[论文解读] On the Risk of Cancelable Biometrics

Xingbo Dong, Park, Jaewoo+4 more|arXiv (Cornell University)|Oct 17, 2019

Biometric Identification and Security参考文献 41被引用 4

一句话总结

本文揭示了可撤销生物识别（CB）中的距离保持特性本质上会带来预像攻击的漏洞，使得攻击者即使在不同变换函数之间也能重建原始生物特征模板。作者提出了一种广义的预像攻击和一种跨变换攻击，其成功率极高（例如在人脸数据上达到84.05%的SAR），表明尽管现有CB方案的设计目标是不可逆性和可撤销性，但其安全性仍不足。

ABSTRACT

Cancelable biometrics (CB) employs an irreversible transformation to convert the biometric features into transformed templates while preserving the relative distance between two templates for security and privacy protection. However, distance preservation invites unexpected security issues such as pre-image attacks, which are often neglected.This paper presents a generalized pre-image attack method and its extension version that operates on practical CB systems. We theoretically reveal that distance preservation property is a vulnerability source in the CB schemes. We then propose an empirical information leakage estimation algorithm to access the pre-image attack risk of the CB schemes. The experiments conducted with six CB schemes designed for the face, iris and fingerprint, demonstrate that the risks originating from the distance computed from two transformed templates significantly compromise the security of CB schemes. Our work reveals the potential risk of existing CB systems theoretically and experimentally.

研究动机与目标

• 识别并分析可撤销生物识别系统中距离保持特性所引入的安全风险。
• 提出一种在Kerckhoffs假设下适用且能跨不同变换函数有效的广义预像攻击。
• 开发一种实用的跨变换攻击，通过利用变换后模板之间的距离保持性来绕过安全防护。
• 基于距离保持性，使用互信息量化CB方案中的信息泄露。
• 在新攻击模型下，评估六种知名CB方案在人脸、虹膜和指纹模态下的安全性。

提出的方法

• 提出一种通用预像攻击，利用CB匹配器的距离保持特性，将模板反变换以近似恢复原始生物特征。
• 提出一种跨变换攻击，利用从一个CB系统重建的预像，攻击使用不同变换函数的另一CB系统。
• 采用Blahut–Arimoto算法，基于原始模板与变换后模板之间的互信息，估计由距离保持性引起的信息泄露。
• 使用深度特征（如InsightFace）和标准生物特征模板（如IrisCode、指纹纹线特征）作为输入，评估跨模态的攻击可行性。
• 采用基于查询的攻击模型，需掌握变换参数并可重复访问匹配函数以优化重建效果。
• 通过成功攻击率（SAR）评估攻击效果，衡量成功匹配的预像与原始模板的比例。

实验结果

研究问题

• RQ1 可撤销生物识别系统中的距离保持特性如何导致对预像攻击的漏洞？
• RQ2 预像攻击能否被泛化以适用于不同变换函数，即使目标系统使用了不同的方案？
• RQ3 由于距离保持性，CB方案中的信息泄露程度如何？如何对其进行量化？
• RQ4 预像攻击在现实世界CB系统中对人脸、虹膜和指纹模态的实际成功率是多少？
• RQ5 CB系统准确率越高是否意味着安全风险越大？低准确率系统是否仍可能面临漏洞？

主要发现

• CB匹配器中的距离保持特性是根本性漏洞，即使在Kerckhoffs假设下也能实现有效的预像重建。
• 跨变换攻击在攻击BioHashing系统时，对已受损的IFO系统实现84.05%的成功攻击率（SAR），证明了跨方案攻击的可行性。
• 在虹膜数据上，基于IFO的系统对保护使用布隆过滤器的系统实现81.32%的SAR，表明原始模板信息未被有效隐藏。
• NMDSH在α=0.5时表现出更好的抗性（SAR为23.27%），表明参数调优可提升安全性，但无法完全消除风险。
• 基于互信息的信息泄露估计方法成功量化了距离保持性带来的风险，揭示即使高精度的CB方案也存在漏洞。
• 高准确率的CB方案（如BioHashing，EER=5.29%）并不一定更安全，其SAR高达85.54%，证明准确率不能等同于安全性。