生物特征的安全計算理論與技術(shù)

內(nèi)容概要

《生物特征的安全計算理論與技術(shù)》是關(guān)于生物特征如：指紋、聲紋、人臉、虹膜等應(yīng)用于信息安全與安全計算領(lǐng)域中的各方面技術(shù)的一本學術(shù)專著，側(cè)重論述了基于單、多生物特征身份認證與加密的核心理論模型與應(yīng)用技術(shù)，分析了現(xiàn)今生物特征身份認證與生物特征加密技術(shù)的重要文獻及其相關(guān)作者的重要思想，從作者獨立研究的角度重點介紹了生物特征在安全計算中兩個重要領(lǐng)域的技術(shù)與應(yīng)用，分別是：基于人臉、虹膜、指紋與聲紋等多生物特征的魯棒性融合識別技術(shù)及在信息安全中身份認證領(lǐng)域的應(yīng)用案例；基于單或多生物特征加密理論與技術(shù)。特別介紹了作者在生物特征提取、魯棒性說話人識別、魯棒性人臉識別、多生物特征融合識別模型與策略、多生物特征加密技術(shù)中的科研成果：著眼于生物特征在安全計算領(lǐng)域的現(xiàn)狀和未來，提示了生物特征信息安全理論撞擊末觸及學科的可能性和潛在的學術(shù)價值和應(yīng)用價值。
《生物特征的安全計算理論與技術(shù)》內(nèi)容由淺入深，理論介紹掌握分寸，定理推導(dǎo)詳略適當，關(guān)鍵說明恰到好處，應(yīng)用案例指明方向。

作者簡介

李建平，1964年10月出生，工學博士，教授，博士生導(dǎo)師，學術(shù)帶頭人。現(xiàn)任國際小波分析應(yīng)用研究中心主任，國際學術(shù)進展IPWAAMT，El檢索學術(shù)期刊主編，國際學術(shù)期刊IJWMIP，SCI檢索學術(shù)期刊副主編、主要創(chuàng)始人之一，先后擔任國際計算機學術(shù)大會、第二屆智能體媒介技術(shù)國際學術(shù)大會程序委員會等國際會議的主席。一直致力于小波分析與信息處理技術(shù)研究領(lǐng)域(重點是小波理論及其在信息安全中的應(yīng)用)。在國際上獨立提出并系統(tǒng)建立了“小波變換的加速方法”、“矢量積小波變換理論”、“基于小波分析的電子簽名系統(tǒng)”等系列理論與方法，并在國際上提出了“基于‘三大特征’的信息安全傳輸?shù)哪Ｐ团c方法”。先后主持國家863高技術(shù)項目、國家自然科學基金等30余項，在國內(nèi)外學術(shù)期刊上發(fā)表論文150余篇，被國際三大檢索機構(gòu)SCI、EI、ISTP等檢索收錄論文48篇，出版學術(shù)著作16部，主編10部大型國際學術(shù)會議論文集。他主持研制的“小波指紋加密系統(tǒng)”、“分布式網(wǎng)絡(luò)監(jiān)控系統(tǒng)”等高技術(shù)產(chǎn)品產(chǎn)生了廣泛的經(jīng)濟效益和社會影響。獲得國家科技進步二等獎1項、全國優(yōu)秀科技圖書獎二等獎1項，西南、西北地區(qū)優(yōu)秀科技圖書一、二、三等獎各1項。林劼，1981年1月出生。2003年獲電子科技大學計算機科學與工程學士學位，2006年獲電子科技大學計算機科學與工程碩士學位，2009年獲電子科技大學計算機學院工學博士學位。2007～2008年訪問英國Queen's University of Belfast大學計算機科學系作聯(lián)合培養(yǎng)博士生1年。從2002年開始從事語音及圖像信號處理、模式識別、人工智能等領(lǐng)域的研究工作，研究重點是語音、說話人和人臉識別理論及其在信息安全中的應(yīng)用。在語音信號處理和圖像處理理論與應(yīng)用研究方面有較多成果和較深積累。在國際上提出了“后驗聯(lián)合概率模型及其在語音識別和說話人識別中的應(yīng)用”、“后驗概率聯(lián)合決策神經(jīng)網(wǎng)絡(luò)理論模型”、“M-exponent相似度理論”等系列魯棒性模式識別理論與方法。曾先后參與過國家863高技術(shù)項目、國家自然科學基金等3余項，在國內(nèi)外學術(shù)期刊，包括在EURASIP Joumal on Applied Signal Processing ,Computer Vision IET,IEEE International Conference on Acoustics,Speech，and Signal Processing等國內(nèi)外信號處理領(lǐng)域權(quán)威期刊、國際會議上發(fā)表或錄用論文20余篇，被國際三大檢索機構(gòu)SCI、EI、ISTP等檢索收錄論文13篇，參與編寫2部大型國際學術(shù)會議論文集。參與編寫論著《Speech Communication Research Trends》，參與編寫專著《非常規(guī)小波變換與軍事生物信息安全》等。同時，作為項目主要撰寫人申報國家級科研項目多項，并作為項目負責人完成多項科研開發(fā)項目。主要研究興趣：語音與圖像信號處理，序列信號分析、模式識別(包括語音識別、人臉識別、序列信號行為識別)等。付波，2009年畢業(yè)于電子科技大學獲工學博士學位并留校任教，2007～2008國家公派訪問加拿大Univ. of Guelph 1年。從2002年開始從事信號處理、模式識別、密碼學、人工智能等領(lǐng)域的研究工作，研究重點是生物特征加密算法理論及其在信息安全中的應(yīng)用。目前主持包括國家自然科學基金在內(nèi)科研項目2項，教改實驗項目l項。并先后參與國家863、國家自然科學基金項目等4余項縱向課題，5余項橫向課題研究和開發(fā)。在包括在IEEE Trans，Chinese Journal of Electronics等國內(nèi)外權(quán)威期刊、國際會議上發(fā)表論文10余篇，包括SCI期刊2篇，El檢索5篇，ISTP檢索6篇。參與完成譯著1部，專著2部，教材1本。同時，作為項目主要撰寫人申報國家級科研項目多項。

書籍目錄

第一部分 引言第1章 引言1.1 信息安全概述1.2 傳統(tǒng)信息安全技術(shù)1.3 生物特征安全技術(shù)1.3.1 生物特征1.3.2 生物特征識別技術(shù)1.3.3 生物特征保密技術(shù)參考文獻第二部分 基礎(chǔ)知識第2章 數(shù)學基礎(chǔ)2.1 K-L變換2.2 基于EM算法的高斯混合模型估計2.2.1 EM算法2.2.2 基于EM算法的高斯混合密度參數(shù)估計2.3 Bayes估計參考文獻第3章 信號處理基礎(chǔ)3.1 傅里葉變換3.1.1 傅里葉變換的幾種形式3.1.2 非周期連續(xù)時間信號的傅里葉變換3.1.3 非周期離散時間信號的傅里葉變換3.1.4 周期連續(xù)時間信號的傅里葉變換3.1.5 周期離散時間信號的傅里葉變換3.2 離散傅里葉變換3.2.1 離散傅里葉級數(shù)(DFS)3.2.2 離散傅里葉變換(DFT)3.3 快速傅里葉變換(FFT)3.4 小波變換(wavelet)3.4.1 小波變換與傅里葉變換的區(qū)別3.4.2 連續(xù)小波變換3.4.3 離散小波變換3.4.4 常用小波函數(shù)參考文獻第4章 模式識別基礎(chǔ)4.1 隱式馬爾科夫模型(HMM)4.1.1 隱馬爾可夫模型基礎(chǔ)理論4.1.2 HMM的拓撲結(jié)構(gòu)4.1.3 HMM的三個基本問題4.1.4 前向一后向算法4.1.5 Viterbi算法4.3.6 Baum-Welch算法4.2 神經(jīng)網(wǎng)絡(luò)4.2.1 神經(jīng)元模型4.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)4.2.3 神經(jīng)網(wǎng)絡(luò)模型4.3 支持向量機4.3.1 最優(yōu)分類超平面4.3.2 線性支持向量機4.3.3 非線性支持向量機4.3.4 核函數(shù)參考文獻第5章 密碼學基礎(chǔ)5.1 密鑰交換算法5.2 DES對稱密碼算法5.3 AES對稱密碼算法5.4 RSA公鑰密碼算法參考文獻第6章 信息論6.1 模糊度量6.2 熵分析6.2.1 Dodis最小熵6.2.2 Shannon熵參考文獻……第三部分 生物特征提取技術(shù)第四部分 生物特征匹配認證技術(shù)第五部分 生物特征加密保護技術(shù)

章節(jié)摘錄

版權(quán)頁：插圖：（1）單個生物特征，多個傳感器。利用多個傳感器記錄相同生物特征的原始數(shù)據(jù)來融合識別。Chang等就按照這種方法得到了人臉2D和3D兩種數(shù)據(jù)，并在數(shù)據(jù)層和匹配層融合識別，改進人臉識別的效果。（2）單個生物特征，多個分類器。與上面的方法不同，這種方法只有一種傳感器，但是利用多個分類器對同樣的原始數(shù)據(jù)進行處理，可以形成不同的特征。Jain等人就利用三種不同的匹配方法得到手掌細節(jié)點特征，然后用邏輯方程在匹配層進行處理，提高識別率。（3）單個生物特征，多個類別。這種方法只用一種生物特征，一種分類器。以指紋識別為例，可以取同一只手上不同手指的指紋，然后分別分類融合。（4）多生物特征。這種系統(tǒng)就是利用不同的生物特征通過多個傳感器進行融合識別。近年來迅速發(fā)展的多傳感器數(shù)據(jù)融合技術(shù)為多生物特征識別提供了理論基礎(chǔ)。國際上許多學者已開始致力于多生物特征的身份識別技術(shù)研究。Brunelli最早（1995）提出了利用多個生物特征來進行個人身份認證的方法，他們把聲音分類器和人臉圖像分類器輸出的匹配分數(shù)和排名進行歸一化，然后分別用加權(quán)幾何平均和超基函數(shù)網(wǎng)絡(luò)融合識別，取得了較好的識別效果。不過該方法需要準確構(gòu)建大量的正負樣本集來選擇網(wǎng)絡(luò)的映射參數(shù)，在小樣本情況下存在很多困難。Duc等人（1997）提出利用監(jiān)督學習并結(jié)合Bayes理論的方法融合聲音與臉像進行身份驗證，結(jié)果在M2VTS的37個人，每個人4個樣本的數(shù)據(jù)庫上進行實驗，取每個人的前3個樣本作為訓(xùn)練集，第4個樣本作為測試集，達到了很高的正確率。Dieclcmann等人（1997）采用聲音和唇動信息這兩種動態(tài)特征和人臉圖像這種靜態(tài)特征來進行融合身份識別，他們利用簡單的投票算法判斷單個分類器的決策是否與其他兩個分類器一致。Verlinde等人于1997年提出用K-NN方法融合聲紋和視覺特征，取得了較好的結(jié)果。Jain等人于1998年提出將指紋與人臉識別的結(jié)果融合，并從理論上定量地證明了多生物特征認證系統(tǒng)相對于單種生物特征認證系統(tǒng)在實現(xiàn)效率上的提高；于1999年從理論上證明了多生物特征的融合可提高認證率；于2000年提出確定每個用戶的特定參數(shù)的方法將指紋、臉像和手形的識別結(jié)果融合：于2002年對多生物特征識別作了概述。Kittle等人提出了融合理論框架并將其分為三層，同時比較了加法準則和乘法準則等算法在融合中的優(yōu)缺點。Maes第一次實現(xiàn)了一個結(jié)合生物特征（指紋）和非生物特征（密碼）的系統(tǒng)。文獻中還有許多其他的多生物特征識別方法以及結(jié)合生物特征和非生物特征進行身份識別的方法，都取得了比較好的效果。雖然多生物特征身份識別技術(shù)還處在初級階段，但很多的研究成果也已經(jīng)被商業(yè)公司應(yīng)用到實踐中，其中最著名的系統(tǒng)就是DCSAG公司的BioID系統(tǒng)，它使用了臉像、聲音和唇動三個特征融合來識別身份。

編輯推薦

《生物特征的安全計算理論與技術(shù)》編輯推薦：國家自然科學基金項目，國家高技術(shù)研究發(fā)展計劃（863計劃）項目，中央高?；究蒲袠I(yè)務(wù)費專項資金項目。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    生物特征的安全計算理論與技術(shù) PDF格式下載

---