一种用于数字签名的指纹密钥生成新方法技术

一种用于数字签名的指纹密钥生成新方法，包括两个阶段，第一阶段是指纹特征提取，包括计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取；第二阶段是指基于模糊提取技术的指纹秘钥生成，包括构造基于安全模型的模糊提取器、构造基于Hamming距离的模糊提取器和生成指纹密钥；本发明专利技术具有可以多次撤销、多次更新指纹密钥，使得安全性更高，能够避免外界信息被窃取带来的安全隐患，同时具有重要的理论与实用价值，有广阔的应用前景的优点。

【技术实现步骤摘要】

本专利技术属于生物特征识别
，具体涉及一种用于数字签名的指纹密钥生成新方法。
技术介绍
当前，随着‘互联网+’行动的推进，不仅加快了微博、阿里巴巴、淘宝等电子商务业应用的发展步伐，而且使网络购物、网络消费等电子商务活动成为主流生活方式，使人们足不出户便知天下事成为现实。但是，人们在享用‘互联网+’便利的同时，其电子商务中的安全成为关注的焦点问题。面临复杂严峻的网络安全形势，如何在网络中构建一个合理、安全、有效的身份验证平台，防范网络上的黑客冒充合法用户接受或发送数据、信息发送方抵赖发送过数据和信息接收方伪造篡改数据等威胁安全的行为的发生，已成为人们关注的热点。数字签名技术是解决上述问题的有效方法，其中以指纹生物特征为代表的数字签名方法是安全有效方法之一。其采用指纹生物特征与密钥相结合的方式不仅确保了应用系统内指纹的安全性和隐私性不受威胁，而且能很好的保障当前电子商务应用的黑客攻击。目前国内外有关指纹生物特征识别与密钥融合的方法大致分为密钥释放、密钥绑定和密钥生成三类。其中前两类方法是将外部引入的密钥与指纹生物特征相结合，存在潜在的安全隐患，若攻击者盗取了外部引入的密钥，将会严重威胁系统的安全性。而密钥生成方法则为顺应安全发展需要应运而生,可直接由指纹生物特征产生密钥数据，具有较高的安全性。随着指纹生物特征密钥生成技术的推广及应用，逐渐暴露出如下问题：(1)由于外界因素、采集设备等因素，使得每次采集到的指纹特征信息都存在微小差异，即使是同一个人提交的同一生物特征，产生的密钥也不可能完全一致。(2)通过特征模糊匹配识别方法所获得的指纹生物特征数据不能直接生成密钥。(3)一些用户对生物特征数据存储中心的安全性存在疑虑，担心反映个人生物特征的信息可能被泄露，因此，不愿将自己的生物特征数据存放在数据库内。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种用于数字签名的指纹密钥生成新方法，具有可以多次撤销、多次更新指纹密钥，使得安全性更高，能够避免外界信息被窃取带来的安全隐患，同时具有重要的理论与实用价值，有广阔的应用前景。为了达到上述目的，本专利技术采用的技术方案如下：一种用于数字签名的指纹密钥生成新方法，包括两个阶段：第一阶段：指纹特征提取指纹特征提取主要包括：计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取六个步骤：步骤a、计算指纹图像方向图本步骤采用一种改进的利用梯度算子求取方向图的Rao方法，本步骤中指纹像素点(i,j)的梯度值用向量表示，水平和垂直方向梯度分量用和表示，其计算指纹图像方向图算法描述如下：步骤a1：将指纹图像f(x,y)划分为w×w的小块；步骤a2：计算指纹图像f(x,y)在图像的每一点(x,y)的水平和垂直方向梯度和水平和垂直方向梯度分量可由Sobel计算得出，将模板尺寸设为3×3大小，将指纹图像分别与模板离散卷积，即可求得和步骤a3：若以(x,y)为各图像块中心点，通过式(2)、式(3)计算指纹图像中各图像块的平均梯度方向θ(x,y)：式(3)中，θ(x,y)为局部脊线方向的最小平方估计，表示局部脊线方向垂直于w×w窗口的傅里叶频率的主方向；步骤a4：通过式(5)将方向场转化为连续向量场，依据单位区域内脊线方向的渐变性，使用低通滤波器修正脊线方向，其低通滤波器由式(6)所示：式(6)中，H(u,v)为二维低通滤波器，wΦ×wΦ为低通滤波器尺寸；步骤a5：根据式(7)计算指纹图像块方向，即：步骤b、定位指纹图像的参考点本步骤通过指纹中心点的对称性与复滤波器的强响应定位中心点，其算法描述如下：步骤b1：复滤波器法主要检测径向对称性，其数学模型为exp{imφ本文档来自技高网...

【技术保护点】
一种用于数字签名的指纹密钥生成新方法，其特征在于，包括两个阶段：第一阶段：指纹特征提取本阶段中指纹特征提取主要包括：计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取六个步骤：步骤a、计算指纹图像方向图本步骤采用一种改进的利用梯度算子求取方向图的Rao方法，本步骤中指纹像素点(i,j)的梯度值用向量表示，水平和垂直方向梯度分量用和表示，其计算指纹图像方向图算法描述如下：步骤a1：将指纹图像f(x,y)划分为w×w的小块；步骤a2：计算指纹图像f(x,y)在图像的每一点(x,y)的水平和垂直方向梯度和水平和垂直方向梯度分量可由Sobel计算得出，将模板尺寸设为3×3大小，将指纹图像分别与模板离散卷积，即可求得和步骤a3：若以(x,y)为各图像块中心点，通过式(2)、式(3)计算指纹图像中各图像块的平均梯度方向θ(x,y)：Vx(x,y)=Σu=i-w/2i+w/2Σv=j-w/2j+w/22∂x(u,v)∂y(u,v)Vy(x,y)=Σu=i-w/2i+w/2Σv=j-w/2j+w/2[∂x2(u,v)-∂y2(u,v)]---(2)]]>θ(x,y)=12tan-1[Vx(x,y)Vy(x,y)]---(3)]]>式(3)中，θ(x,y)为局部脊线方向的最小平方估计，表示局部脊线方向垂直于w×w窗口的傅里叶频率的主方向；步骤a4：通过式(5)将方向场转化为连续向量场，依据单位区域内脊线方向的渐变性，使用低通滤波器修正脊线方向，其低通滤波器由式(6)所示：φx(x,y)=cos(θ(x,y))φy(x,y)=sin(θ(x,y))---(5)]]>φx′(x,y)=Σu=-wt/2wt/2Σv=-wt/2wt/2H(u,v)φx(x-uw,y-vw)φy′(x,y)=Σu=-wt/2wt/2Σv=-wt/2wt/2H(u,v)φy(x-uw,y-vw)---(6)]]>式(6)中，H(u,v)为二维低通滤波器，wΦ×wΦ为低通滤波器尺寸；步骤a5：根据式(7)计算指纹图像块方向，即：θ′(x,y)=12tan-1[φy′(x,y)/φx′(x,y)]---(7)]]>步骤b、定位指纹图像的参考点本步骤通过指纹中心点的对称性与复滤波器的强响应定位中心点，其算法描述如下：步骤b1：复滤波器法主要检测径向对称性，其数学模型为exp{imφ}，在高斯窗口域内滤波器的多项式表达式由式(8)表示：(x+iy)mg(x,y)        (8)式(8)中，g(x,y)＝exp(‑(x2+y2)/(2δ2))是一个高斯函数，(x,y)表示高斯窗口中的点，本步骤只需要检测指纹图像中心点，故取m＝1的抛物对称性的滤波器，该滤波器的形式为：h＝(x+iy)g(x,y)；步骤b2：指纹原始图像用f(x,y)表示，其复方向域如式(9)所示：z(x,y)=(∂x+i∂y)2---(9)]]>式(9)中，和分别表示原始图像在x方向和y方向的梯度；步骤b3：原始图像的梯度求复方向域用Z表示，其具体构造方法如式(10)所示：z=(∂x+i∂y)2/(∂x2+∂y2)(∂x2+∂y2)≠01otherwise---(10)]]>步骤b4：将指纹图像的复方向域与复滤波器做卷积，滤波结果如式(11)所示，结果中最大值对应的点即可确定为指纹图像的中心参考点：R(x,y)＝||(x+iy)g(x,y)*z(x,y)||      (11)步骤c、计算指纹特征提取区域当指纹图像的中心参考点确定之后，则位于指纹中心点周围的区域是用于特征提取的关键区域，设指纹图像f(x,y)大小为M×N，(xc,yc)表示中心参考点坐标，指纹图像有效区域定义为扇区的集合Si，其中第i个扇区Si由参数(r,θ)定义，如式(12)所示：Si={(x,y)|b(Ti+1)≤r≤b(Ti+2),θi≤θ≤θi+1,1≤x≤N,1≤y≤M}---(12)]]>Ti＝i div k，θi＝(i mod k)×(2π/k)，θ＝tan‑1((y‑yc)/(x‑xc))，b表示圆环的宽度，k表示每个...

【技术特征摘要】
1.一种用于数字签名的指纹密钥生成新方法，其特征在于，包括两个阶段：第一阶段：指纹特征提取本阶段中指纹特征提取主要包括：计算指纹图像方向图，定位指纹图像的参考点，计算指纹特征提取区域(扇形化)，指纹图像归一化，增强处理指纹图像，指纹特征提取六个步骤：步骤a、计算指纹图像方向图本步骤采用一种改进的利用梯度算子求取方向图的Rao方法，本步骤中指纹像素点(i,j)的梯度值用向量表示，水平和垂直方向梯度分量用和表示，其计算指纹图像方向图算法描述如下：步骤a1：将指纹图像f(x,y)划分为w×w的小块；步骤a2：计算指纹图像f(x,y)在图像的每一点(x,y)的水平和垂直方向梯度和水平和垂直方向梯度分量可由Sobel计算得出，将模板尺寸设为3×3大小，将指纹图像分别与模板离散卷积，即可求得和步骤a3：若以(x,y)为各图像块中心点，通过式(2)、式(3)计算指纹图像中各图像块的平均梯度方向θ(x,y)： V x ( x , y ) = Σ u = i - w / 2 i + w / 2 Σ v = j - w / 2 j + w / 2 2 ∂ x ( u , v ) ∂ y ( u , v ) V y ( x , y ) = Σ u = i - w / 2 i + w / 2 Σ v = j - w / 2 j + w / 2 [ ∂ x 2 ( u , v ) - ∂ y 2 ( u , v ) ] - - - ( 2 ) ]]> θ ( x , y ) = 1 2 tan - 1 [ V x ( x , y ) V y ( x , y ) ] - - - ( 3 ) ]]>式(3)中，θ(x,y)为局部脊线方向的最小平方估计，表示局部脊线方向垂直于w×w窗口的傅里叶频率的主方向；步骤a4：通过式(5)将方向场转化为连续向量场，依据单位区域内脊线方向的渐变性，使用低通滤波器修正脊线方向，其低通滤波器由式(6)所示： φ x ( x , y ) = c o s ( θ ( x , y ) ) ...

【专利技术属性】
技术研发人员：吕林涛，袁琴琴，黄文准，孙飞龙，张喜云，常林，
申请(专利权)人：西京学院，
类型：发明
国别省市：陕西;61