[论文解读] 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 5

一句话总结

本文提出了 DeepMasterPrints——一种通过潜在变量进化（Latent Variable Evolution）生成的合成指纹图像，该方法结合了生成对抗网络（GAN）与协方差矩阵自适应进化策略（CMA-ES），以进化潜在编码实现最高的欺骗成功率。与以往基于特征级别的 MasterPrint 方法相比，该方法通过生成完整且逼真的指纹图像，显著提升了攻击准确率。

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.

研究动机与目标

• 解决指纹识别系统在面对使用合成指纹的欺骗攻击时的脆弱性。
• 克服以往基于特征级别的 MasterPrint 生成方法的局限性，创建完整的图像级别合成指纹。
• 开发一种方法，以最大化与真实指纹模板的虚假匹配数量（冒名匹配）。
• 评估所提方法在生成高准确率欺骗指纹方面的有效性。

提出的方法

• 在真实指纹图像数据集上训练生成对抗网络（GAN），以学习真实指纹的分布特征。
• 利用训练好的 GAN 生成器，从潜在向量生成合成指纹图像。
• 应用协方差矩阵自适应进化策略（CMA-ES）在潜在空间中执行随机优化。
• 优化潜在向量，以最大化指纹识别系统检测到的冒名匹配数量。
• 将指纹匹配器用作适应度函数，引导潜在编码向高欺骗潜力方向进化。
• 通过进化搜索迭代优化潜在编码，生成具有高攻击成功率的 DeepMasterPrints。

实验结果

研究问题

• RQ1 能否生成图像级别的合成指纹，以实现高于基于特征级别 MasterPrint 的欺骗成功率？
• RQ2 基于 GAN 的生成与 CMA-ES 优化相结合，在进化潜在编码用于指纹欺骗方面有多高效？
• RQ3 所提出的潜在变量进化方法在多大程度上能增加与真实指纹模板的虚假匹配数量？
• RQ4 与先前的合成指纹生成方法相比，所生成的 DeepMasterPrints 在逼真度和攻击准确率方面表现如何？

主要发现

• 所提方法成功生成了 DeepMasterPrints——完整且逼真的指纹图像，可欺骗指纹识别系统。
• DeepMasterPrints 的攻击准确率显著高于以往基于特征级别的 MasterPrint 方法。
• 在 GAN 的潜在空间中使用 CMA-ES 能够有效搜索到最大化冒名匹配的潜在编码。
• 该方法证明了生成高质量合成指纹以规避指纹认证系统的可行性。