专利名称：一种基于指纹特征数据与匹配算法的新型模糊金库方法
一种基于指纹特征数据与匹配算法的新型模糊金库方法技术领域
本发明属于模式识别和密码学技术领域领域，具体涉及一种基于指纹特征数据与匹配算法的新型模糊金库方法。
背景技术：
2002年Juels和Sudan在其论文“A Fuzzy Vault Scheme”首次提出了模糊金库的方案，但还存在许多阐述不清楚的问题，2003年，Clancy等在Juels和Sudan工作的基础上提出了指纹模糊金库的概念，该方案与Juels等人的最初方案一样，其存在的最大缺点是假设指纹图像都已经预先校准过，但实际情况是不可能预先得到查询指纹图像进行配准。2005年Uludag等人提出了更加实用化的模糊金库算法，其中最重要的思想是使用了从注册指纹图像中提取的Helper Data，在加密域中对查询指纹图像进行配准。同年^ngwha 等人提出的应用于指纹模糊金库的特征点自动校准方案，其应用的几何哈希技术很好地解决了指纹图像的自动校准问题，且同时保护了密钥和指纹模板的安全。近几年来出现的基于模糊金库的指纹模板和密钥的保护方法，大多还停留在理论论证阶段，也缺少必要的真实可靠的实验条件。
与本发明相关的公开的相关的公开文献田捷，杨鑫.生物特征识别理论与应用[M].北京清华大学出版社，2009 :371-406; 李昊，傅曦.精通Visual C++指纹模式识别系统算法及实现[Μ].北京北京人民邮电出版社，2008 64-67 ；Ari Jules,Madhu Sudan. A Fuzzy Vault Scheme. Proc IEEE Int Symp Information Theory, 2002 :408 ；Τ. C. Clancy, N. Kiyavash, D. J. Lin. Secure smartcard—based fingerprint authentication. In Proc. ACM SIGMM Multimedia, Biometrics Methods and Applications Workshop, 2003 :45-52 ；U. Uludag,S. Pankanti,A. Jain. Fuzzy vault for fingerprints. In Proc. AVBPA 2005.5. International Conference on Audio- and Video-Based Biometric Person Authentication,2005 :310-319 ；U. Uludag, Anil Jain. Securing Fingerprint Template: Fuzzy Vault with Helper Data. Proceedings of the 2006 Conference on Computer Vision and Pattern Recognition Workshop (CVPRff' 06)；Yongwha Chung, Daesung Moon, Sungju Lee, et al. Automatic Alignment of fingerprint Features for Fuzzy Fingerprint Vault, CISC 2005, LNCS 3822,2005 358-369 ο发明内容
在真实可靠的实验条件下，本发明提供了一套实用化的基于指纹特征数据与匹配算法的新型模糊金库方法。这是目前国内最具实用性的一套既不泄露用户指纹特征信息的情况下，又能安全保护其密钥(或秘密信息)的解决方案。
一种基于指纹特征数据与匹配算法的新型模糊金库方法包括随机密钥的上锁过程和随机密钥的解锁过程；所述的随机密钥的上锁过程具体如下步骤1.由系统产生一个长度为128bit随机密钥作为系统的启动，将该长度为128bit 的随机密钥每隔16位作为多项式的一个系数，依次赋值为1次项至8次项系数，生成一个 8次多项式,而该多项式的常数项是由CRC校验码组成；将密钥和该多项式关联起来， 并加入了 CRC校验码，该CRC校验码的生成多项式选用了 CRC16_IBM: χ16 +χ +χ2 + 。
步骤2.输入一幅指纹图像，并对这幅指纹图像进行如下操作对该指纹图像进行分割操作，方向场和梯度的计算，均衡，收敛，平滑，增强，二值化，细化操作，得到一幅清晰的保持了指纹特征信息二值图像；然后提取该图像中的所有细节点， 并过滤和去除其中的伪细节点，保留原始图像的真实细节点，得到真实细节点所在纹线的方向角，每个真实细节点的特征信息可以标记为(^勻。
步骤3.针对采集得到的256X^8的指纹图像进行操作，W的坐标范围为0 287 ；对·的坐标进行量化操作，每个值都除以8，量化到0 35，分别用6个bit来表示； 9的范围0 359 ^值除以22. 5，量化到0 15，共4bit ；从而一个指纹细节点的特征信息江/肩共需要16bit来表示。
步骤4.从输入指纹图像中可得到了 s个细节点特征的集合G = {(W'fl<5} ，并且每个细节点特征信息都用16bit来表示，然后使用均勻分布的方式随机添加杂凑点， 即在整个指纹图像有效区域内，让杂凑点符合均勻分布的规律且杂凑点到真实细节点的距离和方差都加以限制，杂凑点经过与真实细节点同样的量化过程，使得后续过滤杂凑点的步骤变得有效而简单。
步骤5.设添加得到的 个杂凑点集合^ = (( , ,，最后形成了 r =个点的集合i={feA4)|D々<0 ,并将这样形成的点集合中的顺序置乱。
步骤6.对集合I运用几何哈希技术生成一个注册哈希表，具体如下步骤6-1.从集合L中选择第一个点作为基准点，记岣=0 ，/ ，約)，其它点可以依次记 M17M1, M1,- -,M1^1。
步骤6-2.进行细节点的变换和量化过程，在选择了岣作为基准点以后，其它点 M1^Mi, M1,-,Mr.!将根据它进行校准过程，其变换公式为
权利要求
1. 一种基于指纹特征数据与匹配算法的新型模糊金库方法，其特征在于该方法包括随机密钥的上锁过程和随机密钥的解锁过程； 所述的随机密钥的上锁过程具体如下步骤1.由系统产生一个长度为128bit随机密钥作为系统的启动，将该长度为128bit 的随机密钥每隔16位作为多项式的一个系数，依次赋值为1次项至8次项系数，生成一个 8次多项式兴力，而该多项式的常数项是由CRC校验码组成；将密钥和该多项式关联起来， 并加入了 CRC校验码，该CRC校验码的生成多项式选用了 CRC16_IBM: χ16 + χ13 + +1 ； 步骤2.输入一幅指纹图像，并对这幅指纹图像进行如下操作 对该指纹图像进行分割操作，方向场和梯度的计算，均衡，收敛，平滑，增强，二值化，细化操作，得到一幅清晰的保持了指纹特征信息二值图像；然后提取该图像中的所有细节点， 并过滤和去除其中的伪细节点，保留原始图像的真实细节点，得到真实细节点所在纹线的方向角，每个真实细节点的特征信息可以标记为^约；步骤3.针对采集得到的256X288的指纹图像进行操作，^的坐标范围为0 观7 ；对 ^的坐标进行量化操作，每个值都除以8，量化到0 35，分别用6个bit来表示4的范围0 359，θ值除以22. 5，量化到0 15，共4bit ；从而一个指纹细节点的特征信息约共需要16bit来表示；步骤4.从输入指纹图像中可得到了 5个细节点特征的集合G =,并且每个细节点特征信息都用16bit来表示，然后使用均勻分布的方式随机添加杂凑点，即在整个指纹图像有效区域内，让杂凑点符合均勻分布的规律且杂凑点到真实细节点的距离和方差都加以限制，杂凑点经过与真实细节点同样的量化过程，使得后续过滤杂凑点的步骤变得有效而简单；步骤5.设添加得到的 个杂凑点集合,最后形成了 r = s+i个点的集合,并将这样形成的点集合中的顺序置乱；步骤6.对集合 运用几何哈希技术生成一个注册哈希表，具体如下 步骤6-1.从集合L中选择第一个点作为基准点，记鸠=( ^ )，其它点可以依次记 M11M1, M1,---,M^1 .步骤6-2.进行细节点的变换和量化过程，在选择了鸠作为基准点以后，其它点 MpMp M -,Mr.!将根据它进行校准过程，其变换公式为'.'M棚 ΒΟζθ,) 0)卜1、=-3111( COο||Λ-7。 ，l￡i<r,O O lJU-^.m"'m = (I^w 分别表示当以M,为基准点的情况下，点Mi = 0^/,為)(1 < i < r) 变换后的横坐标，纵坐标和脊线方向角值；这里集合Ii = TOliiwUra1^U…υπ 代表以岣为基准点时的变换特征点的集合；然后对这个集合S中的每一点进行如下量化过程
全文摘要
本发明涉及一种基于指纹特征数据与匹配算法的新型模糊金库方法。该方法中的上锁过程是先将随机密钥数据进行CRC编码，然后构造一个关联多项式，接着进行杂凑点的添加，然后对集合中的各个点进行特征量化过程,并打乱集合中各个点的顺序，用集合来生成一个注册哈希表。解锁过程是首先对输入细节点特征数据进行提取，接着对每个细节点特征数据进行量化，然后生成一个验证哈希表，利用匹配算法将验证哈希表与注册哈希表进行比对，获取子集，进行拉格朗日插值重构多项式。最后对重构得到的多项式的系数数据进行CRC校验过程。本发明将密钥信息和指纹特征数据有机地融合在一起，既有效地保护了密钥同时又隐藏了用户的指纹特征模板信息。
文档编号H04L9/08GK102510330SQ20111034128
公开日2012年6月20日 申请日期2011年11月2日 优先权日2011年11月2日
发明者吴安宁, 游林, 王升国, 陆捷 申请人:杭州电子科技大学