基于模糊区间的掌纹特征模板保护的方法
【专利摘要】基于模糊区间的掌纹特征模板保护的方法，涉及一种掌纹特征模板保护的方法，本发明为解决现有基于主成份分析的掌纹识别方法存在严重的安全漏洞，攻击者在数据库泄露的情况下很容易获得模板的问题。本发明所述模板保护方法的具体过程为：提取注册人员的掌纹图像生成训练样本和测试样本；生成注册模板特征和测试特征；获取归一化后的注册模板特征；获取初始区间序列；获取注册模板特征和区间特征；对注册模板特征和区间特征的每一分量进行哈希，得到哈希值，用哈希值作为每个用户的模板存储在数据库中，完成对掌纹的识别保护。本发明用于掌纹识别的安全系统中。
【专利说明】基于模糊区间的掌纹特征模板保护的方法
【技术领域】
[0001] 本发明涉及一种掌纹特征模板保护的方法。
【背景技术】
[0002] 随着网络与通讯技术的飞速发展，人们对于系统和信息安全性的要求日益增加。 在信息化、网络化、数字化社会背景下，传统的身份识别方法呈现出无法解决的重大缺陷， 生物特征识别技术就是在这种情况下应运而生的。其中掌纹识别技术作为生物特征识别技 术领域的一名成员，以其丰富的信息量、稳定而唯一的特征，近年来受到了国内外很多研宄 团队的重视与此相关的新技术和新方法不断出现。
[0003] 随着掌纹识别技术的迅速发展，相关的隐私问题和安全问题引起了人们的注意。 传统的身份认证系统通常采用密码或智能卡作为身份标识，在它们丢失或被盗后可以更新 或重置。然而对于掌纹识别系统，存储在数据库中的掌纹模板一旦泄露将无法撤销和重置。 而且，相同的掌纹模板可能应用在不同的系统中，模板的泄露将威胁所有使用此模板的系 统安全，用户的隐私也无法得到保证。
[0004] 传统的基于主成份分析的掌纹识别方法存在着严重的安全漏洞，解决问题的关键 是如何在数据库泄漏的情况下不让攻击者获得模板。为了解决这个问题人们首先想到的是 能否用密码学中的哈希函数来保护模板。但是每次采集的掌纹图像不可能完全相同，提取 的掌纹特征也不会完全相同，这与哈希函数的敏感性相矛盾。HDS(Helper Data System)系 统利用纠错码技术来解决这个问题，但由于纠错码的限制，使得该系统只适用于二进制向 量。而且错误数一旦超出了纠错码纠错能力，系统将无法正常工作。
[0005] 主成份分析的核心是在原始样本空间寻找一组最优的映射方向将原始样本映射 到特征空间后达到极大不相关，从而实现降维作用。假设训练样本集为Ix 1, X2，…，X1J，它的 目标函数表示形式如下：乂 V」) = arSfax I I;
[0006] 其中，W为所要求取的映射方向集合，即映射矩阵，St为总散度矩阵，可通过如下形 η 式得到：= Σ (χ, - υ)(χ, - 7)7; i-\
[0007] 其中，I为所有训练样本的均值。求取映射矩阵W即是求取总体散度矩阵St的特 征向量。令Y X2-F…习，
[0008] 则St= AA τ。通常情况，A的维数过大，为了更方便计算特征值和特征向量， 根据奇异值分解定理，通过求矩阵R = AtA的特征值和特征项量来获得。设XkSR不为零 的第k个特征值，vk为对应的特征向量，则w k= Av k为ST第k个不为零的特征向量。选取 前m个最大的特征值对应的特征相量组成了映射矩阵W = [?vwj。则映射特征Yi可通过 下式求得：Yi= W1Xi
[0009] 在基于主成份分析的掌纹识别系统中，需要存储的数据包括：全体训练样本均值 无映射矩阵W和样本的注册模板特征。如果数据发生泄漏，将会给系统带来两方面的威胁： 一方面是对用户隐私的泄露。另一方面是对系统安全性的威胁。数据库的泄漏会使得攻击 者很容易获取注册模板特征。攻击者通过伪造模板特征便可以轻易通过系统的认证，从而 进入系统。这就意味着系统的安全性将不复存在。
【发明内容】
[0010] 本发明目的是为了解决现有基于主成份分析的掌纹识别方法存在严重的安全漏 洞，攻击者在数据库泄露的情况下很容易获得模板的问题，提供了一种基于自适应非均匀 量化掌纹识别模板保护的方法。
[0011] 本发明所述基于模糊区间的掌纹特征模板保护的方法，该模板保护的方法具体过 程为：
[0012] 步骤一、提取注册人员的掌纹图像，生成训练样本和测试样本；
[0013] 步骤二、提取训练样本的特征生成注册模板特征T，T = It1, t2，…t。}，c为正整数， 表示样本的类别，提取测试样本的特征生成测试特征Y，Y = Iy1，…yp}，P为正整数，表示测 试样本个数，其中注册模板特征和测试特征的维数相同，即T和Y的行数相等；
[0014] 步骤三、统计注册模板特征T的分量分布情况，选取归一化参数，令T中 每个分量均除以t,，确定T的归一化范围[m，η]，同时得到归一化后的注册模板特征 / = {&;,···，（}, f表示&归一化后的ξ的第j个分量，i = 1，2,…，c ;
[0015] 步骤四、以2th为步长将区间[m，η]均分，得到初始区间序列 <={> 7,/?7 + 2成]加+ 2成,/?7 + 4成],.",[77-2决,《]丨7'，其中1：11为常数，表示模糊阈值；判断-^ ; 属于< 的区间序列中的某个区间，设该区间为[a，b];
[0016] 步骤五、以模糊阈值th为区间半径、以7为区间中点改变步骤四获取的区间的起 点和终点，改变后的区间为P -心卜+叫，用改变后的区间代替原来区间[a，b]，同时记录 该区间在区间序列< 中所在的行数作为心和f的区间特征，记为W :
[0017] 步骤六、#中除区间[a，b]及其前后相邻的两个区间外，其他区间采用随机的方 法对区间的中点、区间宽度和等宽度区间数量进行随机移动，重复步骤四和步骤五获取区 间矩阵R，d为正整数，表示ξ的维数；同时得到注册模板特征&和€的区间 特征& = ;
[0018] 步骤七、重复步骤六，得到注册模板特征T和f的区间特征G = {gl，g2，…，g。}，对 每一分量进行哈希，得到哈希值H = Ih1, h2，…，h。}，用哈希值H代替T作为每个用户的模 板存储在数据库中，其中IiiSg i的哈希值；同时得到整体区间的区间矩阵Q:Q= {qi，q2，··· ，q。};
[0019] 步骤八、分别对照整体区间矩阵Q的每个区间矩阵的每个分量寻找J/所属区间所 在的行数作为区间特征，> >/为第1个测试特征义={乂,^：，一，>^€7的第」个分量，即判断>；/ 分别归属于<，￥，_··，<的哪个区间，该区间的行数即为区间特征，即：得到的C个区间 特征 < = (<」，<:，···,<」，其中是根据g/得到的区间特征，进而得到测试特征yi的区间 特征为G,.,=丨?，…;
[0020] 步骤九、采用相同的哈希函数步骤八获取的区间特征巧^,的每一分量的哈希值，记 为= !/7K，···，<丨，其中乂为彳的哈希值，与屮的每一分量的哈希值进行匹配，完成对 掌纹的识别保护。
[0021] 本发明的优点：本发明所述基于模糊区间的掌纹特征模板保护的方法在对主成份 分析方法安全性分析的基础上，针对数据库泄露的情况下可能出现的用户隐私和系统安全 威胁，提出了一种安全的掌纹特征模板保护方法。该方法根据模糊阈值设置整体矩阵将传 统主成份分析方法得到的掌纹特征进行转化，然后使用区间特征的哈希值代替掌纹模板特 征存储在数据库中。这样，即使数据库发生泄漏，也无法得到用户的个人信息，有效保证了 用户隐私。该方法用模糊区间的方法消除掌纹特征的模糊性，用哈希函数保证量化特征的 单向性，并给出了安全性分析。本发明在数据库中进行方法性能仿真测试，测试结果表明 该模板保护方法在准确性方面与主成份分析方法相同，但系统安全性方面得到了很大的提 尚。
【专利附图】
【附图说明】
[0022] 图1是本发明所述掌纹特征模板保护方法的流程示意图；
[0023] 图2是本发明所述注册模板特征的区间特征和模糊区间序列的生成过程示意图；
[0024] 图3是本发明所述测试样本特征分量的区间特征生成过程示意图；
[0025] 图4是本发明所述测试样本特征区间特征的生成过程示意图。
【具体实施方式】
【具体实施方式】 [0026] 一：下面结合图1-图4说明本实施方式，本实施方式所述基于模糊 区间的掌纹特征模板保护的方法，该模板保护的方法具体过程为：
[0027] 步骤一、提取注册人员的掌纹图像，生成训练样本和测试样本；
[0028] 步骤二、提取训练样本的特征生成注册模板特征T，T = It1, t2，…t。}，c为正整数， 表示样本的类别，提取测试样本的特征生成测试特征Y，Y = Iy1，…yp}，P为正整数，表示测 试样本个数，其中注册模板特征和测试特征的维数相同，即T和Y的行数相等；
[0029] 步骤三、统计注册模板特征T的分量分布情况，选取归一化参数，令T中 每个分量均除以t,，确定T的归一化范围[m，η]，同时得到归一化后的注册模板特征 尹f表示h归一化后的[的第J·个分量，i = 1，2,…，c ;
[0030] 步骤四、以2th为步长将区间[m，η]均分，得到初始区间序列 《/={[--，《? + 2Λ]加+ 2成《? + 4执],_··,[?-2?Μ]Γ，其中th为常数，表示模糊阈值；判断?/属 于< 的区间序列中的某个区间，设该区间为[a，b];
[0031 ] 步骤五、以模糊阈值th为区间半径、以f为区间中点改变步骤四获取的区间的起 点和终点，改变后的区间为R +A]，用改变后的区间代替原来区间[a，b]，同时记录 该区间在区间序列W中所在的行数作为f和f的区间特征，记为gf;
[0032] 步骤六、g/中除区间[a，b]及其前后相邻的两个区间外，其他区间采用随机的方 法对区间的中点、区间宽度和等宽度区间数量进行随机移动，重复步骤四和步骤五获取区 间矩阵免=(?···,<}，d为正整数，表示〖.的维数；同时得到注册模板特征&和ξ的区间 特征震笔", ···，<);
[0033] 步骤七、重复步骤六，得到注册模板特征T和f的区间特征G = {gl，g2，…，g。}，对 每一分量进行哈希，得到哈希值H = Ih1, h2，…，h。}，用哈希值H代替T作为每个用户的模 板存储在数据库中，其中IiiSg i的哈希值；同时得到整体区间的区间矩阵Q:Q= {qi，q2，··· ，q。};
[0034] 步骤八、分别对照整体区间矩阵Q的每个区间矩阵的每个分量寻找所属区间所 在的行数作为区间特征，W为第i个测试特征Χ = (?，···ZN 7的第j个分量，即判断>'/ 分别归属于?/，#，···，<的哪个区间，该区间的行数即为区间特征，即：得到允的c个区间 特征W = …，，其中是根据￥得到的区间特征，进而得到测试特征Yi的区间 特征为％ =丨?·?;
[0035] 步骤九、采用相同的哈希函数步骤八获取的区间特征Gvi的每一分量的哈希值，记 为A ={<，/^"，^}，其中弋为#的哈希值，与邮勺每一分量的哈希值进行匹配，完成 对掌纹的识别保护。
[0036] 本发明中，按照本发明所述的模板保护方法，在数据库中需要存储四种数据：全体 训练样本均值Y，映射矩阵W，整体区间矩阵Q以及区间特征的哈希值Η，针对这四种数据， 相对于传统的方法，在数据库泄漏的条件下对提出的算法进行安全分析：
[0037] 1、哈希函数的单向性保证了哈希值的安全性，即无法从哈希值反推区间特征，进 而无法得到特征。
[0038] 2、假设主成分分析是公开的，即映射的维数是已知的，分析攻击者根据此信息成 功猜测出区间特征的概率：设映射特征的维数为d，区间序列的维数为s，对应哈希值可以 计算成功猜测出量化特征的概率为4。只要s足够大，系统的安全性就可以得到保证。 S
[0039] 由以上两点可知，无论从哈希值反推区间特征，还是从模板特征正推区间特征，都 非常困难，证明了本发明所述模板保护方法的安全性。而且，该模板保护方法能够通过更新 整体区间矩阵重置哈希值，应用于不同系统中。
[0040] 下面给出仿真的验证过程，POlyU掌纹数据库是由香港理工大学制作，POlyU掌纹 数据库包括100个不同的人，每个人有6幅掌纹图像，共计600幅图像。每个人的前三幅图 像是第一次采集活动中采集的。每个人剩余的图像是两个月后所采集。仿真验证是在从原 始掌纹图像中分割出来的ROI区域上进行，将每个人的前三幅图作为训练样本，其余图像 作为测试样本。
[0041 ] 采用FMR和FNMR作为本发明提出模板保护方法性能评测的参数。模糊区间方法生 成整体区间矩阵的过程中引入了模糊阈值作为区间半径，在测试过程中测试样本特征的每 一维都要投影到某一个区间，然后再提取区间特征和哈希值等后续匹配过程。这相对于通 常采用的欧氏距离更加严格，称之为无穷范数距离。设X= Ix1，…，xn}和y= Iy1，…，yn} 为两个向量，无穷范数距离定义如下：= In I
[0042] 为了在同等条件下测试算法性能，我们对传统主成份分析法也采用无穷范数。本 发明所提出的模板保护方法和传统主成份分析法性能基本相同，证明了本发明所提出的模 板保护方法的可行性。表1给出了 POlyU数据库在不同阈值情况下主成份分析法与本发明 所提出的模板保护方法的FMR和FNMR。从表1具体数据中更容易对比两算法的性能，可以 看出在准确率方面基本相同。
[0043] 表1不同阈值下的FMR和FNMR
[0044]
【权利要求】
1.基于模糊区间的掌纹特征模板保护的方法，其特征在于，该模板保护的方法具体过 程为： 步骤一、提取注册人员的掌纹图像，生成训练样本和测试样本； 步骤二、提取训练样本的特征生成注册模板特征T，T=It1,t2，…t。}，C为正整数，表示 样本的类别，提取测试样本的特征生成测试特征Y，Y= {yi，…yp}，P为正整数，表示测试样 本个数，其中注册模板特征和测试特征的维数相同，即T和Y的行数相等； 步骤三、统计注册模板特征T的分量分布情况，选取归一化参数t,，令T中每个分量均 除以tq，确定T的归一化范围[m,η]，同时得到归一化后的注册模板特征7'=丨Zp/:,…乂}，P 表示h归一化后的ζ的第j个分量，i= 1，2,…，c; 步骤四、以2th为步长将区间[m，η]均分，得到初始区间序列 ￠//=丨[λ","? + 2//7],["/ + 2//7,"/ + 4//7],…，[/7-2///,"]「，其中th为常数，表示模糊阈值；判断亍属 于？/的区间序列中的某个区间，设该区间为[a，b]; 步骤五、以模糊阈值th为区间半径、以f为区间中点改变步骤四获取的区间的起点和 终点，改变后的区间为-从义+//7]，用改变后的区间代替原来区间[a，b]，同时记录该区 间在区间序列W中所在的行数作为 < 和f的区间特征，记为g/ ; 步骤六、W中除区间[a，b]及其前后相邻的两个区间外，其他区间采用随机的方法对 区间的中点、区间宽度和等宽度区间数量进行随机移动，重复步骤四和步骤五获取区间矩 阵免={?，···Υ〗，d为正整数，表示ξ的维数；同时得到注册模板特征ti和?;的区间特 征笔={Κ,?···,笑f}; 步骤七、重复步骤六，得到注册模板特征T和f的区间特征G= {gl，g2，…，g。}，对每一 分量进行哈希，得到哈希值H=Ih1,h2，…，h。}，用哈希值H代替T作为每个用户的模板存储 在数据库中，其中h$gi的哈希值；同时得到整体区间的区间矩阵Q:Q= {qi，q2，…，q。}; 步骤八、分别对照整体区间矩阵Q的每个区间矩阵的每个分量寻找>>/所属区间所在的 行数作为区间特征，W为第i个测试特征乃= ···,_〇e7的第j个分量，即判断分别 归属于W，#，···，<的哪个区间，该区间的行数即为区间特征，即：得到允的c个区间特征 疗=ΚΧυ?)，其中心是根据W得到的区间特征，进而得到测试特征区间特 征为g,; ; 步骤九、采用相同的哈希函数步骤八获取的区间特征Gyi的每一分量的哈希值，记为A= ^ 4，···A丨，其中％为 < 的哈希值，与仏的每一分量的哈希值进行匹配，完成对掌 纹的识别保护。
【文档编号】G06K9/62GK104463228SQ201410828259
【公开日】2015年3月25日 申请日期:2014年12月26日 优先权日:2014年12月26日
【发明者】王志芳, 丁群, 甄佳奇, 赵冰, 孟晓 申请人:黑龙江大学