[发明专利]基于周期函数的抗关系攻击的安全生物哈希码生成方法

说明书

本发明公开了一种基于周期函数的抗关系攻击的安全生物哈希码生成方法，包括步骤：1)对生物图像使用残差网络提取特征向量，得到生物特征数据集；2)将生物特征数据集输入到哈希生成网络中，进行前向传播；3)计算损失函数，并反向传播计算梯度，更新权值；4)重复步骤2)至步骤3)直至收敛，得到哈希生成模型；5)将生物特征数据集输入步骤4)得到的哈希生成模型中，即可得到对应的生物哈希码，且该哈希码具有高区分能力，能够用于生物识别。本发明方法不仅对基于关系的攻击具有很强的防御能力，而且比现有的生物特征哈希方法有着更优的识别性能。本发明在虹膜数据集CASIA‑v4‑interval和人脸数据集LFW上进行了实验，能够保证方法的有效性。

技术领域

本发明涉及生物特征图像处理的技术领域，尤其是指一种基于周期函数的抗关系攻击的安全生物哈希码生成方法。

背景技术

生物特征识别是指使用人体生物特征，如虹膜和人脸，来识别可以被授权访问系统、设备或数据的人。由于生物特征对个人来说是独一无二的，而且比密码更易于使用，因此生物特征识别在银行、医院、社交网站等广泛用作身份验证方法。为了进行一对多的比较，生物特征识别系统通常需要评估输入查询和数据库记录之间的相似性。而生物哈希技术以其计算量小、存储效率高等优点，在生物识别系统中得到了广泛的应用。

然而，由于生物特征数据的高度敏感和不可变，生物识别技术的广泛应用引起了人们对生物识别技术导致的隐私泄露问题的关注。虽然具体算法不同，但大部分生物哈希本质上都要求原始生物特征空间中的相似度或距离在哈希空间中保持，以获得较高的区分能力和匹配精度，我们称之为关系保持。基于这种关系保持，攻击者可以通过减少哈希之间的差异来减少两个原始生物特征之间的差异，从而接近被攻击的目标。我们统称这种攻击为基于关系的攻击。

目前已经有一些方法用于防御基于关系的攻击，以保护生物特征的安全。这些方法大致可以分为加密和非加密。前者大多基于同态加密和乱码电路，可以在无需解密的基础上处理加密的生物特征数据。由于加密域中没有距离测量，可以有效地防止攻击。然而，在一对多的识别场景中，相似性搜索必须返回多个候选对象，这些候选对象需要按照与查询的相似性排序。这个过程不仅涉及密集的距离计算，而且还涉及密集的距离比较，这在加密域中尤其麻烦。后者，即非加密的方法，一般是在普通哈希的基础上进行改进，在设计之初就将安全性或者说隐私性考虑在内，一般基于量化随机投影以及局部敏感哈希。但是，基于量化随机投影的方法在随机投影过程中与数据无关，其识别性能还有很大的提升空间。而基于局部敏感哈希的方法对依赖于阈值和概率的人为调整，而且需要比较大的编码空间和比较长的编码长度来实现局部敏感哈希的约束。对于大型数据集，该类方法的存储和计算的要求都比较高。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于周期函数的抗关系攻击的安全生物哈希码生成方法，该方法能够抵抗基于关系的攻击，同时保证较高的生物特征识别能力。通过最大化原始空间和散列空间中距离差的符号的最小熵，可以最小化原始生物特征上距离关系的泄漏。而利用周期函数作为距离映射，然后使用深度神经网络进行训练，就可以实现这一优化目标。本发明方法不仅具有很强的防御基于关系的攻击的能力，而且具有优越的生物特征识别性能。

为实现上述目的，本发明所提供的技术方案为：基于周期函数的抗关系攻击的安全生物哈希码生成方法，包括以下步骤：

1)对生物图像使用残差网络提取特征向量，得到生物特征数据集；

2)将生物特征数据集输入到哈希生成网络中，进行前向传播；

3)计算损失函数，并反向传播计算梯度，更新权值；

4)重复步骤2)至步骤3)直至收敛，得到哈希生成模型；

5)将生物特征数据集输入步骤4)得到的哈希生成模型中，即可得到对应的生物哈希码，且该哈希码具有高区分能力，能够用于生物识别。