[논문 리뷰] Fast and Accurate Likelihood Ratio Based Biometric Comparison in the Encrypted Domain

Joep Peeters, Peter Andreas외 1명|arXiv (Cornell University)|2017. 05. 28.

Cryptography and Data Security참고 문헌 4인용 수 4

한 줄 요약

이 논문은 타원 곡선 상의 동형 엘가말 암호화를 사용하여 암호화된 생체 정보 데이터에서 가능도 비율 기반 분류를 수행하는 안전하고 효율적인 생체 인증 시스템을 제안한다. 이 방법은 낮은 지연 시간(330ms 이내)과 높은 정확도(0.3%의 EER)를 달성하여, 민감한 데이터를 복호화하지 않고도 실용적인 프라이버시 보장 생체 인증을 가능하게 한다.

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.

연구 동기 및 목표

• 검증 과정에서 성별, 민족, 건강 특성 등의 민감한 데이터가 유출될 수 있는 생체 인식 시스템의 프라이버시 위험을 해결하기 위해.
• 기존의 안전한 생체 인식 솔루션에서 정확도와 효율성 사이의 상충 관계를 해결하기 위해, 높은 계산 또는 통신 오버헤드 문제를 해결하기 위해.
• 정확도나 성능을 희생시키지 않고도 암호화된 도메인에서 생체 인식 검증을 가능하게 하기 위해.
• 정확도나 성능을 저하시키지 않으면서도 생체 템플릿의 泄露를 방지하는 시스템을 설계하기 위해.

제안 방법

• 시스템은 타원 곡선 기반의 동형 엘가말 암호화를 사용하여 생체 템플릿을 암호화된 상태에서 계산을 수행함으로써, 검증 과정에서 평문 데이터가 노출되지 않도록 보장한다.
• 고정밀도 생체 분류를 위해 로그 가능도 비율(LLR) 분류기를 사용하며, 이는 양자화된 암호화된 특징과 함께 작동하도록 적응시켰다.
• 계산 비용을 줄이기 위해 생체 데이터를 양자화하며, 특징 양자화( k ), 점수 양자화( Δ ), 비트 정밀도( b )의 파라미터를 조정하여 속도와 정확도의 균형을 맞춘다.
• 양자간의 안전한 프로토콜을 통해 양측 모두가 상대방의 입력이나 출력을 알 수 없도록 하여, 비교 과정 全주기 동안 프라이버시를 유지한다.
• 최적화된 동형 연산을 사용하여 암호화된 도메인에서 임계값 비교를 수행하며, 성능은 임계값 비교 횟수( α )로 측정된다.
• 다양한 서비스마다 다른 암호화 키를 사용함으로써, 다양한 응용 분야를 지원하며 다양성과 보안성을 향상시킨다.

실험 결과

연구 질문

• RQ1 정확도 손실이 크지 않은 수준에서 가능도 비율 기반 생체 분류기가 암호화된 생체 데이터에서 안전하게 작동하도록 적응시킬 수 있는가?
• RQ2 어떻게 하면 동형 암호화를 효율적으로 생체 인식 검증에 적용하여 실생활 구현에 적합한 저지연 시간 성능을 달성할 수 있는가?
• RQ3 양자화 파라미터와 시스템 정확도 사이의 상충 관계는 어떻게 되는가?
• RQ4 분류 성능을 훼손시키지 않으면서 생체 인식 시스템에서 얼마나 많은 프라이버시를 보장할 수 있는가?

주요 결과

• 시스템은 암호화된 생체 인식 검증에서 0.3%의 동등 오류률(EER)을 달성하였으며, 비양자화된 최적의 경우(0.2%)와는 약간 높을 뿐이다.
• 가장 정확한 설정에서 검증이 330ms 이내에 완료되며, 정확도를 낮추면 성능이 150ms 이내로 향상된다.
• 더 세밀한 점수 양자화(작은 Δ)일수록 임계값 비교 횟수( α )가 기하급수적으로 증가하지만, 이는 속도 또는 정확도에 맞게 조정 가능한 트레이드오프를 제공한다.
• 더 큰 특징 집합(k = 10, 20)은 더 작은 특징 집합(k = 5)보다 유의미하게 높은 정확도를 보이며, 이는 특징 선택이 성능에 영향을 준다는 것을 시사한다.
• 시스템은 강력한 프라이버시 보장을 유지하며, 암호화된 템플릿에서 생체 데이터에 대한 정보를 추출할 수 없어, 안전한 템플릿의 세 가지 성질을 모두 충족한다.
• 이 접근법은 확장 가능하고 일반화 가능하며, 생체 인식을 초월한 다른 암호화된 분류 작업으로의 응용 가능성이 있다.