随着互联网的日益发展,人们对信息安全的重视程度变得越来越高。生物特征识别技术是通过分析人类自身的生理或动作特征来起到保护个人信息的作用。近年来,在公共安全领域,以人脸与指纹为代表的身份认证技术被广泛应用。但是在认证过程之中还存有一定的局限性,虹膜识别的高安全性与鲁棒性弥补了这些不足。一系列国际研究表明,虹膜识别是目前最安全,最准确的识别方法。这也引起社会各界越发关注基于虹膜特征提取的身份识别技术。虹膜识别逐渐应用于对安全性能要求较高的某些部门,比如银行系统与保密机构,和一些对身份验证要求相对严格的环境。提升虹膜识别安全性对于维护社会稳定与金融安全起着重要作用。本文详细阐述了虹膜识别技术的研究背景和现状、虹膜识别技术和虹膜识别过程中的安全问题。采用差分隐私来隐藏虹膜特征。高斯机制和拉普拉斯机制分别应用于虹膜图像以保护虹膜特征的隐私信息,实现良好的虹膜特征隐藏效果。具体而言,当给出隐私预算要求时,采用基于拉普拉斯机制和高斯机制的差分隐私技术来隐藏图像中的虹膜生物特征。随着噪声参数的增加,隐私保护级别更强。在算法效率方面比较这两种机制,并且通过图像哈希算法评估图像质量。实验证实,差分隐私保护方法可以显着提高虹膜图像的安全性。通过仿真验证了这两种机制的效果。仿真结果表明,在一致的噪声参数下,基于高斯机制的差分隐私在保护效果上略优于拉普拉斯机制。虹膜图像具有数据量大,冗余度高的特征,让传统的图像加密算法不太适合虹膜图像加密。由于混沌系统具有起始敏感度高,色散强的特征,因此形成的伪随机序列经常被应用在信息安全领域,取得了丰硕的研究成果。为了克服这些缺点,本论文构造了一种相对复杂,难以破解的双重混沌图像加密算法。只加密虹膜图像的虹膜区域,这降低了加密和解密的计算复杂度,进一步提高了操作效率。本文包含图38幅,表1张,参考文献78篇。