无处遁形：生物特征与设备间的跨模态身份泄露
密码学与安全
2020-01-24 v1 计算机与社会
摘要
伴随物联网（IoT）而来的还有潜在隐私风险，因数十亿联网设备被授权追踪用户信息并经互联网传达给其他方。对攻击者尤为重要的是用户身份，其在发起攻击中持续发挥重要作用。尽管某类物理生物特征或设备身份的暴露已被广泛研究，在多模态感知环境中来自双方的复合泄露效应仍属未知。本工作中，我们探究跨网络—物理空间复合身份泄露的可行性，并揭示共址智能设备 ID（如智能手机 MAC 地址）与物理生物特征（如面部/声纹样本）互为彼此侧信道。结果表明，我们的方法对现实中各类观测噪声具鲁棒性，攻击者可以近乎零分析代价多维全面刻画受害者。基于不同生物特征与设备 ID 的两项真实实验显示，所提方法可攻陷超 70% 设备 ID，同时以约 94% 纯度获取多个生物特征簇。
引用
@article{arxiv.2001.08211,
title = {Nowhere to Hide: Cross-modal Identity Leakage between Biometrics and Devices},
author = {Chris Xiaoxuan Lu and Yang Li and Yuanbo Xiangli and Zhengxiong Li},
journal= {arXiv preprint arXiv:2001.08211},
year = {2020}
}
备注
12 pages