[论文解读] A Survey of PPG's Application in Authentication

Lin Li, Chao Chen+5 more|arXiv (Cornell University)|Jan 27, 2022

Advanced Malware Detection Techniques被引用 8

一句话总结

本综述对基于光电容积脉搏波（PPG）的用户认证进行了全面分析，强调了其在安全性与可用性方面的优势，包括非侵入性、难以伪造以及内置的活体检测功能。综述涵盖了信号采集、调理、特征提取与分类方法，识别了关键技术挑战，并概述了新兴威胁，如对抗性攻击和远程PPG信号重建。

ABSTRACT

Biometric authentication prospered because of its convenient use and security. Early generations of biometric mechanisms suffer from spoofing attacks. Recently, unobservable physiological signals (e.g., Electroencephalogram, Photoplethysmogram, Electrocardiogram) as biometrics offer a potential remedy to this problem. In particular, Photoplethysmogram (PPG) measures the change in blood flow of the human body by an optical method. Clinically, researchers commonly use PPG signals to obtain patients' blood oxygen saturation, heart rate, and other information to assist in diagnosing heart-related diseases. Since PPG signals contain a wealth of individual cardiac information, researchers have begun to explore their potential in cyber security applications. The unique advantages (simple acquisition, difficult to steal, and live detection) of the PPG signal allow it to improve the security and usability of the authentication in various aspects. However, the research on PPG-based authentication is still in its infancy. The lack of systematization hinders new research in this field. We conduct a comprehensive study of PPG-based authentication and discuss these applications' limitations before pointing out future research directions.

研究动机与目标

• 系统化整理当前关于基于PPG的用户认证的研究现状，该领域仍较为零散且研究不足。
• 识别在PPG信号采集、调理及特征选择方面用于认证应用的核心挑战。
• 分析针对基于PPG系统的新兴网络威胁，包括远程信号重建与对抗性机器学习攻击。
• 通过指出现有局限与开放问题，为未来研究提供结构化框架。

提出的方法

• 使用Google Scholar、IEEE Xplore、ACM Digital Library、ScienceDirect和DBLP等数据库，通过包含'PPG'、'photoplethysmogram'、'biometrics'、'authentication'和'attack'等关键词，开展系统性文献回顾。
• 将现有研究划分为四层框架：信号采集、信号调理、特征提取与分类，用于认证任务。
• 分析接触式与远程PPG（rPPG）方法，包括基于摄像头与雷达的非接触式心率及PPG信号估计技术。
• 研究攻击向量，如利用动态模型模仿目标PPG信号的灰盒逃避攻击，以及针对PPG认证中使用的机器学习分类器的对抗性攻击。
• 评估从雷达或视频数据中重建PPG信号的可行性，并评估其潜在绕过活体检测的能力。
• 回顾现有防御策略，包括对抗性微调与模型剪枝，并识别当前保护机制中的漏洞。

实验结果

研究问题

• RQ1 基于PPG的用户认证系统中的关键技术组件与处理阶段有哪些？
• RQ2 不同个体的PPG信号有何差异？哪些特征在生物特征识别中最有效？
• RQ3 基于PPG的认证面临的主要安全威胁是什么，特别是来自远程信号重建与对抗性机器学习的威胁？
• RQ4 在信号质量与防伪造能力方面，非接触式方法如rPPG与基于雷达的传感技术相比如何？
• RQ5 针对新兴攻击，哪些防御机制在基于PPG的生物特征系统中最具前景？

主要发现

• 基于PPG的认证在可用性与安全性方面具有显著优势，得益于其非侵入性、远程窃取难度高，以及通过生理心率动态实现的内在活体检测能力。
• 接触式PPG信号比远程方法更稳健，但使用高清摄像头或雷达的rPPG技术仍可提取HRV与IPI等可用特征用于认证，尽管对环境噪声高度敏感。
• 针对基于PPG的AI模型的对抗性攻击日益令人担忧，如对抗性样本与后门攻击等方法，即使在最先进的防御机制下仍可能欺骗分类器。
• 灰盒逃避攻击——攻击者利用动态模型将自身PPG信号映射为匹配目标特征——在理论上是可行的，但由于需要事先获取目标信号，目前仍研究不足。
• 理论上可从雷达或视频数据中重建PPG信号，生成模型可实现高质量的rPPG估计，对系统安全构成潜在威胁。
• 尽管关注度不断提升，目前尚无针对高级攻击的全面防御机制，凸显了该领域存在的关键研究空白。