[논문 리뷰] DeepMasterPrint: Fingerprint Spoofing via Latent Variable Evolution

Philip Bontrager, Aditi Roy외 2명|arXiv (Cornell University)|2017. 05. 21.

Biometric Identification and Security인용 수 5

한 줄 요약

이 논문은 잠재 변수 진화를 통해 생성된 GAN과 공분산 행렬 적응 진화 전략을 조합한 방법을 사용하여 최적의 스푸핑 성공률을 달성하기 위해 잠재 코드를 진화시키는 Latent Variable Evolution를 활용해 생성한 심층 마스터프린트(DeepMasterPrints)를 소개한다. 이는 이전의 특징 수준 마스터프린트 방법보다 훨씬 높은 공격 정확도를 달성하며, 완전하고 현실적인 지문 이미지를 생성하여 지문 인식 시스템을 속이는 데 성공한다.

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.

연구 동기 및 목표

• 합성 지문을 이용한 스푸핑 공격에 취약한 지문 인식 시스템의 문제를 해결하기 위해.
• 이전의 특징 수준 마스터프린트 생성 방식의 한계를 극복하기 위해 완전한 이미지 수준의 합성 지문을 생성하기 위해.
• 실제 지문 템플릿과의 가짜 일치 수(위조 일치 수)를 최대화하기 위한 방법을 개발하기 위해.
• 제안된 접근법이 고정확도의 스푸핑 지문을 생성하는 데 얼마나 효과적인지 평가하기 위해.

제안 방법

• 실제 지문 이미지 데이터셋을 기반으로 생성적 적대적 네트워크(GAN)를 훈련시어 진짜 지문의 분포를 학습하기 위해.
• 훈련된 GAN 생성기로 잠재 벡터에서 합성 지문 이미지를 생성하기 위해.
• 잠재 공간에서의 확률적 최적화를 수행하기 위해 공분산 행렬 적응 진화 전략(CMA-ES)을 적용하기 위해.
• 지문 인식 시스템이 감지하는 가짜 일치 수를 최대화하기 위해 잠재 벡터를 최적화하기 위해.
• 지문 매칭기(fingerprint matcher)를 적합도 함수(fitness function)로 사용하여 잠재 코드의 진화를 높은 스푸핑 잠재력으로 유도하기 위해.
• 진화적 탐색을 반복적으로 적용하여 공격 성공률이 높은 DeepMasterPrints를 생성하기 위해.

실험 결과

연구 질문

• RQ1 이미지 수준의 합성 지문을 생성하여 특징 수준 마스터프린트보다 더 높은 스푸핑 성공률을 달성할 수 있는가?
• RQ2 GAN 기반 생성과 CMA-ES 최적화의 조합이 지문 스푸핑을 위한 잠재 코드를 어떻게 효과적으로 진화시키는가?
• RQ3 제안된 잠재 변수 진화 방법이 실제 지문 템플릿과의 가짜 일치 수를 얼마나 높일 수 있는가?
• RQ4 기존의 합성 지문 생성 방법들과 비교해 생성된 DeepMasterPrints의 현실성과 공격 정확도는 어떠한가?

주요 결과

• 제안된 방법은 지문 인식 시스템을 속일 수 있는 완전하고 현실적인 지문 이미지인 DeepMasterPrints를 성공적으로 생성하였다.
• 이전의 특징 수준 마스터프린트 방법에 비해 DeepMasterPrints는 훨씬 높은 공격 정확도를 달성하였다.
• GAN의 잠재 공간에서 CMA-ES를 사용함으로써 가짜 일치 수를 최대화하는 잠재 코드를 효과적으로 탐색할 수 있었다.
• 이 방법은 지문 인증 시스템을 회피할 수 있는 고품질의 합성 지문을 생성할 수 있음을 입증하였다.