[論文レビュー] DeepMasterPrint: Fingerprint Spoofing via Latent Variable Evolution

Philip Bontrager, Aditi Roy+2 more|arXiv (Cornell University)|May 21, 2017

Biometric Identification and Security被引用数 5

ひとこと要約

本論文では、潜在変数の進化を用いたGANと共分散行列適応進化戦略（CMA-ES）を組み合わせた手法であるLatent Variable Evolutionを用いて、最大のスプーフィング成功を達成するように潜在コードを進化させる、DeepMasterPrints—合成された指紋画像—を紹介する。本手法は、完全で現実的な指紋画像を生成することで、従来の特徴レベルのMasterPrint手法よりも顕著に高い攻撃精度を達成している。

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

• 合成指紋を用いたスプーフィング攻撃に対して指紋認識システムの脆弱性を解消すること。
• 従来の特徴レベルのMasterPrint生成の制限を克服し、完全な画像レベルの合成指紋を生成すること。
• 実際の指紋テンプレートとの偽の一致（不正者一致）の数を最大化すること。
• 提案手法が高精度なスプーフィング指紋を生成する有効性を評価すること。

提案手法

• 本研究では、本物の指紋画像のデータセット上で生成対抗ネットワーク（GAN）を訓練し、本物の指紋の分布を学習する。
• 訓練済みのGAN生成器を用いて、潜在ベクトルから合成指紋画像を生成する。
• 共分散行列適応進化戦略（CMA-ES）を用いて、潜在空間における確率的最適化を実行する。
• 指紋認識システムが検出する不正者一致の数を最大化するように、潜在ベクトルを最適化する。
• 指紋マッチャをフィットネス関数として用い、潜在コードの進化を高スプーフィング可能性へと導く。
• 進化的な探索を繰り返し適用することで、高い攻撃成功率を達成するDeepMasterPrintsを生成する。

実験結果

リサーチクエスチョン

• RQ1 特徴レベルのMasterPrintよりも高いスプーフィング成功率を達成できる画像レベルの合成指紋を生成できるか？
• RQ2 GANベースの生成とCMA-ES最適化の組み合わせは、指紋スプーフィングのための潜在コードを効果的に進化させられるか？
• RQ3 提案された潜在変数の進化手法は、本物の指紋テンプレートとの偽の一致数をどの程度増加させられるか？
• RQ4 生成されたDeepMasterPrintsは、従来の合成指紋生成手法と比較して、現実性と攻撃精度の両面で優れているか？

主な発見

• 提案手法は、指紋認識システムをだませる完全で現実的な指紋画像であるDeepMasterPrintsを成功裏に生成した。
• DeepMasterPrintsは、従来の特徴レベルのMasterPrint手法よりも顕著に高い攻撃精度を達成した。
• GANの潜在空間におけるCMA-ESの使用により、不正者一致数を最大化する潜在コードの探索が効果的に行えるようになった。
• 本手法は、指紋認証システムを回避できる高品質な合成指紋の生成の可能性を示した。