[发明专利]一种基于融合特征描述子的指纹加密方法

说明书

本发明属于信息安全和模式识别中指纹加密融合技术领域，公开了一种基于融合特征描述子的指纹加密方法；首先需要构造免配准的特征描述子，描述子由三部分构成，分别为指纹细节点方向场特征描述子、指纹细节点局部结构描述子，脊线计数特征描述子；然后将描述子存入辅助数据(Helper Data)中，用于指纹加密算法的加密域匹配；利用Fuzzy Vault算法将指纹特征信息与密钥进行绑定，添加杂凑点，生成Vault；当用户需要进行验证时，将查询指纹与注册指纹生成的Helper Data计算匹配分数，与注册指纹进行加密域匹配，完成指纹加解密流程。本发明避免了传统因配准不精确带来的误差，提高了指纹加密技术的匹配精度。

技术领域

本发明属于信息安全和模式识别中指纹加密融合技术领域，尤其涉及一种基于融合特征描述子的指纹加密方法。

背景技术

目前，业内常用的现有技术是这样的：生物特征加密技术旨在将生物特征识别和密码技术有机融合，发挥各自技术的优势，减轻密钥管理的压力，并对隐私信息提供更强大的安全保护和控制。指纹加密技术是指纹识别技术和密码技术相辅相成，其原理是将指纹信息和密钥信息安全的融合在一起，该技术兼顾了指纹识别的模糊性和密码技术的准确性，确保密码技术中的密钥安全，是信息安全领域的一个重要的发展趋势。将生物特征加密技术分为密钥释放、密钥绑定和密钥生成三种模式。模糊保险箱方法就是密钥绑定的生物特征加密方式，也是目前指纹加密领域中影响最大的算法，许多研究者都是以这个算法为基础进行深入研究的。现有的指纹加密系统中，Fuzzy Vault算法是应用于实际的加密系统。Fuzzy Vault模糊保险箱算法是基于指纹细节点特征的加密算法，因此在加密域准确找出匹配的细节点对该算法的性能有着直接的影响。Fuzzy Vault模糊保险箱算法的核心问题是解决生物特征的模糊性和密钥体制的准确性之间的矛盾。对于指纹加密系统而言，注册时的指纹细节点个数、优秀的加密域匹配算法以及最终匹配上的细节点个数，决定了加密系统的性能。辅助数据(Helper Data)是解决这个矛盾的整个过程非常重要的角色，发挥着关键性作用。Helper Data是在Fuzzy Vault加密系统注册阶段生成并存储的具有安全性的数据，它不仅能够帮助指纹加密系统更优的实现加密效果，而且是可以公开存储的安全数据，攻击者从Helper Data中无法得到关于密钥和用户原始生物特征信息。现有技术一基于辅助数据的对齐方法。辅助数据基本上是从指纹中提取并公开存储的附加信息。辅助数据不应该显示任何信息，并且有足够的数据进行对齐。这里辅助数据是高曲率点，在提取出高曲率点后，采用经过迭代最近点算法对查询和入组模板进行对齐。但高曲率点在一定程度上对泄漏指纹模版信息，并且受指纹形变等影响较大，匹配准确率不高。现有技术二定义了一种基于辅助数据的平移和旋转参数计算方法，并围绕核心点构造拓扑结构。将查询和已登记模板的辅助数据进行比较，得到匹配的参数，然后对查询进行平移和旋转。在此基础上进行了译码匹配决策。该技术依赖于中心点的提取，中心点提取错误或采集图像中不包括中心点都会严重影响加密域匹配精度。现有技术三描述了3个基于minutia的结构进行对齐：(1)5个最近邻结构:(2)voronoi邻居结构和(3)三角形结构。五个最近邻结构是基于局部脊线方向的，它包含五个小邻域。两个局部结构之间的匹配只发生在相邻数量匹配大于局部匹配阈值的情况下。Voronoi邻域结构与5个邻域结构相似，但仅在从Voronoi图中选择的邻域选择上存在差异。这两种算法都是局部的。基于三角形的结构使用了三个细节，这些细节共同形成了三角形。只有当每个位移之间的笛卡尔距离位于边缘阈值范围内，且脊向范围位于方向阈值范围内时，两个实例之间才存在匹配。基于minutia的结构的对齐对于细节点的缺失敏感，单个细节点的缺失会造成整个结构的错误。因此细节点的缺失会直接影响匹配精度。

综上所述，现有技术存在的问题是：

(1)现有技术一，现有技术二在加密域匹配方面仍存在较大不足，主要包括指纹信息的泄露和中心点的准确提取以及缺失等问题。最终匹配上的细节点数目以及准确性仍有待于提高。