通过融合指纹脊线信号和谷线噪音对指纹扫描仪的仿欺诈保护外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

通过融合指纹脊线信号和谷线噪音对指纹扫描仪的仿欺诈保护

Bozhao Tan，Stephanie Schuckers

电气与计算机工程系，克拉克森大学，美国纽约州（13699）波茨坦，克拉克森大道8号

-----------------------------------------------------------------------------------------------------------------

论文信息

-----------------------------------------------------------------------------------------------------------------

论文历史：2008.11.4收到；2009.11.13修订；2010.0.17采纳

关键词：指纹扫描仪，反欺骗，指纹脊谷，决策树，神经网络

摘要：

生物识别指纹扫描仪的定位在于提供更好的安全性，从政府到私人大范围的应用。然而，一个广为人知的漏洞就是可以使用由培乐多泥胶，明胶和硅胶模具制成的人造手指欺骗各种指纹扫描仪。因此，有必要对这些威胁提供指纹系统的保护。在本文中，提出了一个基于脊线信号和谷线噪声分析的反欺诈检测方法，来量化在真实物体上的脊线汗水模式和在欺诈中的谷线噪音模式。这些代表脊线和谷线灰度值的信号在空间，频率和小波域被探测。基于这些特征，分离（真实/欺诈）是通过使用标准模式的分类工具包括分类树和神经网络。我们在一个比之前认为的包含644个活性指纹（81名受试者中有2个手指的平均4次会话）和570个识别指纹扫描器采集而来欺骗指纹（多个会话中由培乐多，明胶和硅胶模具制作成的）更大的数据上进行测试。结果表明，总体上性能可以达到99.1%的正确分类。这个推荐的反欺骗方法纯粹是基于软件的，集成方法可以对抗明胶、培乐多、硅的欺骗手指以此提供对指纹扫描仪的保护。

-----------------------------------------------------------------------------------------------------------------

1. 介绍

指纹是人类手指上的图形化脊谷图案。指纹识别被认为是最广泛使用的和有效的生物认证技术，它利用个人识别或验证的生理或行为特征。虽然指纹系统可能有一个良好的性能和提高安全性，指纹识别系统被发现是容易受到攻击的传感器级，数据通信流的重播攻击，和数据库的攻击。例如，以前的研究已经表明，这不难让潜指纹的合法用户离开模具和制造假手指由培乐多，明胶和硅胶材料愚弄各种指纹扫描仪。从安全性和责任性的角度来看，指纹识别系统应该有能力来检测假手指样本。活性检测（或活力检测）提出了战胜这种欺骗攻击。活性检测是一个反欺骗的方法确保只有生物来自活的，授权的人被用来提交注册、验证和鉴定。

为了防止人工手指的欺诈性的攻击，已经提出了几种解决方案。第一种方法使用额外的硬件来获得生命体征。以前开发的方法测量指尖温度、脉搏、脉搏血氧饱和度、血压、电阻、气味，或心电图。这些方法需要专用的硬件集成的手指打印系统。这是昂贵的，在某些情况下笨重和不方便的。例如，心电图在身体两侧接触两点要求。此外，仍可能出现人造指纹的指纹传感器和利用的硬件检测活性入侵者真正的指纹。另外，半透明的欺骗可以骗脉搏血氧仪因为它依赖的红外光吸收测量血氧含量。市售的指纹传感器，可提供从Lumidigm欺骗检测。他们利用多光谱传感器，从光和不同极化的多波长允许新捕获的数据是无法从传统的光学指纹识别器。该方法在商业上可行的要求是需要一个特定的扫描器但不适用标准的读者购买。

第二种方法是使用已经被传统的指纹系统检测生命体征，如皮肤的变形，孔的信息，功率谱或呼吸模式。皮肤变形技术的使用对于指尖的皮肤变形时，压在扫描仪表面信息。研究表明，当一个真正的手指在扫描仪表面移动时，它产生了大量的非线性失真，但是，假手指更刚性比皮肤和变形是低，即使他们是高度弹性材料制成。一种方法通过考虑手指的顺时针运动的多个帧来量化这个问题，这种方法的问题是，用户需要有特殊的训练或控制压力，同时旋转的手指。其次，这种方法的性能还需要改进高达11.24%错误率来自于使用45个活性物体和40个假手指。第二方法考虑了变形模板相比一个单一的形象。这项研究取得了82%的识别为一个小的数据集（32胶水的手指）。需要更多的研究来评估这种方法的可行性。

皮肤粗糙度分析是未来的第二代高分辨率扫描仪的另一个方法，噪声残留标准偏差作为纹理粗糙度的一个指标。指尖图像首先使用基于小波变换的方法去噪。噪声残留（原始图像减去去噪后的图像）进行计算，作者表明，假手指标准偏差比活的指尖高多了。这种方法还需要在其他类型的扫描仪和围在材料测试。这里提出利用沿谷线的类似的噪声特性的方法。

图像功率谱也被选为活力检测的一种有效的特征，作者认为真实和欺骗的图像之间的差异主要是由于导致频率细节岭和山谷之间改变邮票的制作过程。提出的傅里叶变换特征可量化的高频信息损失方面的差异。这种方法测试一个单一的扫描仪和97.3%识别硅等伪造材料。该方法的性能，还需要其他的传感器和其他伪造材料测试。

同时研究人员探讨伪造的特点和真实的手指，像汗模式，频带选择傅里叶谱，谷噪声、灰度分布和频率模式，多静态特征的整合，或曲波纹理差异。

以前，我们的实验室已经证明对指纹图像的汗水模式可以作为指纹生物识别系统测量活体检测。不像伪造和尸体的手指，手指展示出一种独特的生活空间湿度模式在捕捉表面的指纹扫描仪的物理接触。指纹图像中的模式开始为周围的毛孔蔓延脊随时间片状地区水分。图像/信号处理和模式识别算法已经发展到量化这一现象，利用小波和统计应用的方法。

这种方法的缺点是，它需要两个时间序列图像，这可能对于用户不方便。在我们以前的研究中，一个量化这种现象的方法已经发展为一个单一的形象。这种方法是在真指纹中基于沿脊线的灰度级在频率模式上，由于汗毛孔的存在鲜明的差异，相比于虚假和尸体的手指。基本过程是提取脊信号代表灰度值沿着脊线的面具，利用小波变换分解成多尺度信号。统计特征提取每个规模的神经网络分类树用来区分实时和非实时的指纹。电容直流（精确）扫描仪验证90%和100%之间（现场和非现场，分别）的分类正确率。光学扫描仪（Secugen）显示89–92%正确分类。

这项工作的动机是为了进一步发展和提高，使用一个单一的图像进行真/假的的分辨性能。该方法将岭信号[ 20 ]和[ 25 ]谷噪声提高选择和融合的信息来提高性能的考察工作。我们测试我们的新方法使用一个新的更大的真实和欺骗的图像比以前测试的数据集。现场的指纹，数据集包含的对象多次（平均4的回报，范围1—13）。目的是捕捉一个单一主题的变异。对于欺骗指纹，数据集包含不同材料的虚假的手指（明胶、硅胶和培乐多）具有不同程度的水分（捕获的随着时间的推移，假指纹变干）。我们利用长期的反欺骗我们的方法既考虑了真的手指的特点（活性）和虚假指纹的特点。

本文组织如下：2部分介绍了本研究收集的数据库。3节介绍了一种新的方法来检测活性融合信号和噪声分析脊谷。4节给出了新方法在新数据集上的实验结果，并与单脊信号和单谷噪声分析进行了比较，5节讨论了新方法的优点和局限性。最后，第6节针对这项工作给出了一个结论。

1. 数据收集

DFR2100 Identix指纹扫描仪，用于收集数据，本研究以686 dpi的分辨率和720times;720大小的光学扫描仪（法医模式）。制造商提供的软件开发工具包（SDK），该软件被修改，收集了一系列的传感器原始图像。三时间序列图像（在0,1，2秒）被用于这项研究。来测试我们的算法，交叉验证分别应用于0, 1，2第二图像。此外，所有的序列图像进行混合，一起测试，同时使用交叉验证。每个活动的决定是基于一个单一的指纹图像。作为对比，我们还实施了前期信号算法[20，40]。脊信号算法[20]，我们只选取静态特征从第一图像。从受试者的数据收集协议是由克拉克森大学-大学的机构审查委员会的批准（IRB）。

指纹图像采集从真实、培乐多泥胶，明胶和硅胶手指。现场指纹收集从81名，较宽的年龄范围（18–50岁），种族（白人，黑人，亚洲人），和性别。活的受试者通常在至少2周的时间间隔内自动返回。平均回流时间为4.2周，标准差为3.8。最大回流时间间隔为44周。有些受试者通常比其他人更经常地（13次）返回（1次），导致81名受试者总共322次访问。目的是捕捉一个单一主题的变异。在我们的现场数据采集，具有各种变化的对象，如湿手指，干手指，脏手指，压力变化等。

图1总结了一个返回的数量和返回的时间间隔的分布。每一次主题的右手拇指（R1）、右指数（R2）的指纹采集。表1总结了受试者的数量和总的指纹（采集使用Identix扫描仪)。

为了生成假指纹图像，人工指模具由培乐多，明胶和硅胶被创造的，来自38种石膏材料制成的牙科用材料。我们已经选择了从合作用户的转换。当我们准备假指纹图像时，我们总是试图让最高质量的恶假指纹模仿现场指纹，看上去像真的指纹。我们收集了不同水分含量的假的模仿干湿指纹。

所需设备如下：容易智能混乱0型湿印模材料来自Dentsply Caulk，突出2型硅橡胶印模材料，混合催化剂，Kerr公司的工具和胶片。一、主体混合式0碱和催化剂均匀地将混合在一个薄膜中可以使外支撑壳。然后，将手指在锡膏中，并将其保持在2至3分钟，直到混合变硬。这将创建一个基础印记的手指铸型。其次，从糊剂中拿出手指利用2型工具枪填满模具。然后，主体将手指放回成型，以类似的方式，如先前所做的，并将手指在一个静止位置的3分钟，直到它变得坚硬。当试验者去掉手指的时候，就准备好了。

为了制作明胶指模具，明胶（诺克斯明胶）混合，在微波炉加热水，直到溶液足够厚，注入铸型。硅胶模具是由手指Sylgard 184有机硅弹性体的试剂盒，由道康宁公司生产的[ 27 ]。该套件包括两项：硅橡胶基和固化剂混合，在10:1的比例。培乐多指模具是由简单按培乐多进入投。在注入手指石膏后，我们等待至少3个小时的明胶溶液和至少12个小时的硅胶解决方案，以硬化前开始收集指纹传感器。硅虚假指纹后5次间隔1小时12小时收集。明胶假指纹后，5次为1小时内每隔3小时收集。培乐多欺骗指纹进行5次20分钟的间隔。样本之间的时间的目的是实现一个假指纹的数据集含有不同量的水分。此外，以最高的质量假指纹，培乐多的手指在空气中放置5分钟，新鲜的培乐多指纹显示很湿的模式，他们是很容易被发现，并因此被认为是围在。明胶的手指被放置在空气中约3小时，以确保他们没有表现出一个模糊模式对扫描仪。为了使硅手指的最高质量，我们尝试不同的比例混合材料的试剂盒。更高的比例的硅胶手指是如此的粘，他们的扫描仪脏，并显示在扫描仪上的噪声模式，而较低的比例硅胶手指太僵硬。我们选择一个最佳的比例，使一个灵活的硅手指，并获得最佳的图像质量。

指纹图像的质量是决定一个指纹匹配能力与其他指纹匹配能力相比的有价值的工具，它已经表明，指纹图像质量下降，那么匹配性能也同样。探讨了我们数据库的图像质量，NFIQ [ 28 ]，NIST的指纹图像质量算法的一个实现，作为评价指纹图谱质量分布的直播和假图像的标准衡量，计算特征向量，利用质量图和细节质量的统计MINDTCT特征点检测算法[ 28制作]。特征向量作为输入到一个多层感知器（MLP）神经网络分类器、神经网络的输出激活水平来确定指纹图像质量值。有五个质量等级，1是最高的质量，5是质量最低。图2是比较为真假指纹图像质量直方图分布。X轴是NFIQ质量得分从高到低。Y轴是不同质量分数的百分比分布。可以看出，大部分真和假指纹有4或更好的质量得分，这是类似于FVC2004指纹数据库[ 29 ]的质量分布。假指纹NFIQ得分略低于真实的人，这并不意外，因为创造假指纹的难度。然而，在假指纹图片79.7%是3或更好的质量。此外，应该指出的是，并不是所有的现场图像的最高质量，反映变量的条件（潮湿、干燥、高压等）。

1. 脊信号与谷噪声分析

图3显示了从生活、玩耍拍摄的两个典型的例子，明胶和硅胶手指Identix dfr2100扫描仪使用。指纹图谱是由脊线触摸传感器平面和山谷而不接触传感器平面的，对于正常的活手指，在接触传感器平面时很容易得到一个清晰的脊谷结构。可以观察到，真实和伪造指纹看起来既考虑到山脊和山谷的不同。相比于人类的皮肤原因包括汗模式活的手指和分歧的假材料性能。

首先，真实的手指有汗，但伪造的手指没有。在人体皮肤表面，有大约600个汗腺每平方英寸和汗水（稀氯化钠溶液）扩散从汗腺通过小孔隙[ 26 ]。皮肤毛孔不消失，移动，或自发地改变随着时间的推移。汗，具有很高的介电常数和电气控制能力相比，脂溶性物质通过皮肤的最外层吸收。汗从毛孔开始，要么完全覆盖，要么留下毛孔干点。由于这个原因，真实指纹看起来“修修补补”与伪造指纹相比。从山脊看，灰度沿脊住手指具有鲜明的特色，由于汗毛孔的存在，相比于伪造的手指。

第二，伪造的材料性质不同比人的皮肤。沿山脊的强度是很均匀在伪造图片中，因为伪造者必须施加压力来达到一个正确的图片。虽然在真实图片中这是很难复制的变异性通过在脊线信号减少压力中，伪造的可能产生这种变异，当变干伪造的图片会不均匀。我们试图用我们的数据集来创建这个。也有由于的伪造材料性能在山谷中许多颗粒，这导致在指纹图像中的噪音的山谷。

在此基础上，我们运用图像处理技术来量化沿着山谷山脊和噪声水分模式区分真实的和伪

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[30112]，资料为PDF文档或Word文档，PDF文档可免费转换为Word