[论文解读] Performance of the Fuzzy Vault for Multiple Fingerprints (Extended Version)

Johannes Merkle, Heinrich Ihmor+3 more|arXiv (Cornell University)|Aug 4, 2010

Biometric Identification and Security参考文献 12被引用 13

一句话总结

本文提出一种基于多指纹特征的多指模糊保险库方案，利用多个手指的纹线特征实现密码学安全的生物特征模板保护，克服了单指系统熵值有限的问题。通过结合碎屑点与多项式编码，并应用质量过滤和对齐等优化策略，该方案在模板恢复攻击下实现了高达 2^97 的安全级别，经由 10 名用户的仿真验证，表现出较低的错误率和高可靠性。

ABSTRACT

The fuzzy vault is an error tolerant authentication method that ensures the privacy of the stored reference data. Several publications have proposed the application of the fuzzy vault to fingerprints, but the results of subsequent analyses indicate that a single finger does not contain sufficient information for a secure implementation. In this contribution, we present an implementation of a fuzzy vault based on minutiae information in several fingerprints aiming at a security level comparable to current cryptographic applications. We analyze and empirically evaluate the security, efficiency, and robustness of the construction and several optimizations. The results allow an assessment of the capacity of the scheme and an appropriate selection of parameters. Finally, we report on a practical simulation conducted with ten users.

研究动机与目标

• 解决单指模糊指纹保险库存在的熵值不足与安全性有限的问题，其安全级别仅约 50 位。
• 设计一种多指模糊保险库方案，实现与现代对称密码相当的密码学安全级别。
• 评估关键参数与优化策略对安全性、效率和实际生物特征场景中鲁棒性的影响。
• 通过包含 10 名用户的实用仿真，实证验证该方案的性能表现。
• 识别适用于可部署生物特征系统的有效参数配置与优化策略。

提出的方法

• 该方案将多个手指的生物特征纹线特征编码为有限域上的多项式，仅使用位置信息与手指索引，避免因方向信息导致的泄露。
• 通过将真实（纹线编码）点与随机碎屑点结合，构建模糊保险库，确保不可区分性并隐藏秘密多项式。
• 优化措施包括：注册与验证阶段对纹线进行质量过滤、指纹预对齐，以及对每根手指设定最小纹线数量要求。
• 系统使用 Reed-Solomon 解码机制，仅当从查询集中识别出足够多的正确匹配（≥k）时，才能恢复秘密多项式。
• 采用安全模型，对于选定参数，最先进攻击需 2^100 次操作，确保达到 100 位等效安全级别。
• 通过使用多指光学传感器、NBIS 提取特征，以及自定义匹配算法，开展了实用仿真，以评估实际性能。

实验结果

研究问题

• RQ1 基于多指指纹的模糊保险库方案能否实现足够高的安全级别以满足现代密码学应用需求？
• RQ2 质量过滤与对齐等优化措施如何影响模糊保险库系统的错误率与鲁棒性？
• RQ3 为实现如 2^97 这类目标安全级别，需要哪些参数配置（如手指数量、碎屑点数量、多项式次数）？
• RQ4 在真实世界条件下，该系统在人类用户中的注册成功率与验证准确率表现如何？
• RQ5 在不存储辅助数据或不使用奇异点检测的情况下，能否实现有效的指纹对齐？

主要发现

• 当使用三根手指时，该方案在模板恢复攻击下实现了 2^97 的安全级别，显著超过单指方法的 50 位限制。
• 经优化后，注册过程中的错误终止率（FTE）从基础版本的 20% 降低至 0%（优化版本），在 10 名用户的仿真中表现优异。
• 优化版本的拒付率（FRR）降低至 10%，相较基础版本的 25% 显著改善，证明了质量过滤与对齐策略的有效性。
• 每位用户的平均重试次数从基础版本的 0.5 次上升至优化版本的 2 次，表明尽管计算开销增加，但系统可靠性得到提升。
• 系统通过一种简单算法成功解决了指纹对齐问题，无需依赖奇异点检测或额外辅助数据。
• 仿真结果表明，对每根手指强制设定最小纹线数量可显著提升匹配性能，凸显该阈值对系统可靠性的敏感性。