[发明专利]一种基于隐私保护的心电图识别的方法

说明书

技术领域

本发明涉及一种基于隐私保护的心电图识别的方法，属于信息安全技术领域。

背景技术

如今，许多基于生物识别技术的识别方法已经存在。众所周知，基于指纹、虹膜、面部以及语音等等的生物识别方法已经被广泛用于工业生产和日常生活中。然而，这些技术有致命的缺陷，用户的生物特征可以被伪造，这可能会对用户造成不可挽回的损失。与这几种生物识别技术相比，基于生物特征的心电图(ECG)识别技术有着无可比拟的优势，因为心电图数据很难伪造。然而，心电图数据被视为重要的个人隐私，用户通常不愿意透露他们的心电图数据，包括在抽样阶段以及识别阶段。

发明内容

发明目的：针对现有技术中存在的问题与不足，本发明提供一种基于隐私保护的心电图识别的方法。

技术方案：一种基于隐私保护的心电图识别的方法，包括如下步骤：

首先在客户端将ECG数据进行打乱(perturbation)，打乱的方法是将从用户测量得到的心电图信号中提取出来的含有n个元素的特征向量A乘上一个n×n的随机矩阵matrix，见等式2：

等式2

这里matrix(记为M)中的元素值是n*n个相互独立的随机数。

然后，将转换得到的向量B而不是原始的A作为用户的特征向量上传到服务器数据库中，用于身份识别阶段对该用户的识别。

基于此，服务器可以使用包括欧几里得距离(ED)、互相关(CC)等方法通过衡量A与B之间的相似性进行判断。

欧几里得距离是测试欧几里得空间里两者的距离。我们如果定义p={p₁,p₂…p_n},q={q₁,q₂…q_n}，那么p，q之间的欧几里得距离就是等式(3)所示。

等式3

求得A，B之间的ED值，由于ED值越小代表着两者间越相像，所以我们确定阈值t_ED，当A，B之间的ED值小于t_ED时，身份匹配；否则身份识别失败。

另外，互相关方法是一种比较稳定的分析方法，它可以用来分析两组ECG数据之间的相关性。两组ECG数值X(i)和X'(i)之间的互相关性计算参见等式4。如果是同一个人的两组ECG数据，那么X(i)和X'(i)会非常接近，那么CC的计算结果就会非常接近1，因此两组心电图数据之间的CC值越接近1，它们的相似性越大。

等式4

求得A，B之间的CC值，CC值越接近1代表两者之间的相关性越大，越相像，所以我们确定一个阈值区域[t_CC1,t_CC2],当求得的A，B间的CC值在此阈值空间内时，身份匹配；否则身份识别失败。

进一步地，为了解决这种转换后由于随机矩阵的随机性带来误差导致识别失败的问题，在训练阶段，我们让每一个用户引入m个随机矩阵来分别进行perturbation操作，这样将得到m组ECG features，记作A1，A2……Am，我们将所有这些ECG features存储在服务器端的数据库上。在身份识别阶段，用户同样使用与其对应的m个随机矩阵来分别进行perturbation操作，这样会在客户端得到m组ECG features记作B1，B2……Bm。将客户端测得的m组ECG features上传到服务器端，就可以求出m组ED和CC值，跟据上文提到的两种方法分别设置的阈值t_ED和阈值区间[t_CC1,t_CC2]。对于采用ED方法时，当m组ED值中有k_ED组小于t_ED时，就可以确定身份匹配，否则不匹配；对于使用CC方法，当m组CC值中有k_CC组在区间[t_CC1,t_CC2]时，就可以确定身份匹配，否则不匹配。使用一组随机矩阵来进行perturbation操作具有很大的随机性，当使用多组随机矩阵来进行多组perturbation操作可以使得实验结果更加具有代表性，消除偶然性误差。