本发明公开了一种自适应动态量化的生物密钥生成方法。其实现步骤为：1.采集人体心电信号，对其进行小波变换去噪和归一化处理；2.对归一化处理后的心电信号进行R波检测，并提取脉冲间距特征；3.统计脉冲间距特征的均值和方差，并根据方差计算脉冲间距特征的信息熵；4.根据脉冲间距的信息熵，自适应动态确定脉冲间距特征的量化位数；5.根据确定的量化位数，对脉冲间距进行量化编码，生成生物特征序列；6.传感器节点和协调器节点对生成的生物特征序列进行密钥协商，生成两节点共享的生物密钥。本发明在保证密钥随机性的同时，提高了生物密钥的产生效率，降低了身份认证的错误概率，可用于无线体域网节点之间的认证。
1.自适应动态量化的生物密钥生成方法，包括如下步骤：(1)用无线体域网WBAN中的传感器节点和协调器节点分别采集人体心电信号，获得采集到的人体心电信号Xd，对该信号Xd进行小波变换去噪及归一化处理，得到去噪归一化心电信号 d＝1或者2，1表示传感器节点，2表示协调器节点；
(2)对去噪归一化心电信号 进行R波检测，提取R波的波峰位置，构建R波的波峰索引序列Indd：其中， 表示去噪归一化心电信号 第m个R波的波峰位置，m∈[1,M]，M表示去噪归一化心电信号 中R波的总个数；
(3)根据R波的波峰索引序列Indd，得到脉冲间距序列Fd：其中， 表示脉冲间距序列Fd的第j个元素， j∈[1,M-1]，M-1为脉d
(4)根据脉冲间距序列Fd动态地确定脉冲间距IPI的量化位数：
4a)计算脉冲间距序列Fd的所有元素的平均值Cd：
4c)利用脉冲间距序列Fd的方差Dd计算脉冲间距序列Fd的信息熵Hd：d d d d
4d)根据脉冲间距序列F的信息熵H确定脉冲间距序列F元素的量化位数B：其中，round(x)表示将实数x四舍五入到最接近它的整数；
(5)分别依次对传感器节点脉冲间距序列F1中的每个元素和协调器节点脉冲间距序列F2中的每个元素进行B1比特和B2比特量化编码，构建传感器节点生物特征序列W1和协调器节点生物特征序列W2；
(6)对传感器节点生物特征序列W1和协调器节点生物特征序列W2进行密钥协商，两节点得到相同的生物特征序列W1，即为它们共享的生物密钥。
2.根据权利要求1所述的自适应动态量化的生物密钥生成方法，其中步骤(1)中对无线体域网WBAN中传感器节点和协调器节点采集的人体心电信号进行小波变换去噪和归一化处理，通过如下步骤进行：(1a)对采集到的人体心电信号Xd进行小波分解：
其中，c表示各层小波系数组成的向量，l表示各层小波系数长度组成的向量，wt表示多尺度小波分解函数，Xd表示采集到的人体心电信号，d＝1或者2，1表示传感器节点，2表示协调器节点，8表示小波分解的层数，sym8表示采用的小波基；
(1b)将各层小波系数组成的向量c中的第1层、第2层、第8层高频系数以及第8层低频系数置为0，得到处理后的小波系数c1；
(1c)对处理后的小波系数c1进行小波重构，得到去噪后的心电信号：Yd＝wt-1(c1,l,sym8)，
其中Y表示去噪后的心电信号，wt 表示多尺度小波重构函数，c1表示处理后的小波系数；
(1d)对去噪后的心电信号Yd进行归一化处理，得到去噪归一化心电信号其中， 表示去噪归一化心电信号 的第i个采样点，i∈[1,N]，N为心电信号总采样点数， Yd(i)表示去噪后的心电信号Yd的第i个采样点。
3.根据权利要求1所述的自适应动态量化的生物密钥生成方法，其中步骤(2)中对去噪归一化心电信号 进行R波检测，提取R波的波峰位置，构建R波的波峰索引序列Indd，通过如下步骤进行：(2a)设置极大值MAX的初始值为负无穷大，极小值MIN的初始值为正无穷大，设置R波相邻波峰与波谷的垂直距离阈值TH为大于零的实数；
(2b)遍历去噪归一化心电信号 搜索并更新极大值MAX和极小值MIN：更新极大值MAX：若 则更新极大值MAX，即 并记录此时极大值MAX在去噪归一化心电信号 中的位置为i；若 则保持极大值MAX与它在去噪归一化心电信号 中的位置不变；
更新极小值MIN：若 则更新极小值，即 如果 则保持极小值MIN与它在去噪归一化心电信号 中的位置不变，
其中， 表示去噪归一化心电信号 的第i个采样点，i∈[1,N]，N为心电信号总采样点数；
(2c)在步骤(2b)中，如果极大值MAX保持不变，且 则断定当前极大值MAX为去噪归一化心电信号 的一个R波波峰值，将当前极大值MAX在去噪归一化心电信号中的位置记录为该R波波峰在去噪归一化心电信号 中的位置，同时更新极小值如果极小值MIN保持不变，且 则断定当前极小值MIN为去噪归一化心电信号 的一个R波波谷值，同时更新极大值 如此进行，直到遍历完去噪归一化心电信号 的所有采样点为止；
(2d)根据在步骤(2c)中记录的所有R波波峰的位置，得到R波的波峰索引序列：其中 表示去噪归一化心电信号 第m个R波的波峰位置，m∈[1,M]，M表示去噪归一化心电信号 中R波的总个数。
4.根据权利要求1所述的自适应动态量化的生物密钥生成方法，其中步骤(5)中分别依次对传感器节点脉冲间距序列F1的每个元素和协调器节点脉冲间距序列F2的每个元素进行B1比特和B2比特量化编码，构建传感器节点生物特征序列W1和协调器节点生物特征序列W2，通过如下步骤进行：(5a)依次对脉冲间距序列Fd的每个元素进行取模运算，使得脉冲间距序列Fd的所有元素映射到[0,Pow(2,Bd)]区间上：其中，Mapd(j)为脉冲间距序列Fd的第j个元素在[0,Pow(2,Bd)]区间上的映射值，j∈d[1,M-1]，M-1为脉冲间距序列F的长度，Mod(X,Y)表示求整数X除以整数Y的余数函数，表示脉冲间距序列Fd的第j个元素，Pow(M,N)表示求数M的N次方函数，Bd为脉冲间距序列Fd元素的量化位数；
(5b)依次对脉冲间距序列Fd的每个元素在[0,Pow(2,Bd)]区间上的映射值进行二进制编码，再转换为格雷码：其中， 表示脉冲间距序列Fd的第j个元素的量化编码，graycode(x)表示将二进制数序列x转换为格雷码，dec2bin(x,y)表示将十进制数x转换为长度为y的二进制数序列；
(5c)将传感器节点脉冲间距序列F1的所有元素的量化编码依次首尾顺序相接，得到传感器节点生物特征序列W1，将协调器节点脉冲间距序列F2的所有元素的量化编码依次首尾顺序相接，得到协调器节点生物特征序列W2：其中 表示传感器节点脉冲间距序列F1的第j个元素的量化编码， 表示协调器节点脉冲间距序列F2的第j个元素的量化编码，“||”表示将两个二进制序列顺序相接。
5.根据权利要求1所述的自适应动态量化的生物密钥生成方法，其中步骤(6)对传感器节点生物特征序列W1和协调器节点生物特征序列W2进行密钥协商，得到它们共享的生物密钥，通过如下步骤进行：(6a)无线体域网WBAN中的传感器节点产生一个随机二进制序列R1；
(6b)传感器节点对随机二进制序列R1进行纠错编码，并根据传感器节点生物特征序列W1生成公开信息P：其中，Enc(·)表示纠错编码操作， 表示异或操作；
(6c)传感器节点将生成的公开信息P通过公共信道发送给协调器节点，协调器节点根据接收到的公开信息P和协调器节点生物特征序列W2，得出随机二进制序列R1：其中，Dec(·)表示纠错解码操作；
(6d)协调器节点利用公开信息P及对其纠错解码得到的随机二进制序列R1，重构出传感器节点生物特征序列W1：此时，协调器节点和传感器节点具有相同的生物特征序列W1，该生物特征序列W1即为协调器节点和传感器节点共享的生物密钥。
自适应动态量化的生物密钥生成方法
技术领域
[0001] 本发明属于网络安全技术领域，特别涉及一种生物密钥生成方法，可用于无线体域网WBAN节点之间的认证。
背景技术
[0002] 随着无线通信技术、可穿戴技术、低功耗传感器技术在医疗领域的广泛发展和应用，无线体域网已成为远程医疗健康信息采集和传输的一项重要技术。由于涉及用户个人隐私和用户人身安全问题，无线体域网中的数据安全通信问题显得尤为重要。对无线体域网中的传感器进行身份合法性的检验是安全通信首要解决的问题。现有的身份认证技术使用公钥证书，但涉及到大量的公钥计算，且需要可信第三方的存在，无法在无线体域网中应用，或者将密钥预先部署在传感器中，其安全性很大程度上依赖于传感器节点的安全，一旦它们丢失或被捕获，则无线体域网安全根基将不复存在。为了解决这些问题，人们提出利用生物特征生成密钥，即用生物密钥作为身份认证的依据。生物特征的唯一性、不可复制性、时变性保证了生物密钥的安全。由于心电信号ECG便于采集，且具有较小的数据量，有利于节省传感器的存储空间，因此，在无线体域网中利用心电信号生成生物密钥是可行的。
[0003] 2011年，Fengyuan Xu与Zhengrui Qin等人提出了一种基于等概率区间量化的心电信号密钥生成方法，发现人体心电信号ECG的脉冲间距IPI呈现正态分布特征，将脉冲间距IPI的概率密度曲线划分为若干个连续的等概率区间，作为脉冲间距IPI的量化区间，对测量的脉冲间距IPI进行量化之后再进行格雷编码即得到生物密钥。该方法要求脉冲间距IPI的方差较大，否则，来自同一人体不同部位的脉冲间距IPI测量值，将被量化到不同的量化区间，从而得到不同的生物密钥，导致认证的错误拒绝概率较高。
[0004] 2012年，Guang-He Zhang等人提出了一种直接编码量化方法，该方法把心电信号ECG的脉冲间距IPI测量值映射到固定区间[0,15]上，通过对每个映射区间进行4比特二进制编码得到该脉冲间距IPI所对应的生物密钥。但该方法产生的密钥长度较短，密钥产生速率较低，而且仅保留同一时刻来自不同传感器节点的脉冲间距IPI值之间的差异，使得来自同一人体不同部位的脉冲间距IPI测量值所产生的密钥比特有较高的不一致率，引起较大的错误拒绝概率。
发明内容
[0005] 本发明针对上述已有技术的不足，提出一种自适应动态量化的生物密钥生成方法，以在保证密钥良好随机性的前提下，最大限度地提高每个脉冲间距IPI的量化位数，从而有效地提高生物密钥的身份识别率和密钥产生速率。
[0006] 本发明的技术方案是：对所测量的心电信号的脉冲间距IPI值进行统计，计算得到其概率分布的数学期望和统计方差值，进而计算出脉冲间距IPI的熵，将其作为量化位数的选择依据，进行脉冲间距IPI量化位数的自适应动态选取，并将脉冲间距IPI值依次进行量化和二进制编码，得到生物密钥。其实现步骤包括如下：
[0007] (1)用无线体域网WBAN中的传感器节点和协调器节点分别采集人体心电信号，获得采集到的人体心电信号Xd，对该信号Xd进行小波变换去噪及归一化处理，得到去噪归一化心电信号 d＝1或者2，1表示传感器节点，2表示协调器节点；
[0008] (2)对去噪归一化心电信号 进行R波检测，提取R波的波峰位置，构建R波的波峰索引序列Indd：
[0009]
[0010] 其中， 表示去噪归一化心电信号 第m个R波的波峰位置，m∈[1,M]，M表示去噪归一化心电信号 中R波的总个数；
[0011] (3)根据R波的波峰索引序列Indd，得到脉冲间距序列Fd：
[0012]
[0013] 其中， 表示脉冲间距序列Fd的第j个元素， j∈[1,M-1]，M-1为脉冲间距序列Fd的长度；
[0014] (4)根据脉冲间距序列Fd动态地确定脉冲间距IPI的量化位数：
[0015] 4a)计算脉冲间距序列Fd的所有元素的平均值Cd：
[0016]
[0017] 4b)计算脉冲间距序列Fd的方差Dd：
[0018]
[0019] 4c)利用脉冲间距序列Fd的方差Dd计算脉冲间距序列Fd的信息熵Hd：
[0020]
[0021] 4d)根据脉冲间距序列Fd的信息熵Hd确定脉冲间距序列Fd元素的量化位数Bd：
[0022]
[0023] 其中，round(x)表示将实数x四舍五入到最接近它的整数；
[0024] (5)分别依次对传感器节点脉冲间距序列F1中的每个元素和协调器节点脉冲间距2 1 2
序列F 中的每个元素进行B比特和B比特量化编码，构建传感器节点生物特征序列W1和协调器节点生物特征序列W2。
[0025] (6)对传感器节点生物特征序列W1和协调器节点生物特征序列W2进行密钥协商，两节点得到相同的生物特征序列W1，即为它们共享的生物密钥。
[0026] 本发明与现有技术相比具有以下优点：
[0027] 1)本发明采用脉冲间距IPI的熵作为脉冲间距IPI量化位数选择的依据，限制最低量化位数以保证密钥具有良好的随机性，并充分利用脉冲间距IPI特征中所蕴含的信息，尽可能地提高每个脉冲间距IPI所产生的密钥比特位数，从而提高了生物密钥的产生效率；
[0028] 2)对于两个近似的脉冲间距IPI特征而言，现有固定位数量化方法往往仅保留它们之间的差异，而本发明能够保留这两个特征的相同部分所对应的二进制比特，因此比现有方法具有更小的误比特率，可降低身份认证的错误拒绝概率。
附图说明
[0029] 图1为本发明的实现流程图；
[0030] 图2为本发明与现有固定位数量化方法的认证性能对比图；
[0031] 图3为本发明与现有固定位数量化方法的密钥生成速率对比图。
具体实施方式
[0032] 下面结合附图对本发明实施及效果作进一步的详细描述。
[0033] 参照图1，本发明的实施步骤如下：
[0034] 步骤1，对人体心电信号进行小波变换去噪及归一化处理。
[0035] (1a)用无线体域网WBAN中的传感器节点和协调器节点分别采集人体心电信号，得到传感器节点心电信号X1和协调器节点心电信号X2；
[0036] (1b)对采集到的人体心电信号进行小波变换：
[0037] [c,l]＝wt(Xd,8,sym8)，
[0038] 其中，c表示各层小波系数组成的向量，l表示各层小波系数长度组成的向量，wt表示多尺度小波分解函数，Xd表示节点采集到的人体心电信号，d＝1或者2，1表示传感器节点，2表示协调器节点，8表示小波分解的层数，sym8表示采用的小波基；
[0039] (1c)将各层小波系数组成的向量c中的第1层、第2层、第8层高频系数以及第8层低频系数置为0，得到处理后的小波系数c1；
[0040] (1d)对处理后的小波系数c1进行小波重构，得到去噪后的心电信号：
[0041] Yd＝wt-1(c1,l,sym8)，
[0042] 其中Yd表示去噪后的心电信号，wt-1表示多尺度小波重构函数，c1表示处理后的小波系数；
[0043] (1e)对去噪后的心电信号Yd进行归一化处理，得到去噪归一化心电信号[0044]
[0045] 其中， 表示去噪归一化心电信号 的第i个采样点，i∈[1,N]，N为心电信号总采样点数， Yd(i)表示去噪后的心电信号Yd的第i个采样点。
[0046] 步骤2，对去噪归一化心电信号 进行R波检测，构建R波的波峰索引序列。
[0047] (2a)设置极大值MAX的初始值为负无穷大，极小值MIN的初始值为正无穷大，设置R波相邻波峰与波谷的垂直距离阈值TH为大于零的实数；
[0048] (2b)遍历去噪归一化心电信号 搜索并更新极大值MAX和极小值MIN：
[0049] 更新极大值MAX：若 则更新极大值MAX，即 并记录此时极大值MAX在去噪归一化心电信号 中的位置为i；若 则保持极大值MAX与它在去噪归一化心电信号 中的位置不变；
[0050] 更新极小值MIN：若 则更新极小值，即 如果 则保持极小值MIN与它在去噪归一化心电信号 中的位置不变；
[0051] (2c)在步骤(2b)中，如果极大值MAX保持不变，且 则断定当前极大值MAX为去噪归一化心电信号 的一个R波波峰值，将当前极大值MAX在去噪归一化心电信号 中的位置记录为该R波波峰在去噪归一化心电信号 中的位置，同时更新极小值如果极小值MIN保持不变，且 则断定当前极小值MIN为去噪归一化心电信号 的一个R波波谷值，同时更新极大值 如此进行，直到遍历完去噪归一化心电信号 的所有采样点为止；
[0052] (2d)根据在步骤(2c)中记录的所有R波波峰的位置，得到R波的波峰索引序列：
[0053]
[0054] 其中 表示去噪归一化心电信号 第m个R波的波峰位置，m∈[1,M]，M表示去噪归一化心电信号 中R波的总个数。
[0055] 步骤3，构建脉冲间距序列Fd。
[0056] 根据R波的波峰索引序列Indd，得到脉冲间距序列Fd：
[0057]
[0058] 其中， 表示脉冲间距序列Fd中第j个元素，它是去噪归一化心电信号 的第j+1个R波波峰位置与第j个R波波峰位置的差值，即 j∈[1,M-1]，M-1为脉d冲间距序列F的长度。
[0059] 步骤4，动态地确定脉冲间距序列Fd元素的量化位数。
[0060] 根据脉冲间距序列Fd的分布满足高斯分布，计算其概率分布的数学期望和统计方差值，进而计算出脉冲间距序列的信息熵，将其作为量化位数的选择依据，进行脉冲间距的量化位数的自适应动态选取。
[0061] (4a)计算脉冲间距序列Fd的所有元素的平均值Cd：
[0062]
[0063] (4b)计算脉冲间距序列Fd的方差Dd：
[0064]
[0065] (4c)根据信息熵计算公式及脉冲间距序列Fd的方差Dd，得出脉冲间距序列Fd的信息熵Hd：
[0066]
[0067] (4d)根据脉冲间距序列Fd的信息熵，得出自适应动态确定的量化位数：
[0068]
[0069] 其中Bd表示脉冲间距序列Fd元素的量化位数，round(x)表示将实数x四舍五入到最接近它的整数。
[0070] 步骤5，对脉冲间距序列Fd的每个元素进行量化编码，构建生物特征序列。
[0071] (5a)依次对脉冲间距序列Fd的每个元素进行取模运算，使得脉冲间距序列Fd的所有元素映射到[0,Pow(2,Bd)]区间上：
[0072]
[0073] 其中，Mapd(j)为脉冲间距序列Fd中的第j个元素在[0,Pow(2,Bd)]区间上的映射d值，j∈[1,M-1]，M-1为脉冲间距序列F 的长度，Mod(X,Y)表示求整数X除以整数Y的余数函数，IPIjd表示脉冲间距序列Fd中的第j个元素，Pow(M,N)表示求数M的N次方函数，Bd为脉冲间距序列Fd元素的量化位数；
[0074] (5b)依次对脉冲间距序列Fd中的每个元素在[0,Pow(2,Bd)]区间上的映射值进行二进制编码，再转换为格雷码：
[0075]
[0076] 其中， 表示脉冲间距序列Fd的第j个元素的量化编码，graycode(x)表示将二进制数序列x转换为格雷码函数，dec2bin(x,y)表示将十进制数x转换为长度为y的二进制数序列函数。
[0077] (5c)将传感器节点脉冲间距序列F1的所有元素的量化编码依次首尾顺序相接，得到传感器节点生物特征序列W1，将协调器节点脉冲间距序列F2的所有元素的量化编码依次首尾顺序相接，得到协调器节点生物特征序列W2：
[0078]
[0079]
[0080] 其中 表示传感器节点脉冲间距序列F1的第j个元素的量化编码， 表示协调器节点脉冲间距序列F2的第j个元素的量化编码，j∈[1,M-1]，“‖”表示将两个二进制序列首尾顺序相接。
[0081] 步骤6，对两节点的生物特征序列进行密钥协商，得到它们共享的生物密钥。
[0082] (6a)无线体域网WBAN中的传感器节点产生一个随机二进制序列R1；
[0083] (6b)传感器节点对随机二进制序列R1进行纠错编码，并根据传感器节点生物特征序列W1生成公开信息P：
[0084]
[0085] 其中，Enc(·)表示纠错编码操作， 表示异或操作；
[0086] (6c)传感器节点将生成的公开信息P通过公共信道发送给协调器节点，协调器节点根据接收到公开信息P和协调器节点生物特征序列W2，得出随机二进制序列R1：
[0087]
[0088] 其中，Dec(·)表示纠错解码操作；
[0089] (6d)协调器节点利用公开信息P及对其纠错解码得到的随机二进制序列R1，重构出传感器节点生物特征序列W1：
[0090]
[0091] 此时，协调器节点和传感器节点具有相同的生物特征序列W1，该生物特征序列W1即为协调器节点和传感器节点共享的生物密钥。
[0092] 本发明的效果可通过以下仿真进一步说明。
[0093] 1.仿真条件
[0094] 仿真实验的数据来源于Physionet在1997年发布的QT心电数据库，随机选择其中30个人的心电信号模拟无线体域网WBAN节点所采集到的人体心电信号。仿真实验在Intel Pentium E5800 3.2GHz CPU、内存2GB的计算机上进行。
[0095] 2.仿真内容
[0096] 仿真1.认证性能分析
[0097] 将传感器节点与协调器节点进行认证时所发生的错误拒绝概率FRR和错误接受概率FAR作为认证性能的衡量指标，采用蒙特卡罗方法进行概率统计。
[0098] 在统计错误拒绝概率FRR时，将来自同一人体的导联一和导联二的心电数据分别作为无线体域网WBAN中传感器节点、协调器节点所采集的心电信号。
[0099] 在统计错误接受概率FAR时，将来自不同人体的心电数据作为无线体域网WBAN中传感器节点、协调器节点采集到的心电信号。
[0100] 对使用本发明和现有固定位数量化方法生成的生物密钥进行身份认证，在给定的误比特率门限下，统计各方法在认证时的错误拒绝概率FRR和错误接受概率FAR，得到各方法的错误拒绝概率曲线和错误接受概率曲线，如图2所示。
[0101] 从图2可以看出，在误比特率一定的条件下，本发明的错误拒绝概率FRR明显小于现有方法的错误拒绝概率；而本发明的错误接受概率FAR曲线和现有方法的错误接受概率FAR曲线基本一致，说明本发明与现有方法的错误接受概率FAR性能几乎相同。
[0102] 从图2中分别选取错误接受概率FAR为5％，1％，10-4时错误拒绝概率曲线所对应的点，得到表1，其中平均错误率EER是图2中错误拒绝概率FRR曲线和错误接受概率FAR曲线交点所对应的错误概率。
[0103] 表1三种量化方法的认证错误率
[0104]
[0105] 从表1可以看出，本发明的认证错误概率最低。可见，本发明的认证准确率优于现有的方法。
[0106] 仿真2.密钥生成速率分析
[0107] 实验用一个脉冲间距IPI可产生的密钥比特数作为密钥生成速率的衡量指标，分别以30个人的双导联数据作为实验的数据来源。
[0108] 统计30个人在本发明和现有固定位数量化方法下单个脉冲间距的量化比特数，得到本发明与现有固定位数量化方法的密钥生成速率曲线，如图3所示。
[0109] 从图3可以看出，除了在一个个体上的密钥生成速率无提高，在其余的个体上，本发明的密钥生成速率至少提升了25％。
[0110] 仿真3.密钥随机性测试
[0111] 实验采用美国国家标准与技术研究院提供的NIST测试包对本发明生成的密钥进行随机性检验。实验使用了6种测试手段对本发明生成的密钥进行随机性检测。实验结果如表2所示，所有测试手段的P值都远大于0.01，说明本发明所产生的密钥具有良好的随机性。
[0112] 表2密钥随机性测试结果
[0113]测试手段 P值
频率检验 0.637119
块内频数检验 0.350485
前向累积和检验 0.450485
反向累积和检验 0.162606
游程检验 0.964295
近似熵检验 0.534146
[0114] 以上实验结果证明本发明具有较低的认证错误率和较高的密钥产生速率，且所产生的密钥具有良好的随机性。
