[論文レビュー] A Survey of PPG's Application in Authentication

Lin Li, Chao Chen+5 more|arXiv (Cornell University)|Jan 27, 2022

Advanced Malware Detection Techniques被引用数 8

ひとこと要約

本サーベイは、非侵襲性、スプーフィングの困難さ、組み込み型ライブネス検出の利点により、セキュリティと使いやすさに優れた、フォトプレチスモグラム（PPG）に基づくユーザー認証について包括的な分析を提供する。信号取得、条件付け、特徴抽出、分類手法をレビューし、主な課題を特定し、敵対的攻撃やリモートPPG再構成といった新たな脅威を提示する。

ABSTRACT

Biometric authentication prospered because of its convenient use and security. Early generations of biometric mechanisms suffer from spoofing attacks. Recently, unobservable physiological signals (e.g., Electroencephalogram, Photoplethysmogram, Electrocardiogram) as biometrics offer a potential remedy to this problem. In particular, Photoplethysmogram (PPG) measures the change in blood flow of the human body by an optical method. Clinically, researchers commonly use PPG signals to obtain patients' blood oxygen saturation, heart rate, and other information to assist in diagnosing heart-related diseases. Since PPG signals contain a wealth of individual cardiac information, researchers have begun to explore their potential in cyber security applications. The unique advantages (simple acquisition, difficult to steal, and live detection) of the PPG signal allow it to improve the security and usability of the authentication in various aspects. However, the research on PPG-based authentication is still in its infancy. The lack of systematization hinders new research in this field. We conduct a comprehensive study of PPG-based authentication and discuss these applications' limitations before pointing out future research directions.

研究の動機と目的

• PPGベースのユーザー認証に関する研究の現状を体系化すること。現状、研究は散逸しており、未だ十分に探求されていない。
• 認証用途におけるPPG信号の取得、条件付け、特徴選択に関する核心的な課題を特定すること。
• PPGベースのシステムを標的とする新たなサイバー脅威、特にリモート信号再構成と敵対的機械学習攻撃を分析すること。
• PPGベースのバイオメトリクスシステムにおける制限事項と未解決問題を提示することで、今後の研究のための構造的フレームワークを提供すること。

提案手法

• Google Scholar、IEEE Xplore、ACM Digital Library、ScienceDirect、DBLPなどのデータベースを用いて、キーワードとして「PPG」、「フォトプレチスモグラム」、「バイオメトリクス」、「認証」、「攻撃」を含む体系的文献レビューを実施する。
• 既存の研究を、信号取得、信号条件付け、特徴抽出、認証タスクの分類の4層構造フレームワークに分類する。
• 接触式とリモートPPG（rPPG）の両方の手法を分析する。カメラおよびレーダーを用いた非接触的心拍数およびPPG信号推定手法を含む。
• 攻撃ベクトルを検討する。具体的には、被害者のPPG信号を模倣するために動的モデルを用いたグレイボックス回避攻撃、およびPPG認証に使用される機械学習分類器を標的にする敵対的攻撃を分析する。
• レーダーまたはビデオデータからPPG信号を再構成する可能性を評価し、ライブネス検出を回避する潜在的リスクを検討する。
• 既存の防御戦略（敵対的再トレーニングやモデルプルーニングなど）をレビューし、現在の保護メカニズムにおけるギャップを特定する。

実験結果

リサーチクエスチョン

• RQ1 PPGベースのユーザー認証システムにおける主な技術的構成要素および処理ステージは何か？
• RQ2 個人ごとのPPG信号はどのように異なるのか。バイオメトリクス識別に最も効果的な特徴は何か？
• RQ3 PPGベースの認証に対する主なセキュリティ脅威は何か。特にリモート信号再構成と敵対的機械学習攻撃に関して。
• RQ4 rPPGやレーダーを用いたセンシングといった非接触手法は、信号品質およびスプーフィングに対する脆弱性の観点から、どのように比較されるか？
• RQ5 PPGベースのバイオメトリクスシステムに対する新たな攻撃に対処するうえで、最も有望な防御メカニズムは何か？

主な発見

• PPGベースの認証は、非侵襲性、リモートでの盗難の困難さ、生理的心拍動態に基づく組み込み型ライブネス検出の利点により、使いやすさとセキュリティに優れた利点を有する。
• 接触式PPG信号はリモート手法よりもより頑丈であるが、HDカメラやレーダーを用いたrPPG技術でも、HRVやIPIといった有用な特徴を抽出可能であるが、環境ノイズに極めて感受性が強い。
• PPGベースのAIモデルに対する敵対的攻撃は深刻な懸念事項となっており、敵対的例やバックドア攻撃といった手法は、最新の防御を用いても分類器をだますことができる。
• グレイボックス回避攻撃（攻撃者が自らのPPG信号を被害者の特徴に一致させるために動的モデルを用いる）は理論的には可能であるが、被害者の信号に事前にアクセスする必要があるため、未だ十分に調査されていない。
• レーダーやビデオデータからPPG信号を再構成することは理論的に可能であり、生成モデルを用いることで高品質なrPPG推定が可能となり、システムのセキュリティに潜在的な脅威をもたらす。
• 急速に注目が集まっているものの、高度な攻撃に対してPPGベースのバイオメトリクスシステムを防御する包括的なメカニズムは存在せず、これは重要な研究ギャップを示している。