[論文レビュー] Fast and Accurate Likelihood Ratio Based Biometric Comparison in the Encrypted Domain

Joep Peeters, Peter Andreas+1 more|arXiv (Cornell University)|May 28, 2017

Cryptography and Data Security参考文献 4被引用数 4

ひとこと要約

本論文は、楕円曲線上の同型暗号化によるElGamal暗号を用いて、暗号化された生体認証データ上で尤度比ベースの分類を実行する、安全で効率的な生体認証システムを提案する。この手法は、高い正確性（EER 0.3%）と低遅延（330 ms未満）を達成し、機密データを復号せずに実用的なプライバシー保護型生体認証を可能にする。

ABSTRACT

As applications of biometric verification proliferate, users become more vulnerable to privacy infringement. Biometric data is very privacy sensitive as it may contain information as gender, ethnicity and health conditions which should not be shared with third parties during the verification process. Moreover, biometric data that has fallen into the wrong hands often leads to identity theft. Secure biometric verification schemes try to overcome such privacy threats. Unfortunately, existing secure solutions either introduce a heavy computational or communication overhead or have to accept a high loss in accuracy; both of which make them impractical in real-world settings. This paper presents a novel approach to secure biometric verification aiming at a practical trade-off between efficiency and accuracy, while guaranteeing full security against honest-but-curious adversaries. The system performs verification in the encrypted domain using elliptic curve based homomorphic ElGamal encryption for high efficiency. Classification is based on a log-likelihood ratio classifier which has proven to be very accurate. No private information is leaked during the verification process using a two-party secure protocol. Initial tests show highly accurate results that have been computed within milliseconds range.

研究の動機と目的

• 認証中に性別、民族、健康状態などの機密データが漏洩する可能性がある生体認証システムにおけるプライバシーリスクに対処すること。
• 既存の安全な生体認証ソリューションがしばしば高い計算コストや通信コストを伴うため、正確性と効率性のトレードオフを克服すること。
• 機密データを復号せずに暗号化されたドメインで生体認証を安全に実行できること。
• 生体テンプレートの漏洩を防ぎつつ、誠実だが好奇心の強い攻撃者仮定のもとで高い分類忠実度を維持するシステムを設計すること。

提案手法

• 本システムは、楕円曲線に基づく同型ElGamal暗号を用いて、生体テンプレートの暗号化された状態で計算を実行し、認証中に平文データが露出しないように保証する。
• 高精度な生体認証分類のために対数尤度比（LLR）分類器が採用され、量子化された暗号化特徴量と連携して動作するように調整されている。
• 計算コストを低減するため、生体データが量子化され、特徴量の量子化パラメータ（k）、スコアの量子化パラメータ（Δ）、およびビット精度（b）が、速度と正確性のバランスを取るために最適化されている。
• 二者間の安全プロトコルにより、両者とも相手の入力や出力を知ることができず、比較プロセス全体でプライバシーが保持される。
• 最適化された同型演算を用いて暗号化ドメイン内でしきい値比較を実行し、性能はしきい値比較回数（α）で測定される。
• 異なるサービスごとに異なる暗号鍵を使用することで、複数の応用をサポートし、多様性とセキュリティを向上させる。

実験結果

リサーチクエスチョン

• RQ1 尤度比ベースの生体認証分類器を、正確性の著しい低下を伴わずに、暗号化された生体データ上で安全に適用できるか？
• RQ2 同型暗号化を効率的に応用することで、実世界への展開に適した低遅延性能を達成できるか？
• RQ3 量子化パラメータとシステムの正確性の間にはどのようなトレードオフがあるか？
• RQ4 分類性能を損なわせることなく、どの程度までプライバシーを保護できるか？

主な発見

• 暗号化された生体認証において、等誤差率（EER）が0.3%に達しており、非量子化ケースの最適値（0.2%）とわずかに高いにとどまる。
• 最も正確な設定では、認証が330ミリ秒未満で完了し、正確性を緩和すると150ミリ秒未満まで性能が向上する。
• しきい値比較回数（α）は、スコアの量子化が細かくなる（Δが小さくなる）に従い指数関数的に増加するが、これにより速度と正確性のチューニングが可能になる。
• より大きな特徴量集合（k = 10, 20）は、小さな特徴量集合（k = 5）よりも顕著に高い正確性を示しており、特徴選択が性能に与える影響が明らかである。
• 暗号化されたテンプレートからは生体データに関する情報が一切抽出できないため、強いプライバシー保証が達成されており、セキュアテンプレートの3つの性質を満たしている。
• 本手法はスケーラブルかつ拡張可能であり、生体認証を越えて他の暗号化分類タスクへの一般化の可能性を有している。