[论文解读] Secure Fingerprint Alignment and Matching Protocols

Fattaneh Bayatbabolghani, Marina Blanton+2 more|arXiv (Cornell University)|Feb 11, 2017

Biometric Identification and Security参考文献 1被引用 7

一句话总结

本文提出了首个基于细粒度特征（minutiae-based）算法的、安全且高效的指纹对齐与匹配协议，采用不经意电路（garbled circuits）和秘密共享（secret sharing）技术，在两方及多方计算环境中均实现。该工作引入了新颖的安全子协议，用于三角函数与选择操作，实现在多方环境下的亚秒级性能，并展示了在真实生物特征认证场景中的实际效率。

ABSTRACT

We present three private fingerprint alignment and matching protocols, based on what are considered to be the most precise and efficient fingerprint recognition algorithms, which use minutia points. Our protocols allow two or more honest-but-curious parties to compare their respective privately-held fingerprints in a secure way such that they each learn nothing more than an accurate score of how well the fingerprints match. To the best of our knowledge, this is the first time fingerprint alignment based on minutiae is considered in a secure computation framework. We build secure fingerprint alignment and matching protocols in both the two-party setting using garbled circuit evaluation and in the multi-party setting using secret sharing techniques. In addition to providing precise and efficient secure fingerprint alignment and matching, our contributions include the design of a number of secure sub-protocols for complex operations such as sine, cosine, arctangent, square root, and selection, which are likely to be of independent interest.

研究动机与目标

• 在半诚实参与方之间实现指纹数据的安全私密比较，而无需暴露原始生物特征信息。
• 针对先前研究仅关注匹配而缺乏安全对齐协议的问题，基于成熟的基于细粒度特征的识别技术，设计安全的对齐算法。
• 为复杂操作（如正弦、余弦、反正切函数以及第f小元素的选择）开发高效且可复用的安全子协议，其应用范围可超越指纹识别。
• 在两方（不经意电路）与多方（秘密共享）环境中实现并评估协议，证明其实际性能。
• 通过基于计算机视觉文献中广泛使用且精确的算法，确保与现有生物特征识别标准的兼容性。

提出的方法

• 协议基于安全计算框架构建：两方计算使用不经意电路，多方计算使用秘密共享，均处于半诚实模型下。
• 作者设计了新的安全子协议，用于定点正弦、余弦与反正切函数，受既有工作启发，但针对安全计算中的效率与正确性进行了适配。
• 提出一种新颖的安全且数据无关的第f小元素选择协议，基于高效的平方根采样算法，以最小化信息泄露。
• 基于三种知名算法实现三种安全的指纹对齐与匹配协议：两两几何变换、基于曲率的对齐，以及谱细粒度表示（spectral minutia representation）。
• 在不经意电路（GC）与秘密共享（SS）框架下，使用谱细粒度表示（SpectralFR）进行评估，性能指标包括执行时间与门数。
• 通过半门优化（half-gates optimization）最小化通信开销，并在离线阶段完成电路混淆，以降低在线延迟。

实验结果

研究问题

• RQ1 安全计算能否被有效应用于整个指纹识别流程，包括此前被忽视的对齐阶段？
• RQ2 在隐私保护环境中，如何安全地计算定点值的正弦、余弦与反正切等基本数值运算？
• RQ3 在集合中安全计算第f小元素选择这类复杂操作时，其性能开销如何？
• RQ4 安全计算框架的选择（不经意电路 vs. 秘密共享）如何影响指纹匹配协议的效率？
• RQ5 能否实现足够高效的、可实际部署的安全指纹对齐与匹配协议，以适用于真实生物特征识别系统？

主要发现

• 基于谱细粒度表示（SpectralFR）的安全指纹匹配协议在多方秘密共享环境中运行时间低于1秒，展现出实际效率。
• 在两方不经意电路环境中，同一协议耗时数十秒，通信开销为主要性能瓶颈，约占总时间的57%。
• 在秘密共享环境中，计算阶段占总时间的73%–79%，表明本地计算是该模型下的主要成本。
• 协议使用约27.6%的非XOR门，电路规模可控，门数足够支持实际部署。
• 秘密共享在乘法密集型操作中表现显著优于不经意电路，如SpectralFR高度依赖矩阵乘法，验证了该优势。
• 实现结果表明，安全指纹对齐在技术上可行且高效，尤其在多方环境中表现更优，且在识别流程完整性方面超越了以往仅支持匹配的方案。