面向隐私保护EEG生物特征认证系统的可撤销模板设计
密码学与安全
2022-04-01 v1
摘要
作为补充传统生物特征模态的有力候选，使用脑电图(EEG)数据的脑生物特征近年来受到广泛关注。然而，与指纹和人脸识别等现有生物特征相比，EEG生物特征的研究仍处于起步阶段。大多数研究要么从神经科学角度设计信号诱发协议，要么从机器学习角度开发特征提取与分类算法。这些研究为将EEG用作生物特征认证模态的可行性奠定了基础，但也引发了安全与隐私担忧，因为EEG数据包含敏感信息。现有研究已使用哈希函数和加密方案保护EEG数据，但它们未提供如可撤销模板设计中那样的撤销受损模板的功能。本文提出了首个用于隐私保护EEG认证系统的可撤销EEG模板设计，可保护包含敏感隐私信息(如身份、健康和认知状态)的原始EEG信号。基于EEG图特征与不可逆变换开发了一种新颖的可撤销EEG模板。所提变换提供可撤销模板，同时利用EEG诱发协议融合以提升生物特征性能。所提认证系统提供了与非变换域等效的认证性能(公共数据库上8.58\% EER)，同时保护原始EEG数据。此外，我们分析了系统抵抗多种攻击的能力，并讨论了涉及爬山攻击、二次攻击和基于分类的认证系统中一些被忽视但关键的问题与可能的陷阱。
引用
@article{arxiv.2203.16730,
title = {Cancellable Template Design for Privacy-Preserving EEG Biometric Authentication Systems},
author = {Min Wang and Song Wang and Jiankun Hu},
journal= {arXiv preprint arXiv:2203.16730},
year = {2022}
}