[发明专利]基于生物特征点拓扑结构的随机数发生器

说明书

技术领域：

本发明涉及密码学的随机数发生器技术，也涉及生物特征认证的生物模式识别技术，尤其涉及基于生物特征点拓扑结构的随机数制作方法。

背景技术：

目前标准的随机数发生器主要有美国联邦信息处理标准(FIPS)批准的用于生成DES密钥及其初始向量的ANSI X9.17和FIPS 186。另外，密码学上著名的安全随机发生器还有由S.micali和C.P.Schnorr提出的Micali-Schnorr，以及由L.Blum、M.blum和M.Shub提出的Blum-Blum-Shub等数种伪随机数发生器。

可以把上述随机数发生器称之为传统随机数发生器。使用传统随机数发生器所产生的随机数，具有随机性从而具有隐秘性，故能作为密钥用于密码学；但该作为密钥的随机数没能包含密钥使用人的生物特征点拓扑结构信息，从而不能以此认证该密钥使用人生物特征。

发明内容：

基于生物特征认证的生物模式识别技术是已有的技术。通过该技术可获取人的生物特征点拓扑结构，也可由此进行人的生物特征认证。可以例举人的生物特征有指纹特征、虹膜特征、面相特征、声音特征等，表征生物特征的特征点拓扑结构即生物特征点拓扑结构，如指纹特征点拓扑结构、面相特征点拓扑结构等。

本发明的目的是提供一种可产生包含生物特征点拓扑结构信息的随机数发生器，以便克服传统随机数发生器所产生随机数没能包含生物特征点拓扑结构信息的不足。

为了实现本发明目的，本发明方案的技术特征包括，设定运算处理流程及数学表达式，所设定的数学表达式是P＝KG，其中G是待运算处理变量、用于存储输入的生物特征点拓扑结构矩阵数据，P是运算处理结果变量、用于存储经运算处理后待输出的生物特征点拓扑结构新矩阵数据，K是由函数k(random[r]，Move，Round，MROrder)决定的算法，其中random[r]是随机指令数组变量、Move是位移指令变量、Round是旋转指令变量、MROrder是先后指令变量，设定以算法K＝k(random[r]，Move，Round，MROrder)为核心、以P＝KG为表达式且按(random[r]、Move、Round、MROrder)指定方法进行随机位移旋转的运算处理流程，包括设置输入整型变量r、M、R、MRO，把由传统随机数发生器所产生的r个随机数赋值给random[r]、把M赋值给Move、把R赋值给Round、把MRO赋值给MROrder，还包括把random[r]元素的个数r设为操作轮次、random[r]的元素值random[n]设为操作次数、Move的变量值M设为位移步长、Round的变量值R设为旋转步长、MROrder的变量值MRO为位移和旋转操作先后次序，从而设定完成对G数据按r轮次、random[n]次数、M和R步长、MRO次序进行位移和旋转操作的运算处理流程，其中MRO＝0先位移后旋转，MRO＝1先旋转后位移，n是大于等于1与小于等于r的整数，当r为0时设定本发明仅作一次M和R步长位移和旋转运算；本发明方案的技术特征又包括，按数学表达式P＝KG及其运算处理流程设置运算处理模块，该模块的设置步骤包括设置输入接口连接G数据获取模块获取G变量数据，G数据获取模块设有把输入生物特征点拓扑结构矩阵数据进行程序数据结构化处理并赋值给G变量的步骤，设置输入接口连接K获取模块获取K变量数据，K获取模块设有传统随机数发生器，其特征在于K获取模块按输入的r值可r次调用该传统随机数发生器产生r个随机数并赋值给random[r]，连同所输入的M、R、MRO获经设定的K＝k(random[r]，Move，Round，MROrder)，设置该模块的步骤又包括把输入的G数据和K＝k(random[r]，Move，Round，MROrder)按P＝KG进行运算处理，即把G按GK＝Gk(random[r]，Move，Round，MROrder)＝P的算法步骤进行随机地位移、旋转运算处理，从而把包含Gk(random[r]，Move，Round，MROrder)随机信息的运算处理结果赋值给P，设置该模块的步骤还包括设置输出接口连接RSP拼接模块，RSP拼接模块设有把输入P数据各点坐标参数“依次”拼接成RSP数字串的处理步骤；经设置该模块的上述步骤，最终使G由GK到P把所包含的Gk(random[r]，Move，Round，MROrder)随机信息传递到RSP，从而转化为包含生物特征点拓扑结构信息的随机数即RSP输出。