基于手指静脉特征的企业产品存储安全研究

杨永 陈暄

摘  要：当前对于产品存储加密的要求越来越高，基于此提出了一种基于手指静脉的加密方案。首先，通过构建以白top-hat转换和黑top-hat转换为主的滤波器用于提取手指静脉上的特征;然后，使用k阶-Baker映射对手指静脉上的特征进行加密，最后在仿真实验中，文中所提出的手指静脉加密算法在相关性方面和加密时间方面都具有较好的优势。

关键词：手指静脉;加密特征;安全存储

中图分类号：TP18            文献标识码：A文章编号：2096-4706（2022）03-0126-04

Research on Enterprise Product Storage Security Based on Finger Vein Characteristics

YANG Yong， CHEN Xuan

（Zhejiang Industry Polytechnic College， Shaoxing  312000， China）

Abstract： Aiming at the increasingly high requirements for storage encryption of products at current， an encryption scheme based on finger veins is proposed. First， a filter based on white top-hat conversion and black top-hat conversion is constructed to extract the features on finger veins. Then， the features on the finger veins are encrypted using the k-order-Baker mapping. Finally， in the simulation experiments， the finger vein encryption algorithm proposed in this paper has better advantages in terms of correlation and encryption time.

Keywords： finger vein; encryption feature; safe storage

0  引  言

人們的安全意识逐渐加强，各种保护措施成为人们当前追求的主要方向。传统的保密方式已经无法适应当前社会的需求，生物特征识别技术在这种背景下应运而生，它是当前安全需求场景的理想解决方案。它具有高强防伪、高速识别、识别精度高等优势，而这一特点非常适合智能仓库的保护。针对手指静脉特征的加密方式[1]，学者们开展不同层次的研究并取得了一定的成果。文献[2]提出了基于MB-CSLBP编码的手指静脉加密方案。提取了手指静脉的MB-CSLBP二进制特征编码，然后将提取的手指静脉MB-CSLBP二进制特征编码作为加密特征，对加密信息进行BCH编码后与加密特征以异或的方式结合完成加密，实验结果表明，该方案具有很高的鲁棒性和安全性;文献[3]提出了一种基于手指静脉的图像加密方案，它首先通过构建图像平滑器来获得静脉图像的大小，明暗区域的选择和对特征图像的局部加强从而获得采集后的静脉特征图像，其次针对静脉图像的特征使用四种不同的变换即小波基函数，Arnold映射，二次Logistic映射和Baker变换进行混合加密从而获得最终的密文，仿真实验说明了这种加密方案具有良好的效果;文献[4]提出了手指静脉与伪密码相结合的模式加密密钥生成，其关键思想是从手指静脉网络生成永久密钥，可以组合成序列并应用于数据加密;文献[5]提出了两种不同的手指静脉加密方案，并且从不同的角度对这两种方案的技术内容进行了阐述，最后指出了应用场景;文献[6]提出了一种基于混沌图的手指静脉模板保护方法，对特征提取后的手指静脉特征进行随机打乱，扰乱了像素的位置分布，其次，应用二进制量化进一步保证模板的安全性，实验结果表明该方法可以保证手指静脉模板的安全性，同时保持稳定的识别性能;文献[7]提出一种基于SM4算法的指纹细节点相对差异生成的密钥对手指静脉特征点进行加密的解决方案，实现用户信息的双重加密认证，从而提高用户的安全性和准确性，满足了越来越高的安全性要求;文献[8]提出了基于手指静脉图案的生物识别系统，并使用多输入多输出正交频分复用系统将生物特征信息从一个地方传输到另一个地方。通过使用混合特征提取（HFE）和特征选择技术，提高了生物识别系统的识别精度，仿真实验说明该用算法来计算生物特征识别的性能，在准确度、精确度、召回率、敏感性、特异性、错误接受率和错误拒绝率等方面均有不同程度的提高。

本文在以上研究的基础上，提出了构建以白top-hat转换和黑top-hat转换为主的滤波器用于提取手指静脉上的特征，然后将这些手指静脉特征结合Baker映射进行了图像的加密，仿真实验说明本文的静脉特征加密具有较好的效果。

1  手指静脉图像特征的获取

1.1  形态学滤波器的构建

通常来说，手指静脉的图像相比于普通的图像加密是相对复杂的，因此使用传统的单一结构来表示加密信息显然是无法满足当前需求的，为了解决这个问题，本文提出将图像拆分为若干个不同的存储结构元素进行静脉图像的存储。基于这一点考虑，本文采用4×4的元素结构单元来表示静脉图像中的形态滤波器的构建，如图1所示。

本文使用一副手指静脉图像分别使用图1中包含的4种结构元素方式按照公式（1-4）进行膨胀运算，分别获得四种结构对应的子图像，即fa，fb，fc，fd。然后使用加权的方式重构手指静脉图像，得到加权公式（5）：

fa=f⊕a  （1）

fb=f⊕b  （2）

fc=f⊕c（3）

fd=f⊕d （4）

（5）

在式（5）中，α，β，γ，ω，分别为4个方向子图的加权值，用来表示它们在重构图像中所占据的权重，4个α，β，γ，ω，参数满足等式α+β+γ+ω=1。

1.2  手指靜脉图像中明暗区域信息获取

为了能够更好地在两种明暗区域中的特征信息进行获取，本文设计一种结构元素，该元素的形状相同且尺寸逐步递增，表示为λ0，λ1，...，λt，（t=1，2，...），第i个结构元素λi，其值为λi=λ0⊕λ0⊕…⊕λ0（λ0被自身膨胀i次，1≤i≤t）。本文选择使用白top-hat和黑top-hat来针对对不同尺寸的结构元素提取细节特征变换。b0为尺寸1的单位结构元素。

（1）白top-hat变换公式为：

WTHi=f-f · λi  （6）

式（6）表示了白top-hat变换公式，其中WTHi表示使用λi对其中一个手指静脉图像f在i尺度进行白top-hat变换：

WTHi（i-1）=WTHi+WTHi-1  （7）

式（7）中，WTHi（i-1）表示了手指静脉图像f中尺度在[bi-1，bi]之间的亮区域的细节，因此使用式（8）表示获得手指静脉图像中明亮区域的特征信息：

（8）

式（8）中，fw表示通过白top-hat后的手指静脉图像在[0，m]上的亮区域的特征。

（2）黑top-hat变换：

BTHi=f ·λi-f （9）

式（9）表示了BTHi表示使用bi对其中一个手指静脉图像f在i尺度进行黑top-hat变换：

BTHi（i-1）=BTHi-BTHi-1（10）

式（10）表示了手指静脉图像f中尺度在[bi-1，bi]的暗区域的细节，因此使用式（11）提取静脉中的暗区域的信息公式：

（11）

在式（11）中，f表示通过黑top-hat后的手指静脉图像在[0，n]上的暗区域特征。

1.3  增强手指静脉图像

本文将手指静脉的原图f、图中的明亮区域fW和暗黑区域fB映射到[0，1]区间。在式（12-14）中，L，WL，BL，分别表示图像f，fW，fB的最大值，而fL，fWL，fBL分别表示通过映射后数值。

fL（x，y）=f（x，y）/L  （12）

fWL（x，y）=fW（x，y）/WL （13）

fBL（x，y）=fB（x，y）/BL（14）

利用增强算子对fL做非线性变换，变换后的结果记为。

（15）

式中，k表示渡越点，k∈[0，1]，利用式（16）得到手指静脉图像的差值图像，记为fsub：

fsub（x，y）=fWL（x，y）-fBL（x，y）    （16）

在式（16）中，fsub（x，y）表示了手指静脉图像所有的像素点f在二维坐标（x，y）位置上的灰度值信息。但是这样的对比效果相对于一般的手指静脉图像的效果来说是不明显的，因此使用fsub设置一个增强系数，该系数记为s，表达式为：

（17）

在式（17）中，fen表示增强后的图像。

2  手指静脉图像的加密

在手指静脉加密的过程中，k阶-Baker映射是目前相对比数据加密效果较好的方式之一，其主要思想是对数据所在的位置产生变化。手指静脉图像的变换的表达式为：

（18）

其中（x，y）记录着原始数据的位置，（）记录着置乱后的数据位置。

3  仿真实验

为了进一步说明本文提出的手指静脉算法的加密效果体现的优势，选取了手指静脉图像的原始效果的和加密后效果如图1所示，从相关性分析的角度出发分析加密效果。本文选择CPU为酷睿i7，硬盘容量为1 TB，内存为8 GRR3，操作系统为Win10，软件仿真为MATLAB 2012b。

3.1  指标对比

手指静脉图像中的冗余信息是衡量图像加密效果的重要标志之一，本文所采用的白变换和黑变换虽然能够在一定程度上进行图像特征的提取，但是我们需要考虑到的是图像中的相邻的像素点在效果上存在一定的相关性，为了避免这种情况的发生，我们一方面从原始的手指静脉图像中采集了100组像素点中的二维图像的坐标数值，通过获得的采集后的静脉图像和密文图像随机选择了像中随机选择100对相邻像素点，按照式（19～22）计算加密后的图像在二维方向的结果。其中Cov表示协方差，（x，y）表示静脉图像中的相邻像素点的灰度值，N为挑选的像素个数。

（19）

（20）

（21）

（22）

表1显示了原始表1显示了原始静脉图像和加密后的静脉图像经过计算得到相关系数值，从中发现列出了加密前后两种图计算所得到相关系数。从表中我们得出了未加密的原始图和加密后的图像之间的像素相关性的数值都比较大，这充分说明了手指静脉的图像中的加密特征已经进入了加密图中。表2中显示了原始静脉图像普通加密方法和采用本文算法加密后的静脉图像的时间复杂度对比，从表中发现，通过本文提出的加密算法的时间复杂度低于普通的加密方式的时间复杂度，虽然本文算法在空间复杂度上不具备优势，但时间复杂度上还是效果不错的。

3.2  加密效果对比

为了更好地说明本文算法在智能微仓库方面具有的加密效果，我们选择了文献[4]的加密算法和本文算法进行对比，对比效果如图2所示。我们随机选择采集了50组手指静脉的二维空间的像素点的图像，在加密时间消耗和智能仓库使用效果两个方面进行对比。从图2中发现，随着样本数量的不断增加，两种算法的曲线都呈现不同程度的上升，但是从整体上看，文献[4]算法出现了一定程度的波动，而本文算法始终保持平缓，而本文算法在加密方面消耗的时间低于文献[4]的算法，这说明了本文算法在整体比较稳定的。

4  结  论

针对企业产品安全存储的要求，本文提出了一种手指静脉的加密方案，在该方案中主要通过白黑变换的滤波器提取手指静脉的特征，并结合了Baker映射进行了加密，仿真实验说明了本文算法在手指静脉的加密效果上具有较好的效果。

参考文献：

[1] SHAHEED K，MAO A H，QURESHI I，et al. Recent advancements in finger vein recognition technology：Methodology，challenges and opportunities [J].Information Fusion，2022，79：84-109.

[2] 王科俊，曹逸，邢向磊.基于MB-CSLBP的手指静脉加密算法研究 [J].智能系统学报，2018，13（4）：543-549.

[3] 陈暄.基于手指静脉特征图像的加密研究 [J].计算机测量与控制，2016，24（6）：164-167.

[4] TRAINYS T，VENČKAUSKAS A. Encryption Keys Generation Based on Bio-Cryptography Finger Vein Method [EB/OL].[2021-12-11].http：//ceur-ws.org/Vol-2145/p19.pdf.

[5] ZHANG J，FANG P. Two Encryption Schemes of Finger Vein Template [C]//2018 12th IEEE International Conference on Anti-counterfeiting，Security，and Identification（ASID）.Xiamen：IEEE，2018：169-173.

[6] SHAO L，REN H Y，SUN L J，et al. Template Protection Based on Chaotic Map for Finger Vein Recognition [J].IEEJ Transactions on Electrical and Electronic Engineering，2022，17（1）：82-95.

[7] WANG Z Q，HOU Z Y，WANG Z W，et al. Identification System Based on Fingerprint and Finger Vein [C]//The 10th International Conference on Computer Engineering and Networks.[S.I.] ：Springer，2020，1274：780-788.

[8] THAKUR S S，SRIVASTAVA R. Dual RSA Based Secure Biometric System for Finger Vein Recognition [C]//Inventive Computation Technologies.Coimbatore：Springer，2019，98：138-149.

作者簡介：杨永（1977.12—），男，汉族，浙江诸暨人，教师，高级工程师，硕士，研究方向：算法设计、人工智能;陈暄（1979.03—），男，汉族，江西南昌人，副教授，硕士，研究方向：算法设计、人工智能。