-
公开(公告)号：CN108182401A
公开(公告)日：2018-06-19
申请号：CN201711447065.0
申请日：2017-12-27
Applicant: 武汉理工大学
Abstract: 本发明涉及一种基于聚合块信息的安全虹膜识别方法，包括：用户C发送虹膜数据给服务器判断虹膜数据是否有效；如果用户C的虹膜数据有效，则服务器S在本地将虹膜数据划分为块并获取每个模块的聚合信息，返回注册成功信息；用户C获取实施的虹膜数据t’，把它按照与注册过程中相同的转化方法转化为虹膜特征模板x’；用户C发送虹膜特征模板x’给服务器S，服务器S接收x’并且与数据库中的虹膜模板作对比，计算它们之间的距离，如果某一个虹膜模板y与x’的距离小于一个阙值R，则认为x’是一个合法的虹膜模板，服务器S授权用户C使用系统资源。本发明能够满足三大基本性安全要求，并且可以支持移位和掩码策略来得到良好的识别性能。
-
公开(公告)号：CN108182401B
公开(公告)日：2021-09-03
申请号：CN201711447065.0
申请日：2017-12-27
Applicant: 武汉理工大学
Abstract: 本发明涉及一种基于聚合块信息的安全虹膜识别方法，包括：用户C发送虹膜数据给服务器判断虹膜数据是否有效；如果用户C的虹膜数据有效，则服务器S在本地将虹膜数据划分为块并获取每个模块的聚合信息，返回注册成功信息；用户C获取实施的虹膜数据t’，把它按照与注册过程中相同的转化方法转化为虹膜特征模板x’；用户C发送虹膜特征模板x’给服务器S，服务器S接收x’并且与数据库中的虹膜模板作对比，计算它们之间的距离，如果某一个虹膜模板y与x’的距离小于一个阙值R，则认为x’是一个合法的虹膜模板，服务器S授权用户C使用系统资源。本发明能够满足三大基本性安全要求，并且可以支持移位和掩码策略来得到良好的识别性能。
-
公开(公告)号：CN108154185B
公开(公告)日：2021-12-17
申请号：CN201711446923.X
申请日：2017-12-27
Applicant: 武汉理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于负数据库的隐私保护k‑means聚类算法，包括：将所需要进行聚类的数据库中X的每一条数据转化为二进制串，并通过K‑hidden算法对每一个二进制串生成相应的负数据库；随机生成k个不同的二进制串作为初始聚类中心；对于每一个负数据库计算负数据库到每个聚类中心的欧氏距离，把负数据库划分给欧氏距离最小的聚类中心；对于每一个聚类，重新计算聚类中心；重复迭代直到聚类中心不再发生变化。本发明能够提高已有的基于负数据库的k‑means算法聚类精度，并且所提出的欧氏距离估算方法也可以被用到其他的数据挖掘算法来保护数据隐私。
-
公开(公告)号：CN108154185A
公开(公告)日：2018-06-12
申请号：CN201711446923.X
申请日：2017-12-27
Applicant: 武汉理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于负数据库的隐私保护k-means聚类算法，包括：将所需要进行聚类的数据库中X的每一条数据转化为二进制串，并通过K-hidden算法对每一个二进制串生成相应的负数据库；随机生成k个不同的二进制串作为初始聚类中心；对于每一个负数据库计算负数据库到每个聚类中心的欧氏距离，把负数据库划分给欧氏距离最小的聚类中心；对于每一个聚类，重新计算聚类中心；重复迭代直到聚类中心不再发生变化。本发明能够提高已有的基于负数据库的k-means算法聚类精度，并且所提出的欧氏距离估算方法也可以被用到其他的数据挖掘算法来保护数据隐私。
-
-
-
Search Results
4
records
(took 0.016 seconds)
