针对可穿戴传感的人员重识别攻击
密码学与安全
2021-06-23 v1 人机交互
摘要
根据《健康保险流通与责任法案》（HIPAA）隐私规则，人员重识别是公开共享医疗健康数据中的一项关键隐私攻击。本文研究一种新型隐私攻击的可能性，即针对公开共享的隐私不敏感可穿戴数据的人员重识别攻击（PRI-attack）。我们从两类情境化生物特征——生理（光电容积描记与皮肤电活动）与物理（加速度计）情境——考察用户特定的生物特征签名。为此，我们开发了多模态孪生卷积神经网络（mmSNN）模型。该框架分别学习空间与时间信息，并将其以修正加权代价结合，旨在预测个人身份。我们使用来自 3 个自建数据集与 1 个公开数据集的实时采集数据评估所提模型。我们提出的框架表明，基于 PPG 的呼吸率与心率结合手势情境，可被攻击者用于从符合 HIPAA 的可穿戴数据中重识别用户身份（最高 71%）。鉴于公开放置的摄像头可远程估计心率、呼吸率与手势，利用它们进行人员重识别对未来符合 HIPAA 的服务器构成重大威胁，需更好的加密方法以存储可穿戴医疗健康数据。
引用
@article{arxiv.2106.11900,
title = {Person Re-identification Attack on Wearable Sensing},
author = {Mohammad Arif Ul Alam},
journal= {arXiv preprint arXiv:2106.11900},
year = {2021}
}