指纹模板可逆性：细节点 vs. 深度模板
计算机视觉与模式识别
2022-05-10 v1
摘要
指纹识别的成功很大程度上归功于基于细节点的指纹表示。曾被认为细节点模板无法被逆推出高保真指纹图像，但这一假设已被证明是错误的。深度学习的成功带来了替代性指纹表示（嵌入），期望其能提供更好的识别精度以及基于深度网络模板的不可逆性。我们评估深度指纹模板是否遭受与细节点模板相同的重建攻击。我们表明，虽然深度模板可被逆推出能与其源图像匹配的指纹图像，但深度模板比细节点模板更抗重建攻击。具体而言，在NIST SD4上测试时，利用最先进商业指纹匹配器，从细节点模板重建的指纹图像在I类（II类）攻击下于FAR为0.01%时取得约100.0%（98.3%）的TAR；使用同一商业匹配器从深度模板重建的图像在I类与II类攻击下TAR均小于1%；但当用同一深度网络匹配重建图像时，其在I类（II类）攻击下达到85.95%（68.10%）的TAR。此外，以往指纹模板逆推研究缺失的是对黑盒攻击性能的评估，我们使用3种不同最先进指纹匹配器进行了该评估。我们得出结论：逆推细节点模板生成的指纹图像对白盒与黑盒攻击评估均高度易感，而深度模板生成的指纹图像抗黑盒评估，且相对较不易受白盒评估影响。
引用
@article{arxiv.2205.03809,
title = {Fingerprint Template Invertibility: Minutiae vs. Deep Templates},
author = {Kanishka P. Wijewardena and Steven A. Grosz and Kai Cao and Anil K. Jain},
journal= {arXiv preprint arXiv:2205.03809},
year = {2022}
}