[发明专利]一种基于深度神经网络编码的指纹生物密钥生成方法

说明书

本发明公开一种基于深度神经网络编码的指纹生物密钥生成方法。本发明利用经典指纹图像处理方法与深度神经网络方法相结合，实现了指纹图像的盲对齐、稳定特征提取、特征序列稳定等系列操作，更为精准地提取同枚指纹不同样本的稳定特征分量，并通过深度神经网络的层层处理，进一步稳定指纹特征于特征值，最后通过指纹密钥模糊提取器，实现正常指纹图像高强度密钥序列生成，所生成的指纹生物密钥长度可大于512bit。本发明不存在需记录的生物特征模板信息，大大降低了隐私泄露的风险，同时用户无需高强度的记忆即可生成高安全性的密钥，该密钥可用于现有的公私钥、对称加密等操作，提高了指纹生物特征使用的安全性和灵活性。

技术领域

本发明属于网络空间安全技术领域，涉及一种基于深度神经网络编码的指纹生物密钥生成方法，具体是一种从人类指纹中经由盲对齐、深度神经网络重编码等处理直接提取高强度稳定生物密钥的方法，其能够为现有的基于人类指纹的身份认证技术提供一种新的认证方法，并与现有的公私钥、对称加密方法无缝融合，支持在网络中更方便安全地进行基于用户指纹的身份认证与加密。

背景技术

指纹识别技术是现今比较成熟的生物特征识别技术，其在使用过程中需要存储用户的指纹特征模板用于认证比对，指纹特征模板一般存储在服务器端或本地安全域内(本地安全域如智能卡的一块安全存储区)。由于人类的指纹生物特征一旦形成伴随一生，一旦泄露难以改变，使得指纹身份认证领域对用户指纹信息的安全性非常关注。现有的指纹信息的保护方法主要有指纹特征模板保护(加密、变形、模糊等)、生物密钥等。

指纹特征模板保护一般采用指纹特征模板进行函数运算产生新的指纹特征模板的方法来保护指纹信息，由新的指纹特征模板一般难以推知原始指纹特征。模板变形、模糊金库等方法均可以归入此类方法。模板保护方法在使用过程中存在指纹识别准确率下降，模板保护效果不如预期等问题。例如，模糊金库技术，通过向真实指纹特征信息中加入大量的虚假特征信息，从而达到隐藏和保护真实特征信息的目的。但是该方法存在通过同一生物特征的不同模板数据库的交叉对比，获取用户指纹特征信息的风险，并且识别的准确性会受到掺杂的虚假特征信息的较大影响。更为重要的是，模板无论如何变形，始终留有原始指纹特征信息，存在被攻击而泄漏的可能。

指纹生物密钥生成技术近来受到关注，该技术支持直接从人类指纹特征中获取稳定的密钥序列用于加密，省去了用户记忆冗长密钥的麻烦，增加了密钥强度，同时支持用户方便地进行加密运算。由于指纹生物密钥生成过程在本地进行，期间在本地和服务端均无需存储用于比对的生物特征模板，只需保留生成稳定密钥序列的运算模型及其参数，运算模型可公开，参数可撤销亦可公开。故对用户指纹隐私信息有很好的保护作用。

现有的指纹生物密钥生成技术主要有：(1)中国专利号201410074388.X公开了“一种人类指纹生物密钥生成方法”，方法将指纹特征序列向高维空间中投影，在高维空间中将同一枚指纹的特征数字序列稳定到可接受的波动范围内，再对稳定后的指纹特征数字序列编码，从编码中提取生物密钥。该方法可以对指纹特征序列起到一定的稳定效果，对指纹特征序列已对齐的指纹有一定的提取效果，对于特征序列未对齐的指纹提取效果不理想。另外受限于可稳定的指纹特征点的数量不多，使得方法所能提取的稳定比特序列长度不足(一般256bit)。总体上指纹密钥生成的成功率和强度均不够高。(2)中国专利申请号201811538752.8公开了“一种基于特征距离与生成区间的指纹密钥生成方法”，提出了一种基于特征距离与生成区间的指纹密钥生成方法。方法利用指纹特征距离和生成区间机制生成用户的指纹密钥，一定程度避免了指纹信息的直接泄露。并且结合使用双层纠错技术和SHA256函数以保障指纹密钥的准确性和容错性。该方法在指纹密钥生成过程中依然保留了指纹特征距离、生成区间及最终生成的生物密钥等指纹特征与密钥信息，这些信息需要保留在本地安全域内，整套方法的安全性依赖于本地安全域的安全性，容易受到攻击。

发明内容

本发明的目的是针对现有的指纹生物密钥生成方法的不足，提出了一种基于深度神经网络编码的指纹生物密钥生成方法。