[論文レビュー] DeepMasterPrints: Generating MasterPrints for Dictionary Attacks via Latent Variable Evolution

Philip Bontrager, Aditi Roy+3 more|arXiv (Cornell University)|May 21, 2017

Biometric Identification and Security参考文献 23被引用数 7

ひとこと要約

本稿では、訓練済みの生成対抗ネットワーク（GAN）の潜在変数を進化させて、完全で現実的な指紋画像（DeepMasterPrints）を生成するLatent Variable Evolution（LVE）という手法を紹介する。この手法により、指紋認識システム全体で偽者マッチを最大化する。本手法は1%の偽者マッチレート（FMR）で77%のスプーフィング成功率を達成し、従来のテンプレートレベル手法を著しく上回り、画像レベルの辞書攻撃の実用的妥当性を示している。

ABSTRACT

Recent research has demonstrated the vulnerability of fingerprint recognition systems to dictionary attacks based on MasterPrints. MasterPrints are real or synthetic fingerprints that can fortuitously match with a large number of fingerprints thereby undermining the security afforded by fingerprint systems. Previous work by Roy et al. generated synthetic MasterPrints at the feature-level. In this work we generate complete image-level MasterPrints known as DeepMasterPrints, whose attack accuracy is found to be much superior than that of previous methods. The proposed method, referred to as Latent Variable Evolution, is based on training a Generative Adversarial Network on a set of real fingerprint images. Stochastic search in the form of the Covariance Matrix Adaptation Evolution Strategy is then used to search for latent input variables to the generator network that can maximize the number of impostor matches as assessed by a fingerprint recognizer. Experiments convey the efficacy of the proposed method in generating DeepMasterPrints. The underlying method is likely to have broad applications in fingerprint security as well as fingerprint synthesis.

研究の動機と目的

• ターゲットの実際の指紋を知らなくても、現実的で画像レベルのMasterPrintsを生成する手法を開発すること。
• 従来の研究では合成された特徴点テンプレートしか生成できず、物理的スプーフィング攻撃に転用できないという限界を克服すること。
• 複数のテンプレートではなく、1枚の合成指紋画像を用いて効果的な辞書攻撃を可能にすることにより、実用的攻撃可能性を高めること。
• 訓練済みのGANの潜在空間最適化が、異なる指紋マッチャーおよびデータセットに一般化可能な高効果のDeepMasterPrintsを生成できることを示すこと。

提案手法

• 実際の指紋画像を用いてGANを訓練し、自然な指紋パターンの分布を学習すること。
• 訓練済みのGAN生成器の潜在空間で確率的最適化を実行するため、共分散行列適応進化戦略（CMA-ES）を用いること。
• 生成された画像と実際の指紋データベースを比較した際の指紋マッチャーが返す偽者マッチの数に基づいて、適応度関数を定義すること。
• 視覚的リアリズムと指紋に類似した構造を維持しつつ、偽者マッチの数（＝スプーフィング成功）を最大化するように潜在ベクトルを進化させること。
• 最終的な進化した潜在ベクトルを生成器ネットワークでデコードし、完全で画像レベルの偽造物であるDeepMasterPrintsを生成すること。
• 複数の指紋マッチャー（Bozorth3、VeriFinger、Innovatrics）およびデータセット（ロールドおよびキャパシティブセンサー）を用いて、一般化性能を評価すること。

実験結果

リサーチクエスチョン

• RQ1 GANベースの生成器は、指紋認識システムを効果的にスプーフィングできる現実的な指紋画像を生成できるか？
• RQ2 訓練済みのGANの潜在空間における進化的最適化は、従来のテンプレートレベル手法よりも高いスプーフィング成功率を達成するDeepMasterPrintsを生成できるか？
• RQ3 生成されたDeepMasterPrintsは、異なる指紋マッチャーおよびセンサータイプにどれほど一般化できるか？
• RQ4 複数のテンプレートではなく、1枚の合成指紋画像に限定された場合でも、本手法は有効に機能するか？

主な発見

• 提案されたLatent Variable Evolution（LVE）手法は、データセット全体で1%の偽者マッチレート（FMR）で77%のスプーフィング成功率を達成するDeepMasterPrintsを効果的に生成した。
• 0.1%の偽者マッチレートでは23%のスプーフィング成功率を達成し、厳しいセキュリティ基準下でも有効であることが示された。
• 従来の手法と比べて著しく優れており、1枚のDeepMasterPrintが5枚のテンプレートレベルMasterPrintsの性能に相当する。
• Bozorth3、VeriFinger、Innovatricsなど、異なる指紋マッチャーに対しても良好な一般化性能を示し、マッチャー固有のアーチファクトに対して頑健であることがわかった。
• キャパシティブセンサー用のDeepMasterPrintsは、マッチャー間で一貫した性能を示し、普遍的な指紋パターンを狙っている可能性を示唆している。
• DeepMasterPrintsはランダムな画像よりも約10倍効果的であり、高い実用的脅威可能性が確認された。