Secured Cryptographic Key Generation From Multimodal Biometrics Feature Level Fusion Of Fingerprint And Iris
人类用户很难记住长的加密密钥。因此，长期以来，研究人员一直在研究利用用户的生物特征而不是令人难忘的密码或密码短语的方法，以努力生成强大且可重复的加密密钥。我们的目标是将用户的生物特征的波动性到生成的密钥，从而使密钥不可猜测的攻击者缺乏显着的知识的用户的生物特征。我们更进一步，试图将多种生物识别方式纳入密钥生成，以提供更好的安全性。在这篇文章中，我们提出了一种有效的方法，基于多模态生物特征（虹膜和指纹）的安全密钥的生成。该方法由三个模块组成，即：1）特征提取，2）多模态生物特征模板生成和3）密钥生成。首先，分别从指纹和虹膜图像中提取特征、细节点和纹理属性。随后，将提取的特征在特征级融合在一起以构建多生物特征模板。最后，从多生物特征模板生成256位安全密钥。为了实验，我们采用了从公开来源获得的指纹图像和来自CASIA虹膜数据库的虹膜图像。实验结果证明了该方法的有效性。
2010-02-12 cs.CR
Multimodal Security of Iris and Fingerprint with Bloom Filters
本文提出利用布隆过滤器结合虹膜与指纹的特征融合来保护虹膜模板，以增强生物识别系统的安全性，应对传统识别方法易被盗用的问题。
2024-06-17 cs.CR
Privacy-Preserving Iris Recognition: Performance Challenges and Outlook
Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
本文探讨了基于FHE的隐私保护虹膜识别系统性能挑战，提出了一种符合ISO/IEC 24745标准的可扩展框架，通过Gabor滤波器提取特征并应用二进制掩码进行匹配，实验表明其准确性与明文方法相似，但计算开销高约12万倍。
2026-03-27 cs.CR cs.CV
Security Vulnerabilities Against Fingerprint Biometric System
生物识别系统是一种自动识别和认证系统，它使用个人的独特生物特征，如指纹、面部、虹膜、声音、视网膜等。在所有这些系统中，指纹生物识别系统由于其低成本、高匹配速度和相对高的匹配精度而被最广泛地使用。由于指纹生物识别系统在验证合法用户方面的高效率，许多政府和私人组织都在使用该系统用于安全目的。本文概述了指纹生物识别系统，并详细介绍了当前与该系统相关的各种安全方面。我们解决的安全问题包括对系统的多种攻击，相关的威胁模型，生物特征密码系统，当前的问题，挑战，机遇，以及当今指纹生物特征系统中存在的开放性问题
2018-05-18 cs.CR
Securing Biometric Data: Fully Homomorphic Encryption in Multimodal Iris and Face Recognition
本研究提出在多模态虹膜与人脸识别系统中融合特征向量，并应用全同态加密（FHE）在加密域内进行模板保护与匹配，在QFIRE-I数据库上实现了高TAR，有效平衡了用户隐私与识别准确性。
2024-08-26 cs.CR
A New IRIS Normalization Process For Recognition System With Cryptographic Techniques
PRIST University（普里斯特大学）
生物识别技术是个人身份识别系统的基础。它根据个人拥有的独特特征提供身份识别。本文以人眼虹膜成像为例，详细介绍了图像采集、分割、归一化、特征提取和匹配的过程。利用Canny边缘检测算法和圆形Hough变换检测人眼图像中的虹膜边界。利用图像配准技术对提取的虹膜区域进行归一化处理。一个相位相关的基础上的方法用于此虹膜图像配准的目的。虹膜区域的特征通过归一化虹膜区域与2D Gabor滤波器的卷积进行编码。汉明距离测量用于比较量化向量和认证用户。为了提高数据的安全性，直接采用Reed-Solomon技术对数据进行加解密。实验结果表明，我们的系统是相当有效的，并提供了令人鼓舞的性能。关键词：生物特征，虹膜识别，相位相关，密码学，Reed-Solomon
2011-11-22 cs.CR cs.CV
Privacy Attacks Against Biometric Models with Fewer Samples: Incorporating the Output of Multiple Models
University of Connecticut（康涅狄格大学）
认证系统易受模型反演攻击的攻击，其中对手能够近似目标机器学习模型的反演。生物识别模型是这种类型攻击的主要候选者。这是因为反转生物特征模型允许攻击者产生真实的生物特征输入来欺骗生物特征认证系统。进行成功的模型反演攻击的主要约束之一是所需的训练数据的量。在这项工作中，我们专注于虹膜和面部生物识别系统，并提出了一种新的技术，大大减少了所需的训练数据量。通过利用多个模型的输出，我们能够进行模型反演攻击，虹膜数据的训练集大小是Ahmad和Fuller（IJCB 2020）的1/10，面部数据的训练集大小是Mai等人（Pattern Analysis and Machine Intelligence 2019）的1/1000。我们表示我们的新的攻击技术与对齐损失的结构随机。我们的攻击是黑盒的，不需要知道目标神经网络的权重，只需要知道输出向量的维数和值。为了显示对齐损失的多功能性，我们将我们的攻击框架应用于成员推断的任务（Shokri等人，IEEE S&P 2017）的生物识别数据。对于虹膜，对分类网络的成员推断攻击的准确率从52%提高到62%。
2022-09-22 cs.CR cs.CV
Secure Iris Authentication Using Visual Cryptography
生物识别技术处理基于生理或行为特征识别人或验证人的身份的自动化方法。视觉密码是一种秘密共享方案，其中秘密图像被加密成独立的份额，不泄露关于原始秘密图像的信息。由于生物特征模板存储在集中式数据库中，由于安全威胁，生物特征模板可能被攻击者修改。如果生物特征模板被更改，授权用户将不被允许访问资源。为了解决这个问题，可以应用视觉密码方案来保护虹膜模板。视觉密码学提供了很好的方法来满足这种安全需求，以及额外的身份验证层。
2010-04-10 cs.CR
A Watermarking Technique Using Discrete Curvelet Transform for Security of Multiple Biometric Features
C. U. Shah University（C. U. Shah 大学）；Atmiya Institute of Technology & Science（Atmiya 科技学院）
通过使用多重水印，可以提高生物特征水印方法的鲁棒性和安全性。这种多重水印技术是为了提高生物特征和数据的安全性而提出的。当冒名顶替者试图创建欺骗的生物特征时，不可见的生物特征水印特征可以对多媒体数据提供适当的保护。本文提出了一种多生物特征水印技术，将指纹、人脸、虹膜和签名等生物特征嵌入到图像中。在嵌入前，利用Shen-Castan边缘检测和主成分分析提取指纹、虹膜、人脸和签名特征。将这些生物特征嵌入到宿主图像的各个中频曲波系数中。所有四个指纹特征，虹膜特征，面部特征和签名特征都是个人的生物特征，如果发生任何操纵，它们将用于交叉验证和版权保护。所提出的技术是脆弱的，当冒名顶替者试图非法删除水印特征时，无法从水印图像中提取特征。它可以用于多种版权认证和验证。
2017-01-16 cs.CR cs.CV cs.MM
Securing Face and Fingerprint Templates in Humanitarian Biometric Systems
Simprints；Idiap Research Institute（Idiap研究 institute）；International Committee of the Red Cross (ICRC)（国际红十字会委员会）
针对人道主义场景中的生物识别风险，提出基于PolyProtect的模板保护方案，应用于人脸和指纹，首次评估其识别性能，结果良好。
2025-08-25 cs.CR cs.CV
Fast Subsequent Color Iris Matching in large Database
数据库在网络世界中扮演着重要的角色。它为全球的合法用户提供真实性。生物识别技术是另一个重要的工具，它利用人体统计数据识别人类。生物识别系统需要快速识别，提供即时和准确的结果。生物识别行业正在寻找一种新的算法，与生物识别系统相互作用，减少其识别时间，同时在大型数据库中搜索其记录。我们提出了一种方法，为上述问题提供了一个适当的解决方案。以虹膜图像直方图比率作为主键码，可以实现虹膜图像数据库的智能化。因此，我们开发了一种算法，将图像直方图转换为八字节代码，将被用作大型数据库的主键码。本研究的第二部分解释了如何彩色虹膜图像识别可以发生。为此，开发了一种新的和有效的算法，分割虹膜图像，并在更短的时间内进行识别。我们的研究提出了一种快速有效的算法，从大数据库中识别彩色虹膜。我们已经在Matlab中实现了该算法。它通过对眼睛虹膜内可见的随机模式进行数学分析，提供实时、高置信度的身份识别。
2012-07-12 cs.CR cs.GT
Optimal Iris Fuzzy Sketches
模糊草图，作为生物统计学和密码学之间的联系，是一种处理生物统计数据匹配作为纠错问题的方法。我们在这里专注于虹膜生物识别，并在这方面寻找最好的纠错码。我们表明，二维迭代最小和解码导致的结果接近理论极限。特别是，我们实验我们的技术虹膜挑战评估（ICE）数据库，并验证我们的研究结果。
2007-05-25 cs.CR
Portable Trust: biometric-based authentication and blockchain storage for self-sovereign identity systems
Delft University of Technology（代尔夫特理工大学）
我们设计了一个基于生物特征的移动认证系统，只依赖于本地处理。我们的Android开源解决方案探索了当前智能手机仅使用其内置硬件获取、处理和匹配指纹的能力。我们的架构专为完全本地和自主运行而设计，不需要任何云服务，服务器或对指纹读取器硬件的许可访问。它涉及三个主要阶段，首先是使用智能手机摄像头进行指纹采集，然后是处理管道以获得细节特征，最后一步是基于Oriented FAST和Rotated BRIEF（ORB）描述符与其他本地存储的指纹进行匹配。我们获得了平均匹配精度为55%，最高值为67%的拇指手指。我们能够使用智能手机在短短几秒钟内捕获和处理手指指纹，这使得这项工作可以在各种场景中使用，例如，离线远程区域。这项工作专门设计为自我主权身份解决方案的关键构建块，并与我们的身份和密钥认证的免许可区块链集成。
2017-06-12 cs.CR cs.CV
Authentication System for Smart Homes Based on ARM7TDMI-S and IRIS-Fingerprint Recognition Technologies
随着技术的快速发展，灵巧家庭已经变得适用，因此需要解决伴随其操作的安全挑战。密码和身份证已被用作家庭环境中的传统认证机制，然而，这些机制的滥用的增加证明它们不太可靠。例如，身份证可能被放错地方、复制或伪造，并被滥用。相反，研究表明，生物识别认证系统，特别是虹膜识别技术（IRT）和指纹识别技术（FRT）具有迄今为止最可靠的机制，提供了巨大的准确性和速度。随着技术变得越来越便宜，IRT和FRT在智能家居中的应用变得更加可靠，并且是应对安全挑战的适当解决方案。本文提出了一种基于IRT、FRT和ARM 7 TDMI的灵巧家庭身份认证系统的设计方法，该系统采用两种生物特征识别机制，首先用户必须将指纹和眼睛注册到摄像头中，以提高系统的可靠性。扫描虹膜和指纹生物特征，并将图像存储在数据库中。在认证阶段，FRT和IRT指纹扫描和分析用户当前输入的虹膜和指纹的点，并与数据库内容匹配。如果一个或多个捕获的图像与数据库中的图像不匹配，则系统将不给予授权。
2014-10-02 cs.CR
An Evaluation of Score Level Fusion Approaches for Fingerprint and Finger-vein Biometrics
生物识别系统必须满足许多要求，例如大人口覆盖范围，人口多样性，不同的部署环境，以及性能和欺骗攻击等实际方面。传统的单峰生物识别系统不能完全满足上述要求，使它们容易受到不同类型的攻击。为了响应这一点，现代生物识别系统在不同的融合水平上结合了多种生物识别模式。融合的分数是决定性的分类一个未知的用户作为真正的或冒名顶替者。在本文中，我们使用两种模式（指纹和手指静脉）的分数归一化和融合技术的组合进行评估，以确定哪一个比传统的单峰生物识别系统实现更好的改进率。从手指静脉和指纹获得的个人得分结合在得分水平使用三个得分归一化技术（最小-最大值，z-得分，双曲正切）和四个得分融合方法（最小得分，最大得分，简单和，用户加权）。实验结果表明，双曲正切分数归一化技术与简单求和融合方法相结合的融合效果最好，达到99.98%。
2018-05-27 cs.CR
The Fuzzy Vault for fingerprints is Vulnerable to Brute Force Attack
University of Göttingen（哥廷根大学）
\textit{fuzzy vault}方法是将密码安全性绑定到生物特征认证中的最佳研究和广为接受的思想之一。该金库是由Uludag和Jain结合指纹数据实现的。我们表明，这种情况下的保险库是容易受到蛮干攻击。库数据的拦截器可以仅使用一般可负担得起的计算资源来恢复秘密数据和模板数据。然后讨论了一些可能的替代方案，并建议密码安全可能优于单向函数方法的生物特征安全。
2007-08-22 cs.CR cs.CV
Evaluation of User Perception on Biometric Fingerprint System
生物识别系统涉及安全保证，使我们的系统高度安全和强大。如今，生物识别技术已被固定到新系统中，旨在加强隐私和安全性。已经引入了几个创新系统，其中大多数都安装了生物识别技术，以保护军事基地，银行机器和其他复杂的系统，如在线跟踪系统。企业现在可以专注于他们的核心功能，并对他们的数据安全充满信心。尽管生物识别技术在安全性方面提供了好处和增强，但也存在一些漏洞。本研究旨在调查医疗机构的生物识别漏洞，并提出可能的对策，生物识别系统的漏洞。
2022-05-21 cs.CR cs.CY
A new application of Multi modal Biometrics in home and office security system
生物识别门锁安全系统用于那些你有重要信息和东西的地方。在这种地方，基于指纹和虹膜识别的多生物特征电子门锁安全系统。多生物特征门锁安全系统用于防止与门相关的意外事件，例如以不同形式发生的闯入，因此这是防止此类事件发生的最佳方法。与钥匙锁不同，出门时不必随身携带钥匙，也不必担心钥匙丢失，本文提出了一种多模式生物识别门锁系统，虹膜和指纹作为一个计算机应用程序，自动识别或验证一个人从指纹虹膜识别系统。第一阶段是识别，第二阶段是验证他是真正的用户还是冒名顶替者。在第二阶段，系统将输入集与数据库中所有可用的存储集进行比较。这种比较给出了匹配的排名列表。根据检索到的等级，当任何未经授权的人试图打开门时，警报会自动激活。因此，这种多模态生物识别技术将提供高度安全和认证的访问。
2012-10-10 cs.CR
A fingerprint based crypto-biometric system for secure communication
为了确保数据的安全传输，密码学被视为最有效的解决方案。密钥是该过程中的重要实体。一般来说，随机生成的密钥（256位）很难记住。然而，这种密钥需要存储在受保护的地方或通过共享通信线路传输，这实际上对安全性构成了另一种威胁。作为替代方案，研究人员主张在通信会话期间使用发送者和接收者的生物特征生成密钥，从而避免密钥存储，同时又不损害安全性。然而，基于生物特征的密码密钥生成具有很少的问题，诸如生物特征的隐私、通信用户之间的生物特征数据的共享（即，发送方和接收方），以及从不可撤销的生物特征生成可验证密钥。这项工作解决了上述问题。在这项工作中，已经提出了一个框架，用于两个用户之间的安全通信，使用基于指纹的密码生物识别系统。为此，Diffie-Hellman（DH）算法用于从发送方和接收方的私钥生成公钥，该公钥被共享并进一步用于在两端产生对称的加密密钥。该方法利用不可撤销指纹生成对称密码系统的可撤销密钥。生物特征数据既不存储也不共享，保证了生物特征数据的安全性，并使用会话密钥实现了完美的前向保密。这项工作还确保了两个用户之间通信的消息的长期安全性。通过对FVC 2002和NIST专用数据库的四个数据集的实验评估，证明该框架具有隐私保护功能，可以应用于实际的访问控制系统中。
2018-05-22 cs.CR
ProxyPrints: From Database Breach to Spoof, A Plug-and-Play Defense for Biometric Systems
针对指纹模板可被逆向重构引发欺骗攻击的安全问题，提出即插即用的中间层防御方案ProxyPrints，无需修改原有匹配软件即可实现身份可撤销、泄露检测功能，且不影响识别准确率。
2025-11-16 cs.CR
Attacks and Countermeasures in Fingerprint Based Biometric Cryptosystems
我们调查的实现生物特征密码系统保护指纹模板（这主要是基于模糊保险库计划Juels和苏丹在2002年），他们提供的安全性。我们表明，攻击利用系统的错误接受率，即错误接受攻击，造成了非常严重的风险-即使蛮干攻击是不切实际的。我们的观察导致明确的结论，目前单一的指纹是不足以提供一个安全的生物特征密码系统。但还有其他问题不能仅仅通过切换到多指来解决：Kholmatov和Yanikoglu在2007年证明了通过相关攻击可以以相当高的速度打破两个匹配的金库记录。我们提出了一个细节模糊保险库，是固有的抵抗交叉匹配和相关攻击的实现。令人惊讶的是，实现交叉匹配抵抗并不是以身份验证性能为代价的。特别是，我们建议使用一个随机的解码过程，并发现它是可能的，以实现GAR=91%，在没有错误的接受观察到的数据库上通常使用。我们的想法可以被采用到一个多生物特征密码系统的实现。本文中描述的所有实验都可以使用可供下载的软件完全复制。
2013-04-27 cs.CR
Fingerprint template protection using minutia-pair spectral representations
生物特征数据的存储需要某种形式的模板保护，以保护在生物特征数据库中注册的人的隐私。一种方法是使用辅助数据系统。这里，有必要将原始生物特征测量转换为固定长度的表示。在本文中，我们扩展了Stanko和Skoric [WIFS 2017]的谱函数方法，该方法为指纹提供了固定长度的表示。首先，我们引入了一个新的光谱函数，捕捉不同的信息，从细节点的方向。它是对原始谱函数的补充，我们使用它们来从指纹图像中提取信息。其次，我们构建了一个辅助数据系统，包括零泄漏量化，其次是代码偏移方法。我们展示的经验数据表明，应用我们的助手数据系统只会导致很小的性能损失相比，指纹认证的基础上不受保护的光谱功能。
2018-04-05 cs.CR
An Innovative Scheme For Effectual Fingerprint Data Compression Using Bezier Curve Representations
S.A.Engineering College（S.A.工程学院）；Vinayaka Missions University（维纳亚卡使命大学）
自然地，随着生物特征系统的安装应用，在存储和处理那些获取的生物特征数据方面出现了困难。指纹识别已被公认为是所有生物识别系统中最成熟、最成熟的技术之一。近年来，随着指纹识别受到越来越多的关注，所收集的指纹的量一直在存储和传输中产生巨大的问题。然而，指纹的压缩已经成为自动指纹识别系统中不可或缺的步骤。一些研究人员已经提出了指纹图像压缩的方法。在本文中，我们提出了一种新的和有效的方案，指纹图像压缩。该方案利用贝塞尔曲线表示的指纹图像的有效压缩。首先，使用所提出的方法提取指纹图像中存在的脊及其坐标值。随后，通过将每个脊可视化为贝塞尔曲线来确定所有脊的控制点。存储所确定的所有脊的控制点，并将其用于表示指纹图像。当需要时，使用贝塞尔曲线从存储的控制点重建指纹图像。重建指纹的质量由正式评估确定。该方案实现了相当大的内存减少存储的指纹。
2009-11-03 cs.CR cs.CV cs.MM
Rank Correlation Measure: A Representational Transformation for Biometric Template Protection
尽管已经提出了各种理论上合理的技术用于生物特征模板保护，但是很少有实际的解决方案同时保证不可逆性、可取消性、不可链接性和性能。提出了一种基于排序的指纹模板表示变换方法。该方法将一个实值特征向量转换为索引码，使得生成的索引码中的两两顺序度量与秩相似性度量紧密相关。这种基于排序的技术提供了两个主要优点：1）对数值中的噪声/扰动有弹性;以及2）基于偏序统计的高度非线性嵌入。前者负责减轻数字噪声/扰动的准确性性能，而后者通过从欧几里得到秩空间的非线性特征嵌入提供强大的不可逆变换，从而导致反演的韧性。在FVC 2002和FVC 2004指纹库上的实验结果表明，该方法具有较好的准确性，从而证实了秩相关性的理论。此外，安全和隐私分析证明了强大的能力，对现有的主要隐私攻击。
2016-07-23 cs.CR cs.CV
Contactless Fingerprint Biometric Anti-Spoofing: An Unsupervised Deep Learning Approach
West Virginia University（西弗吉尼亚大学）
针对非接触式指纹识别易受呈现攻击、现有反欺骗方法泛化性不足的问题，提出一种结合无监督自编码器与卷积块注意力模块的反欺骗方法，仅用真实样本训练即可有效检测多种欺骗攻击，取得了优异的检测性能。
2023-11-07 cs.AI cs.CR cs.CV
Bidirectional Biometric Authentication Using Transciphering and (T)FHE
针对FHE生物特征认证的密文与密钥管理瓶颈，提出结合TFHE、转加密、可信方和双重加密的BTF，并在虹膜数据上验证传输量最多降低121倍。
2025-06-15 cs.CR
Presentation Attack detection using Wavelet Transform and Deep Residual Neural Net
North Carolina A&T State University（北卡罗来纳A&T州立大学）；Elon University（伊隆大学）；Virginia State University（弗吉尼亚州立大学）
本文提出结合小波变换特征提取与改进深度残差神经网络的方法，用于检测生物特征认证中的呈现攻击，并在ATVS和CASIA数据集上取得最高93%的准确率。
2023-11-23 cs.CR cs.CV cs.LG
On the Adversarial Inversion of Deep Biometric Representations
Macquarie University（麦考瑞大学）；BITS Pilani（博拉理工学院皮拉尼校区）
本文研究在仅知特征表示和部分背景知识条件下对深度生物特征嵌入的对抗性反演，提出先推断原始DNN再重建原始数据的双阶段攻击方法，并在人脸和指纹识别模型上验证了其有效性。
2023-04-12 cs.CR cs.CV cs.LG
Exploiting Multimodal Biometrics in E-Privacy Scheme for Electronic Health Records
现有的方法来保护隐私的电子健康记录是不够的，现有的医疗法律或他们是过于限制他们的使用。例如，基于灵巧卡的加密系统要求患者始终在场以授权访问医疗记录。由50名医生管理的问卷，以确定和分类不同的电子健康记录属性。该系统采用JAVA和MySQL数据库开发工具，利用患者的多种生物特征信息实现院前监护病历的查询。该系统提供了适用的安全性，当病人的记录与其他从业人员，雇主，组织或研究机构共享。系统评估的结果表明，经过10次不同的模拟，指纹和虹膜的平均响应时间分别为6秒和11.1秒。该系统通过限制暴露给用户的数据量来保护隐私和机密性。该系统还使紧急医疗技术人员能够轻松可靠地访问患者电子健康记录的必要属性，同时仍然使用患者指纹和虹膜来维护数据的隐私和机密性。
2015-02-04 cs.CR cs.CY
Fourier domain asymmetric cryptosystem for privacy protected multimodal biometric security
提出了一种用于多模态生物特征安全的傅立叶域非对称密码系统。一种生物特征（如人脸）被用作明文，由另一种生物特征（如指纹）加密。通过复杂的空间傅立叶处理从加密的生物特征签名合成私钥。加密的生物特征签名进一步由其他生物特征模态加密，并且合成相应的私钥。由于加密密钥是由人提供的，因此所得到的生物特征签名是隐私保护的，并且这些是私钥。此外，使用这些私有加密密钥来合成解密密钥。使用合成的私钥和逆复数空间傅立叶处理来解密加密的签名。计算机模拟证明了该技术的可行性。
2018-10-16 cs.CR
