基于超高频RFID的被动生物识别电子锁

提出了一种利用人体内部的生物特征来进行认证的生物识别电子锁设计方法,简称为 PBLock。该方法通过人手指与无源式射频标签的接触,利用后向散射的射频信号传递人体指尖阻抗特征来实行认证。这样的认证方式的优势在于,由于人体阻抗不易采集,加之与设备（RFID 标签）的硬件特征充分融合,大大增加了攻击者复制和克隆的难度。为保证系统的可用性和高效性,利用标签天线剪切式认证优化机制,有效提升了人体阻抗敏感度。同时,利用RFID系统的电磁能量优势讨论了被动驱动的可行性。实验评估结果表明,PBLock的认证准确率可达 96%,平均单次认证的时间花销是1.4 s。另外,从实际环境出发提出了攻击模型,通过深入分析发现,PBLock 可以有效防止伪造攻击、模仿攻击和重放攻击,为新型生物识别电子锁的应用安全提供重要保证。     

基于LGBP与Bloom滤波器的可撤销掌纹模板生成方法

为了实现对用户生物特征信息的有效保护,提高掌纹身份认证系统的安全性,提出一种掌纹可撤销模板生成方法。首先通过Gabor滤波器获得掌纹数据不同方向、不同尺度的幅值特征,对其提取局部均匀模式LBP特征,然后将二值化的特征直方图序列使用Bloom滤波器进行多对一映射,最后进行不可逆变换,得到可撤销掌纹模板。理论分析和实验结果表明,该方法不仅可以有效保护掌纹特征,而且在密钥丢失时,也具有较高的识别率。     

A human ear recognition method using nonlinear curvelet feature subspace

Ear is a relatively new biometric among others. Many methods have been used for ear recognition to improve the performance of ear recognition systems. In continuation of these efforts, we propose a new ear recognition method based on curvelet transform. Features of the ear are computed by applying Fast Discrete Curvelet Transform via the wrapping technique. Feature vector of each image is composed of an approximate curvelet coefficient and second coarsest level curvelet coefficients at eight different angles. k-NN (k-nearest neighbour) is utilized as a classifier. The proposed method is experimented on two ear databases from IIT Delhi. Results achieved using the proposed method on publicly available ear database are up to 97.77% which show encouraging performance.     

融合理论在步态识别中的应用研究

近年来,基于信息融合理论的步态识别已成为生物特征识别领域最为活跃的研究方向之一。从特征级融合和决策级融合两种层次,多特征融合、多模态融合以及多视角融合3个方面对融合理论在步态识别中的应用进行了综述。进一步,为了研究融合理论对步态识别算法性能的影响,提出一种融合了静态形体特征和动态模型特征的步态识别算法。通过在CMU步态数据库上的详细实验比较和分析,研究了不同融合策略以及步速变化对步态识别算法性能的影响。     

Cybertwin中的格上生物特征认证密钥交换协议

针对基于Cybertwin的网络架构中通信双方存在信道安全以及隐私保护的问题,提出新的格上认证密钥交换协议。使用生物特征认证技术实现Cytertwin服务下的用户实名制登录和强身份认证需求,保证Cybertwin服务对用户网络行为的审计和追踪。通过引入通信方身份信息构造格上抗碰撞哈希函数,使身份信息在公共信道传输过程中能够应对量子威胁,同时满足用户匿名性和不可追踪性。最后基于RLWE问题设计了新的和解机制,通过两轮交互共享安全会话密钥。协议在BPR模型下满足理论可证明安全,具有抗量子攻击、抗临时秘密值泄露攻击、抗生物特征猜测攻击等安全特性。仿真实验表明该协议计算和通信开销适用于Cybertwin服务下数量庞大的终端互连需求。     

一种面向击键动态身份认证的多模板选择算法

在击键动态身份认证系统中,样本采集和模板建立直接影响系统性能。目前单模板击键认证系统存在无法使错误接受率和错误拒绝率都降低到可接受范围内的不足。为此将多模板思想引入击键认证过程中,在提出最大认证概率算法和最小认证概率算法后,提出均衡概率多模板选择算法,将两种错误率都控制在合理范围内。通过实验同GMMS算法进行对比,并研究了模板数和模板样本数对认证结果的影响,最后与单模板认证系统进行了比较分析。     

生物特征安全概略构造:理论与实践

在指纹数据库上研究了生物特征向量的提取和量化问题,讨论了量化前后的性能变化,并分析了理论上安全概略一致拒绝率和不一致接收率的界。采用BCH纠错码实现了安全概略的构造,计算了不同纠错能力下安全概略一致拒绝率和不一致接收率,分析了实际实现算法与理论界限产生差距的原因,指出了现有安全概略构造在性能和安全方面存在的问题。     

EMD和ICAⅠ在掌纹识别中的应用

提出了基于EMD和ICAⅠ的掌纹识别方法,该方法利用二维EMD技术对掌纹图像进行分解,得到4个IMF分量和1个残余分量,用前4个IMF分量重构掌纹图像,然后利用ICA结构Ⅰ提取EMD重构掌纹图像特征并进行识别。采用香港理工大学掌纹数据库进行实验,由于充分利用了掌纹图像的EMD高频细节特征。与ICAⅠ、PCA方法相比,有较高的识别率和较快的识别速度,表明该方法有一定的理论研究价值和一定的实用性。     

基于加速度传感器的手机用户认证方法

为了保证手机信息安全,设计实现了一种基于内置三轴加速度传感器的手机用户认证方案。通过内置三轴加速度传感器采集认证手势信号,提出差分自底向上线性分段方法进行有效手势动作端点的自动检测,利用小波包分解对有效手势信号进行去噪,进一步设计基于欧氏距离的动态时间规整算法计算测试手势和模板手势的相似度,从而得出认证结果。相比于现有常用手势端点检测方法,差分自底向上线性分段方法能更准确地截取有效手势信号。实验结果表明,当他人模仿手势错误接受率为0%时,本文认证手势错误拒绝率小于5%,有效实现了用户认证。     

FEATURES-LEVEL FUSION OF FACE AND HANDWRITTEN SIGNATURE IN MULTIMODAL BIOMETRIC IDENTIFICATION SYSTEM

Biometrics is an emerging tool used to identify humans by their physical and/or behavioral characteristics. This article presents a novel neural network–based approach for features-level fusion in a multimodal biometric identification system by combining both physical (human face) and behavioral (handwritten signature) traits. A single biometrics system has the weakness of providing neither 100% identification nor a 0% false accept rate (FAR)/false reject rate (FRR). One solution to this is to combine different biometrics together to get a multimodal biometric identification system. Moreover, a multimodal system is also robust in providing security against spoof attacks. Images of 32 × 32 pixels are used to eliminate bulk storage and processing requirements.