论文部分内容阅读
科学技术的飞速发展使得信息安全已成为全球信息化进程中最具挑战性的课题,保证数据的安全性是信息安全中最值得考虑的重要问题。传统的密码技术中,系统的安全性完全依赖于密钥的安全性。由于密钥和用户之间缺乏必然的联系,系统无法区分密钥使用者的身份,即不能判断是授权用户还是恶意攻击者,从而导致非法的密钥共享。生物特征密钥从用户独一无二的生物特征中产生密钥,可以有效地解决传统密码学中的这一安全问题。生物特征密钥技术的研究内容主要包括三个方面的内容:鉴别生物特征提取、生物特征密钥生成和安全设计。鉴别生物特征提取是生物特征密钥生成的首要条件,对密钥生成具有重要的影响。生物特征密钥生成指利用生物特征和密码学中的一些算法产生一个稳定序列的技术。安全设计针对生物特征密钥生成系统中的安全漏洞设计相关方案保护生物特征密钥和用户的生物特征信息。本论文围绕这三个方面展开研究,在分析总结前人工作的基础上,主要创新工作如下:1)针对UDP算法中的小样本问题,提出了最大方差差分嵌入算法(VDE),该算法直接通过求解一个特征值问题而获得投影矩阵,无需矩阵求逆运算,因此VDE无小样本问题,另外由于是求解特征值问题而获得正交特征向量。2)局部保持投影(LPP)强调数据的局部特性而不是直接面向分类问题,为了使LPP提取的特征更具有鉴别能力,将最大边缘准则嵌入到局部保持投影算法中,形成了最大边缘局部保持投影算法(MMLPP), MMLPP增强了局部保持投影算法所提取特征的鉴别能力。局部线性鉴别嵌入(LLDE)将最大边缘准则嵌入到NPE的目标函数中,从而增强了NPE算法所提取特征的鉴别能力。然而LLDE难于最大化数据类间离散度和最小化类内离散度,所提MMNPE算法直接最大化数据类间离散度和最小化类内离散度之比,获得了比LLDE更好的性能。3)针对鉴别局部保持投影(DLPP)中的小样本问题,所提直接鉴别局部保持投影算法执行DLPP准则时不用矩阵求逆,无需采用PCA进行预降维,而是进行二次特征值求解而获得一个投影矩阵,该过程利用DLPP准则最大限度地提取数据的鉴别信息。另外,基于多项式扩展和Gabor滤波器的DDLPP算法进一步提高了生物特征模板的鉴别能力。4)梯度脸仅仅描述了人脸水平方向和垂直方向上的梯度,而且实验表明梯度脸算法性能不太稳定。所提多方向正交梯度相位脸算法加上子空间数据降维的方法提高了梯度脸算法的识别精度,增强了梯度脸算法的稳定性。5)针对生物特征密钥生成中的一些问题展开了一系列工作,主要包括:1)提出了一种新的量化方法;2)提出了一种利用混沌随机投影和模糊承诺算法生成可撤销生物特征密钥的方案并进行了仿真研究;3)利用手指静脉的纹路特征和模糊承诺算法构建了一个生物特征密钥生成系统;4)利用手指静脉的细节点特征和模糊保险箱算法构建了一个生物特征密钥生成系统。