基于PCA的生物识别系统的演示攻击使用cGAN生成的ECG

科学领域:

• 生物识别信息 生物识别信息
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 电心电图 (ECG) 由于其独特的内在和动态特性,具有有前途的生物识别特征,比传统方法提供更好的安全性.
• 电脑心电图生物识别系统容易受到复杂的攻击,特别是那些使用现实的合成电脑心电图痕迹的系统.
• 目前用于生成合成心电图的方法通常是可检测的,这导致了对系统安全性的高估.

研究的目的:

• 开发一种用于生成连续合成心电图痕迹的新方法,具有现实的动态可变性.
• 评估ECG生物识别系统对先进合成攻击痕迹的安全漏洞.
• 评估生成的合成心电图对基于主要组件分析 (PCA) 的心电图生物识别系统的性能的影响.

主要方法:

• 使用条件生成对抗网络 (cGAN) 架构进行合成心电图生成.
• 集成的对抗性训练以增强生成的心电图痕迹的现实性和动态变化 (心跳间和心率变化).
• 评估了合成ECG在破坏PCA基础的ECG生物识别系统方面的有效性.

主要成果:

• 提出的基于cGAN的方法成功生成了具有动态可变性的现实的连续心电图痕迹.
• 合成的心电图痕迹能够破坏基于PCA的心电图生物识别系统.
• 当使用生成的合成心电图进行攻击时,假阳性识别错误率增加了5.75%.

结论:

• 这项研究表明,心电图生物识别系统对先进合成攻击的脆弱性.
• 条件生成对抗网络为安全评估生成现实的合成生物识别数据提供了强大的工具.
• 需要进行进一步的研究,以开发可靠的ECG生物识别呈现攻击检测方法.