生物特征认证系统对随机输入的抗攻击韧性研究
密码学与安全
2020-02-06 v2 机器学习
摘要
我们评估了基于机器学习的生物特征认证系统在面对攻击者提交均匀随机输入（作为特征向量或原始输入）以寻找目标用户可接受样本时的安全性。系统的平均误识率（FPR），即冒名者被错误接受为合法用户的速率，可被解释为此类攻击成功概率的度量。然而，我们表明成功率通常高于FPR。特别地，对于一个平均FPR为0.03的重构生物特征系统，成功率高达0.78。这对系统安全具有重要意义，因为仅知晓特征空间维度的攻击者平均不到2次尝试即可冒充该用户。我们详细分析了攻击成功的原因，并使用四种不同生物特征模态和四种不同机器学习分类器验证了我们的结果。最后，我们提出了使此类攻击失效的缓解技术，且对系统准确率几乎无影响。
引用
@article{arxiv.2001.04056,
title = {On the Resilience of Biometric Authentication Systems against Random Inputs},
author = {Benjamin Zi Hao Zhao and Hassan Jameel Asghar and Mohamed Ali Kaafar},
journal= {arXiv preprint arXiv:2001.04056},
year = {2020}
}
备注
Accepted by NDSS2020, 18 pages