技术特征：
1.一种基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，包括以下步骤：步骤s1，通过虹膜采集仪采集虹膜图像后，采用道格曼提出的积分微分算子对采集到的虹膜图像预处理，然后利用log gabor滤波器对虹膜图像进行特征提取和量化，然后制作虹膜模板，精简量化长度，再引入汉明距离来判断待测样本与虹膜模板的相似程度，进行虹膜模板匹配，对用户的身份进行第一级的识别和认证；步骤s2，在通过一级认证后，使用传感器采集用户的心电信号，先采用小波变换处理对ecg信号进行预处理，然后对预处理后的ecg信号进行特征提取，再采用融合的方法进行ecg特征量化，最后通过模糊承诺的密钥协商机制分发密钥，对用户的身份进行第二级认证；只有通过这两级认证的用户，才算通过了认证。2.根据权利要求1所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s1中，虹膜图像预处理的具体步骤为：先采用道格曼提出的积分微分算子对采集到的虹膜图像进行虹膜定位，该算子定义为：式(1)中，(x,y)是指采集到的包含眼睛的图像的像素点坐标，g
σ
(r)为高斯平滑函数，*符号代表卷积操作，ds是指以r为半径、(x0,y0)为圆心的圆上的曲线积分；该算子表现为一个圆形检测器，随着半径的增大，使用偏导数的方式搜索区域内的局部最大值；然后，使用hough变换和canny边缘检测的方法，查找虹膜图像中的直线和曲线部分，对虹膜区域进行规范化以获得标准化的虹膜图像。3.根据权利要求2所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s1中，对虹膜图像进行特征提取和量化的具体步骤为：利用log gabor滤波器对虹膜图像进行特征提取和量化，log gabor滤波器的频率响应公式如下：式(2)中，f0代表滤波器的中心频率，σ代表滤波器的带宽；其中，提取和量化的具体过程是：把标准化之后的虹膜图像的每一行都视为一维向量，并分别与log gabor滤波器进行卷积操作，卷积结果存在实部和虚部，我们记录实部和虚部的正负情况，并分别用1表示正数，0表示负数，这样每个像素点会被量化成2bit；最后把计算结果按行串联，便可以把虹膜图片量化为长度为x bit的二进制虹膜编码。4.根据权利要求3所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s1中，制作虹膜模板的具体步骤为：首先，选择一张最清晰的虹膜图像，把其对应的二进制虹膜编码称为参考编码d1，然后，依次记录参考编码d1与同一只眼睛的其他虹膜编码数值相同的索引，最后取这些索引的交集，称为预模板d
f
；预模板d
f
的定义如下：d
f
＝d
12
∩d
13
∩
…
∩d
1k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式(3)中，d
ij
指的是d
i
和d
j
拥有相同位的索引序列；其次，对于不同的眼睛，所得到的预模板长度是不一致的，因此需要对d
f
进行区间映射；
为了充分利用d
f
的全部信息，我们把每个眼睛所得到的d
f
序列映射在[0,n)区间中，并选择最接近整数(0，1，2，
…
，n-1)的n个索引作为新的预模板d
fnew
；即将不同长度的d
f
转换成相同长度的d
fnew
；然后，对d
fnew
进行进一步的简化，具体过程为，将d
fnew
的二进制序列分为每段长度为b的比特块(b为奇数)，然后将每个比特块的中间元素与同一块中的其他所有元素依次进行异或操作，当异或操作结束后，会得到一个新的、更短的比特块，最后将所有比特块串联，得到新的二进制序列，即得到新的索引序列d
irisindex
，并在参考编码d1中按d
irisindex
中的值为索引提取对应的二进制数，得到最终的虹膜编码模板d
iris
。5.根据权利要求4所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s1中，虹膜模板匹配的具体步骤为：引入汉明距离来判断待测样本与虹膜模板的相似程度；汉明距离可简单描述为两个等长序列在相同位置上不同字符的数目；汉明距离越小，则表示两个序列越相似；取虹膜阈值th
iris
，当待测样本的汉明距离小于阈值th
iris
时，用户通过第一级虹膜认证。6.根据权利要求1所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s2中，对ecg信号进行预处理是采用小波变换方法对获得的ecg信号进行预处理，以去除噪声，具体步骤为：首先，以l2(r)表示能量有限的信号全体，当满足f(t)∈l2(r)时，可以定义信号f(t)的连续小波变换公式为：式(4)中，a是尺度因子，b是平移因子，表示的复共轭；然后需要把连续小波变换进行二进制的离散化，将连续小波变换的尺度因子a和平移因子b离散化即可获得离散小波序列，常用的离散化为a＝2
j
,b＝2
j
k(j,k∈z)，其中j代表分解尺度，z代表所有整数集合，可得离散小波变换表示为：其次，选择sym4小波作为基函数；选取软硬折中的阈值函数，函数的表达式为：式(5)中，表示阈值函数处理后的小波系数，ω
j,k
表示分解后的小波系数，λ表示阈值，t的取值在(0,1)区间内；其中，阈值λ的选取的计算公式如下：式(6)中，σ
n
代表方差，n代表信号长度，j代表分解尺度；随着分解尺度j的增大，改进阈值λ逐渐减小，并且与小波变换在不同尺度下噪声的传播特性相一致，从而保证去噪的有效性。7.根据权利要求6所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s2中，对预处理后的ecg信号进行特征提取的具体为查找ecg信号的r峰并计算r峰对应的ipi序列，记为{ipi
i
}；其中，ipi的定义如下：ipi
i
＝r
i-r
i-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
式(7)中，r
i
指第i个心跳周期的r峰，ipi视作ecg信号的特征。8.根据权利要求7所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s2中，进行ecg特征量化的具体步骤为，获取到{ipi
i
}后，采用融合的方法将其量化，生成二进制序列，具体过程如下：首先，输入采集到的ipi序列{ipi
i
}，在{ipi
i
}内选择n个连续的ipi，称为{ipi
in
}；其次，计算{ipi
in
}的平均值ipi
mean
；再计算{ipi
in
}内每个ipi与ipi
mean
的差，把各个差值结果存入{array}中，计算{array}的数学期望μ和方差σ2，计算16个域，把{ipi
in
}里落入相应域中的元素转换成对应格雷码；此时生成二进制序列bs1；比较{ipi
in
}的ipi变化趋势；若前一个ipi的值小于后一个ipi，即ipi
i
<ipi
i+1
，则将第i个元素量化为1，反之则补0；对于{ipi
in
}中的最后一个元素，在其末尾补随机的0或1；此时生成二进制序列bs2；将{ipi
in
}内每个元素量化成8位二进制后，只使用其中的2-4位，此时生成二进制序列bs3；最后，将bs1、bs2、bs3以相同索引的方式级联，得到最终的二进制序列bs。9.根据权利要求8所述的基于虹膜特征和ecg特征的两级wban认证方法，其特征在于，步骤s2中，通过模糊承诺的密钥协商机制分发密钥的具体步骤为：在模糊承诺框架内，利用ipi生成的bs来保护密钥分发；发送方和接受方同时检测受试者的ecg信号，并分别生成二进制序列bs1和bs2；对于发送方，需要对密钥key做纠错码编码处理，生成与bs1等长的序列bs
key
，随后创建承诺：式(8)中，hash(key)指对key进行单向哈希运算，符号代表按位异或运算；该承诺f(key，bs1)将会被发送到接受端，接受端首先进行操作生成bs
key
′
，然后对bs
key
′
进行纠错码解码操作生成key
′
，若hash(key)＝hash(key
′
)，则认证成功，用户通过第二级认证；否则认证失败，传感器设备将重新检测受试者的ecg信号。
技术总结
本发明属于信息安全领域，具体涉及一种基于虹膜特征和ECG特征的两级WBAN认证方法，其包括以下步骤：通过虹膜采集仪采集虹膜图像，经过虹膜图像预处理、虹膜图像特征提取和量化、虹膜模板制作和虹膜模板匹配四个阶段，对用户的身份进行第一级的识别和认证；在通过第一级认证后，再使用传感器采集用户的心电信号，经过ECG信号预处理、ECG特征提取、ECG特征量化和基于模糊承诺的密钥协商机制四个阶段，对用户的身份进行第二级认证。只有通过这两级认证的用户，才算通过了认证。该方法采取了两级身份认证，提升了身份识别的准确性，有利于保护WBAN的安全，保护用户隐私。保护用户隐私。保护用户隐私。
技术研发人员：张光河 刘芳华 蒋德民 肖辉
受保护的技术使用者：江西师范大学
技术研发日：2022.06.01
技术公布日：2022/10/4