身份认证是计算机和互联网世界里最基本的一个要素,也是整个信息安全体系的基础。生物识别技术应用于身份认证是未来发展的趋势,相对于基于口令和智能卡的技术来说,生物识别技术不仅能够为用户提供安全等级更高的保护,而且无需记忆、不易丢失,在使用上更加方便。随着人们安全意识的不断加强,生物识别系统中固有的安全漏洞已受到广泛关注。目前绝大部分的安全威胁,来自于生物识别系统中直接存储模板这一传统的工作方式。生物模板保护是近年来专门为解决生物模板存储的安全问题而提出的一项新技术,它将模板转换为一种秘密的形式进行存储,在实现身份认证的同时,不泄露原始模板的信息。作为一门新兴的技术,模板保护受到越来越多的关注,但总的说来,在理论和实际应用中仍然存在诸多的问题。生物模板保护技术在实现对模板安全保护的同时,也对现有的一些生物识别技术造成一定的冲击。由于模板保护技术不直接存储模板信息,使得一些现有的成熟的算法不再适用。其中,三维人脸识别技术所受到的影响是最大的。本文将模板保护技术应用到三维人脸识别技术中,在模板保护的约束条件下,开发相应的三维人脸识别技术。针对高、低维不同的三维特征模板形式,分别提出基于密钥生成原则的和基于密钥绑定原则的模板保护算法,并对两个算法在理论上的安全性和实际应用中的安全性进行了详细的分析。论文的主要创造性工作如下:提出适用于模板保护的三维人脸预处理方法。该方法可在没有原始模型参与的情况下,实现三维人脸模型自动、高效和精确地预处理。本文针对的是最原始的三维点云人脸结构,在没有拓扑信息的支持下,通过分析三维数据的分布特征,提出头肩分离的方法,结合精确定位的人脸基准点以及五官分布特点,实现对人脸区域的准确裁减;最后通过鼻梁骨在三个平面的投影角度对人脸进行配准。仿真实验证明该方案能够精确的定位人脸特征点,其配准精度与经典的ICP方法相当,而速度远远快于ICP方法。提出了两种多模态信息融合的识别算法,一种是直方图局部统计特征提取算法,它通过分层的办法,在每个层内包含的三维人脸有效点中,提取点数量和能量的直方图系数作为特征,该方法能够快速有效地对三维人脸进行识别验证;另外一种是多模态信息融合的整体统计特征提取算法,它通过对三维模型的重采样,并融合灰度、曲率和深度信息,用模式识别的方法提取整体的特征,仿真实验表明该方法具有很高的识别性能。针对高维特征模板,设计了基于密钥生成原则的模板保护算法–自伪装方案(SMS: Self-masked scheme)。该算法能够通过调节量化参数灵活地在安全和识别性能之间进行权衡,将其应用到直方图局部统计特征模板保护中,从信息论的角度对算法的安全性进行分析,提出了安全性能和识别性能综合分析的方法,并结合实验结果对算法在具体使用中的安全性进行定量分析。针对低维特征模板,设计了基于密钥绑定原则的模板保护算法–秘密分享模板(SST: Secret Share Template)。该方案采用秘密分享技术,设计双重容错机制提高容错性,提出以时间效率换取较高的安全性和识别性,将其应用到多模态信息融合的整体统计特征模板保护中,实验表明,该方案优于目前所知的所有三维人脸识别算法。