生物特征认证系统越来越多地部署在关键安全应用中，然而生物特征不可替代的特性在模板被攻破时带来了根本性风险。与密码或令牌不同，生物特征数据无法重新发放，因此模板保护成为保障安全性和隐私性的首要问题。本文提出了一种新颖的多层生物特征模板保护框架，该框架将可撤销性直
生物特征认证系统越来越多地部署在关键安全应用中，然而生物特征不可替代的特性在模板被攻破时带来了根本性风险。与密码或令牌不同，生物特征数据无法重新发放，因此模板保护成为保障安全性和隐私性的首要问题。本文提出了一种新颖的多层生物特征模板保护框架，该框架将可撤销性直接集成到特征提取阶段，确保生成不可逆且可撤销的模板，同时保持高识别精度。所提出的方法采用二值化统计图像特征（BSIF）滤波器组的混沌投影，通过粒子群优化（PSO）进行优化，以生成具有判别性且不可逆的生物特征模板。为了增强抵御统计和密码分析攻击的安全性，由混沌映射驱动的双层置乱和扩散过程消除了空间相关性并产生了均匀的强度分布。此外，随机网格视觉密码（RGVC）将加密模板分成两个份额，分别存储在不同的数据库中，确保单个存储库的泄露不会暴露任何生物特征信息。在PolyU多光谱掌纹数据库上进行的大量实验表明，在最优配置下，应用所提出的保护框架后，等错误率（EER）值低至0.0520%。全面的实证安全分析显示了有利的统计安全特性，包括接近零的像素相关性、接近均匀的强度分布、接近理论最大值8比特的高熵值、良好的NPCR和UACI值，以及在所考虑实验设置下对密钥变化的高敏感性。所提出的框架满足了可撤销生物特征的基本要求，包括多样性、可撤销性和不可逆性，同时提供了一种保护隐私的生物特征模板保护方法。
**论文解读：基于混合混沌与随机网格视觉密码的安全可撤销生物特征模板保护框架**
在当代数字时代，自动身份识别系统已成为保障敏感基础设施和个人隐私的关键技术，广泛应用于边境控制、自动取款机（ATM）用户认证、医疗患者身份识别以及政府和企业受限区域管理。然而，传统认证机制（如密码、个人识别码（PIN）和物理令牌）易受盗窃、泄露、丢失和非法转移等威胁，而生物特征认证系统虽利用指纹、人脸、虹膜、掌纹、心电图（ECG）信号等独特生理和行为特征，具有更高的可靠性和便利性，但面临根本性的安全与隐私挑战。生物特征具有不可替代性——一旦模板被窃取或泄露，个体将面临不可逆的身份暴露，且影响多个应用和服务。此外，生物特征本质上是非秘密的（如指纹易从表面获取、人脸可被无意识拍摄、声纹可在对话中录制），使得原始或不充分保护的生物特征模板存储成为黑客攻击的诱人目标，引发大规模监控、身份盗用和跨数据库匹配等隐私问题。
为应对这些漏洞，研究人员开发了生物特征模板保护（BTP）方案，允许模板替换并确保隐私，而无需存储原始数据。其中，可撤销生物特征（cancellable biometrics）由Ratha等人提出，通过对生物特征施加有意的、不可逆的变换，仅存储扭曲后的模板。有效的可撤销系统需满足三个基本要求：多样性（不同应用生成的模板无法交叉匹配）、可撤销性（可通过修改变换参数产生新模板以替换被泄露的模板）和不可逆性（即使已知变换算法，也无法从保护模板重建原始生物特征）。现有方法主要分为生物特征加盐（biometric salting）和不可逆变换两类，但均存在局限：生物特征加盐依赖外部秘密（如密码），易受社会工程攻击；不可逆变换虽理论安全性更强，但常因信息丢失导致性能下降，且安全机制通常作为特征提取后的后处理步骤，导致安全与识别性能分离优化，难以同时满足高精度和强保护。此外，许多方法依赖单一保护机制，易受密钥泄露、统计分析或数据库泄露攻击。上述问题促使研究人员开发能够联合优化识别性能与模板保护的安全集成架构。
本文提出了一种新颖的多层生物特征模板保护框架，将可撤销性直接嵌入特征提取阶段，而非作为后处理步骤。该框架集成混沌系统、不可逆变换和视觉密码，在保持高识别精度的同时，增强模板保护与隐私保护。关键技术创新包括：通过粒子群优化（PSO）优化的二值化统计图像特征（BSIF）滤波器组混沌投影、基于混沌映射的双层置乱与扩散机制，以及基于随机网格视觉密码（RGVC）的安全模板存储。实验在PolyU多光谱掌纹数据库上进行，验证了框架在正常认证和错误密钥攻击场景下的优异性能，同时满足可撤销生物特征的核心要求。研究成果发表于《Signals》期刊。
1. **混沌投影BSIF滤波器组**：利用Logistic混沌映射生成伪随机投影矩阵，对原始BSIF滤波器进行逐元素哈达玛积变换，将不可逆性嵌入特征提取层。
2. **粒子群优化（PSO）**：用于优化混沌投影参数（初始条件和控制参数），以最小化认证错误率（ERR），在保持判别力的同时实现可撤销性。
3. **双层置乱与扩散**：首先使用二维正弦-逻辑调制映射（2D-SLMM）生成置乱排列，破坏空间相关性；随后通过反馈扩散机制（结合前一加密像素和混沌密钥流）修改像素强度，实现均匀统计分布。
4. **随机网格视觉密码（RGVC）**：将加密模板分解为两个噪声状份额，分别存储于独立数据库，仅当两份额合并时才能恢复原始模板，防止单库泄露导致生物信息泄露。
样本来源为PolyU多光谱掌纹数据库的近红外（NIR）波段，包含500个手掌（每手掌12张图像），共6000张图像，其中25%用于注册，75%用于测试。
采用PolyU数据库的NIR波段，图像大小为128×128像素，共6000张图像（250名志愿者，两轮采集，每轮6张/手掌）。注册与测试比为1:3，产生4500次线 结果与讨论**
- **BSIF参数优化**：通过SVM和KNN分类器测试不同滤波器数量（5-11个）和滤波器尺寸（7×7至17×17）。SVM下最佳配置为5个15×15滤波器，等错误率（EER）为0.0444%；KNN最佳为6个15×15滤波器，EER为0.0667%。
p= (3.782, 0.451)），应用保护框架后，SVM分类器在正常条件下EER为0.0520%（阈值τ= 0.511），表明安全变换仅引入轻微性能退化。- **错误密钥攻击性能**：当使用不同投影密钥验证时，真实分数分布完全移向冒充分布，新阈值τ
= 0.993，证明模板对密钥高度敏感，实现了可撤销性。KNN分类器结果类似（正常EER 0.0903%，错误密钥阈值τ= 0.999）。**4.3 安全与统计分析**
- **相关性分析**：原始图像像素间相关系数>
0.82（水平、垂直、对角线），加密后接近零，表明置乱和扩散有效消除了空间冗余。
- **熵分析**：加密模板熵值>
7.98比特，接近理论最大值8比特，显示像素分布均匀，统计信息难以利用。
- **差分攻击分析**：NPCR和UACI值接近理论期望，表明对单像素改变具有强雪崩效应，抵抗差分密码分析。
- **直方图分析**：原始图像直方图集中在60-120灰度范围，加密后接近均匀分布，消除了统计规律。
- **随机网格视觉密码**：生成的两个份额单独呈现噪声，合并后通过XOR操作完美重建加密模板，重建保真度高。
总结部分指出，研究人员提出了一种新颖的生物特征模板保护框架，将可撤销性、安全性和隐私性统一集成。与常规方法不同，该方法通过PSO优化的混沌投影将安全直接嵌入BSIF滤波器生成阶段，使得在缺乏正确密钥和份额的情况下难以重建原始生物特征，实现模板多样性和可撤销性。为进一步增强安全，框架采用混沌置乱和扩散机制消除空间相关性并产生统计均匀的加密模板，同时利用RGVC将保护模板分成两个份额，降低单数据库泄露风险。在PolyU掌纹数据库上的实验表明，框架在保持极低EER的同时，对密钥替换和统计攻击表现出鲁棒性。加密模板的高熵值和接近零的相关性验证了加密层的有效性。总体而言，该框架在评估条件下提供了一种有效的隐私保护生物特征模板保护方法，为可撤销和隐私感知生物特征系统的未来研究奠定了基础。
在这项工作中，研究人员提出了一种新颖的生物特征模板保护框架，将可撤销性、安全性和隐私性无缝集成在一个统一架构中。与常规方法不同，该方法通过粒子群优化（PSO）优化的混沌投影将安全直接嵌入BSIF滤波器生成阶段。这种设计不仅保持了高判别能力，而且使得在缺乏所需密钥和份额的情况下难以从计算上重建原始生物特征，实现了模板多样性和可撤销性。为进一步增强安全性，该框架集成了混沌置乱和扩散机制，有效消除了空间相关性并生成了统计均匀的加密模板。此外，采用随机网格视觉密码（RGVC）将保护模板分成两个份额，确保只有在两个份额合并时才能恢复有意义的信息。这种存储策略降低了单数据库泄露的风险。在PolyU掌纹数据库上的广泛实验表明，该框架保持了优异的识别性能，在评估的攻击场景（包括密钥替换和统计攻击）下实现了极低的等错误率（EER）值，并表现出鲁棒的经验行为。加密模板中的高熵值和相邻像素之间接近零的相关性进一步验证了加密层的有效性。总体而言，该框架在评估条件下提供了一种有效的隐私保护生物特征模板保护方法，同时保持了高识别性能。其可撤销性、基于混沌的模板保护与视觉密码的集成，为可撤销和隐私感知生物特征系统的未来研究奠定了坚实基础。
