指静脉识别系统主静脉攻击分析
计算机视觉与模式识别
2022-10-20 v1
摘要
指静脉识别（FVR）系统已在商业中应用，特别是在 ATM 中用于客户验证。因此，衡量其针对各种攻击方法的鲁棒性至关重要，尤其是在使用手工设计且未配备任何对抗措施的 FVR 系统时。本文在文献中首次提出主静脉攻击，即我们构造一幅类静脉图像，使其能被 FVR 系统错误地匹配到尽可能多的身份。我们提出两种生成主静脉以攻击这些系统的方法。第一种采用潜变量进化算法的改进版本，结合所提生成模型（beta-VAE 与 WGAN-GP 模型的多阶段组合）。第二种采用对抗机器学习攻击方法攻击一个强代理的基于 CNN 的识别系统。两种方法可轻松结合以提升攻击能力。实验结果表明，单独及联合使用所提方法针对 Miura 手工设计 FVR 系统分别达到了最高 73.29% 与 88.79% 的误接受率。我们还指出，Miura 系统易被 WGAN-GP 模型生成的非类静脉样本攻破，误接受率高达 94.21%。这些结果警示了此类系统的鲁棒性问题，并表明主静脉攻击应被视为一项重要的安全措施。
引用
@article{arxiv.2210.10667,
title = {Analysis of Master Vein Attacks on Finger Vein Recognition Systems},
author = {Huy H. Nguyen and Trung-Nghia Le and Junichi Yamagishi and Isao Echizen},
journal= {arXiv preprint arXiv:2210.10667},
year = {2022}
}
备注
Accepted to be Published in Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2023