《生物特征识别技术及其安全性综述》由会员分享，可在线阅读，更多相关《生物特征识别技术及其安全性综述（24页珍藏版）》请在金锄头文库上搜索。
1、生物特征识别技术及其安全性综述 生物特征识别技术及其安全性综述 摘要 摘要 张谷林 传统的识别技术把这个问题转化为检测标识一个人身份的事物。 但是传统的身份识别技术有其固有的缺点，个人的物品有可能会丢失，密码有可能会遗忘或被别人窃取，而且传统的身份识别技术无法区分真正的用户和取得用户标识的冒名顶替者。 由于传统的身份识别技术具有的缺点， 新的身份识别技术一直就是研究的热点， 而基于生物特征的身份识别技术也得到了广泛的研究与应用。与传统的身份识别方法相比，生物特征自身具有广泛性、稳定性和唯一性，由此产生的生物特征识别技术具有不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点，
2、目前已经成为身份识别的重要手段，在一些领域得到了应用。以电子计算机和其他先进科学技术为主要手段发展起来的指纹识别、声纹识别、面部识别、虹膜识别、DNA 识别、体味识别等诸多现代生物识别技术生物特征识别认证技术是基于指纹、人脸、虹膜等生物信号来验证用户身份的认证技术。基于生物特征识别的算法具有很高的精确度，在当今警察探案、法官断案、安全防范、安全检查等许多领域都发挥着不可替代的作用,并且有着极其广阔的发展前景。但用户生物特征信息是属于稀有的珍贵资源，一旦用户生物特征信息被盗用， 篡改者就可获取合法用户的相应权限， 从而使生物特征识别系统形同虚设。而用户生物特征的唯一性和稀缺性也导致了该特征不象
3、ID 卡和密码一样可以随意更换， 从而造成灾难性后果。 因此生物特征系统的安全性方面的研究对于普及推广该技术具有十分重要的意义。 本文主要对当今主要的几种生物特征识别技术作了一定的分析和介绍， 另外我对当前已存在的系统安全隐患方面的问题作了详细的分类综述， 并据此分析了各种增强用户安全性的技术。 一 引言 一 引言 生物识别技术是指依据每一个人独有的可以采样和测量的生物学特征或行为学特征而进行的个体识别和个体认定技术,亦称生物特征识别技术或生物统计学识别技术。在理想情况下，可以用来进行身份识别的生物特征应包括以下几个特点： 广泛性：每个人都应该具有这种生物特征 唯一性：每个人具有的这种生物特征
4、应该各不相同 稳定性：随着时间的推移，这种生物特征不会发生很大的变化 便于采集：这种生物特征可以较为方便地采集 当应用于一个生物特征身份识别系统时，还应该满足下面的一些要求： 识别率的要求：所选择的生物特征能够达到较高的识别率 可接受性的要求：使用者能够接受所选择的生物特征的身份识别系统 效率的要求：所需时间较短，具有较高的识别效率 安全性要求：系统能够防止被攻击，避免被欺诈的方法骗过 价格的要求：系统的成本价格不应过高 目前人们正在使用和研究的用于身份识别的生物特征主要包括：指纹（fingerprint） 、掌纹（palmprint） 、虹膜（iris） 、脸相（facial feature
5、） 、耳型（ear） 、DNA（人体细胞遗传基因） 、语音（voice） 、签名（signature） 、笔迹（handwriting） 、步态（step）等。所谓生物特征身份识别技术，就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合， 利用人体固有的生理特性 （如指纹、 人脸、 虹膜等） 和行为特征 （如笔迹、声音、步态等）来进行个人身份的鉴定。和传统的身份识别方法相比，生物特征自身具有广泛性、稳定性和唯一性，由此产生的生物特征识别技术具有不易遗忘、防伪性能好、不易伪造或被盗、 随身 “携带” 和随时随地可用等优点， 目前已经成为身份识别的重要手段，在一些领域得到了
6、应用。在现代社会里，远程用户认证已经变得十分普遍。一个认证系统的不可靠性将给公司或者企业带来不可估量的损失，如数据泄密，拒绝服务等。特别是对于一些远程认证系统来说，其安全性问题更加突出。传统的认证手段比如 ID 卡，个人识别码(personal identification number),口令等存在在着容易遗忘、丢失，可共享等缺陷。而主要的是这些认证手段都不能将用户本人和识别相结合，如这些系统只通过 ID 和密码的认证， 其可靠性将得不到保证。 而生物认证识别系统是通过利用个体特征的生理或者行为特征来进行验证，因而避免了“认卡不认人”等传统隐患。并且生物特征信息很难被简单复制或者数据共享，它
7、所本身包含的丰富信息比密码更适合于认证，毕竟相同长度的数据段，生物特征更易于识别且不需要记忆。 由于生物特征识别的巨大优势， 国内外研究者在各种识别算法的研究上做了很大的工作 ，比如指纹识别、人脸识别、虹膜识别，语音识别等，而且这些识别算法的准确率在一定条件下可以高达 99%。 因此生物识别系统在金融领域、 电子商务、出入境检测，罪犯识别等方面都取得了很好地应用。 但是研究者重点关注的是如何最大程度上提高系统的识别率， 也就是说精确度， 而忽视了系统本身存在的安全性。但是，一个生物特征识别认证系统即使具有 100%的识别认证能力， 如果它自身的安全问题和用户的隐私等得不到应有的保障， 也不会得
8、到用户认可而被推广应用。特别是对于安全性要求比较高的应用，如电子商务领域，如合法用户的生物特征信息泄露或者非法用户通过某种手段获取了该用户的生物特征， 那么该非法用户就获得了本应是授权用户才有的相应权限。 即使该系统具有很高的识别率， 它也不会拒绝一个合法用户的正常登陆。 另外用户对于自己隐私的关注程度日益增强， 特别是指纹、 人脸等不易更改的敏感信息。比方说用户总共只有 10 只手指， 其指纹信息的容量相比密码等其他认证手段要远远少的多。假如这些信息被盗取， 那么该用户在所有使用该系统的指纹信息都得重新注册。 而这与信用卡或者密码丢失只需重新办理或注册相比， 生物特征这一特性也使得研究者在设
9、计生物认证系统过程中要充分考虑到用户对于隐私保护的要求。 国际上就如何增强生物特征识别系统的安全性、 生物特征模板保护等已有很多报道。 从已有的研究报道来看，这些工作主要集中在以下几个方面：1）多模态生物特征融合识别认证技术研究主要用于提高系统的识别率上和增强系统的安全性；2）生物特征模板保护技术研究主要用于隐私保护和提高系统的安全性； 3） 生物特征模板的安全传输技术-主要解决网络环境下生物特征信息的压缩、安全传输等问题，保护用户隐私、提高安全性等。 二 主要的特征识别技术 二 主要的特征识别技术 2.1 指纹识别技术 2.1 指纹识别技术 指纹识别技术是指依据人的指纹特征或其所留印痕特征而
10、对人身进行的识别和认定技术。 指纹,即人的手指指肚表面皮肤上的纹理花纹。 虽人皆有之,却各不相同。 世界上任何种族、民族的男女老少、父子母女、兄弟姐妹,甚至是相貌极为相似的孪生兄弟姐妹之间的指纹,都存在着本质的差异,同一个人的十个手指的指纹,也各有差异。这种差异主要表现在指纹纹线中的许多细节特征的不同以及由这些细节特征之间构成的整体组合关系的不同,如纹线中的勾、眼、桥、棒、点、隆凸、凹陷、弯折、交叉、错位、串联以及三角、皱褶纹、伤疤等特征的具体形态、大小、方向、角度、位置、数量及相互关系的不同等等。指纹的这种唯一性或排他性,为指纹识别技术的建立和发展提供了可靠有力的科学依据。 不仅如此,指纹还
11、具有终生不变的稳定性。 指纹的形态结构和细节特征的总体布局等保持不变。 而且指纹本身还具有增殖再生的能力,即皮肤的表皮层若受到磨损或剥脱,能很快得以恢复原状。 个体指纹的这种终生不变的稳定性,为指纹识别技术的建立和发展创造了极为重要的客观条件。今天,随着现代科学技术的发展,指纹识别技术尤其是指纹自动识别技术不仅在警察探案和法官断案等活动中继续发挥着不可替代的作用,而且它已开始被广泛地应用在出入口控制、信息编码、银行信用卡、重要证件防伪等许多领域的管理工作中。电子指纹档案在西方发达国家已经十分盛行,尤其是近年来由于互联网络的广泛使用,使得指纹档案和指纹识别技术的应用更加广泛。 指纹图像处理的流程
12、大致包括指纹图像数据的采集、预处理、细节特征提取、匹配并给出结果等。如图 1。 图 1 指纹图像处理流程 其中指纹图像的预处理包括以下几个部分：前后背景分离，求取指纹纹线宽度，图像增强，指纹图像滤波，求方向图，提取中心点、三角点，二值化，细化等。 指纹的采集方法可以通过传统的油墨按捺式的采集法， 但是这种采集方法得到的指纹图像质量差，噪声多，难以用计算机进行自动的识别，只能进行人工的比对。现今普遍采用光电式的指纹采集仪，该方法利用光的全反射的原理，将指纹图像转化为数字图像，该方法采集的速度快，成本低，得到的图像质量高，适于用计算机进行自动处理。因而在现阶段得到 了广泛的应用。 由于采集方法的限
13、制， 采集到的指纹图像不可避免的存在各种各样的噪声。 预处理的过程就是将这些引入的噪声尽可能的删除， 为更好， 更精确的提取指纹细节特征做准备。 另外，在预处理的过程中采用哪种相应的处理算法还是人们努力的方向。 预处理的目的就是为了在特征提取时能够更准确、 更快速定位指纹的细节特征点， 有些预处理算法结果尽管在视觉上表现得相当不错， 但是这种视觉上的改善并不一定能带来匹配速度上的提高， 因为这与所选用的匹配算法还有相当大的关系。 而且， 效果比较明显的预处理算法在时间上的花费也是比较大的，这就使得在不同的算法中要有所取舍，根据不同的应用场合合理的选用。 预处理算法包括： 1. 指纹图像的前后背
14、景分离：将有效的指纹前景区从图像中分离出来。 2. 求取指纹的纹线宽度：指纹图像是一种典型的纹理结构图像，纹线方向和纹线距离(纹线频率)是描述这种纹理结构的主要参数， 是指纹图像的固有属性。 在指纹滤波或指纹增强技术中，纹线距离往往是作为一个基本的参数来使用的。此外，指纹图像的平均纹线距离还可用于指纹比对和指纹分类。 3. 指纹图像增强：增加脊和谷的对比度，在保持边缘信息的基础上增强边缘信息。 4. 滤波：尽可能消除引入的噪声。 5. 求取方向图：方向信息是指纹图像最明显的信息特征，方向场快速准确的提取能够明显改进整个系统的速度。 求取方向图和滤波都属于图像增强的一部分， 之所以单独作为一个部
15、分是因为在图像增强中， 滤波和求方向图是最为重要的两个部分。 基于方向信息的滤波往往能起到比较明显的增强效果。 因此， 各种滤波器函数结合方向信息对局部的指纹图像进行滤波也成为图像增强算法中研究的一个重要方向。如基于加博(Gabor)函数的指纹增强方法就是利用加博函数具有最佳时域和频域连接分辨率， 是唯一能够达到时频测不准关系下界的函数的特点， 利用局部区域内纹线的频率和方向信息， 对每个局部区域构建相应的模板进行增强就能有效去除噪声，保存和突出真正的纹线结构。 6. 提取中心点和三角点：指纹图像的中心点和三角点是指纹最重要的特征。准确的提取中心点和三角点进而对指纹进行粗分类， 不论后期采用哪
16、种匹配算法， 都可以有效的提高匹配速度。以往的匹配算法，特征点集中基准点的选择是很困难的，这使得在匹配时，对图像进行扭转难以达到理想的效果。如果在前期预处理过程中就准确的提取中心点和三角点，那么就会降低匹配算法的时间复杂度，改进模式匹配的匹配速度。 7. 二值化：将指纹图像由原来的灰度图像转为只有 0 和 1 二值信息的图像。以便于对图像进行细化处理。 二值化的方法有很多。 最简单的就是取 128 作为阈值(灰度级为 8)，但是这种最简单的方法也最难满足应用要求， 不能适应指纹图像各不同部分的灰度变化。 改进的二值化方法可以对指纹图像进行分块自适应二值化处理。 即将指纹图像分成多个块， 对每一块统计灰度变化的数学期望和方差， 计算出阈值。 还可以基于最大类间方差的方法计算阈值，计算全局的统计特征。两种方法各有优缺点。 8. 细化：指纹图像细化的目的是将图像变为单象素连通图。细化效果的好坏直接影响能否准确提取细节特征。 不同的细化算法的时间复杂度也有所差别， 选择合适的细化算法对系统也尤为重要。 图 2 中心点和三角点 指纹分类主要是根据指纹中的两类特殊结构 core 点 del
