利用内置运动传感器改进内置摄像头认证协议：一种深度学习方案
密码学与安全
2021-07-28 v3 机器学习
摘要
我们提出一种增强版的内置摄像头认证（ABC）协议，采用基于内置运动传感器的深度学习方案。标准 ABC 协议依据相机传感器的照片响应非均匀性（PRNU）并兼顾基于 QR 码的元信息来识别移动设备。认证期间，用户需拍摄两张包含屏幕上所示两个 QR 码的照片。所呈现的 QR 码图像还包含由协议生成的类相机指纹的唯一探测信号。验证时，若满足以下条件服务器则计算所收照片的指纹并认证用户：（i）存在探测信号，（ii）QR 码中嵌入的元数据正确，且（iii）相机指纹被正确识别。然而如我们初步工作所示，当攻击者能从外部照片算出相机指纹时，该协议易受伪造攻击。为此，我们提出基于运动传感器数据作为额外被动认证层的 ABC 协议增强方案。智能手机可通过其运动传感器数据识别，而该数据不同于照片，从不由用户在社交平台上发布，因而比单独使用照片更安全。为此，我们将运动信号转化为深度神经网络生成的嵌入向量，并应用支持向量机完成智能手机识别任务。我们对 ABC 协议的改动形成了一个多模态协议，将此前工作中所述攻击的误接受率降至低至 0.07%。
引用
@article{arxiv.2107.10536,
title = {Improving the Authentication with Built-in Camera Protocol Using Built-in Motion Sensors: A Deep Learning Solution},
author = {Cezara Benegui and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2107.10536},
year = {2021}
}
备注
Accepted for publication in Mathematics