【技术实现步骤摘要】
本专利技术属于信息安全领域，具体涉及一种基于运动特征和生理特征的混合密钥生成及分发方法。
技术介绍
1、近年来，智能手表、健身追踪器和虚拟现实耳机等可穿戴设备已经成为我们日常生活中不可或缺的一部分。由于这些可穿戴设备组成的无线体域网(wireless bodysensor networks，wbsn)收集并处理了大量的个人隐私数据(如生理特征心电信号、脑电信号和运动特征加速度信号等)，因此随着这些可穿戴设备的普及，人们对如何保证这些数据的安全极为关切。一方面，相关研究表明仅基于心电信号产生的密钥虽然具有较好地随机性和安全性，但在运动状态下性能不佳，另一方面，我们的研究表明使用加速度计采集运动信号可以与心电信号结合，即融合心电信号和加速度信号生成随机数，用于密钥的生成和分发，这一方法结合两者的优点，可以更好的保护可穿戴设备的安全。
2、授权公告号为cn205721741u的技术公开了一种适用于rfid阅读器真随机数产生装置，其核心思想是提高振荡器的周期抖动以增加随机性，适用于rfid阅读器。授权公告号为cn205620988u的技术公开了一种硬件随机数发生器，可产生一位随机数。申请公布号为cn103870757a的专利技术提供了一种基于直角坐标系的数字密码编制方法，这一方法能产生两位数密码。
3、但这些方案在实际应用场景中已经被证明安全性存在不足。因此，我们在本专利技术中提出结合运动特征和生理特征生成密钥，并结合模糊承诺(fuzzy commitment)的方法进行密钥分发。
技
1、本专利技术是针对现有专利技术的不足，提供一种基于运动特征和生理特征的混合密钥生成及分发方法，包括以下步骤：
2、步骤s1，通过加速度计采集x、y、z三轴加速度信号后，对采集到的加速度信号进行预处理，然后对三轴加速度信号进行噪声特征提取和量化，然后生成系统密钥；
3、步骤s2，在生成密钥后，使用传感器采集用户的ecg信号，先采用小波变换处理对ecg信号进行预处理，然后对预处理后的ecg信号进行特征提取，再采用心电信号特征分块编码方法进行ecg特征量化，最后通过模糊承诺的密钥协商机制分发密钥。
4、作为优选的，步骤s1中，加速度信号预处理的具体步骤为：
5、先采用频率为3hz的二阶低通巴特沃斯滤波器对采集的x、y、z三轴加速度信号分别进行滤波处理，获取滤波后的x、y、z三轴加速度信号；
6、
7、式(1)中，h(s)表示滤波器的传递函数，s表示复频域变量，ωc表示截止频率；
8、对于离散信号，我们可以将传递函数离散化，得到滤波器的差分方程，然后利用差分方程对信号进行滤波处理，实现低通滤波的效果。
9、作为优选的，步骤s1中，对三轴加速度信号进行噪声特征提取和量化的具体步骤为：
10、使用滤波后的x、y、z三轴加速度信号的加速度值与对应采样点未处理的包含噪声的原始信号值相减，获取x、y、z三轴加速度信号的噪声；若对应采样点的值相减大于0则将该采样点量化为二进制1，若对应采样点的值相减小于0则将该采样点量化为二进制0。
11、作为优选的，步骤s1中，生成系统密钥具体步骤为：
12、对x、y、z三轴加速度信号的噪声量化后，按x轴同步采样点顺序x1,x2,x3…xk，y轴同步采样点顺序y1,y2,y3…yk,z轴同步采样点顺序z1,z2,z3…zk排列；为了减轻系统计算负担提高系统性能，每间隔25个采样点做一次生成密钥的量化；并将x、y、z三轴量化的二进制序列按x、y、z的顺序级联即x1,y1,z1,x25,y25,z25…xk从生成序列中顺序选取127位二进制序列作为127位的密钥。
13、作为优选的，步骤s2中，对ecg信号进行预处理是采用小波变换方法对获得的ecg信号进行预处理，以去除噪声，具体步骤为：
14、首先，以l2(r)表示能量有限的信号全体，当满足f(t)∈l2(r)时，可以定义信号f(t)的连续小波变换公式为：
15、
16、式(2)中，a是尺度因子，b是平移因子，表示的复共轭；然后需要把连续小波变换进行二进制的离散化，将连续小波变换的尺度因子a和平移因子b离散化即可获得离散小波序列，常用的离散化为a＝2j,b＝2jk(j,k∈z)，其中j代表分解尺度，z代表所有整数集合，可得离散小波变换表示为：
17、其次，选择sym4小波作为基函数；选取软硬折中的阈值函数，函数的表达式为：
18、
19、式(3)中，表示阈值函数处理后的小波系数，ωj,k表示分解后的小波系数，λ表示阈值，t的取值在(0,1)区间内；其中，阈值λ的选取的计算公式如下：
20、
21、式(4)中，σn代表方差，n代表信号长度，j代表分解尺度；随着分解尺度j的增大，改进阈值λ逐渐减小，并且与小波变换在不同尺度下噪声的传播特性相一致，从而保证去噪的有效性。
22、作为优选的，步骤s2中，对预处理后的ecg信号进行特征提取的具体为查找ecg信号的r峰并计算r峰对应的ipi序列，记为{ipii}；其中，ipi的定义如下：
23、ipii＝ri-ri-1 (5)
24、式(5)中，ri指第i个心跳周期的r峰，ipi视作ecg信号的特征。
25、作为优选的，步骤s2中，进行ecg特征量化的具体步骤为，获取到{ipii}后，采用分块编码的方法将其量化，生成二进制序列，具体过程如下：
26、首先，输入采集到的ipi序列{ipii}，在{ipii}内选择16个连续的ipi，编成4×4的矩阵称为m1；对m1矩阵的每一行求出行内各个元素在本行中出现的频次，以对应元素出现的频次代替该元素生成行频率矩阵m2；对m2矩阵进行转置处理得到m2矩阵的转置使用m1与做哈达玛积生成m3，按行输出m3即a11…a14,a21…a24,a31…a34,a41…a44记为{ipiin}；
27、其次，将{ipiin}每四个值为一个分块存入{array}中，计算{array}的数学期望μ和方差σ2，计算16个域，把{ipiin}里落入相应域中的元素转换成对应二进制编码；此时生成二进制序列bs。
28、作为优选的，步骤s2中，通过模糊承诺的密钥协商机制分发密钥的具体步骤为：
29、在模糊承诺框架内，利用ipi生成的bs来保护密钥分发；发送方和接受方同时检测受试者的ecg信号，并分别生成二进制序列发送方bst和接收方bsr；对于发送方，需要对密钥key做纠错码编码处理，生成与bst等长的序列kecc，随后创建承诺：
30、
31、式(6)中，hash(key)指对key进行单向哈希运算，符号代表按位异或运算；
32、该承诺f(key,bst)将会被发送到接受端，接受端首先进行操作生成kecc'，然后对k本文档来自技高网...
【技术保护点】
1.一种基于运动特征和生理特征的混合密钥生成及分发方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1中，加速度信号预处理的具体步骤为：
3.根据权利要求2所述的方法，其特征在于，步骤S1中，对三轴加速度信号进行噪声特征提取和量化的具体步骤为：
4.根据权利要求3所述的方法，其特征在于，步骤S1中，生成系统密钥具体步骤为：
5.根据权利要求1所述的方法，其特征在于，步骤S2中，对ECG信号进行预处理是采用小波变换方法对获得的ECG信号进行预处理，以去除噪声，具体步骤为：
6.根据权利要求5所述的方法，其特征在于，步骤S2中，对预处理后的ECG信号进行特征提取的具体为查找ECG信号的R峰并计算R峰对应的IPI序列，记为{IPIi}；其中，IPI的定义如下：
7.根据权利要求6所述的方法，其特征在于，步骤S2中，进行ECG特征量化的具体步骤为，获取到{IPIi}后，采用分块编码的方法将其量化，生成二进制序列，具体过程如下：
8.根据权利要求7所述的方法，其特征在于，步骤
...【技术特征摘要】
1.一种基于运动特征和生理特征的混合密钥生成及分发方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1中，加速度信号预处理的具体步骤为：
3.根据权利要求2所述的方法，其特征在于，步骤s1中，对三轴加速度信号进行噪声特征提取和量化的具体步骤为：
4.根据权利要求3所述的方法，其特征在于，步骤s1中，生成系统密钥具体步骤为：
5.根据权利要求1所述的方法，其特征在于，步骤s2中，对ecg信号进行预处理是采用小波变换方法对获得的ecg信号进行预处...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。