基于CMOS图像传感器PUF的哈希算法及认证方法技术

本发明专利技术公开了一种基于CMOS图像传感器PUF的哈希算法及认证方法，其中哈希算法是利用了预处理方式提升图像的鲁棒性，继而在二维DCT域提取图像的主要特征，产生特征向量F，再利用CMOS图像传感器所固有的物理不可克隆功能PUF建立激励响应映射并加密生成响应、即哈希值；其中认证方法是通过计算并比较待检测图像与原始图像各自所对应的哈希向量来区分篡改图像与相似图像。本发明专利技术为图像内容认证提供一种根信任（RoT）服务的基于CMOS图像传感器PUF的哈希算法及认证方法，实现不使用对称密钥，能够从根源上保证认证的安全，特别适用于底层硬件的图像内容认证。

【技术实现步骤摘要】

本专利技术涉及一种哈希算法，特别是涉及一种基于CMOS图像传感器PUF的哈希算法及认证方法，属于硬件安全及图像内容认证领域。
技术介绍
过去十年间，越来越多的人力操作工具被淘汰。在一些关键应用中它们被替代的原因是这些自主决策支持系统很容易被恶意篡改图像内容的操作所欺骗，从而做出具有严重后果的错误决定。为了保证数字图像的内容完整性，人们提出了许多图像哈希(Hash)算法来用于图像认证。感知图像哈希是一种基于内容的数字图像的紧凑型总结。从图像内容中提取基于人眼视觉特性的主要特征，然后应用到一种单向函数生成一个散列向量。图像内容可以通过授权的接收者进行身份验证，用有效的密钥来比较原始图像的哈希值和可疑图像的哈希值。一个感知图像的Hash算法在检测到对图像进行的恶意篡改操作的同时，对于有用的图像内容保护操作也有一定的容忍性的。近来，许多图像Hash算法被提出并成功实现。最初提出了一种鲁棒视觉Hash算法用于不经意水印；该算法通过将一个图像的离散余弦变换系数投影到带有密钥的零均值随机平稳模式中来产生哈希值。随后，一种用于图像局部篡改检测的基于内容哈希算法也被提出，这种图像Hash算法不受滤波影响但很容易受到几何失真干扰。几何失真干扰的问题可通过提取在微小的感知失真(旋转、扭曲等)下不变的特征点解决。最近提出的一种方法是通过采用SIFT-Harris检测器来识别图像中最稳定的内容特征，再将提取的局部特征嵌入到基于形状上下文的描述符中来产生图像散列，由分布式信源编码(DSC)编码量化图像的随机投影系数产生哈希值。但是，攻击者仍然有机会在目前的所有Hash算法执行之前通过直接攻击传感器节点来篡改图像的内容。另外，由于上述的Hash算法都依赖于相关密钥，共享密钥的机密性决定了其安全性能。密钥是存储在非易失性存储器(NVM)中的，而这些非易失性存储器是很容易受到入侵攻击的(例如逆向工程、数据剩磁等等)，一旦密钥被破解，攻击者很容易就篡改图像内容，并为待检测图像生成正确的哈希值。此外，即使拥有有效的密钥，也无法有效地证明图像内容获取途径的合法性。在法庭上，不能证明数字图像的创作来源的证据是无法起到决定性作用的。鉴于“毒树之果”原则，非法信息收集手段所获得的证据将被排除在审判之外，因此，在计算机认证中，能够证明数字内容的来源与设备是非常重要的。
技术实现思路
本专利技术的主要目的在于，克服现有技术中的不足，为图像内容认证提供一种根信任(RoT)服务的基于CMOS图像传感器PUF的哈希算法及认证方法，实现不使用对称密钥，能够从根源上保证认证的安全，特别适用于底层硬件的图像内容认证。为了达到上述目的，本专利技术所采用的技术方案是：一种基于CMOS图像传感器PUF的哈希算法，包括以下步骤：1)通过相机中的CMOS图像传感器采集原始图像，对原始图像进行预处理，获得像素大小为N×N的预处理图像，N为自然数；2)在二维DCT域中，对N×N的预处理图像进行特征提取，提取得特征向量F，并同时产生一个时间戳t；3)在相机下一个采集图像曝光之前的复位时间，将特征向量F与时间戳t分别作为移位时钟周期Nclk与激励C，输入到相机中的CMOS图像传感器的物理不可克隆功能PUF中来产生哈希值R。本专利技术的哈希算法进一步设置为：所述步骤1)中的对原始图像进行预处理，具体为，1-1)大小归一化；通过双线性差值与向下采样将所采集的原始图像归一化成一个像素大小为N×N的归一化图像；1-2)低通滤波；对N×N的归一化图像使用高斯低通滤波器进行滤波处理；1-3)直方图均衡化；将滤波处理后图像的亮度分布归一化。本专利技术的哈希算法进一步设置为：所述步骤2)中的对N×N的预处理图像进行特征提取，具体为，2-1)将N×N的预处理图像划分为不重叠的块，每个块由P×P个像素组成，即共有n个块产生，n＝N2/P2，其中，N、P均为自然数；2-2)将每个块表示为Bi(i＝1,2,...,n)，一个像素在块Bi的空间位置(x,y)处的灰度级表示为Bi(x,y)；将二维DCT应用到块Bi中，那么灰度级Bi(x,y)的DCT系数为：得出每个块中的DCT矩阵的第一个系数Qi(1,1)就是DC系数，其余的系数则是AC系数；2-3)从预处理图像中提取的特征向量F由每个块Bi中的Qi(1,1)，Qi(1,2)，Qi(2,1)和Qi(2,2)的绝对值之和组成，表示为：Fi＝|Qi(1,1)+Qi(1,2)+Qi(2,1)+Qi(2,2)|F＝{F1,F2,...,Fi,...,Fn-1,Fn本文档来自技高网...

【技术保护点】
一种基于CMOS图像传感器PUF的哈希算法，其特征在于，包括以下步骤：1)通过相机中的CMOS图像传感器采集原始图像，对原始图像进行预处理，获得像素大小为N×N的预处理图像，N为自然数；2)在二维DCT域中，对N×N的预处理图像进行特征提取，提取得特征向量F，并同时产生一个时间戳t；3)在相机下一个采集图像曝光之前的复位时间，将特征向量F与时间戳t分别作为移位时钟周期Nclk与激励C，输入到相机中的CMOS图像传感器的物理不可克隆功能PUF中来产生哈希值R。

【技术特征摘要】
1.一种基于CMOS图像传感器PUF的哈希算法，其特征在于，包括以下步骤：1)通过相机中的CMOS图像传感器采集原始图像，对原始图像进行预处理，获得像素大小为N×N的预处理图像，N为自然数；2)在二维DCT域中，对N×N的预处理图像进行特征提取，提取得特征向量F，并同时产生一个时间戳t；3)在相机下一个采集图像曝光之前的复位时间，将特征向量F与时间戳t分别作为移位时钟周期Nclk与激励C，输入到相机中的CMOS图像传感器的物理不可克隆功能PUF中来产生哈希值R。2.根据权利要求1所述的基于CMOS图像传感器PUF的哈希算法，其特征在于：所述步骤1)中的对原始图像进行预处理，具体为，1-1)大小归一化；通过双线性差值与向下采样将所采集的原始图像归一化成一个像素大小为N×N的归一化图像；1-2)低通滤波；对N×N的归一化图像使用高斯低通滤波器进行滤波处理；1-3)直方图均衡化；将滤波处理后图像的亮度分布归一化。3.根据权利要求1所述的基于CMOS图像传感器PUF的哈希算法，其特征在于：所述步骤2)中的对N×N的预处理图像进行特征提取，具体为，2-1)...

【专利技术属性】
技术研发人员：曹元，汪子伟，韩庆邦，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32