Alpha-wolves 与 Alpha-mammals：探索针对虹膜识别系统的字典攻击
计算机视觉与模式识别
2024-03-20 v1
摘要
生物识别系统中的字典攻击是指使用少量策略性生成的图像或模板来成功匹配大量身份，从而破坏安全性。我们关注模板级别的字典攻击，特别是虹膜识别系统中使用的 IrisCodes。我们提出了一种迄今未知的漏洞，即使用简单的按位运算符混合 IrisCodes 来生成 alpha 混合物——alpha-wolves（结合一组“wolf”样本）和 alpha-mammals（结合通过搜索优化选择的一组用户），从而增加错误匹配。我们使用 IITD、CASIA-IrisV4-Thousand 和合成数据集评估了这一漏洞，并观察到在 IITD 数据集上，一个 alpha-wolf（来自两个 wolf）在 FMR=0.001% 时最多可匹配 71 个身份，而一个 alpha-mammal（来自两个身份）在 FMR=0.01% 时最多可匹配 133 个其他身份。
引用
@article{arxiv.2403.12047,
title = {Alpha-wolves and Alpha-mammals: Exploring Dictionary Attacks on Iris Recognition Systems},
author = {Sudipta Banerjee and Anubhav Jain and Zehua Jiang and Nasir Memon and Julian Togelius and Arun Ross},
journal= {arXiv preprint arXiv:2403.12047},
year = {2024}
}
备注
8 pages, 5 figures, 13 tables, Workshop on Manipulation, Adversarial, and Presentation Attacks in Biometrics, Winter Conference on Applications of Computer Vision