[论文解读] PassBio: Privacy-Preserving User-Centric Biometric Authentication

Kai Zhou, Jian Ren|arXiv (Cornell University)|Nov 14, 2017

Cryptography and Data Security参考文献 22被引用 5

一句话总结

PassBio 提出了一种以用户为中心的生物特征认证方案，允许用户使用一种新型的门限谓词加密（TPE）方案对本地生物特征模板进行加密，使服务器能够在不访问明文数据的情况下评估加密模板之间的相似性。TPE 方案支持相对于阈值的安全、隐私保护型内积计算，实现在资源受限设备上高效且安全的认证，移动端子秒级延迟。

ABSTRACT

The proliferation of online biometric authentication has necessitated security requirements of biometric templates. The existing secure biometric authentication schemes feature a server-centric model, where a service provider maintains a biometric database and is fully responsible for the security of the templates. The end-users have to fully trust the server in storing, processing and managing their private templates. As a result, the end-users' templates could be compromised by outside attackers or even the service provider itself. In this paper, we propose a user-centric biometric authentication scheme (PassBio) that enables end-users to encrypt their own templates with our proposed light-weighted encryption scheme. During authentication, all the templates remain encrypted such that the server will never see them directly. However, the server is able to determine whether the distance of two encrypted templates is within a pre-defined threshold. Our security analysis shows that no critical information of the templates can be revealed under both passive and active attacks. PassBio follows a "compute-then-compare" computational model over encrypted data. More specifically, our proposed Threshold Predicate Encryption (TPE) scheme can encrypt two vectors x and y in such a manner that the inner product of x and y can be evaluated and compared to a pre-defined threshold. TPE guarantees that only the comparison result is revealed and no key information about x and y can be learned. Furthermore, we show that TPE can be utilized as a flexible building block to evaluate different distance metrics such as Hamming distance and Euclidean distance over encrypted data. Such a compute-then-compare computational model, enabled by TPE, can be widely applied in many interesting applications such as searching over encrypted data while ensuring data security and privacy.

研究动机与目标

• 解决以服务器为中心的生物特征认证中的安全与隐私风险，即服务提供商存储并处理明文生物特征模板。
• 通过在传输前对生物特征模板进行本地加密，消除用户对服务提供商的完全信任需求。
• 设计一种高效、轻量级的加密方案，支持在加密数据上进行安全计算，以实现生物特征距离评估。
• 在加密数据上实现“先计算后比较”模型，使服务器能够在不获取敏感模板信息的情况下判断模板相似性。
• 通过性能评估，证明该方案在移动和笔记本平台上的实际可行性。

提出的方法

• 提出一种新型密码原原子——门限谓词加密（TPE），其对两个向量 x 和 y 进行加密，仅揭示其内积与阈值比较的结果。
• 基于矩阵变换与随机化设计安全的 TPE 方案，使服务器在不访问原始数据的情况下计算加密向量的内积。
• 引入在线/离线计算模型：在空闲时间预计算并缓存部分变换（如 S_y M_1^{-1}），以减少在线计算负载。
• 利用降维技术将向量大小减少至 n=300，提升效率，同时对大多数生物特征模板保持准确率。
• 使用优化库（Android 使用 UJMP，macOS 使用 Armadillo）实现 TPE 方案，以在真实设备上评估性能。
• 通过 TPE 表达为基于内积的比较，支持多种距离度量（如汉明距离、欧几里得距离）。

实验结果

研究问题

• RQ1 能否设计一种以用户为中心的生物特征认证模型，使得生物特征模板在所有时间（包括服务器端比较期间）均保持加密状态？
• RQ2 是否可以使用轻量级、高效的加密方案，安全评估两个加密生物特征模板之间的相似性？
• RQ3 TPE 方案是否能在被动和主动攻击下防止关于生物特征向量的敏感信息泄露？
• RQ4 TPE 方案在资源受限的移动设备上执行的效率如何，能否支持实时生物特征认证？
• RQ5 在线/离线计算模型是否能显著降低在线认证阶段的计算开销？

主要发现

• TPE 方案成功实现了对加密生物特征模板的安全比较，且在被动和主动攻击下均未泄露原始向量的任何敏感信息。
• 在移动设备上，当 n=100 时，令牌生成时间约为 50 ms；当 n=300 时，约为 900 ms，表明对中等尺寸生物特征模板具有可行性。
• 通过在线/离线计算机制，在线计算时间减少约一半，显著提升响应速度并降低电池消耗。
• 在笔记本电脑上，当使用预计算时，高维模板（n=2000）的令牌生成时间小于 1 秒，显示出良好的可扩展性。
• TPE 方案通过将距离度量表达为内积比较，支持灵活评估多种距离度量，包括汉明距离与欧几里得距离。
• 该方案可在移动设备和个人计算平台实现实际部署，性能结果表明其在隐私保护型生物特征认证中的现实可行性。