Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda

Resumen

La biometría afecta nuestra vida. Las aplicaciones de seguridad emplean biometría. El cifrado biométrico está creciendo. El cifrado requiere la creación de una clave biométrica. Largo, aleatorio e inesperado es la clave. La investigación sobre seguridad de la información y las comunicaciones hace hincapié en claves de cifrado largas y sólidas. El sistema propuesto utiliza biometría de huellas dactilares para generar una clave de cifrado biométrica aleatoria larga para el cifrado simétrico. El preprocesamiento eliminó el ruido de las imágenes de huellas dactilares de los donantes en el conjunto de datos. Luego, el programa entrena un modelo de red neuronal convolucional Tuned VGG-16 actualizable y lo prueba en imágenes de huellas dactilares para conocer las propiedades fundamentales de las huellas dactilares. El modelo CNN de red neuronal convolucional conserva los pesos finales para que el segundo modelo extraiga las características clave de cifrado. El aprendizaje por transferencia construyó un segundo modelo de red neuronal convolucional para recuperar características sin volver a aprender. Mantener la media vectorial para el procesamiento. El último paso genera una clave de cifrado basada en el vector de características biométricas únicas de cada persona que se puede utilizar para algoritmos de cifrado simétrico para cifrar documentos personales en la PC personal o en la nube personal. Nuestro método basado en CNN utiliza datos biométricos para reconocer a las personas y crear claves de cifrado seguras y confiables con más del 99 % de precisión en las pruebas. Nuestro clasificador ANN profundo con una precisión del 98% supera la máquina de vectores de soporte y los clasificadores de bosque aleatorios.