基于负数据库的虹膜特征数据保护方法

Iris recognition is one of the popular biometric recognition methods. Protecting iris biometric data to avoid personal privacy leakage is important for the popularity of iris recognition applications. Most of existing methods for protecting iris biometric data satisfy the irreversibility and revocability, but they could not satisfy the unlinkability. In some scenarios, the iris biometric data submitted by users for recognition (i.e., iris credential) and the number of valid users are also private or confidential information that needs to be protected...In this project, we attempt to study the solutions of the three issues based on negative databases (NDBs). First, we attempt to apply different aggregate functions and parameters to iris biometric data at different applications and employ NDB generation algorithms to achieve non-invertible transformation, and thus, cross-matching could be prevented and unlinkability could be achieved. Second, we attempt to convert the iris credentials into NDBs and protect the credentials through the hard-to-reverse property of NDBs. Finally, we will generate multiple samples from each iris biometric data, and randomly collect multiple users and multiple samples, and hide the number of valid users through the property that NDBs can hide multiple strings. ..This project can provide new theories, methods and techniques for the protection of iris biometric data.

虹膜识别是目前主流的生物特征识别方法之一，保护虹膜特征数据以防止个人隐私泄漏对虹膜识别的应用普及具有重要的意义。现有的虹膜特征数据保护方法大多满足不可逆性和可撤销性的安全性要求，但难以满足不可连接性。此外，在某些应用中，用户提交的待识别的虹膜特征数据（即虹膜凭证）和合法用户个数信息也属于隐私或机密信息，需要同时加以保护。本项目拟基于负数据库理论研究这三个问题的解决方案。首先在不同应用中对虹膜特征数据使用不同的聚合函数或参数，并采用负数据库生成算法进行不可逆变换，以防止交叉匹配并解决不可连接性问题；其次，将虹膜凭证转换为负数据库，利用负数据库难以求逆的性质解决虹膜凭证的安全问题；最后，为每条虹膜特征数据生成多个样本，进行多用户、多样本随机组合，并利用负数据库能隐藏多个串的性质解决合法用户个数信息安全问题。本项目的研究有助于为虹膜特征数据保护领域提供新的理论、方法和技术支持。

虹膜识别已经被广泛应用于各类场景中，其采用的虹膜特征数据属于个人的隐私，如果以明文的形式存储并进行识别可能导致隐私泄露。2011年，国际标准ISO/IEC 24745中规定：生物特征数据保护方法应满足“不可逆性、可撤销性和不可连接性”。目前已有的一些生物特征数据保护技术被提出，但大多被证明无法同时满足这三大安全要求。近年来，生物特征数据保护领域陷入了瓶颈期，提出同时满足三大安全性要求并具有较高的识别性能的方案具有重要的意义。此外，在一些安全性要求较高的场景中，虹膜凭证数目和用户个数信息也属于隐私信息，而已有的工作均未考虑对这种隐私信息进行保护。因此，本项目基于负数据库理论，研究了一套保护虹膜特征数据、虹膜凭证和用户个数信息的方案：1）提出了多种数据聚合模型，用于对虹膜特征数据进行不可逆变换，达到保护虹膜特征数据的目的；2）结合数据聚合模型与负数据库技术，提出了一种同时满足不可逆性、可撤销性和不可连接性的虹膜特征数据保护方法，该方案可避免不同应用中的认证数据被攻击者用于交叉匹配认证从而导致隐私泄露；3）提出了由两个负数据库估算它们所隐藏的串之间相似度的方法，将用户在识别认证阶段提交的虹膜凭证转换为负数据库进行隐私保护，构建了能同时保护虹膜凭证和服务器端存储的虹膜特征数据的方法；4）设计了由每条虹膜特征数据生成多个样本以及多用户、多样本随机组合的方案，研究了能隐藏多串和隐藏串数目的负数据库生成算法，并设计了能保护虹膜数目信息（即合法用户个数）的虹膜特征数据保护方法。在中科院公开数据集CASIA-IrisV3-Interval上的实验结果表明，本项目所提出的方案在错误拒绝率为0.01%时，正确接受率可达到97%以上，具有较好的识别性能。综上，本项目的研究成果可为虹膜特征数据保护领域提供新的理论、方法及技术支持。