CN100583765C - 一种生物安全级别模版及其设定方法及装置 - Google Patents

Abstract

本发明公开了一种生物安全级别模版及其设定方法及装置，用于提高生物认证过程的安全性。所述模版包括：生物安全级别以及生物参数信息；所述生物安全级别包括参数信息唯一标识符；所述生物参数信息包括生物类型，和/或生物算法，和/或算法错误匹配率值。所述方法包括：获取用户选择的策略；获取生物参数信息；确定安全级别数值；为生物安全级别模版分配参数信息唯一标识符；根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。另外本发明还相应地提供一个设定装置。本发明可以有效地提高生物认证过程的安全性。

Description

一种生物安全级别模版及其设定方法及装置

技术领域

本发明涉及数据安全领域，尤其涉及一种生物安全级别模版及其设定方法及装置。

背景技术

随着网络快速发展，网络越来越和人们的工作与生活融合在一起，电子政务、电子办公、电子商务得到了大量的应用，网上银行，网上交易等也愈发普遍，因此对人的身份认证也就显得非常重要，它甚至是其它工作开始的第一步。以传统密码方式进行认证，存在容易忘记、容易被别人窃取等很难弥补的缺陷，安全性无法令人满意，以至于近年来网络欺诈，账户盗用的现象日益增多。因此，发展更高安全层次的个人信息保障，认证机制势在必行。

近年来生物特征识别技术逐渐成熟，以及网络身份认证的特殊环境，把生物特征识别技术应用在身份认证上，利用生物特征的唯一性、稳定性等特点，为信息安全提供了保障。

生物识别技术是指利用人类自身生理或行为特征进行身份确认的一种技术，如指纹识别、虹膜识别、脸型识别、脉络识别等。

生物识别认证系统必须先创建生物特征模版，进行身份认证时将新收集的生物特征数据与预先注册存储的模版进行匹配，看匹配结果在是否有效范围内来判断结果。

生物识别认证系统的安全性表示系统抵抗对任何非法企图通过身份验证的能力。对生物系统安全性的破坏来自两个方面：生物系统固有的不完善性和非法的攻击。这两种因素都可能导致一个认证系统提供一个错误的身份证明，错误地接受非法用户的身份。对于受这个认证系统保护的资源，这将会导致非法访问或破坏。

请参阅图1，生物认证系统可能会受到如下一些攻击：

1、在传感器侧提供伪造的生物特征(欺骗攻击)：提供给传感器的是真的生物表征，但表征的取得是非法的，如塑胶手指、打印的虹膜图像等。

2、重新提交以前存储的数字生物数据(重放攻击)：绕过传感器，把以前登记的数字生物数据直接提交给特征提取器。

3、覆盖特征提取器的处理结果：利用木马病毒把预先选定的模版直接覆盖特征提取器的处理结果。

4、篡改生物特征表述：在特征提取器和匹配器模块之间的传输中，使用伪造的特征集取代真正采集处理后获得的模版。

5、破坏匹配器：使用木马病毒在匹配模块中产生匹配得分。

6、攻击存放预存模版和匹配器的通道：在存放模版的数据库和匹配模块的传输中，用伪造的模版替换预存的模版。

7、篡改模版：事先修改数据库中存放的模版(无论是否是分布式系统)，这样后来使用的已经是一个伪造的模版了。

8、覆盖决策结果：使用木马病毒修改或替换决策模块的结果，或在向应用设备传输途中替换决策结果。

在上述的攻击中，2～8的攻击发生在生物系统内部，其中2、4、6、8多发生在分布式系统中。

目前有很多安全技术用于防御这些攻击，简单来说，确保通道安全和数据加密可以防御传输过程中发生的攻击；

解决重放攻击最常用的方法是在数据中增加时间戳，或者在提交生物特征时采用口令-应答机制；

安装防木马和病毒的软件可以防止木马病毒干扰认证过程。对分布式生物认证系统中各部件之间数据传输的安全保护已经有了一些国际标准或草案，如ISO/IEC CD 24761。

但是以上的一些防御方案都是从认证系统外部出发，而并没有通过提高数据本身安全性的方面出发，所以生物认证过程的安全性得不到有效的提高。

发明内容

本发明要解决的技术问题是提供一种生物安全级别模版及其设定方法及装置，能够提高生物认证过程的安全性。

本发明提供的生物安全级别模版，包括：生物安全级别以及生物参数信息；所述生物安全级别包括参数信息唯一标识符；所述生物参数信息包括生物类型，和/或生物算法，和/或算法错误匹配率值。

可选地，所述模版还包括：策略。

可选地，所述生物安全级别还包括：安全级别。

可选地，所述生物参数信息还包括：安全级别，和/或策略，和/或相关参数。

本发明提供的生物安全级别模版设定方法，包括：获取用户选择的策略；获取生物参数信息；确定安全级别数值；为生物安全级别模版分配参数信息唯一标识符；根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。

可选地，所述确定安全级别数值的步骤包括：获取策略以及所述策略下同一生物类型，同一算法对应的错误匹配率；设置所述安全级别数值与策略条件数目和错误匹配率关联；根据所述策略条件的数目以及错误匹配率确定安全级别数值。

本发明提供的生物安全级别模版设定装置，包括：分配单元，获取单元以及构造单元；所述分配单元用于为生物安全级别模版分配参数信息唯一标识符；所述获取单元用于确定安全级别数值，获取用户选择的策略以及获取生物参数信息；所述构造单元用于根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。

以上技术方案可以看出，本发明具有以下优点：

本发明中，将参数信息唯一标识符和生物参数信息结合在一起组成生物安全级别，使用者根据参数信息唯一标识符找到相应的生物参数，所以能够区分不同生物信息的安全级别，从而提高生物认证过程的安全性以及灵活性。

附图说明

图1为现有技术中生物系统可能受到的攻击示意图；

图2(a)～(c)为本发明生物安全级别模版示意图；

图3为本发明生物安全级别模版设定方法流程图；

图4为本发明生物安全级别模版设定装置示意图。

具体实施方式

本发明提供了一种生物安全级别模版及其设定方法及装置，用于提高生物认证过程的安全性。

本发明具体实施方式中，生物安全级别模版由生物安全级别、策略和生物参数信息构成，具体格式如图2(a)，图2(b)，图2(c)所示，可以理解的是，生物安全级别模版的格式并不限于这些情况，同样可以是其他的形式。

以图2(a)为例，本实施例中，生物安全级别模版包括：

生物安全级别：由参数信息唯一标识符和安全级别构成。

参数信息唯一标识符：唯一区分出生物安全级别所对应的各种参数，如生物参数信息和安全级别的Hash值等，在实际使用时，将此项连同安全级别一起提供给具体的客户端用户或指定的数据库。

安全级别：标识出某种策略和生物参数信息下代表的生物安全性。确定安全级别高低的依据是：先根据策略，策略条件越多安全级别越高；再根据某一策略下同一生物类型，同一算法所对应的错误匹配率(FMR，False Match Rate)值，FMR值越小(在保证可用的情况下)安全越高。最后综合这两方面的情况确定出安全级别的值。

策略：策略反映使用者具体选用的策略，包括：单模生物认证、单模生物认证+活体检测、多模生物认证、多模生物认证+活体检测等，也可以根据需要加入其它策略。

其中，单模生物认证就是采用单个生物类型进行认证，如单独使用指纹、虹膜、脉络等进行身份认证；活体检测就是要求生物读取器具有识别活体生物的功能；多模生物认证就是同时使用不同类型的生物或同一生物不同实体进行身份认证。

生物参数信息：由生物类型、生物算法、算法FMR值和相关参数构成。

生物类型：标识出生物认证使用的生物名称。如：指纹、虹膜、面部等，还包括各种生物的组合(如指纹+虹膜)。

生物算法：生物认证中进行生物识别时所使用的生物处理算法，包括活体生物模版处理算法和生物模版匹配算法。

生物算法FMR：某种生物算法所对应的一系列值，它反映算法的错误匹配率，这个值越小，其认证的结果越可靠，所以可以使用FMR来反映生物安全级别的高低。

相关参数：留作以后使用，作为扩充，可以根据需要加入。

根据上述格式，下面给出一个生物安全级别列表的具体实例，如下表所示：

表1

在上表中，按照行的排序，由上至下，生物安全级别逐渐升高。

其中，杂凑值：Hash或加密值i，Hash或加密值j，Hash或加密值k，Hash或加密值l各不相同。参数信息唯一标识值和相关的生物参数信息。

安全级别：安全级别与策略和FMR关联，具体确定安全级别高低的依据可以是：先根据策略，策略条件越多安全级别越高；再根据某一策略下同一生物类型，同一算法所对应的FMR值，FMR值越小(在保证可用的情况下)安全越高，最后综合这两方面的情况确定出安全级别的值。可以理解的是，同样可以根据具体的需要调整关联的方式，安全级别的值反映生物安全级别的值。

在策略下，一般认为安全级别递增次序是：单模＜单模+活体检测＜多模＜多模+活体检测，可以根据需要添加策略，即策略条件越多安全级别越高。即Ai＜Bj＜Ck＜D1。

生物算法：对于策略为单模情况下，同一个生物类型可能会有对应多个生物处理算法，如处理指纹的算法有多种。对于策略为多模情况下，相同组合的生物类型，可能对应多种算法的组合，如指纹+虹膜组合可以对应处理算法：指纹算法1+虹膜算法1，也可以为指纹算法2+虹膜算法2。

FMR值：每一个算法或算法组合可以对应多个FMR值，可以在满足系统可用的条件下给出一系列的值，它们决定安全级别的高低。

例如策略为A，生物类型为B，生物算法为C，在这种情况下对应的FMR值为1，2，3，这些数值决定安全级别的高低。

下面给出一个具体的详细实施例，如下表所示：

表2

Hash值	生物安全级别	策略	生物类型	生物算法	算法FMR	相关参数
							单模(A)

HashA111	A1	单模(A)	指纹	指纹算法1	FMRA111
							HashA112	A2	单模	指纹	指纹算法1	FMRA112
...	...	...	...	...	...	...
							HashA11i	Ai	单模	指纹	指纹算法1	FMRA11i
HashA121	A1	单模	指纹	指纹算法2	FMRA121
							HashA122	A2	单模	指纹	指纹算法2	FMRA122
...	...	...	...	...	...	...
							HashA12i	Ai	单模	指纹	指纹算法2	FMRA12i
HashA211	A1	单模	虹膜	虹膜算法1	FMRA211
							HashA212	A2	单模	虹膜	虹膜算法1	FMRA212
...	...	...	...	...	...	...
							HashA21i	Ai	单模	虹膜	虹膜算法1	FMRA21i
HashA221	A1	单模	虹膜	虹膜算法2	FMRA221
							HashA222	A2	单模	虹膜	虹膜算法2	FMRA222
...	...	...	...	...	...	...
							HashA22i	Ai	单模	虹膜	虹膜算法2	FMRA22i

...	...	...	...	...	...	...
							单模+活体(B)					注：FMRA＝FMRB
HashB111	B1	单模+活体(B)	指纹	指纹算法1	FMRB111
							HashB112	B2	单模+活体	指纹	指纹算法1	FMRB112
...	...	...	...	...	...	...
							HashB11i	Bi	单模+活体	指纹	指纹算法1	FMRB11i
Hash121	B1	单模+活体	指纹	指纹算法2	FMRB121
							HashB122	B2	单模+活体	指纹	指纹算法2	FMRB122
...	...	...	...	...	...	...
							HashB12i	Bi	单模+活体	指纹	指纹算法2	FMRB12i
HashB211	B1	单模+活体	虹膜	虹膜算法1	FMRB211

HashB212	B2	单模+活体	虹膜	虹膜算法1	FMRB212
							...	...	...	...	...	...	...
HashB21i	Bi	单模+活体	虹膜	虹膜算法1	FMRB21i
							HashB221	B1	单模+活体	虹膜	虹膜算法2	FMRB221
HashB222	B2	单模+活体	虹膜	虹膜算法2	FMRB222
							...	...	...	...	...	...	...
HashB22i	Bi	单模+活体	虹膜	虹膜算法2	FMRB22i
							...	...	...	...	...	...	...
多模(C)					注：FMR是融合后的值
							HashC111	C1	多模(C)	指纹+虹膜	指纹算法1+虹膜算法1	FMRC111
HashC112	C2	多模	指纹+虹膜	指纹算法1+虹膜算法1	FMRC112

...	...	...	...	...	...	...
							HashC11i	Ci	多模	指纹+虹膜	指纹算法1+虹膜算法1	FMRC11i
HashC121	C1	多模	指纹+虹膜	指纹算法1+虹膜算法2	FMRC121
							HashC122	C2	多模	指纹+虹膜	指纹算法1+虹膜算法2	FMRC122
...	...	...	...	...	...	...
							HashC12i	Ci	多模	指纹+虹膜	指纹算法1+虹膜算法2	FMRC12i
HashC131	C1	多模	指纹+虹膜	指纹算法2+虹膜算法1	FMRC131
							HashC132	C2	多模	指纹+虹膜	指纹算法2+虹膜算法1	FMRC132
...	...	...	...	...	...
							HashC13i	Ci	多模	指纹+虹膜	指纹算法2+虹膜算法1	FMRC13i
HashC211	C1	多模	指纹+面部	指纹算法1+面部算法1	FMRC211

HashC212	C2	多模	指纹+面部	指纹算法1+面部算法1	FMRC212
							...	...	...	...	...	...	...
HashC21i	Ci	多模	指纹+面部	指纹算法1+面部算法1	FMRC21i
							HashC221	C1	多模	指纹+面部	指纹算法1+面部算法2	FMRC221
HashC222	C2	多模	指纹+面部	指纹算法1+面部算法2	FMRC222
							...	...	...	...	...	...	...
HashC22i	Ci	多模	指纹+面部	指纹算法1+面部算法2	FMRC22i
							HashC231	C1	多模	指纹+面部	指纹算法2+面部算法1	FMRC231
HashC232	C2	多模	指纹+	指纹算法2	FMRC232

			面部	+面部算法1
							...	...	...	...	...	...	...
HashC23i	Ci	多模	指纹+面部	指纹算法2+面部算法1	FMRC23i
							...	...	...	...	...	...	...

请参阅图3，本发明生物安全级别模版设定方法包括：

301、获取策略；

其中，获取使用者具体选用的策略，包括：单模生物认证、单模生物认证+活体检测、多模生物认证、多模生物认证+活体检测等，也可以根据需要加入其它策略。

其中，单模生物认证就是采用单个生物类型进行认证，如单独使用指纹、虹膜、脉络等进行身份认证；活体检测就是要求生物读取器具有识别活体生物的功能；多模生物认证就是同时使用不同类型的生物或同一生物不同实体进行身份认证。

302、获取生物参数信息；

其中，生物参数信息包括：生物类型、和/或生物算法、和/或算法FMR值，和/或相关参数。

生物类型：标识出生物认证使用的生物名称。如：指纹、虹膜、面部等，还包括各种生物的组合(如指纹+虹膜)。

生物算法：生物认证中进行生物识别时所使用的生物处理算法，包括活体生物模版处理算法和生物模版匹配算法。

生物算法FMR：某种生物算法所对应的一系列值，它反映算法的错误匹配率，这个值越小，其认证的结果越可靠，所以可以使用FMR来反映生物安全级别的高低。

相关参数：留作以后使用，作为扩充，可以根据需要加入。

303、确定安全级别数值；

其中，先根据策略，策略条件越多安全级别越高；再根据某一策略下同一算法所对应的FMR值，FMR值越小(在保证可用的情况下)安全越高。最后综合这两方面的情况确定出安全级别的值。

304、分配参数信息唯一标识符；

其中，所述参数信息唯一标识符为生物参数信息和安全级别的Hash值或加密值，可以理解的是，同样可以为其他能够唯一标识生物参数信息的标识符。

305、构造生物安全级别模版。

请参阅图4，本发明生物安全级别模版设定装置包括：

分配单元401，获取单元402以及构造单元403；

分配单元401用于为生物安全级别模版分配参数信息唯一标识符；

获取单元402用于确定安全级别数值，获取用户选择的策略以及获取生物参数信息；

构造单元403用于根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。

以上对本发明所提供的一种生物安全级别模版及其设定方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1、一种生物安全级别模版设定方法，其特征在于，包括：

获取用户选择的策略；

获取生物参数信息；

确定安全级别数值；

为生物安全级别模版分配参数信息唯一标识符；

根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。

2、根据权利要求1所述的生物安全级别模版设定方法，其特征在于，所述确定安全级别数值的步骤包括：

获取策略以及所述策略下同一生物类型，同一算法对应的错误匹配率；

设置所述安全级别数值与策略条件数目和错误匹配率关联；

根据所述策略条件的数目以及错误匹配率确定安全级别数值。

3、根据权利要求1所述的生物安全级别模版设定方法，其特征在于，所述生物参数信息包括：

生物认证中使用的生物名称，和/或生物认证中进行生物识别时所使用的生物算法，和/或生物算法的错误匹配率。

4、根据权利要求1所述的生物安全级别模版设定方法，其特征在于，所述参数信息唯一标识符为生物参数信息和安全级别的杂凑值。

5、根据权利要求1所述的生物安全级别模版设定方法，其特征在于，所述策略包括：

单模生物认证，单模与活体检测结合认证，多模生物认证以及多模与活体检测结合认证。

6、一种生物安全级别模版设定装置，其特征在于，包括：

分配单元，获取单元以及构造单元；

所述分配单元用于为生物安全级别模版分配参数信息唯一标识符；

所述获取单元用于确定安全级别数值，获取用户选择的策略以及获取生物参数信息；

所述构造单元用于根据所述参数信息唯一标识符，安全级别，策略以及生物参数信息构造生物安全级别模版。

Images