[论文解读] Video is All You Need: Attacking PPG-based Biometric Authentication

Lin Li, Chao Chen+3 more|arXiv (Cornell University)|Mar 2, 2022

User Authentication and Security Systems被引用 4

一句话总结

本文提出了一种新型欺骗攻击，利用从高清视频片段中提取的远程光电容积脉搏波（rPPG）信号，绕过基于PPG的生物特征认证系统。通过引入一种生成性信号恢复模型（SigR），该模型可将rPPG波形重建为与真实PPG信号高度相似的波形，攻击在平均62%的成功率下实现，表明公开可用的视频对基于PPG的生物特征安全构成严重威胁。

ABSTRACT

Unobservable physiological signals enhance biometric authentication systems. Photoplethysmography (PPG) signals are convenient owning to its ease of measurement and are usually well protected against remote adversaries in authentication. Any leaked PPG signals help adversaries compromise the biometric authentication systems, and the advent of remote PPG (rPPG) enables adversaries to acquire PPG signals through restoration. While potentially dangerous, rPPG-based attacks are overlooked because existing methods require the victim's PPG signals. This paper proposes a novel spoofing attack approach that uses the waveforms of rPPG signals extracted from video clips to fool the PPG-based biometric authentication. We develop a new PPG restoration model that does not require leaked PPG signals for adversarial attacks. Test results on state-of-art PPG-based biometric authentication show that the signals recovered through rPPG pose a severe threat to PPG-based biometric authentication.

研究动机与目标

• 研究仅使用视频片段在基于PPG的生物特征认证系统上发动欺骗攻击的可行性。
• 解决从视频中提取的rPPG信号与真实PPG信号之间波形和时间上的差异问题。
• 开发一种信号恢复模型，使rPPG信号能够模仿真实PPG信号，以实现成功的生物特征欺骗。
• 评估视频质量因素——帧率、分辨率、码率和美颜滤镜——对攻击成功率的影响。
• 证明基于rPPG的攻击在实际场景中具有可行性，并对基于PPG的生物特征系统构成真实威胁。

提出的方法

• 提出一种新型生成性信号恢复模型SigR，用于从面部视频片段中提取的rPPG信号重建类似PPG的波形。
• 使用配对的真实PPG信号（来自指尖血氧仪）和相应的rPPG信号（来自视频）对SigR进行训练，以学习rPPG与PPG波形之间的映射关系。
• 采用条件生成对抗网络（cGAN）框架，建模PPG信号的形态特征，包括特征点（收缩峰、二峰切迹）和一阶导数。
• 使用UBFC-PHYS数据集进行训练和评估，测试对象处于“静息”、“说话”和“计算”状态，以检验在不同生理状态下的鲁棒性。
• 通过改变帧率（20–60 FPS）、分辨率（720p–1080p）、码率，并应用美颜滤镜，评估其对rPPG质量及攻击成功率的影响。
• 使用Kolmogorov-Smirnov（KS）检验进行统计分析，比较不同视频条件下rPPG提取特征与原始PPG特征的分布差异。

实验结果

研究问题

• RQ1 能否利用从高清视频片段中提取的rPPG信号成功欺骗基于PPG的生物特征认证系统？
• RQ2 所提出的SigR模型在不同生理状态下，将rPPG信号恢复为与真实PPG波形相似的波形方面效果如何？
• RQ3 视频质量因素（帧率、分辨率、码率和美颜滤镜）对基于rPPG的欺骗攻击成功率有何影响？
• RQ4 PPG波形的形态特征（如二峰切迹、特征点）在多大程度上影响攻击的成功率？
• RQ5 在涉及YouTube或TikTok等平台公开分享的高质量视频的实际场景中，该攻击是否具有可行性？

主要发现

• 所提出的SigR模型成功将rPPG信号恢复为与真实PPG波形高度相似的波形，在基于PPG的生物特征认证欺骗攻击中实现了62%的平均成功率。
• 攻击成功率显著高于随机猜测，且在不同生理状态（静息、说话、计算）下表现一致，表明对生理变化具有鲁棒性。
• 帧率对攻击成功率有显著影响：较低帧率（如20 FPS）导致Kolmogorov-Smirnov（KS）检验p值更高，表明波形失真更严重，欺骗效果降低。
• 帧尺寸和美颜滤镜主要影响原始PPG波形特征，而码率对信号保真度的影响较小。
• 从COHFACE数据集提取的rPPG信号（质量较低：20 FPS，640×480，255 Kbps）不足以破坏生物特征系统，凸显了视频质量在攻击可行性中的关键作用。
• 本研究证实，社交媒体平台中常见的高质量高清视频可被用于提取可用的rPPG信号，使该攻击在实际环境中具有可行性。