【论文阅读】Alignment-Free Cancelable Iris Biometric Templates based on Adaptive Bloom Filters

1.Introduction

刻意、重复的变形->使得可以在变换域内比较

分类：不可逆变换（non-invertible transforms）和生物特征方法(biometric salting)。

两个生物特征信息保护要求：1.不可逆性        2.不可链接性       

基于布隆过滤器的可撤销生物特征的解决方法：1.从存储的布隆过滤器重建的原始生物特征模板是不可用的。        2.结合特殊应用的密钥，例如种子值。

但是满足这两个要求识别性能会下降。有两个原因：(1)特征元素的局部邻域被遮挡，(2)转换后的注册模板不可见，即在比较时不能正确地执行对齐。

布隆过滤器的应用目的是实现免对齐的、可撤销的生物特征模板。

2.相关研究

Ratha et al.首次提出可撤销的生物特征，用了基于图片的块置换和表面折叠。为了保持基于循环位移位的所得虹膜代码的计算效率对齐，虹膜纹路和虹膜编码以行方式被遮挡，这意味着相邻的像素点和比特位在图像和特征域中沿x轴保持。

在[6]中，块重映射和图像转换被归一化虹膜纹路。对于这两种类型的转换方法，虹膜编码的适当对齐是不可用的，这导致生物特征识别性能的极度降低。

在[3]中，许多注册模板被处理来获得一致比特位的向量，根据受试者特定随机种子编码iris-code实现可撤销性，在这种情况下，为了实现可撤销的生物模板运用了受试者特定转换，在类间比较期间，这些转换必须被认为是受损的。受试者特定的密码，无论是转换参数，随机数或任何类型的密码都很容易被泄露，即性能评估必须在被盗密码的场景下执行，每一个冒名者都有有效的密码。

在[14]中，可取消的虹膜模板是通过对虹膜图像进行扇区随机投影（一降维的方法）来实现的。而且识别性能只有在应用受试者特定的随机矩阵时才能保持。 

在[4]中，不可逆虹膜编码是通过对特征向量与随机生成的向量的内积进行阈值处理来计算的。随机向量是使用每个受试者的密码和一个伪随机数生成器产生的。

在[5]中，几个归一化的虹膜纹理与随机核相乘以产生隐藏的特征向量。

绝大多数不可逆变换只对安全性有疑问的设置保持生物统计性能，例如[20]中虹膜纹理条纹的行式排列和移位，或[6]中512×64像素纹理内32×32像素块的排列。

在生物测定盐化的方法中，例如在[4，13]中，结合特定于受试者的密码，同时在忽略系统的实际生物测定性能的非被盗秘密情况下执行实验。

3.系统结构

3.1 基于布隆过滤器的特征转换

S集合={x1,x2...xm}，ha