RESIST：从模板重建虹膜
计算机视觉与模式识别
2021-04-14 v2 密码学与安全
摘要
虹膜识别系统将虹膜图像转换为特征向量。开创性流程将图像分割为虹膜与非虹膜像素，将该区域归一化为固定尺寸矩形，并提取特征存储为称为模板的向量（Daugman, 2009）。该模板存储于系统中。未来读取虹膜可经转换并与模板向量比对，以确定或验证个人身份。由于模板常集中存储，它们是攻击者的高价值目标。我们展示了如何对多种虹膜识别系统的模板进行反演。即，我们展示了如何将模板转换为真实外观的虹膜图像，且这些图像被相应识别系统判定为同一虹膜。我们的反演基于一种称为RESIST（REconStructing IriSes from Templates，从模板重建虹膜）的卷积神经网络架构。我们将RESIST应用于传统Gabor滤波器流程、DenseNet（Huang et al., CVPR 2017）特征提取器，以及无需归一化工作的DenseNet架构。两种DenseNet特征提取器均基于近期的ThirdEye识别系统（Ahmad and Fuller, BTAS 2019）。在使用ND-0405数据集训练与测试时，重建图像对三种流程分别展现出100%、76%和96%的rank-1准确率。我们方法的核心类似于自编码器。然而，单独训练该核心产生低准确率。最终架构集成到一个生成对抗网络（Goodfellow et al., NeurIPS, 2014）中，产生了更高的准确率。
引用
@article{arxiv.2007.15850,
title = {Resist : Reconstruction of irises from templates},
author = {Sohaib Ahmad and Christopher Geiger and Benjamin Fuller},
journal= {arXiv preprint arXiv:2007.15850},
year = {2021}
}