基于约束优化相似性攻击的可取消生物特征可解释安全性分析
密码学与安全
2021-06-18 v3
摘要
在可取消生物特征（CB）方案中，模板安全性主要通过将非线性变换应用于生物特征模板来实现。该变换被设计为在变换域中保持模板距离/相似性。尽管有效，但CB的相似性保持特性所带来的安全问题被低估了。Dong等人[BTAS'19]利用了CB的相似性保持特征，提出了一种具有高成功攻击率的基于相似性的攻击。基于相似性的攻击利用从受保护生物特征模板生成的原像进行冒充并执行交叉匹配。在本文中，我们提出了一种约束优化基于相似性的攻击（CSA），它改进了Dong的遗传算法启用的基于相似性的攻击（GASA）。CSA将算法特定的等式或不等式关系作为约束，以优化原像生成。我们从监督学习的角度解释了CSA的有效性。我们识别此类约束，然后进行了大量实验以证明CSA针对使用LFW人脸数据集的CB的有效性。结果表明，CSA能有效突破IoM哈希和BioHashing的安全性，并且显著优于GASA。从上述结果推断，我们进一步指出，除了IoM和BioHashing之外，只要能表述约束，CSA对其他CB方案也是关键的。此外，我们揭示了哈希码大小与CSA攻击性能的相关性。
引用
@article{arxiv.2006.13051,
title = {Interpretable security analysis of cancellable biometrics using constrained-optimized similarity-based attack},
author = {Hanrui Wang and Xingbo Dong and Zhe Jin and Andrew Beng Jin Teoh and Massimo Tistarelli},
journal= {arXiv preprint arXiv:2006.13051},
year = {2021}
}