指纹加密域匹配算法研究

论文摘要

自人类文明的开始到网络、信息一体化的今天,身份认证活动一直都与人们的生活密切相关。常用的身份认证手段包括两类：1)基于生物特征的身份认证技术；2)基于密钥或令牌的身份认证技术。基于生物特征的物理身份认证以人的生理或行为特征为认证因子,可达到对人物理身份的认证。但是,生物特征存在着模板易被窃取、不可撤销等缺陷,阻碍了生物特征的进一步应用。基于密钥的数字身份认证技术以现代密码学为基础,将信息的安全保密最终归结为密钥的保密。由于密钥太长,无法记忆,人们通常使用口令来实现对密钥的访问控制或将密钥存储于智能卡中。但是口令容易忘记和被猜测,而智能卡又容易丢失或被盗,因此密钥管理是安全系统中的安全隐患。两类身份认证技术的各自缺点和不足,近年来的研究发现,可以通过将他们进行有机结合,弥补各自缺点,同时又发挥各自的优势,从而形成了生物特征加密技术。指纹做为一种最为常用的生物特征,在生物特征加密领域具有广阔的应用,指纹加密技术引起越来越多研究者的兴趣。在指纹加密技术中,特征加密域匹配与传统的指纹识别技术中的特征模板匹配相比发生了很大的改变。首先,加密域匹配中的输入是注册时的加密模板和验证指纹特征模板进行匹配,从加密的注册模板中,人们很难推测出原始的注册特征模板；其次,相比传统的“是/否”匹配结果,加密域匹配的结果是一串密钥,具有更大的输出空间。加密域匹配的这些特点,同时也是造成加密域匹配难度的主要原因：1)注册模板经过加密保护,验证时对注册模板信息知道太少；2)匹配的方式非常受限,仅能在几种常见的测度空间进行特征的匹配；3)指纹加密域的对准更加困难。基于图像的特征和基于细节点特征是指纹识别中的两大类特征表达形式,它们在加密域中的匹配方式也是不一样的。本文工作首先综述了该领域的研究背景和研究现状,对指纹加密域匹配技术进行了深入分析,然后,以特征为切入点,构造了基于指纹的加密域匹配算法,取得的研究成果主要有：1)基于图像特征的随机局部区域描述子特征（RLRD）:RLRD特征表达了指纹局部区域的方向场特征,同时,由于加入了随机数,又具有可撤销性,其表达形式是一种定长、实向量或比特向量特征,能够非常方便的与现有的加密框架进行配合使用。2)基于指纹最近邻细节点结构特征的密钥绑定算法：细节点特征是指纹最常用的特征表达形式,然而在匹配方式相对有限的加密域匹配中,细节点的匹配较为困难。本文使用wrap-around, PinSketch和拉格朗日插值多项式等三项技术,分级对细节点的最近邻结构特征进行密钥绑定和恢复,达到了较好的结果。3)指纹细节点特征与图像特征的加密域融合算法：由于匹配方式受限,指纹加密域匹配的识别率与传统指纹匹配相比具有较大下降。本文针对这一问题,提出一种指纹细节点特征和指纹图像特征融合的加密算法,提高了识别率,同时增加系统安全性。指纹识别技术的应用虽然已经比较广泛,但是都基于本地应用系统,在网络身份认证中的应用很少,尤其在电子商务和电子政务中,主要原因在于模板的安全问题一直未得到有效解决。本文的研究成果为指纹在网络安全的应用提供了几条新的解决思路,并为模板保护和密钥绑定算法提供了可行的解决方案。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景
• 1.1.1 生物特征模板安全
• 1.1.2 加密域匹配技术
• 1.1.3 基于生物特征的密钥管理
• 1.2 国内外研究进展
• 1.3 本文内容和组织
• 第二章 指纹RLRD特征提取与匹配
• 2.1 引言
• 2.2 指纹预处理
• 2.2.1 指纹图像分割
• 2.2.2 指纹方向场提取与预测
• 2.3 RLRD特征提取与匹配
• 2.3.1 实数RLRD特征提取与匹配
• 2.3.2 比特RLRD特征提取和匹配
• 2.4 实验分析
• 2.4.1 实验设计
• 2.4.2 性能分析
• 2.4.3 比较实验
• 2.4.4 可撤销分析
• 2.5 本章小结
• 第三章 基于指纹细节点n近邻结构特征的密钥绑定
• 3.1 引言
• 3.2 细节点提取与特征表达
• 3.3 密钥绑定算法
• 3.3.1 Wrap-around和PinSketch两级构造
• 3.3.2 注册过程
• 3.3.3 验证过程
• 3.4 实验结果
• 3.4.1 量化步长
• 3.4.2 最近邻结构数
• 3.4.3 最近邻细节点数
• 3.4.4 细节点对准
• 3.4.5 比较分析
• 3.4.6 运行时间
• 3.5 安全分析
• 3.5.1 PinSketch安全分析
• 3.5.2 Hash安全性分析
• 3.6 本章小结
• 第四章 指纹细节点特征与图像特征的加密域融合
• 4.1 引言
• 4.2 特征提取与变换
• 4.2.1 细节点提取
• 4.2.2 基于中心点的细节点对准
• 4.2.3 改进的BioCode特征提取
• 4.3 密钥绑定与恢复
• 4.3.1 PinSketch与Fuzzy Vault
• 4.3.2 注册过程
• 4.3.3 验证过程
• 4.4 实验分析
• 4.4.1 实验设置
• 4.4.2 单特征系统
• 4.4.3 多特征系统
• 4.4.4 对准性能分析
• 4.4.5 改进的BioCode性能分析
• 4.5 安全性分析
• 4.6 本章小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 在学期间的研究成果