[发明专利]一种具有盗取攻击应对机制的异质虹膜认证方法

摘要

本发明公开了一种具有盗取攻击应对机制的异质虹膜认证方法，其方法为：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统；步骤二、构建盗取攻击应对机制；步骤三、开始正式认证；步骤四、图像依次进入全连接层；步骤五、得到与单一分类器所属的虹膜的相似概率；步骤六、得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。有益效果：对传统的卷积神经网络进行改造，增加图像处理层和稀释层，有助于在多类别认证中放大不同类别虹膜间的差异性，提高认证的准确性。

主权项

1.一种具有盗取攻击应对机制的异质虹膜认证方法，其特征在于：其方法如下所述：步骤一、构建基于卷积神经网络而改进的异质虹膜多类别认证系统，以256×32维度的虹膜归一增强图像作为卷积层的输入；步骤二、构建盗取攻击应对机制，在确认发生了盗取攻击后，即：输出的映射关系被盗取，外来人员可以通过映射关系得到正确的认证结果；立即启动应对机制，修改冗余扩充层到映射层之间的映射关系，将原来的映射关系删除，冗余扩充层中的数据节点映射到与之前不同的同类别的其他四个节点的任意一个节点上，并将新映射关系传送到处理人手中；在新的映射关系下，即使认证系统遭受了盗取攻击，也可以保证认证结果的正确性和安全性，因为盗取人员在原映射关系的下，已经无法得到正确的认证结果；步骤三、开始正式认证：认证时，计算机首先通过虹膜采集仪采集测试人的虹膜图像，之后通过Daugman橡皮筋法以及均衡化直方图的方式转化为256×32维度的虹膜归一增强图像，将其输入进卷积层；步骤四、图像依次经过第一卷积层、第一池化层、第一ReLU层、第二卷积层、第二池化层、第二ReLU层、第三卷积层、第三池化层、图像处理层和平铺层后，进入全连接层；步骤五、在平铺层到全连接层中，平铺层的15个数据同步经过m+n组分类器，得到与单一分类器所属的虹膜的相似概率，其中，m代表识别模板的数量，n代表空节点，用于扩充新类别；步骤六、将全连接层的相似概率一对一对应到稀释层中，通过稀释层函数计算，得到精确的相似概率；步骤七、通过编码层的映射关系，输出测试虹膜所属的虹膜类别情况。