[发明专利]一种基于静脉识别数字证书认证方法

权利要求书

1.在此提出一种基于静脉识别数字证书认证方法，所述方法包括：收集大量静脉图像，经过高通滤波、灰度化、归一化等预处理，做成一个静脉图像数据库；

采用基础结构为ResNet50的深度残差网络，同时以加性边缘损失函数作为监督信号，抓取被输入的静脉图像的实值特征，通过带有监督机制的离散哈希（SDH）算法，将高维度的实值特征离散化，转变为低维的二元特征根据二元特征得到静脉图像的除异信息，从而生成唯一的密钥；

数字证书用静脉识别算法，对信息进行非对称加密，将经加密的公钥发送到CA中心；CA中心将该公钥公开，让所有的用开都可以持有该公钥，访问者使该用数字证书的独有私钥对公钥进行解密，CA中心就会认证私钥是否与公钥相匹配，若私钥将公钥解密，则表示认证成功，访问者可查看数字证书中的信息，若用于认证的私钥与公钥不匹配则认证失败，访问者将无法访问信息。

2.根据权利要求书1，所述的ResNet50结构包含三个卷积层，输入X在通过每一个卷积层之前都会经过批标准化和激活函数，同时残差网络中还有两个独有的分支，一个是残差网络的学习分支F_X，另一个是恒等映射分支X深度ResNet中第k个残差模块到第k+m个的ResNet50模块的实值特征可表示为：

使用加角性函数，作为残差网络的损失函数，

用静脉图像分类正确的标签值与加角边参数n表示损失函数：

而此时，损失函数需要满足以下条件：

用k、N分别表示批数量和类别数，表示权重矩阵W的第j列，表示第i个样本的特征序列，且s表示超球面的半径。

3.根据权利要求1，所述的SDH算法会从残差网络输出的实值特征中选择m个样本，使用径向基函数（RBF）核计算映射出维度为m的列向量，其中σ表示核的宽度，可以任意初始化一个长度为LEN的二元向量，迭代学习,最终得到二值化特征。