隐藏你的信号：基于 PPG 的生物特征认证的安全性分析
密码学与安全
2024-10-28 v1 计算机视觉与模式识别
摘要
近年来，基于生理信号的生物特征系统受到广泛关注。与传统生物特征不同，生理信号不易被泄露（通常为人眼不可观测）。光电容积描记（PPG）信号易于测量，使其比许多其他生理信号在生物特征认证中更具吸引力。然而，随着远程 PPG（rPPG）的出现，当攻击者可通过监视受害者面部远程窃取 rPPG 信号时，不可观测性受到挑战，进而对基于 PPG 的生物特征识别构成威胁。在基于 PPG 的生物特征认证中，当前的攻击方法都需要受害者的 PPG 信号，导致基于 rPPG 的攻击被忽视。本文首先分析了基于 PPG 的生物特征识别（包括用户认证与通信协议）的安全性。我们评估了五种 rPPG 方法提取的信号波形、心率和脉冲间期信息，其中包括四种传统光学计算方法（CHROM、POS、LGI、PCA）和一种深度学习方法（CL_rPPG）。我们在五个数据集（PURE、UBFC_rPPG、UBFC_Phys、LGI_PPGI 和 COHFACE）上进行了实验以收集全面的结果。我们的实证研究表明，rPPG 对认证系统构成严重威胁。在用户认证系统中，rPPG 信号欺骗攻击的成功率达到 0.35。在基于脉冲间期的安全协议中，比特命中率为 0.6。进一步，我们提出一种主动防御策略，隐藏面部的生理信号以抵御攻击。该策略将用户认证中 rPPG 欺骗攻击的成功率降至 0.05，比特命中率降至 0.5，达到随机猜测水平。我们的策略有效防止了 PPG 信号的暴露，保护用户的敏感生理数据。
引用
@article{arxiv.2207.04434,
title = {Hiding Your Signals: A Security Analysis of PPG-based Biometric Authentication},
author = {Lin Li and Chao Chen and Lei Pan and Yonghang Tai and Jun Zhang and Yang Xiang},
journal= {arXiv preprint arXiv:2207.04434},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication