WiFaKey：从野生人脸生成密码学密钥
密码学与安全
2024-07-23 v1
摘要
从生物特征测量值中派生唯一密码学密钥是一个具有挑战性的任务，由于生物特征测量值与纠错编码之间存在现存的噪声差距。此外，由于生物特征测量值本质上与用户紧密关联，还涉及隐私和安全问题。生物密码系统是旨在解决此类问题的一类关键性解决方案。然而，许多现有的生物密码系统依赖于手工特征提取器和纠错码（ECC），常常导致性能下降。为解决这些挑战并提高生物特征测量值的可靠性，我们提出了一种新型生物密码系统，称为 WiFaKey，用于在无约束环境下从人脸生成密码学密钥。具体而言，WiFaKey 首先引入一种自适应随机掩码驱动的特征转换管道，即 AdaMTrans。AdaMTrans 有效地对实数特征进行量化和二值化，并包含一种自适应随机掩码方案，以将位错误率与纠错要求相匹配，从而减小噪声差距。此外，WiFaKey 包含一种基于监督学习的神经解码方案，即 Neural-MS 解码器，该解码器比非学习解码器在纠错性能方面更稳健，迭代次数更少，从而减轻性能下降。我们在六个大规模无约束数据集和两个受约束数据集上评估了 WiFaKey。实验结果表明，在 LFW 数据集上，WiFaKey 对 MagFace 和 AdaFace 特征分别实现了平均 85.45% 和 85.20% 的真实匹配率（Genuine Match Rate），且在 0% 误匹配率（False Match Rate）下表现良好。我们的全面比较分析显示，WiFaKey 具有显著的性能提升。本工作的源代码已公开于 github.com/xingbod/WiFaKey。
引用
@article{arxiv.2407.14804,
title = {WiFaKey: Generating Cryptographic Keys from Face in the Wild},
author = {Xingbo Dong and Hui Zhang and Yen Lung Lai and Zhe Jin and Junduan Huang and Wenxiong Kang and Andrew Beng Jin Teoh},
journal= {arXiv preprint arXiv:2407.14804},
year = {2024}
}