消息鑒別與生物認證

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 密碼學概述 5
2．1．1 密碼學由來 5
2．1．2 密碼學基本概念 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)計分析 28
2．3 近代密碼 32
2．3．1 加密的機械化 32
2．3．2 轉(zhuǎn)輪機的爆發(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 基于對稱密碼的消息鑒別 51
3．1 對稱密碼體制概述 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)加密標準（DES） 55
3．2．4 高級數(shù)據(jù)加密標準（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 87
4．1．1 對稱密碼的尷尬 87
4．1．2 Diffie-Hellman密鑰交換 88
4．1．3 不對稱密鑰的奇思妙想 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算法的有效實現(xiàn) 97
4．4 ElGamal算法 100
4．4．1 離散對數(shù)問題 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 基于認證碼的消息鑒別方案 130
5．6．1 HMAC設(shè)計目標 131
5．6．2 HMAC算法 132
5．6．3 HMAC的安全性 134
第6章 生物認證與消息鑒別 135
6．1 消息源真實性認證——生物識別 135
6．2 消息完整性認證——生物散列 136
6．2．1 生物密鑰 136
6．2．2 生物模板保護 137
6．3 生物特征的感知信息 137
第7章 生物識別技術(shù) 141
7．1 生物特征與生物識別系統(tǒng) 141
7．2 生物識別系統(tǒng)工作模式 142
7．2．1 工作模式 142
7．2．2 性能評價參數(shù) 143
7．3 單模態(tài)生物識別技術(shù) 145
7．3．1 生物識別技術(shù)的應(yīng)用 145
7．3．2 典型生物識別系統(tǒng) 148
7．4 多模態(tài)生物識別技術(shù) 152
7．4．1 多模態(tài)生物識別的背景和意義 152
7．4．2 多模態(tài)生物識別發(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 基于感覺信息的多模態(tài)生物特征融合 161
8．1 指紋感覺特征提取 161
8．1．1 指紋方向場的求取 162
8．1．2 指紋圖像增強 171
8．1．3 指紋感覺特征 175
8．2 虹膜感覺特征提取 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 虹膜感覺特征 182
8．3 人臉感覺特征提取 183
8．4 多模態(tài)感覺特征融合算法 184
8．4．1 指紋—虹膜感覺特征融合 185
8．4．2 指紋—人臉感覺特征融合 186
8．4．3 虹膜—人臉感覺特征融合 189
第9章 基于知覺信息的多模態(tài)生物特征融合 191
9．1 知覺特征空間特性 191
9．2 擴展普通向量算法 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性 200
9．3 基于ECV的多模態(tài)知覺特征融合算法 202
9．3．1 指紋—虹膜知覺特征融合 204
9．3．2 指紋—人臉知覺特征融合 205
9．3．3 虹膜—人臉知覺特征融合 207
第10章 基于感覺—知覺信息的多模態(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—知覺多模態(tài)生物特征融合算法 216
10．2．1 指紋—虹膜的感覺—知覺特征融合 217
10．2．2 指紋—人臉的感覺—知覺特征融合 218
10．2．3 虹膜—人臉的感覺—知覺特征融合 219
10．3 FDA復(fù)數(shù)域的非線性擴展 221
10．4 基于EKFDA的感覺—知覺特征融合算法 225
10．4．1 指紋—虹膜的感覺—知覺特征融合 226
10．4．2 指紋—人臉的感覺—知覺特征融合 227
10．4．3 虹膜—人臉的感覺—知覺特征融合 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)分性評測設(shè)計 240
11．3．2 樣本部分泄露區(qū)分性評測結(jié)果及分析 243
11．4 生物模板保護 247
11．4．1 模板保護算法概述 247
11．4．2 基于自適應(yīng)非均勻量化的多模態(tài)生物模板保護算法 249
參考文獻 255
名詞索引 272