【摘 要】
：
指静脉识别因其显著的优势近年来逐渐成为研究热点。然而,目前指静脉识别系统大多都直接存储指静脉原始模板,一旦攻击者通过一定不法操作攻击了系统的数据库,由于生物特征的特殊性,模板的丢失会对用户造成严重的隐私侵犯。此外,丢失的模板极有可能会被攻击者作为系统仿冒攻击的工具,造成严重的系统安全风险。针对这些安全性的问题,本文对指静脉模板保护和仿冒检测算法进行了研究,并做了如下工作。（1）目前的指静脉模板保护
论文部分内容阅读
指静脉识别因其显著的优势近年来逐渐成为研究热点。然而,目前指静脉识别系统大多都直接存储指静脉原始模板,一旦攻击者通过一定不法操作攻击了系统的数据库,由于生物特征的特殊性,模板的丢失会对用户造成严重的隐私侵犯。此外,丢失的模板极有可能会被攻击者作为系统仿冒攻击的工具,造成严重的系统安全风险。针对这些安全性的问题,本文对指静脉模板保护和仿冒检测算法进行了研究,并做了如下工作。（1）目前的指静脉模板保护算法难以同时满足模板在安全性能、识别性能、多样性等方面的特性。为了平衡这些需求,本文在混沌映射的理论基础上提出一种指静脉模板保护算法。该算法利用混沌映射与密码学相似的特性,将其参数作为系统密钥,密钥空间较大。最后,模板的识别在加密域中完成。仿真结果表明,与现有的算法相比,本文算法的安全性能提升,模板保护后系统的识别性能稳定,在密钥丢失情况下也能满足模板的多样性需求。（2）针对采用单一的纹理特征进行指静脉仿冒检测性能不高的问题,本文提出一种基于多特征融合的指静脉仿冒检测算法。该算法加权融合真伪指静脉图像间存在差异性的噪声特征和模糊特征,并采用粒子群算法对多特征进行权值寻优,以提高仿冒检测性能。同时,为了丰富实验仿真环境,在公开的真伪指静脉数据库以外,自建一个新的数据库用于算法评估。仿真结果表明,本文的算法在多特征融合后仿冒检测性能提升,与现有的算法相比,在公开和自建数据库上都能实现有效的检测,检测性能提高。
其他文献
大数据时代,充足的训练数据给机器学习带来了巨大的性能提升。大量的数据也意味着需要大量的人工标注,然而人工标注往往耗时耗力,这催生了迁移学习（Transfer learning,简称TL）的发展。迁移学习旨在借助相关源域的知识辅助目标域学习,以解决目标域数据或标记稀缺的问题。域适应（Domain Adaptation,简称DA）学习是迁移学习中的重要研究方向。域适应方法通常利用基于距离或者对抗的方式
雾霾天气下,由于空气中存在大量漂浮着的粒子,光线传播过程中与这些悬浮粒子相互作用,使得光线发生散射,最终到达成像设备的场景光信息受损。所以拍摄得到的图像存在对比度较低、清晰度低、细节丢失等问题,影响后续对图像的进一步处理应用。因此,对有雾图像进行去雾工作,使其能够应用于高级别的图像处理任务。本文基于深度学习对单幅图像去雾算法进行了研究,主要工作如下:（1）针对基于深度学习的非端到端图像去雾算法对模
随着社会经济的不断发展和人民消费水平的提升,消费者对物质生活水平的需求不再仅仅体现在数量上,同时对商品的质量也有了更高的要求。供应链溯源技术是保障商品质量的首要方案,但在传统中心化存储的供应链溯源系统中存在信息孤岛、恶意企业对溯源信息进行修改不易被察觉和溯源难的问题。区块链具有去中心化、不可篡改性和可追溯性等特点,这些特点使其在商品溯源方面具有不可替代的优势。然而由于供应链溯源管理的参与方较多且存
随着移动通信与多媒体技术的发展,多媒体服务正在从传统单一、平面、应答式的内容服务,向沉浸、立体、交互式的技能服务演进。触觉互联网在传统多媒体通信的基础上,加入新的触觉类媒体,实现了物体感知模式的进化,能够在远端敏锐地感知细微的变化,提升用户服务体验。然而,触觉互联网对通信环境提出了更高的要求,网络延迟必须低至毫秒级别,网络通信可靠性必须至少高达99.9999%。如何保障超可靠低时延通信成了触觉互联
过去几十年间,量子纠缠和Bell非局域性这种对称量子关联,引起了人们的广泛关注,并取得了丰硕的研究成果。然而,直到最近几年,量子导引这种非对称量子关联才开始进入人们的视野。它是一种介于量子纠缠和Bell的非局域性之间的量子关联形式。由于其独特的不对称特性,使得它在量子通信、量子计算和量子密码等许多领域发挥着不可替代的作用。然而,在量子领域,一个不可避免的问题是,量子系统会与周围环境彼此耦合,导致量
随着移动通信网络和各类智能传感器的飞速发展,人们对沉浸式交互体验的需求日益增长。触觉作为重要感知模态,是提升用户整体沉浸感、流畅感、参与感的关键。然而,传统的音视频传输方案无法应对突变的触觉信号和其超高的低延迟要求。因此,如何设计一个通用的多模态传输方案,能自适应传输过程中环境、信号的实时变化,实现对数据流的实时控制以适应各种远程操作场景是亟待解决的问题。此外,参考多模态深度学习领域研究成果,将多
电力行业是我国国民经济发展的基石,而其中火力发电占总发电量的绝大部分。但在国家全面倡导节能减排的大环境下,火力发电过程中会生成以NOx为主的污染物,对环境污染最大,且最难以处理。因此建立火电厂的NOx排放模型能够促使企业严格执行环保政策,,实现经济高效可持续发展。在已有的NOx排放建案例中,以支持向量机为代表的一系列NOx排放建模方法取得了优异的建模效果。支持向量机在统计学习理论基础上发展的一种机
网络控制系统（Networked Control System,NCS）是由通信网络组成闭环回路的空间分布式控制系统,因兼具强大的灵活性、发展的便捷性和广泛的兼容性,在不同领域的实际控制系统得到了广泛应用。然而,网络作为一种可靠性较低的通信介质,传输过程中多条信号在同一时间段内集中通信,易受到网络攻击及发生拥塞滞碍,严重时造成网络时延、丢包、无法正常运行等一系列问题。因此,NCS通信过程中的资源受
随着时代的发展,以糖尿病为主的慢性病对人们生活的影响愈来愈严重,患病人数居高不下,并发症发生频频。在医疗领域,机器学习技术已在解决医疗难题上崭露头角,可以辅助进行疾病预警、病情分析等,但是在糖尿病防控及并发症治疗方面应用较少,机器学习模型在糖尿病预测及复杂场景下的效果略显不足。基于此,本文将机器学习技术用于糖尿病及其并发症诊治智能服务上,首先基于用户身体数据信息感知用户是否患病;其次在患病基础上实
近年来,深度学习在图像去噪方面取得了显著的进展,得到了国内外研究人员的广泛关注。然而,大部分现有基于深度学习的图像去噪方法依赖于数据驱动,模型参数缺乏可解释性。相比之下,基于模型的传统去噪方法能准确地定义模型,具有较强的可解释性。研究模型和数据联合驱动的深度神经网络能有效集成两类方法的优点,是解决深度神经网络可解释性问题的有效途径。因此,本文以图像去噪为应用背景,利用深度展开思想搭建可解释性深度神