基于生理信号密码学特性的躯感网密钥共享模型研究

由人体生物传感器构成的躯感网是物联网在医疗领域的主要表现，而医疗数据的安全传输是其得以广泛应用的前提。由于生物传感器的资源严重受限，躯感网加密系统首选对称式密钥，密钥共享机制因此成为躯感网安全的研究热点。初步研究表明，将躯感网节点采集的生理信号作为预共享信息用于节点鉴别乃至密钥分发是可行的，但缺乏理论依据和系统研究。本项目拟基于非稳态时变生理信号具备的密码学特性，从单源密钥分发和多源密钥生成两个思路，研究躯感网密钥共享模型。通过理论分析、仿真比较并结合实验验证，研究基于多信息域生理信号的快速高效个体识别码生成方法，论证其密码学特性并探讨最优判别准则；有效结合个体识别码特点，改进Fuzzy Commitment和Fuzzy Vault算法，提出高效能的单源密钥分发模型和多源密钥生成模型，通过综合性能评估给出最优密钥共享模型，为基于生理信号密码学特性的躯感网密钥共享提供理论依据和关键技术支持。

躯感网对称加密系统的无干预密钥共享机制是其安全问题研究的重要课题。课题组以非稳态时变生理信号（心电信号和脉搏信号）的密码学特性为核心，对躯感网密钥共享模型进行了深入研究。(1)通过研究基于不同信息域生理信号信噪建模及快速评估方法，提出了基于多信息域生理信号的快速高效个体识别码生成方法。以最大化同体识别准确率为目标，优化基于时域心脏搏动间隔的个体识别码生成方法，提出了基于频域的个体识别码生成方法，并基于匹配识别结果进一步提出修正方法。(2)通过研究Fuzzy Commitment模糊算法及时域个体识别码同网误差特性，提出结合冗余编码方法的修正Fuzzy Commitment模糊算法的密钥分发机制，减少采集生理信号所需时间，提高系统实时性，同时显著减小收发双方之间个体识别码的汉明距离，进而将密钥分发的同网错误拒绝率最低降至0.5%，有效提高了系统准确率。通过研究Fuzzy Vault改进算法，提出了两种基于修正Fuzzy vault模糊算法的密钥分发机制。一方面提出了降阶二次重构算法，以提高密钥共享成功率；另一方面提出了一种去拟合fuzzy vault算法，消除了Fuzzy vault算法中曲线拟合方法易因计算精度问题而造成拟合结果差异问题。(3)通过研究心电信号稳定特征，提出了一种基于动态阈值和游标扫描法的心电信号模板快速提取方法。通过研究心电信号特征匹配方法，提出了基于改进DTW算法的心电信号身份识别算法，该算法可去除波形长度对匹配结果的影响，大幅减少存储空间和运行时间开销。实验分析结果表明，所提出的心电识别算法可将正确识别率由93.8%提高至98.8%。所述算法已在移动医疗系统中实现并通过功能性测试。课题组基于上述心电模板应用，提出了一种基于共享心电模板的体域网密钥分配方案，进一步完善了躯感网密钥管理方案。.本项目的上述研究成果为基于生理信号密码学特性的躯感网密钥共享提供理论依据和关键技术支持，已发表论文10篇，其中SCI/EI检索7篇，出版英文著作章节1篇，国际会议口头报告5次，授权发明专利1项，申请发明专利1项。项目负责人在国际期刊（SCI收录，影响因子0.923）上作为Lead Guest Editor主持一个主题为“躯感网安全”的专刊。