A Security Model for Adaptive Face Authentication Systems Using Deep Learning Techniques

Loading...
Thumbnail Image
Date
2020
Journal Title
Journal ISSN
Volume Title
Publisher
Imam Abdulrahman Bin Faisal University
Abstract
With the widespread of computing and mobile devices, authentication using biometrics has received greater attention. Although biometric systems usually provide reasonable solutions, the recognition performance gets negatively affected over time due to changing conditions and ageing of biometric data, which results in intra-class variability. Fortunately, adaptive biometric have delivered as a solution to the addressed issue in which the system gradually adapts to new changes in user biometrics. In this thesis, an adaptive model has been introduced using deep learning and feature injection techniques to identify users even with a long-time gap. The proposed system has shown enhanced performance when compared to state of the art models. Notably, any system that employs templates updating mechanism may be exploited by an attacker to compromise the stored templates, either to impersonate a specific client or to deny access to him. The most common attack to adaptive authentication called poisoning attack where a skilled attacker gradually introduce engineered templates to the adaptive system until the imposter’s template becomes the new user reference. This attack was identified by Biggio as the main threat to any adaptive system. In furtherance to the objective of this thesis; a novel security framework has been developed to protect adaptive biometric systems against such kind of attack. It also ensures the robustness of the adaptive process since it provided the capability of recovering successfully from the attack when the system is suspected of getting poisoned. The new security model is reliable enough to protect users’ integrity, availability and privacy.
Description
مع انتشار الحوسبة، حظيت المصادقة باستخدام السمات الحيوية باهتمام واسع. وعلى الرغم من شعبيتها الواسعة، إلا أن أداء التعرف بالسمات الحيوية يميل إلى أن يتأثر سلبًا بمرور الوقت بسبب الظروف المتغيرة وشيخوخة البيانات البيولوجية، مما يؤدي إلى تغيرات داخلية في الصفات الحيوية للشخص. وتعد هذه المشكلة أحد الأسباب الرئيسية لارتفاع معدل الرفض الخاطئ في أنظمة المصادقة الحيوية. رغم ذلك ولحسن الحظ، تمت معالجة هذه المشكلة باستخدام حلول المقاييس الحيوية التكيفية، والتي يتكيف فيها النظام تدريجيًا مع التغييرات الجديدة في السمات الحيوية للمستخدم. في هذا البحث، تم إدخال نموذج تكيفي باستخدام تقنيات التعلم العميق وتقنية حقن السمات لزيادة أداء التعرف على الوجه، حتى عند وجود فجوة زمنية طويلة بين القوالب المخزنة والقالب المطلوب مصادقته. لقد أظهر النظام المقترح أداءً أفضل عند مقارنته بنماذج التحقق من الوجه المقترحة من كريسر وبيانكو. من ناحية أخرى، فإن أي نظام يستخدم آلية تحديث القوالب قد يستغل من قبل مهاجم لإخلال القوالب المخزنة، إما لانتحال صفة عميل معين، أو لمنع الوصول إليه. ويسمى الهجوم الأكثر شيوعًا على المصادقة التكيفية )بهجوم التسمم(، حيث يقوم مهاجم ماهر بتقديم قوالب هندسية تدريجيا إلى النظام التكيفي حتى يصبح قالب المحتال هو المرجع الجديد للمستخدم. ولحماية المقاييس الحيوية التكيفية ضد مثل هذا النوع من الهجمات، تم تطوير إطار أمني جديد في هذه الأطروحة باستخدام تقنيات التعلم العميق. وقد ثبت أن النموذج المقترح يوقف العملية التكيفية عندما يشتبه في أن النظام قد تعرض للتسمم، ثم يعافي النظام من كل آثار الهجوم بنجاح بإزالة القوالب المتسممة. إن نموذج الأمان موثوق به بما يكفي لحماية بيانات المستخدمين من الاستغلال أو التعديل وكذلك يحمي خصوصياتهم .
Keywords
Face Authentication, Deep Learning Techniques, Biometric, FaceVerification, NeuralNetwork
Citation
Collections