利用不可伪造唇动模式保障人脸活体检测安全
密码学与安全
2021-06-16 v1
摘要
人脸认证通常利用深度学习模型以高识别准确率验证用户。然而，人脸认证系统易受各类攻击，这些攻击通过操纵人脸的数字副本欺骗模型。迄今已开发大量活体检测方案以防止此类攻击。不幸的是，攻击者仍可通过构造广泛的复杂攻击绕过这些方案。我们研究了现有人脸认证服务（如 Microsoft、Amazon 和 Face++）与典型活体检测方法的安全性。特别地，我们开发了一种新型攻击，即低成本 3D 投影攻击，其在 3D 人脸模型上投影被操纵的人脸视频，可轻易规避这些人脸认证服务与活体检测方法。为此，我们提出 FaceLip，一种用于人脸认证的崭新活体检测方案，其利用基于精心设计的声学信号构建的不可伪造唇动模式来实现强安全保证。每位用户独有的唇动模式不可伪造，因为 FaceLip 通过捕获并分析根据随机挑战动态生成的声学信号来验证模式，从而确保我们的活体检测信号无法被操纵。特别地，我们为 FaceLip 开发了鲁棒算法以消除环境中噪声信号的影响，从而能在更远距离准确推断唇动。我们在现成智能手机上原型实现 FaceLip，并在不同设置下开展大量实验。我们对 44 名参与者的评估验证了 FaceLip 的有效性与鲁棒性。
引用
@article{arxiv.2106.08013,
title = {Securing Face Liveness Detection Using Unforgeable Lip Motion Patterns},
author = {Man Zhou and Qian Wang and Qi Li and Peipei Jiang and Jingxiao Yang and Chao Shen and Cong Wang and Shouhong Ding},
journal= {arXiv preprint arXiv:2106.08013},
year = {2021}
}