ในตลาดสมาร์ทโฟนวันนี้อุปกรณ์ใหม่เกือบทุกชิ้นมาพร้อมกับการตรวจสอบความถูกต้องทางชีวภาพบางรูปแบบเพื่อความปลอดภัยที่เพิ่มขึ้น ในขณะที่ Biometrics ลายนิ้วมือแบบไม่สัมผัสได้ถูกใช้งานมาระยะหนึ่ง แต่ก็มีความกังวลเพิ่มขึ้นเกี่ยวกับความอ่อนแอของระบบไบโอเมตริกซ์ลายนิ้วมือที่ใช้สมาร์ทโฟนเพื่อเพิ่มการโจมตี
ทีมวิจัยจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีนอร์เวย์ได้หยิบยกวิธีการสร้างการโจมตี morphingบนไบโอเมตริก“ fingerphoto” ที่ถ่ายโดยใช้สมาร์ทโฟน พวกเขาได้พัฒนาอัลกอริทึมที่แตกต่างกันสามประการสำหรับการสร้างการโจมตี morphing ที่ระดับภาพทำให้พวกเขาสามารถสร้างภาพลายนิ้วมือที่มีค่ามอร์ฟที่มีการบิดเบือนน้อยที่สุด
การวิจัยใช้ชุดข้อมูลสองชุด: หนึ่งชุดที่รวบรวมโดยใช้ iPhone 6s ในสภาพในร่มและอีกชุดที่รวบรวมจากชุดข้อมูลที่เปิดเผยต่อสาธารณะ IIITD (จับโดยใช้ iPhone 5S) อัลกอริธึม morphing ที่เสนอนั้นแสดงให้เห็นว่ามีความเสี่ยงต่อการใช้งานนอกชั้นวางของเชิงพาณิชย์ (COTS) และการตรวจสอบลายนิ้วมือแบบเส้นทิศทาง (BDFV) ระบบ นักวิจัยเลือกที่จะทดสอบระบบประสาท'sVerifinger SDKในฐานะระบบการค้าที่มี“ ประสิทธิภาพการจับคู่ลายนิ้วมือที่รวดเร็วและเชื่อถือได้”
การวิจัยใช้งานก่อนหน้านี้เกี่ยวกับใบหน้า morphing ที่ดำเนินการโดยผู้เชี่ยวชาญด้านชีวภาพ Kiran Raja และChristoph Busch- บัสช์เน้นระบบการรับรู้ไบโอเมตริกซ์ที่มีความแม่นยำสูงกว่านั้นมักจะไวต่อการโจมตีแบบ morphing มากกว่าระบบที่แม่นยำน้อยกว่าดังที่แสดงในรายงานการวิจัยนี้
อัลกอริทึมทั้งสามทำหน้าที่ผ่านลำดับของขั้นตอนรวมถึงการประมวลผลล่วงหน้าการวิเคราะห์การแปรปรวนและการผสม อัลกอริทึมแต่ละตัวจะแตกต่างกันไปตามวิธีการตรวจจับจุดสำคัญที่ใช้-การทดสอบเซ็กเมนต์แบบเร่ง (FAST), การแปลงคุณสมบัติที่ไม่แปรปรวน (SIFT) และจุดศูนย์กลางของกริด
ในขั้นตอนการประมวลผลก่อนเริ่มต้นภาพ“ fingerphoto” ได้รับการแบ่งส่วนและการสกัดที่น่าสนใจ (ROI) ภาพที่ถ่ายโดยใช้สมาร์ทโฟนถูกนำมาใช้เพื่อแยก ROI โดยใช้เทคนิคการใช้งานเช่นการปลูกพื้นหลังการจัดตำแหน่งและการปรับปรุงโดยใช้วิธีการเช่นตัวกรอง Frangi
ในระหว่างขั้นตอนการวิเคราะห์อัลกอริทึมจะสร้าง morphs ที่“ เชื่อถือได้” โดยการแบ่งภาพ fingerphoto เป็นกริดสี่เหลี่ยมที่มีขนาดแตกต่างกัน Keypoints ภายในแต่ละกริดจะถูกระบุโดยใช้วิธีการดังกล่าวสามวิธี จุดสำคัญเหล่านี้จะถูกใช้เพื่อสร้างสามเหลี่ยมภายในแต่ละกริดซึ่งเป็นพื้นฐานสำหรับกระบวนการ morphing
ขั้นตอนการห่อเกี่ยวข้องกับการแปลงสามเหลี่ยมจากภาพต้นฉบับเป็นสามเหลี่ยมที่สอดคล้องกันในภาพที่แปรเปลี่ยน ขั้นตอนสุดท้ายเกี่ยวข้องกับการผสมภาพที่ห่อหุ้มเพื่อสร้างภาพที่แปรเปลี่ยน
การศึกษายังเสนออัลกอริทึมการตรวจจับการโจมตีแบบ morphing โดยใช้คุณสมบัติที่ทำด้วยมือและลึก อย่างไรก็ตามนักวิจัยตั้งข้อสังเกตว่ารูปแบบที่เสนอพบกับความท้าทายในการตรวจจับการโจมตีประเภทนี้อย่างถูกต้องตามที่ระบุโดยอัตราความผิดพลาดสูงในผลการตรวจจับ
แม้ว่าทั้งระบบ COTS และ BDFV นั้นมีความอ่อนไหว แต่ซอฟต์แวร์เชิงพาณิชย์มีศักยภาพในการโจมตีสูงกว่า “ ช่องโหว่ของภาพ morphing นั้นขึ้นอยู่กับคุณภาพของตัวอย่าง fingerphoto ที่ใช้ในการสร้าง morphing” งานวิจัยสรุป
หัวข้อบทความ
ไบโอเมตริกซ์-การวิจัยทางชีวภาพ-biometric fingerphoto-ไบโอเมตริกซ์ลายนิ้วมือ-การโจมตีที่แปรเปลี่ยน-สมาร์ทโฟน-การปลอมแปลง
