论文部分内容阅读
随着信息技术的迅速发展,越来越多的领域需要可靠安全的身份认证技术。在各种市场需求的推动下,生物特征识别得到了快速发展,虹膜识别技术因具备众多优点成为热门研究之一。然而随着虹膜识别技术的应用和发展,该技术逐渐暴露出一些安全隐患,一旦虹膜特征数据库被盗取,将导致用户的信息泄露,影响用户的人身财产安全。因此,针对虹膜特征的原始数据保护成为该领域的主要研究热点之一。本文以虹膜识别系统中虹膜特征模板保护问题为主要研究内容,研究虹膜图像的预处理、特征提取、模板保护以及匹配方法,提出一种双虹膜模板保护方法。在虹膜图像预处理阶段,采用经典算法进行虹膜定位及归一化。然后采用Log-Gabor变换提取纹理特征。为保护所得的虹膜原始特征数据,本文提出一种基于局部置乱与双随机相位编码（DRPE,Double Random Phase Encoding）的双虹膜模板保护方法,该方法采用同一用户的左右虹膜,将左虹膜特征矢量作为验证虹膜,而右虹膜特征矢量作为密钥,将用户的左虹膜图像的特征矩阵采用Arnold分块置乱,以获得虹膜特征码（IrisCode）的第一重保护,然后从同一用户的右虹膜图像中提取IrisCode作为双随机相位编码的第二相位掩膜,在分数傅里叶域通过双随机相位编码的方法生成新的模板存储在数据库中,以达到虹膜模板保护的目的。在匹配阶段,本文采用汉明距离进行分类得出匹配结果。为了说明本文方法的适用性和普遍性,采用CASIA-IrisV3数据集中的三个子图库即CASIA-IrisV3-Interval、CASIA-IrisV3-Lamp以及CASIA-IrisV3-Twins和MMU-V1数据集中的虹膜图像对所提出的方法进行仿真实验与性能评估。随机选取每个图库中每个人的50%样本作训练集,其余作为测试集,本文算法最终的正确识别率分别为98.73%、83.35%、78.99%以及73.65%,相比较未加密方法的正确识别率而言略有降低,但该算法以略低的识别正确率为代价换取了更好的模板保护效果,其可判定性d’较高,分别为5.64、5.02、5.97、4.87,说明冒名顶替者与真实分布之间的距离较大,本文的模板保护方法提高了模板保护的性能。另外本文算法可生成的模板数量为522,攻击者恢复原始数据需要尝试31452′624′4 2次,表明本文算法能够满足模板保护方法的三大标准,即不可逆性、可撤销性以及不可链接性。除此之外,该方法还能够避免爬山攻击以及相关攻击。综上,本文所提出的方法在满足较高识别率的同时实现了虹膜原始特征数据的保护。