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度；
所述解密模块602，用于对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
所述解码模块603，用于基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
所述计算模块604，用于基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
本发明公开了一种生物特征对比装置，包括：获取第一生物特征信息和第二生物特征信息，第一生物特征信息包括第一扰动后向量和第一扰动加密信息，第二生物特征信息包括第二扰动后向量和第二扰动加密信息，第一扰动后向量和第二扰动后向量具有相同数量的维度；对第一扰动加密信息和第二扰动加密信息的和值进行解密得到扰动和值；基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；基于第一扰动后向量、第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到第一生物特征信息与第二生物特征信息的相似度。上述过程中，第一生物特征和第二生物特征相似度的计算是基于第一扰动后向量和第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子确定的，其中，第一扰动后向量和第一扰动后向量添加了扰动向量，而且幅值解码因子和符号解码因子是基于第一扰动加密信息和第二扰动加密信息的和进行解密并解码得到的，保证了对第一生物特征和第二生物特征的隐私，避免了隐私泄露。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选地，在上述生物特征处理方法及装置的实施例的基础上，本发明的另一实施例提供了一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于执行上述的生物特征处理方法。
可选的，在上述生物特征处理方法及装置的实施例的基础上，本发明实施例提供了一种计算机存储介质，其上存储有程序，该程序被处理器执行时实现上述的生物特征处理方法。
本发明公开了一种生物特征的处理方法及装置，包括：对生物特征的生物特征向 量分块得到多个分特征向量；对每个分特征向量分别分配符号变换参数值
Figure 981368DEST_PATH_IMAGE001
和基础扰动 参数值
Figure 974732DEST_PATH_IMAGE075
；基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单 个分特征向量的幅值变换参数值；基于单个分特征向量、该单个分特征向量对应的符号变 换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个 分特征向量的扰动后向量；基于所有分特征向量的扰动后向量，确定生物特征向量的扰动 后向量。上述过程，在生物特征向量中添加了扰动，即使攻击者得到该特征也无法确定待对 比特征，避免了隐私的泄露。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (17)

1.一种生物特征的处理方法，其特征在于，所述方法包括：
对生物特征的生物特征向量分块得到多个分特征向量；
对每个分特征向量分别分配符号变换参数值
Figure 838262DEST_PATH_IMAGE001
和基础扰动参数值
Figure 967892DEST_PATH_IMAGE002
，其中，i表示 分特征向量的次序；
基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
2.根据权利要求1所述的方法，其特征在于，所述对生物特征的生物特征向量分块得到多个分特征向量，包括：
对所述生物特征向量进行分块得到多个分特征向量，其中，所述分特征向量的数量不大于所述生物特征向量的维度数量，或，所述分特征向量的数量为所述生物特征向量的维度数量的约数。
3.根据权利要求1所述的方法，其特征在于，所述对每个分特征向量分别分配符号变换参数值和基础扰动参数值，包括：
对每个分特征向量，从符号变换集合中随机选取一个作为其符号变换参数值；和/或，
对每个分特征向量，从基础扰动参数值集合中随机选取一个值作为其基础扰动参数值，所述基础扰动参数值集合基于所述最大扰动值确定。
4.根据权利要求1所述的方法，其特征在于，所述基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，包括：
采用以下方式确定单个分特征向量的扰动后向量：
Figure 579002DEST_PATH_IMAGE003
，其 中，
Figure 932623DEST_PATH_IMAGE004
表示单个分特征向量的扰动后向量，
Figure 934077DEST_PATH_IMAGE005
表示单个分特征向量。
5.一种生物特征的处理方法，其特征在于，所述方法包括：
获取每个分特征向量所对应的符号变换参数值
Figure 929715DEST_PATH_IMAGE001
和基础扰动参数值
Figure 333014DEST_PATH_IMAGE002
，其中，所 述每个分特征向量通过对生物特征的生物特征向量分块而得到，i表示分特征向量的次序；
基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
6.根据权利要求5所述的方法，其特征在于，基于所有分特征向量的基础扰动参数值，确定第一加密影响因子，包括：
对每个分特征向量的基础扰动参数值进行4L进制转换，得到各个基础扰动值转换结果，其中，L表示最大扰动值；
将所述各个基础扰动值转换结果进行累加，得到第一加密影响因子。
7.根据权利要求5所述的方法，其特征在于，基于所有分特征向量的符号变换参数值，确定第二加密影响因子，包括：
对于单个分特征向量，根据其符号变换参数值和预设编码逻辑从符号变换参数值集合中选取该单个分特征向量对应的目标符号变换参数值；
对每个目标符号变换参数值进行4L进制转换，得到各个目标变换参数值转换结果；
将所述各个目标变换参数值转换结果进行累加得到第二加密影响因子。
8.根据权利要求7所述的方法，其特征在于，所述预设编码逻辑限制了对于不同符号变换参数值从所述基础扰动参数值集合中选取的数据的类型，包括：
如果所述符号变换参数值为1，在所述基础扰动参数集合中随机一个偶数，记为目标符号变换参数值；或，
如果所述符号变换参数值为-1，在所述基础扰动参数集合中随机一个奇数，记为目标符号变换参数值。
9.根据权利要求5所述的方法，其特征在于，基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息，包括：
计算所述第二加密影响因子与
Figure 123116DEST_PATH_IMAGE006
的乘积，将所述乘积与所述第一加密影响因子进 行求和，得到扰动信息，其中，K表示所有分特征向量的数量；
对所述扰动信息进行同态加密，得到所述扰动加密信息。
10.一种生物特征比对方法，其特征在于，所述方法包括：
获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，所述第一扰动后向量和所述第二扰动后向量采用如权利要求1所述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用如权利要求5所述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度；
对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
11.根据权利要求10所述的方法，其特征在于，所述基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子，包括：
将所述扰动和值中的每一维度采用4L进制表示，得到每一维度对应的幅值解码因子和符号解码因子，其中，L表示最大扰动值。
12.根据权利要求10所述的方法，其特征在于，基于所述第一扰动后向量、第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度，包括：
采用以下方式确定所述第一生物特征信息与所述第二生物特征信息的相似度：
Figure 408603DEST_PATH_IMAGE007
，其中，
Figure 880036DEST_PATH_IMAGE008
表示所述第一生物特征信息与所述 第二生物特征信息的相似度，
Figure 200159DEST_PATH_IMAGE009
表示符号改变参数值，
Figure 364424DEST_PATH_IMAGE010
表示幅值解码因子，如果
Figure 402787DEST_PATH_IMAGE010
是 偶数，那么
Figure 412332DEST_PATH_IMAGE011
, 反之
Figure 852540DEST_PATH_IMAGE012
，
Figure 922127DEST_PATH_IMAGE013
表示符号解码因子，
Figure 447787DEST_PATH_IMAGE014
表示第一扰动后向量，
Figure 261022DEST_PATH_IMAGE015
表示第二扰动后向量。
13.一种生物特征的处理装置，其特征在于，所述装置包括：
分块模块，用于对生物特征的生物特征向量分块得到多个分特征向量；
分配模块，用于对每个分特征向量分别分配符号变换参数值
Figure 555737DEST_PATH_IMAGE016
和基础扰动参数值
Figure 61805DEST_PATH_IMAGE002
，其中，i表示分特征向量的次序；
第一确定模块，用于基于最大扰动值L、扰动分辨率M和单个分特征向量的基础扰动参数值，确定单个分特征向量的幅值变换参数值；
变换模块，用于基于单个分特征向量、该单个分特征向量对应的符号变换参数值和幅值变换参数值，对该单个分特征向量进行方向变换和幅值变换，得到该单个分特征向量的扰动后向量；
第二确定模块，用于基于所有分特征向量的扰动后向量，确定所述生物特征向量的扰动后向量。
14.一种生物特征的处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取每个分特征向量所对应的符号变换参数值
Figure 809181DEST_PATH_IMAGE016
和基础扰动参 数值
Figure 426107DEST_PATH_IMAGE017
，其中，所述每个分特征向量通过对生物特征的生物特征向量分块而得到，i表示分 特征向量的次序；
第三确定模块，用于基于所有分特征向量的基础扰动参数值，确定第一加密影响因子；
第四确定模块，用于基于所有分特征向量的符号变换参数值，确定第二加密影响因子；
加密模块，用于基于所述第一加密影响因子和所述第二加密影响因子进行同态加密，得到扰动加密信息。
15.一种生物特征比对装置，其特征在于，所述装置包括：
第二获取模块，用于获取第一生物特征信息和第二生物特征信息，所述第一生物特征信息包括第一扰动后向量和第一扰动加密信息，所述第二生物特征信息包括第二扰动后向量和第二扰动加密信息，所述第一扰动后向量和所述第二扰动后向量采用如权利要求1所述生物特征处理方法得到，所述第一扰动加密信息和所述第二扰动加密信息采用如权利要求5所述生物特征处理方法得到，所述第一扰动后向量和所述第二扰动后向量具有相同数量的维度；
解密模块，用于对所述第一扰动加密信息和所述第二扰动加密信息的和值进行解密得到扰动和值；
解码模块，用于基于所述扰动和值解码得到每一维度对应的幅值解码因子和符号解码因子；
计算模块，用于基于所述第一扰动后向量、所述第二扰动后向量和每一维度对应的幅值解码因子和符号解码因子，计算得到所述第一生物特征信息与所述第二生物特征信息的相似度。
16.一种电子设备，其特征在于，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于执行如权利要求1至12中任一项所述的生物特征处理方法。
17.一种计算机存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至12中任意一项所述的生物特征处理方法。
CN202210317434.9A 2022-03-29 2022-03-29 一种生物特征的处理方法及装置 Active CN114419719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210317434.9A CN114419719B (zh) 2022-03-29 2022-03-29 一种生物特征的处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210317434.9A CN114419719B (zh) 2022-03-29 2022-03-29 一种生物特征的处理方法及装置

Publications (2)

Publication Number Publication Date
CN114419719A true CN114419719A (zh) 2022-04-29
CN114419719B CN114419719B (zh) 2022-08-12

Family

ID=81263496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210317434.9A Active CN114419719B (zh) 2022-03-29 2022-03-29 一种生物特征的处理方法及装置

Country Status (1)

Country Link
CN (1) CN114419719B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115840932A (zh) * 2023-02-20 2023-03-24 之江实验室 一种漏洞修复方法、装置、存储介质及电子设备

Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002058038A1 (fr) * 2001-01-22 2002-07-25 Evolvable Systems Research Institute, Inc. Appareil, procede et programme de cryptage a compression arithmetique
WO2004104899A2 (en) * 2003-05-21 2004-12-02 Koninklijke Philips Electronics N.V. Method and system for authentication of a physical object
WO2008001327A2 (en) * 2006-06-30 2008-01-03 Koninklijke Philips Electronics N.V. Method and apparatus for encrypting/decrypting data
WO2008007116A2 (en) * 2006-07-14 2008-01-17 Ecebs Limited Hybrid biometric systems
JP2009128774A (ja) * 2007-11-27 2009-06-11 Nippon Telegr & Teleph Corp <Ntt> 暗号通信方法、暗号化装置、復号装置、及びそれらのプログラム
US20100138443A1 (en) * 2008-11-17 2010-06-03 Ramakrishnan Kadangode K User-Powered Recommendation System
EP2472495A2 (de) * 2011-01-03 2012-07-04 Giesecke & Devrient GmbH Verfahren zur gegen elektromagnetische Angriffe (EMA) geschützten Ausführung einer kryptographischen Berechnung
WO2012114452A1 (ja) * 2011-02-22 2012-08-30 三菱電機株式会社 類似度算出システム及び類似度算出装置及びコンピュータプログラム及び類似度算出方法
US20140108020A1 (en) * 2012-10-15 2014-04-17 Digimarc Corporation Multi-mode audio recognition and auxiliary data encoding and decoding
CN105184398A (zh) * 2015-08-27 2015-12-23 华北电力大学（保定） 一种电力最大负荷小样本预测方法
WO2018106987A1 (en) * 2016-12-08 2018-06-14 Veridium Ip Limited Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US20180300487A1 (en) * 2017-04-10 2018-10-18 Arizona Board Of Regents On Behalf Of Arizona State University Framework for security strength and performance analysis of machine learning based biometric systems
CN108711131A (zh) * 2018-04-28 2018-10-26 北京溯斐科技有限公司 基于图像特征匹配的水印方法和装置
CN108898540A (zh) * 2018-05-23 2018-11-27 西安理工大学 基于离散分数角变换和混沌理论的双图像加密方法
US10362056B1 (en) * 2019-01-14 2019-07-23 The Florida International University Board Of Trustees Content-aware spoofed sensor measurement data detection in microgrids
CN110147760A (zh) * 2019-05-20 2019-08-20 吉林化工学院 一种高效电能质量扰动图像特征提取与识别新方法
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
US20200089899A1 (en) * 2018-09-14 2020-03-19 Tata Consultancy Services Limited Method and system for biometric template protection
CN111723404A (zh) * 2020-08-21 2020-09-29 支付宝(杭州)信息技术有限公司 联合训练业务模型的方法及装置
CN111783064A (zh) * 2020-06-30 2020-10-16 平安国际智慧城市科技股份有限公司 图形验证码生成方法、装置、计算机设备及存储介质
CN111932226A (zh) * 2020-07-04 2020-11-13 周浩 基于区块链和大数据的数据流监测方法及云计算服务平台
US20200382281A1 (en) * 2019-05-30 2020-12-03 Kira Inc. Method and system for creating word-level differential privacy using feature hashing techniques
US20210133976A1 (en) * 2019-11-04 2021-05-06 GE Precision Healthcare LLC Systems and methods for functional imaging follow-up evaluation using deep neural network
US20210141896A1 (en) * 2018-03-07 2021-05-13 Scott Edward Streit Systems and methods for private authentication with helper networks
CN112883389A (zh) * 2021-02-09 2021-06-01 上海凯馨信息科技有限公司 支持特征保持的可逆脱敏算法
WO2021129146A1 (zh) * 2019-12-27 2021-07-01 支付宝(杭州)信息技术有限公司 一种图片中隐私信息保护的处理方法及装置
US20210224586A1 (en) * 2017-10-09 2021-07-22 Harbin Institute Of Technology Shenzhen Graduate School Image privacy perception method based on deep learning
US20210312047A1 (en) * 2020-04-01 2021-10-07 Ahp-Tech Inc. Quantum-attack resistant operating system for use in a key management mechanism
WO2021227349A1 (zh) * 2020-05-11 2021-11-18 华南理工大学 一种生物特征隐私保护的前端人像加密与识别方法
CN113901516A (zh) * 2021-10-12 2022-01-07 杭州中奥科技有限公司 基于分裂学习的图像数据保护方法、系统及电子设备
CN114070558A (zh) * 2021-11-18 2022-02-18 北京字节跳动网络技术有限公司 一种数据传输方法及装置

Patent Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002058038A1 (fr) * 2001-01-22 2002-07-25 Evolvable Systems Research Institute, Inc. Appareil, procede et programme de cryptage a compression arithmetique
WO2004104899A2 (en) * 2003-05-21 2004-12-02 Koninklijke Philips Electronics N.V. Method and system for authentication of a physical object
WO2008001327A2 (en) * 2006-06-30 2008-01-03 Koninklijke Philips Electronics N.V. Method and apparatus for encrypting/decrypting data
WO2008007116A2 (en) * 2006-07-14 2008-01-17 Ecebs Limited Hybrid biometric systems
JP2009128774A (ja) * 2007-11-27 2009-06-11 Nippon Telegr & Teleph Corp <Ntt> 暗号通信方法、暗号化装置、復号装置、及びそれらのプログラム
US20100138443A1 (en) * 2008-11-17 2010-06-03 Ramakrishnan Kadangode K User-Powered Recommendation System
EP2472495A2 (de) * 2011-01-03 2012-07-04 Giesecke & Devrient GmbH Verfahren zur gegen elektromagnetische Angriffe (EMA) geschützten Ausführung einer kryptographischen Berechnung
WO2012114452A1 (ja) * 2011-02-22 2012-08-30 三菱電機株式会社 類似度算出システム及び類似度算出装置及びコンピュータプログラム及び類似度算出方法
US20140108020A1 (en) * 2012-10-15 2014-04-17 Digimarc Corporation Multi-mode audio recognition and auxiliary data encoding and decoding
US20200064444A1 (en) * 2015-07-17 2020-02-27 Origin Wireless, Inc. Method, apparatus, and system for human identification based on human radio biometric information
CN105184398A (zh) * 2015-08-27 2015-12-23 华北电力大学（保定） 一种电力最大负荷小样本预测方法
WO2018106987A1 (en) * 2016-12-08 2018-06-14 Veridium Ip Limited Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
US20180300487A1 (en) * 2017-04-10 2018-10-18 Arizona Board Of Regents On Behalf Of Arizona State University Framework for security strength and performance analysis of machine learning based biometric systems
US20210224586A1 (en) * 2017-10-09 2021-07-22 Harbin Institute Of Technology Shenzhen Graduate School Image privacy perception method based on deep learning
US20210141896A1 (en) * 2018-03-07 2021-05-13 Scott Edward Streit Systems and methods for private authentication with helper networks
CN108711131A (zh) * 2018-04-28 2018-10-26 北京溯斐科技有限公司 基于图像特征匹配的水印方法和装置
CN108898540A (zh) * 2018-05-23 2018-11-27 西安理工大学 基于离散分数角变换和混沌理论的双图像加密方法
US20200089899A1 (en) * 2018-09-14 2020-03-19 Tata Consultancy Services Limited Method and system for biometric template protection
US10362056B1 (en) * 2019-01-14 2019-07-23 The Florida International University Board Of Trustees Content-aware spoofed sensor measurement data detection in microgrids
CN110147760A (zh) * 2019-05-20 2019-08-20 吉林化工学院 一种高效电能质量扰动图像特征提取与识别新方法
US20200382281A1 (en) * 2019-05-30 2020-12-03 Kira Inc. Method and system for creating word-level differential privacy using feature hashing techniques
US20210133976A1 (en) * 2019-11-04 2021-05-06 GE Precision Healthcare LLC Systems and methods for functional imaging follow-up evaluation using deep neural network
WO2021129146A1 (zh) * 2019-12-27 2021-07-01 支付宝(杭州)信息技术有限公司 一种图片中隐私信息保护的处理方法及装置
US20210312047A1 (en) * 2020-04-01 2021-10-07 Ahp-Tech Inc. Quantum-attack resistant operating system for use in a key management mechanism
WO2021227349A1 (zh) * 2020-05-11 2021-11-18 华南理工大学 一种生物特征隐私保护的前端人像加密与识别方法
CN111783064A (zh) * 2020-06-30 2020-10-16 平安国际智慧城市科技股份有限公司 图形验证码生成方法、装置、计算机设备及存储介质
CN111932226A (zh) * 2020-07-04 2020-11-13 周浩 基于区块链和大数据的数据流监测方法及云计算服务平台
CN111723404A (zh) * 2020-08-21 2020-09-29 支付宝(杭州)信息技术有限公司 联合训练业务模型的方法及装置
CN112883389A (zh) * 2021-02-09 2021-06-01 上海凯馨信息科技有限公司 支持特征保持的可逆脱敏算法
CN113901516A (zh) * 2021-10-12 2022-01-07 杭州中奥科技有限公司 基于分裂学习的图像数据保护方法、系统及电子设备
CN114070558A (zh) * 2021-11-18 2022-02-18 北京字节跳动网络技术有限公司 一种数据传输方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG X等: "Research on intelligent identification and disinfection early warning access control system in epidemic situation", 《JOURNAL OF TESTING TECHNOLOGY》, vol. 34, no. 5, 31 December 2020 (2020-12-31), pages 425 - 430 *
孔金生等: "基于Wi-Fi信号的人体身份识别算法研究综述", 《计算机科学》, vol. 48, no. 10, 29 June 2021 (2021-06-29), pages 246 - 257 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115840932A (zh) * 2023-02-20 2023-03-24 之江实验室 一种漏洞修复方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN114419719B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
JP3966912B2 (ja) 照合器により少なくとも一の証明器を認証するシステム
CN110011954B (zh) 基于同态加密的生物识别方法、装置、终端及业务服务器
JP5957095B2 (ja) 改ざん検知装置、改ざん検知方法、およびプログラム
JP5762232B2 (ja) プライバシを保護したまま暗号化された要素の順序を選択するための方法およびシステム
US10503915B2 (en) Encrypted text verification system, method and recording medium
KR20170102219A (ko) 트랜잭션을 처리하기 위한 방법 및 장치
CN114419719B (zh) 一种生物特征的处理方法及装置
US10484182B2 (en) Encrypted text verification system, method, and recording medium
CN115834018A (zh) 一种保护隐私的多方数据处理方法、系统和设备
CN118070312A (zh) 用于加解密文件的方法、装置及计算机设备
CN114513302A (zh) 一种数据加解密方法及设备
JP2014137474A (ja) 改ざん検知装置、改ざん検知方法、およびプログラム
KR100817048B1 (ko) 여러 가지 포인트 표현을 기반으로 한 ｅｃｃ에서 ｄｆａ대책을 위한 암호화 방법 및 장치
CN115758403A (zh) 数据加密和解密方法、装置、存储介质及电子设备
JP5596612B2 (ja) 復号制御システム、および復号制御方法
CN112822201B (zh) 保护隐私的差异数据确定方法、装置、设备及系统
KR20230139647A (ko) 데이터 암호화 및 복호화 시스템, 방법
CN113660234A (zh) 数据加密传输和解密方法、存储器和处理器
CN115174035A (zh) 数据处理方法及装置
CN114465720A (zh) 密钥迁移方法及装置、存储介质和电子设备
CN114547645A (zh) 浮点数处理方法、装置、终端以及存储介质
KR20170005850A (ko) 암호 장치, 기억 시스템, 복호 장치, 암호 방법, 복호 방법, 암호 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 및 복호 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
CN109617876A (zh) 基于Http协议的数据加密、解密方法及系统
CN118631590B (zh) 一种轻量级身份认证方法、系统及装置
CN116961925B (zh) 签名方法、系统、电子设备及存储介质

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