[论文解读] Face Flashing: a Secure Liveness Detection Protocol based on Light Reflections

Di Tang, Zhe Zhou+2 more|arXiv (Cornell University)|Jan 6, 2018

Biometric Identification and Security参考文献 18被引用 7

一句话总结

Face Flashing 是一种活体检测协议，通过在屏幕上快速、随机地闪烁彩色光，并分析人脸反射的光线来检测伪造攻击。该协议利用光的物理传播速度和人脸的三维结构，实现 98.8% 的准确率，并通过时间与形状验证有效抵御 2D 动态攻击。

ABSTRACT

Face authentication systems are becoming increasingly prevalent, especially with the rapid development of Deep Learning technologies. However, human facial information is easy to be captured and reproduced, which makes face authentication systems vulnerable to various attacks. Liveness detection is an important defense technique to prevent such attacks, but existing solutions did not provide clear and strong security guarantees, especially in terms of time. To overcome these limitations, we propose a new liveness detection protocol called Face Flashing that significantly increases the bar for launching successful attacks on face authentication systems. By randomly flashing well-designed pictures on a screen and analyzing the reflected light, our protocol has leveraged physical characteristics of human faces: reflection processing at the speed of light, unique textual features, and uneven 3D shapes. Cooperating with working mechanism of the screen and digital cameras, our protocol is able to detect subtle traces left by an attacking process. To demonstrate the effectiveness of Face Flashing, we implemented a prototype and performed thorough evaluations with large data set collected from real-world scenarios. The results show that our Timing Verification can effectively detect the time gap between legitimate authentications and malicious cases. Our Face Verification can also differentiate 2D plane from 3D objects accurately. The overall accuracy of our liveness detection system is 98.8\%, and its robustness was evaluated in different scenarios. In the worst case, our system's accuracy decreased to a still-high 97.3\%.

研究动机与目标

• 为解决人脸认证系统在面对 2D 动态攻击（如打印照片和视频回放）时的脆弱性。
• 克服现有活体检测方法缺乏强时间保障机制的局限性。
• 开发一种利用光反射物理特性与面部几何结构的鲁棒活体验证协议。
• 确保伪造响应无法在比真实反射更快的速度下生成，即使使用先进硬件亦无法实现。
• 提供一种实用、设备无关的解决方案，除标准屏幕与摄像头外无需额外专用硬件。

提出的方法

• 该协议使用在 LCD 屏幕上随机生成的、持续时间极短的彩色闪光作为挑战。
• 标准数字摄像头捕获人脸反射的光线，并分析其时间与空间模式。
• 时间验证通过线性回归检测响应延迟，利用真实反射以光速发生，而伪造响应需经历显著处理延迟的特性。
• 形状验证采用神经网络，以区分 3D 面部结构与 2D 表面（如面具或照片）。
• 系统结合时间与形状双重验证，确保响应在物理上合理且时间上一致。
• 挑战设计包含不同颜色与图案，以增加伪造难度，包括条纹或国际象棋盘式图案以实现更精细控制。

实验结果

研究问题

• RQ1 仅使用标准显示与摄像头硬件，活体检测协议能否有效防止 2D 动态攻击？
• RQ2 基于光反射速度的时间验证能否可靠检测出使用高性能硬件合成的伪造响应？
• RQ3 在真实环境下，通过神经网络进行面部形状分析能否高精度区分 3D 面部与 2D 表面？
• RQ4 该协议在光照变化、运动及环境干扰等条件下具有多强的鲁棒性？
• RQ5 当攻击者使用高端设备（如高速摄像机与屏幕）时，攻击成功率的上限是多少？

主要发现

• Face Flashing 协议在从多样化环境收集的真实世界数据上，实现了 98.8% 的整体活体检测准确率。
• 在最坏情况（包括振动与光照变化）下，系统仍保持 97.3% 的稳健准确率。
• 时间验证成功检测出伪造响应中的延迟，证明即使使用高端 GPGPU 系统，攻击者也无法复现真实光反射的实时性。
• 基于神经网络的形状验证能准确区分 3D 面部与 2D 物体（包括纸质打印品与面具）。
• 该协议对复杂攻击（如基于媒体的面部伪造，MFF）依然有效，包括那些可绕过传统挑战-响应机制的攻击。
• 尽管超高速摄像机与屏幕理论上可能绕过该系统，但此类攻击因成本与复杂度极高而被认为不切实际。