[发明专利]一种用于数字签名的指纹密钥生成新方法

摘要

一种用于数字签名的指纹密钥生成新方法，包括两个阶段，第一阶段是指纹特征提取，包括计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取；第二阶段是指基于模糊提取技术的指纹秘钥生成，包括构造基于安全模型的模糊提取器、构造基于Hamming距离的模糊提取器和生成指纹密钥；本发明具有可以多次撤销、多次更新指纹密钥，使得安全性更高，能够避免外界信息被窃取带来的安全隐患，同时具有重要的理论与实用价值，有广阔的应用前景的优点。

主权项

1.一种用于数字签名的指纹密钥生成新方法，其特征在于，包括两个阶段：第一阶段：指纹特征提取本阶段中指纹特征提取主要包括：计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取六个步骤：步骤a、计算指纹图像方向图本步骤采用一种改进的利用梯度算子求取方向图的Rao方法，本步骤中指纹像素点(i,j)的梯度值用向量表示，水平和垂直方向梯度分量用和表示，其计算指纹图像方向图算法描述如下：步骤a1：将指纹图像f(x,y)划分为w×w的小块；步骤a2：计算指纹图像f(x,y)在图像的每一点(x,y)的水平和垂直方向梯度和水平和垂直方向梯度分量可由Sobel计算得出，将模板尺寸设为3×3大小，将指纹图像分别与模板离散卷积，即可求得和步骤a3：若以(x,y)为各图像块中心点，通过式(2)、式(3)计算指纹图像中各图像块的平均梯度方向θ(x,y)：式(3)中，θ(x,y)为局部脊线方向的最小平方估计，表示局部脊线方向垂直于w×w窗口的傅里叶频率的主方向；步骤a4：通过式(5)将方向场转化为连续向量场，依据单位区域内脊线方向的渐变性，使用低通滤波器修正脊线方向，其低通滤波器由式(6)所示：式(6)中，H(u,v)为二维低通滤波器，wΦ×wΦ为低通滤波器尺寸；步骤a5：根据式(7)计算指纹图像块方向，即：步骤b、定位指纹图像的参考点本步骤通过指纹中心点的对称性与复滤波器的强响应定位中心点，其算法描述如下：步骤b1：复滤波器法主要检测径向对称性，其数学模型为exp{imφ}，在高斯窗口域内滤波器的多项式表达式由式(8)表示：(x+iy)mg(x,y)               (8)式(8)中，g(x,y)＝exp(‑(x2+y2)/(2δ2))是一个高斯函数，(x,y)表示高斯窗口中的点，本步骤只需要检测指纹图像中心点，故取m＝1的抛物对称性的滤波器，该滤波器的形式为：h＝(x+iy)g(x,y)；步骤b2：指纹原始图像用f(x,y)表示，其复方向域如式(9)所示：式(9)中，和分别表示原始图像在x方向和y方向的梯度；步骤b3：原始图像的梯度求复方向域用Z表示，其具体构造方法如式(10)所示：步骤b4：将指纹图像的复方向域与复滤波器做卷积，滤波结果如式(11)所示，结果中最大值对应的点即可确定为指纹图像的中心参考点：R(x,y)＝||(x+iy)g(x,y)*z(x,y)||               (11)步骤c、计算指纹特征提取区域当指纹图像的中心参考点确定之后，则位于指纹中心点周围的区域是用于特征提取的关键区域，设指纹图像f(x,y)大小为M×N，(xc,yc)表示中心参考点坐标，指纹图像有效区域定义为扇区的集合Si，其中第i个扇区Si由参数(r,θ)定义，如式(12)所示：T_i＝i div k，θ_i＝(imodk)×(2π/k)，θ＝tan^‑1((y‑y_c)/(x‑x_c))，b表示圆环的宽度，k表示每个同心圆环被划分的扇区数目，i＝0,1,...,(B×k‑1)，θ表示偏离图像x轴的角度，表征Gabor滤波的处理方向，k作为获取指纹局部信息和全局信息的一个相对标准，k值较小时可获取指纹上更多全局信息；k值较大则能获取指纹上更多局部信息；步骤d、指纹图像的归一化本步骤对有效区域的每个小扇区单独归一化处理，采用一致的均值和方差，进而对整幅图像归一化处理，用I(x,y)表示指纹图像的像素(x,y)处灰度值，Hi表示第i个扇区内的像素总数，环形区域Si的灰度值的均值和方差分别用Mi和Vi表示，通过式(13)、(14)求解Mi和Vi：点(x,y)归一化后的灰度值Ni(x,y)用式(15)求解：步骤e、增强处理指纹图像通过二维Gabor滤波器将归一化后的指纹图像进行增强处理，若二维Gabor滤波器在空域中的定义为：其中：x'＝xsinθ+ycosθ                        (17)y'＝xcosθ‑ysinθ                        (18)其中，f是宽度比例因子，表示正弦平面波频率，δx'和δy'分别表示沿着x轴和y轴的高斯包络的标准差，决定了带通滤波器的带宽，θ是Gabor滤波器的方向因子；步骤f、指纹特征值提取本步骤采用基于灰度级的方差特征进行指纹特征值提取；指纹原图像f(x,y)经过八方向Gabor滤波之后，八个方向上扇形区域Si内的各个像素的灰度值为Fiθ(x,y)，其中i∈{0,1,2,...,35}，θ∈{0°,22.5°,45°,67.5°,90°,112.5°,135°,157.5°}，指纹环形区域特征值Viθ如式(19)所示：ni表示扇形区域Si内的像素数量，Piθ表示扇形区域Si内灰度值均值；第二阶段：基于模糊提取技术的指纹秘钥生成在第一阶段提取出指纹特征值的基础上，采用模糊提取技术生成用于数字签名的指纹密钥，主要包括：构造基于安全模型的模糊提取器、构造基于Hamming距离的模糊提取器和生成指纹密钥三个步骤；步骤g、构造基于安全模型的模糊提取器在安全模型(M,m,m',t)的基础上加上强提取器Ext构造模糊提取器的过程如下：设＜SS,Rec＞是一个(M,m,m',t)安全模型，Ext是一个(n,m',l,ε)强提取器，使用一对函数＜Gen,Rep＞是表示(M,m,l,t,ε)模糊提取器；Gen(w；r,x)：P＝(SS(w；r),x)，R＝Ext(w；x)，则输出为(R,P)；Rep(w',(s,x))：先恢复出w＝Rec(w',s)，再输出R＝Ext(w；x)；其中，SS是一个随机化的提取函数，当输入值w∈M，其输出为冗余信息P∈{0,1}^*，使得对所有M上的最小熵H_∞[W]≥m的随机变量，在已知SS(W)的情况下，W的平均最小熵满足Rec作为恢复函数，当输入公开辅助信息P和接近初始码字的w'∈M，则输出码w”，若SS(W)→P和dis(w,w')≤t成立，则有w”＝w；Gen函数是一个随机化的生成函数，当输入w∈M时，提取出秘密比特串R∈{0,1}l和公开的辅助串P∈{0,1}*，对于所有M上的随机变量w，w的最小熵为H∞[W]≥m，如果有Gen[w]→＜R,P＞，则SD((R,P),(Ul,P))≤ε；Rep函数是模糊提取器的重构函数，对于输入w'∈M及公开辅助串P，输出为随机串R∈{0,1}l，如果＜Gen,Rep＞两个函数的输入满足dis(w,w')≤t，且Gen[W]→＜R,P＞，则R＝Rep[w',P]，因为考虑到要将随机串X作用于输入W，故将Gen函数表示为Gen(W,X)；步骤h、构造基于Hamming距离的模糊提取器在Hamming距离度量下，基于空间M＝{0,1}n构造安全模型和模糊提取器的过程如下：码字偏移量构造中使用BCH码作为纠错码，设C:{0,1}k→{0,1}n是一个二进制(n,k,2t+1)编码函数，设D:{0,1}n→{0,1}k为译码函数；对随机数{0,1}^k→r，设安全模型中因为BCH码的译码函数D可以纠正t个错误，设且dis_Ham(w,w')≤t，则有不妨再设定安全模型中于是可得到在Hamming空间M＝{0,1}ⁿ上的(M,m,m+k‑n,t)的安全模型如式(20)、式(21)所示：Hamming距离下由安全模型到模糊提取器如式(22)、(23)所示：Gen(w,r,x)→＜R,P＞                       (22)Rep(w,P,x)→R                           (23)其中R＝Ext(w,x)，Rec(w',P)＝w，由上述模糊提取器公式，可将多变的生物特征作为w输入，从而提取出固定的随机均匀二进制字符串R作为生物特征密钥；步骤i、生成指纹密钥本方法中指纹密钥生成方法包含指纹密钥提取、指纹密钥恢复两个阶段：步骤i1：指纹密钥提取阶段：指纹图像经F(x)函数所提取出的指纹特征值，再经过量化得到指纹特征模板w，利用模糊提取概率生成过程Gen(w)→＜R,P＞计算指纹密钥R＝H_SHA‑1(R₀)和公开辅助信息P，并将P存储在数据库中，中间信息R₀是系统内部产生的随机数，本方法中R₀为w经哈希函数MD5产生的哈希值，用BCH纠错码对R₀编码再将R₀'与w异或就得到了公开辅助信息而指纹密钥R＝H_SHA‑1(R₀)是中间信息R₀再经过哈希函数SHA‑1得到的，这里SHA‑1哈希函数就是强提取器Ext，最终提取的指纹密钥R具有固定位数且随机均匀分布的特点；步骤i2：指纹密钥恢复阶段：指纹图像经F'(x)函数获得提取出的指纹特征值，对于再次输入的特征模板信息w'，将其与P进行一次异或运算得到然后对R₁'用BCH译码函数来纠错，由此恢复出与R₀等值的中间信息R₁，对于再次输入的指纹特征模板信息w'与原始输入的指纹特征w的几何距离在BCH纠错码的纠错范围内，则表示两次输入的指纹是同一指纹，故可以恢复出指纹密钥，因此需要将R₁经过哈希函数SHA‑1变换R＝H_SHA‑1(R₁)，恢复出指纹特征密钥R。