国际创新研究期刊》的研究在科学、工程和技术
菜单ISSN在线(2319 - 8753)打印(2347 - 6710)
ISSN在线(2319 - 8753)打印(2347 - 6710)
Anand Kolapkar先生,比比乡间住所教授
|
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
是恶意攻击大大威胁到生物识别系统的安全性和可靠性,验证的生物特征数据是非常重要的。本文基于水印的两级认证提出了解决这个问题的。个人的面部特征嵌入到一个指纹图像是数据可信度令牌和二次身份验证源。第一阶段的认证,建立了输入数据可信度令牌通过检查提取的有效模式。由于面临的具体特征水印,基于人脸检测的分类方案应用可靠的水印验证,而不是传统的基于相关的水印检测。如果令牌验证成功,面对模式可以进一步作为补充身份信息促进子序列生物认证。在这个框架中,一个关键问题是保证水印的鲁棒性和能力,同时保留主机指纹的识别功能。因此基于小波量化水印和LSB水印方法,提出了自适应分配水印能量相当DWT系数的指纹图像。
关键字 |
| 生物识别技术,数字水印,DWT, LSB |
介绍 |
| 快速使用互联网版权保护,非法修改、复制和篡改和[7]已成为非常重要的问题。因此,有一种强烈的需要开发的技术来面对这些问题。数字水印[1]成为保护多媒体数据的解决方案。数字水印嵌入过程是一个听不清数据到给定的数据。这听不清信号称为水印或元数据和给定的信号称为覆盖工作。封面应嵌入水印的工作,所以它应该是健壮的生存最常见的信号失真以及恶意攻击所造成的扭曲。这张封面工作可以是一个音频、图像或视频文件。水印算法包括两个算法,嵌入和提取算法。有一些关键属性必须每有水印的媒体如:1。无法感知:不应该有明显的区别的信号覆盖和隐藏的信号。 In other words, the watermarking process should not degrade the quality of the media. 2. Robustness: different kinds of attacks could be exerted on a stego signal intentionally or unintentionally to remove or destroy the watermark. These attacks contain additive noise, resampling, lossy compression, filtering, and geometrical attacks such as: cropping, rotating, and scaling. This signal processes would not harm the watermark in a robust watermarking scheme unless it degrades the quality of the stego media 3. Security: the secret message embedded in a watermarked data should not be recognizable to an unauthorized person. To gain this purpose, sometimes the secret message is encrypted and then embedded in the cover data. There has always been a contradiction between robustness and imperceptibility. Enhancing the robustness makes the watermark more perceptible and vice versa. |
| 还有一些其他的水印属性在某些情况下,这可能是必要的: |
| 4所示。色牢度:在某些应用程序中,尤其是realA¢时间通信,水印过程应该很快完成。 |
| 5。能力:一些应用程序需要将大量的数据嵌入到他们的媒体。随着广泛应用的基于生物特征的身份验证技术,确保生物特征数据的安全性和真实性越来越重要的[4]。模板保护这个问题是一个经典对策[3]。继承传统的加密工具,它主要是将提取的生物特性转换成秘密域和有效地保证他们的安全保密的转换函数或密钥。然而,在某些情况下,特别是当需要人工交互,生物统计数据必须保存在显式形式而不是加密模板,如:脸图像智能卡、指纹图像保留作为法定证据。在这种情况下,数字水印是一个适当的解决方案。数字内容隐藏在不知不觉中,水印可以作为整个连锁托管法医令牌。因此,耆那教等。[4]建议引入水印作为另一个生物安全的防线。 |
| 现有研究数字水印应用于协助生物识别系统一般可以分为两类: |
| 答:多通道身份验证。 |
| 耆那教等。[4]Eigenface系数作为水印嵌入指纹图像和提取融合与东道国指纹识别。然而,由于提取的模式给出了识别没有可信度验证,它只会增加识别性能在攻击自由情况下不提供额外的安全[2]。 |
| 双因素身份验证。 |
| 金等。[6]小脸图像嵌入指纹和建立数据真实性之前水印验证指纹身份验证。隐藏的脸水印只扮演着传统的角色令牌;中的身份信息本身是没有显示出来。既不类型的工作充分利用生物识别水印的一个策略,建立数据可信度而有效地使用水印标识信息是迫切需要的。 |
二世。相关工作 |
| LSB是一个简单和快速的水印算法呈现较高的嵌入容量。主要的LSB的优点是其鲁棒性差。改变封面样本产生的最低有效位的单元错误信号。由于本单位错误产生的噪音听不清。但任何人都可以省略了水印没有降解的质量媒体用最低有效位为零。作为嵌入秘密的LSB层位的增加,误差变大。例如,隐藏信息在第二个最低有效位双打修改错误。总之,如果水印是不知不觉中嵌入在一个更高的LSB层实现更强的水印方案[2,3]。最低有效位(LSB)技术是用于操作简单嵌入信息覆盖信号。里面的LSB技术覆盖信号像素都随着时间的改变而改变的秘密消息。 Although the number was encrypted into the first 8 bytes of the grid, the 1 to 4 least bits needed to be changed according to the embedded message. On the average, only half of the bits in an image will need to be modified to hide a secret message using a cover image. Changing the LSB of a pixel results in small changes in the intensity of the pixel colors. Human visibility system cannot perceive these changes. However, an attacker can easily extract the changed bits, since; it has performed very simple operation. The pixel value of the cover image is 139(10001011)2 and the secret data is 0. It applies to LSB-1 that the changed pixel value of the cover is 138(10001010)2. LSB can store 1-bit in each pixel. |
| 离散小波变换是一个强大的和有用的多分辨率分解方法在数字水印。通常应用于图像处理,并已应用于如边缘检测、降噪和数据压缩。这是符合人眼的视觉感知过程。DWT使用离散小波变换将原始图像分解成四个副环带LH1, LL1 HH1和HL1可以分离成高频率分解和低频率分解。代表的低频子频带LL1粗级别系数可以进一步分解为四个副环带LH2 LL2 HH2, HL2。我们可以达到最终的满意量表重复这个分解过程。低频图像通常有更好的稳定性对图像失真,所以大部分时间基于DWT数字水印在你完成的子频带是健壮的各种类的攻击如过滤、勾结和压缩。DWT很容易实现,可以有效地减少计算时间。 |
三世。该方法 |
| 本文基于水印的两级认证框架(图1)提供生物识别系统的安全性和可靠性。在数据收集进度面对同一个人的特点是嵌入指纹图像。在身份验证,输入数据的真实性是建立在第一阶段通过检查的有效提取水印。只有在提取水印是真实的,该系统将进行第二阶段,面对水印可以作为补充标识信息来促进生物认证。 |
 |
| 在这个进展,提出了一种基于小波量化和LSB水印方法提高水印的鲁棒性,同时保持相对高容量。与此同时,基于稀疏表示的分类方法是采用高效利用中的身份信息紧凑的水印。水印验证以及低分辨率人脸识别执行提出了一种新颖的基于SVM的脸水印验证方法来提高数据的可信度验证精度。提出了DWT和LSB方法可以提供可靠的信息隐藏和高数据负载。 |
答:DWT算法 |
| 1)水印生成 |
| 生物识别水印有它自己的特点。用于身份验证的生物可以利用水印,它应该歧视和优势有鲁棒性的各种扭曲[19]。在大多数水印的应用程序中,水印的鲁棒性或数据有效负载。具体地说,一个紧凑的特性允许高嵌入鲁棒性但验证提出了挑战,而综合特性有助于验证水印的鲁棒性。使用一个简单而有识别力的特性作为生物识别水印的水印是一个很重要的问题。此外,由于水印嵌入通常被认为是与生物传感器集成复杂的脸功能要求高计算能力和额外的先验知识将大大限制了系统的实用性。因此,我们只有直接的方式生成人脸特征的人脸图像下采样比例高和应用缩略图水印功能。 |
| 缩略图的灰度像素值扩展成一个特征向量与Nw Vf碎片。随机二进制序列长度相同的某人千瓦秘密密钥生成的水印与逻辑混乱的地图[17][11]的基础方法,应用在我们以前的工作[16]。最后获得的用于嵌入水印w: |
| W = Vf¯害怕一个½¯害怕一个½某人(A) |
| 一个¯害怕害怕一个½¯½表示异(XOR)操作。 |
| 2)水印提取 |
| 不同于SDQ方法选择自适应提取阈值y根据水印序列的组件,提出的盲提取SDDM可以以简单明了的方式执行。量化步骤参数Q和嵌入密钥Ke,水印提取的进展,主要是水印嵌入的逆操作可以总结如下:步骤1(小波分解):三级小波变换的图像分解,准备LH3 HL3子带上进行水印提取。步骤2(系数分组):洗牌使用嵌入密钥的子带系数柯,和重组nonoverlapped系数成块。定位块Δi,我∈(1,Nw)水印比特分配。步骤3(水印比特提取)n:对于每个系数块Δi,我∈(1、西北),计算出积极的显著差异Δi和解码水印一样: |
 |
 |
| 最后,二进制水印比特序列W '解调人脸特征向量作为水印生成的逆过程。再生后的随机加密序列与水印私钥千瓦年代,面对水印特性向量v”可以检索(B): |
 |
| b . LSB水印: |
| 1)嵌入算法 |
| 本节描述嵌入算法。输入图像和类型的秘密数据,它传输机密数据二进制值,并确定图像的坐标数据将被嵌入。首先,它将嵌入数据的长度在5像素从它选择的第一个坐标和增加5,直到将它嵌入到3日和4日的5个像素LSB,但是如果数据超过1023个字符的长度,它将要求重写数据应该没有更多的1023个字符。然后,数据将在第三和第四的LSB嵌入图像。然后,有水印的图像会产生,它将被保存。 |
| 2)提取算法 |
| 它描述了提取算法。需要有水印的图像作为输入,它产生的长度从3日和4日秘密数据LSB的五像素从确定坐标和增加5,直到它得到它从五个像素。然后,它将秘密数据也从3日和4日LSB二进制值。之后,将二进制值字符将显示为秘密数据。 |
四、结果与讨论 |
| 答:数据集1。该DB2 - 110×8指纹数据库。2。FRGC2 - 110×8数据库。以上数据可以用来评估系统的工作。 |
| b .结果集 |
| 实现了在java中使用NetBeans,用户可以输入的图像进行训练和查询图像测试作为输入。上述数据集可用于相同的目的。然后结果与现有系统的结果。提出的方法用于提供更好的结果,防止信息丢失。 |
诉的结论和未来的范围 |
| 提出了基于水印的两级认证系统用于提高生物安全。理论上适合任何生物特征数据,两阶段策略可以根据实际需求灵活修改。人脸检测的就业和SRC分类器提供了一个新颖的视角结合强大的模式识别工具和水印的有前途的十字路口。与此同时,提出了DWT和LSB方法还可以方便可靠的信息隐藏应用程序高数据有效负载和鲁棒性要求。在未来的工作中,该系统可用于安全目的在医学等各个领域。 |
引用 |
|