消息鑒別與生物認(rèn)證

第1章 消息鑒別概述 1
1．1 信息安全與消息鑒別 1
1．2 消息鑒別的要求 2
1．3 消息鑒別的手段 3
第2章 基于加密的消息鑒別 5
2．1 密碼學(xué)概述 5
2．1．1 密碼學(xué)由來(lái) 5
2．1．2 密碼學(xué)基本概念 6
2．1．3 密碼體制的分類 10
2．2 古典密碼 11
2．2．1 置換密碼 11
2．2．2 替代密碼 16
2．2．3 古典密碼的統(tǒng)計(jì)分析 28
2．3 近代密碼 32
2．3．1 加密的機(jī)械化 32
2．3．2 轉(zhuǎn)輪機(jī)的爆發(fā) 33
2．3．3 Enigma傳奇 34
2．3．4 Enigma的破譯 41
2．4 現(xiàn)代密碼 48
2．5 基于加密的消息鑒別方案 48
第3章 基于對(duì)稱密碼的消息鑒別 51
3．1 對(duì)稱密碼體制概述 51
3．2 分組密碼 52
3．2．1 分組密碼概述 52
3．2．2 分組密碼結(jié)構(gòu) 53
3．2．3 數(shù)據(jù)加密標(biāo)準(zhǔn)（DES） 55
3．2．4 高級(jí)數(shù)據(jù)加密標(biāo)準(zhǔn)（ADES） 63
3．2．5 分組密碼工作模式 68
3．3 序列密碼 75
3．3．1 序列密碼概述 75
3．3．2 線性反饋移位寄存器 77
3．3．3 基于LFSR的序列密碼 78
3．3．4 RC4 80
3．3．5 A5/1 82
3．4 基于對(duì)稱密碼的消息鑒別方案 84
3．4．1 基于分組密碼的消息鑒別方案 84
3．4．2 基于序列密碼的消息鑒別方案 85
第4章 基于公鑰密碼的消息鑒別 87
4．1 公鑰密碼體制的由來(lái) 87
4．1．1 對(duì)稱密碼的尷尬 87
4．1．2 Diffie-Hellman密鑰交換 88
4．1．3 不對(duì)稱密鑰的奇思妙想 89
4．2 公鑰密碼體制的概述 90
4．3 RSA算法 92
4．3．1 RSA算法的數(shù)學(xué)基礎(chǔ) 93
4．3．2 RSA算法原理及證明 95
4．3．3 RSA算法的可靠性 96
4．3．4 RSA算法的有效實(shí)現(xiàn) 97
4．4 ElGamal算法 100
4．4．1 離散對(duì)數(shù)問(wèn)題 100
4．4．2 ElGamal算法原理 101
4．5 橢圓曲線密碼算法 102
4．5．1 橢圓曲線上的運(yùn)算 102
4．5．2 橢圓曲線算法原理 105
4．6 基于公鑰密碼的消息鑒別方案 107
4．6．1 基于RSA的數(shù)字簽名方案 107
4．6．2 基于ElGamal的數(shù)字簽名方案 109
4．6．3 基于橢圓曲線公鑰算法的數(shù)字簽名方案 110
第5章 基于散列函數(shù)和認(rèn)證碼的消息鑒別 112
5．1 散列函數(shù)概述 112
5．1．1 散列函數(shù)的要求 112
5．1．2 散列函數(shù)的結(jié)構(gòu) 113
5．1．3 散列算法的設(shè)計(jì)方法 113
5．2 MD5及其家族 114
5．2．1 MD5算法 114
5．2．2 MD算法家族 117
5．3 SHA-1及其家族 117
5．3．1 SHA-1算法 117
5．3．2 SHA家族 121
5．4 感知散列 124
5．4．1 感知散列的定義 124
5．4．2 感知散列的性質(zhì) 125
5．4．3 感知散列的分類 125
5．5 基于散列函數(shù)的消息鑒別方案 127
5．5．1 基于傳統(tǒng)散列的消息鑒別方案 127
5．5．2 基于感知散列的消息鑒別方案 129
5．6 基于認(rèn)證碼的消息鑒別方案 130
5．6．1 HMAC設(shè)計(jì)目標(biāo) 131
5．6．2 HMAC算法 132
5．6．3 HMAC的安全性 134
第6章 生物認(rèn)證與消息鑒別 135
6．1 消息源真實(shí)性認(rèn)證——生物識(shí)別 135
6．2 消息完整性認(rèn)證——生物散列 136
6．2．1 生物密鑰 136
6．2．2 生物模板保護(hù) 137
6．3 生物特征的感知信息 137
第7章 生物識(shí)別技術(shù) 141
7．1 生物特征與生物識(shí)別系統(tǒng) 141
7．2 生物識(shí)別系統(tǒng)工作模式 142
7．2．1 工作模式 142
7．2．2 性能評(píng)價(jià)參數(shù) 143
7．3 單模態(tài)生物識(shí)別技術(shù) 145
7．3．1 生物識(shí)別技術(shù)的應(yīng)用 145
7．3．2 典型生物識(shí)別系統(tǒng) 148
7．4 多模態(tài)生物識(shí)別技術(shù) 152
7．4．1 多模態(tài)生物識(shí)別的背景和意義 152
7．4．2 多模態(tài)生物識(shí)別發(fā)展現(xiàn)狀 153
7．5 多模態(tài)生物特征融合的層次結(jié)構(gòu) 157
7．6 多模態(tài)生物感知特征融合模型 159
第8章 基于感覺(jué)信息的多模態(tài)生物特征融合 161
8．1 指紋感覺(jué)特征提取 161
8．1．1 指紋方向場(chǎng)的求取 162
8．1．2 指紋圖像增強(qiáng) 171
8．1．3 指紋感覺(jué)特征 175
8．2 虹膜感覺(jué)特征提取 175
8．2．1 虹膜內(nèi)外邊界定位 176
8．2．2 眼皮定位 179
8．2．3 虹膜感覺(jué)特征 182
8．3 人臉感覺(jué)特征提取 183
8．4 多模態(tài)感覺(jué)特征融合算法 184
8．4．1 指紋—虹膜感覺(jué)特征融合 185
8．4．2 指紋—人臉感覺(jué)特征融合 186
8．4．3 虹膜—人臉感覺(jué)特征融合 189
第9章 基于知覺(jué)信息的多模態(tài)生物特征融合 191
9．1 知覺(jué)特征空間特性 191
9．2 擴(kuò)展普通向量算法 193
9．2．1 基于類內(nèi)散度矩陣值域求解法 194
9．2．2 基于樣本差分子空間求解法 198
9．2．3 類內(nèi)散度矩陣值域與樣本差分子空間的等價(jià)性 200
9．3 基于ECV的多模態(tài)知覺(jué)特征融合算法 202
9．3．1 指紋—虹膜知覺(jué)特征融合 204
9．3．2 指紋—人臉知覺(jué)特征融合 205
9．3．3 虹膜—人臉知覺(jué)特征融合 207
第10章 基于感覺(jué)—知覺(jué)信息的多模態(tài)生物特征融合 209
10．1 PCA復(fù)數(shù)域的非線性擴(kuò)展 209
10．1．1 中心化樣本集 210
10．1．2 非中心化樣本集 213
10．2 基于EKPCA的感覺(jué)—知覺(jué)多模態(tài)生物特征融合算法 216
10．2．1 指紋—虹膜的感覺(jué)—知覺(jué)特征融合 217
10．2．2 指紋—人臉的感覺(jué)—知覺(jué)特征融合 218
10．2．3 虹膜—人臉的感覺(jué)—知覺(jué)特征融合 219
10．3 FDA復(fù)數(shù)域的非線性擴(kuò)展 221
10．4 基于EKFDA的感覺(jué)—知覺(jué)特征融合算法 225
10．4．1 指紋—虹膜的感覺(jué)—知覺(jué)特征融合 226
10．4．2 指紋—人臉的感覺(jué)—知覺(jué)特征融合 227
10．4．3 虹膜—人臉的感覺(jué)—知覺(jué)特征融合 229
第11章 生物散列技術(shù) 231
11．1 生物密鑰 231
11．1．1 密鑰管理 231
11．1．2 生物密鑰生成手段 232
11．2 生物識(shí)別系統(tǒng)安全 237
11．3 樣本部分泄露的安全分析 240
11．3．1 樣本部分泄露區(qū)分性評(píng)測(cè)設(shè)計(jì) 240
11．3．2 樣本部分泄露區(qū)分性評(píng)測(cè)結(jié)果及分析 243
11．4 生物模板保護(hù) 247
11．4．1 模板保護(hù)算法概述 247
11．4．2 基于自適應(yīng)非均勻量化的多模態(tài)生物模板保護(hù)算法 249
參考文獻(xiàn) 255
名詞索引 272