《生物特征识别 移动设备上的呈现攻击、PAD分类和模式》由会员分享，可在线阅读，更多相关《生物特征识别 移动设备上的呈现攻击、PAD分类和模式（5页珍藏版）》请在金锄头文库上搜索。
1、GB/T 37036.8 XXXX 8 附录A （资料性） 移动设备上的呈现攻击 A.1呈现攻击流程 移动设备呈现攻击者一般属于生物特征识别假冒者，且是以特定对象为目标的生物特征识别假冒 者。移动设备呈现攻击一般完成： a)构建特定攻击对象的生物特征及PAI； b)通过PAD； c)通过生物特征识别质量判断； d)通过生物特征提取； e)通过生物特征比对，被系统识别为目标攻击对象。 A.2PAI分类 PAI见图A.1，是呈现攻击手段的核心。应用于移动设备生物特征识别的PAI可分为复制假体、合成 假体、死体/残体、被篡改人体、被胁迫人体及其他。 图 A.1移动设备 PAI A.3呈现攻击手段 呈
2、现攻击手段多种多样，进行划分和特征描述的维度包括： a)不同制备要素。包括目标生物特征的获取、制作难度、攻击使用方法、成本等； b)不同攻击强度。包括质量、仿真度、耐用性、依赖性等。 A.3.1PAI制备要素 制备要素反映了PAI的攻击潜能。根据PAI的生命周期，分为PAI的设计阶段、制备阶段、使用阶段 三个部分。如图A.2 所示。 GB/T 37036.8 XXXX 9 图 A.2PAI 制备要素 在PAI的设计阶段， 应找出有效攻击PAD系统的方法， 定义可行的流程， 展示其可行性和实际可用性。 本阶段制备要素所涉及的模型因子包括：专业技能、所需知识、耗时。 专业技能指要求PAI设计者所具
3、有的技能。知识指针对拟攻破的PAD系统的知识，以及常规的知识。 例如，如果一个PAI的设计过程中，采用了广泛公知的技术，则需要的技能和知识相对较少。如果一个 PAI的设计是创新性的，采用的是不为公众所知晓的技术，则需要的技能和知识相对要求较高。 耗时指设计者成功设计出PAI所消耗的所有时间。 在PAI的制备阶段，应真正制造出一个PAI，并且完成所有可能需要的准备工作，直到该PAI可以攻 击PAD系统。本阶段制备要素所涉及的模型因子包括：专业技能与制造技能、源特征的获取、制作材料 与制作工具、耗时、成本。 由于移动设备的呈现攻击者是生物特征识别假冒者， 因此必须针对特定对象获取源特征。 源特征的
4、 获取指拟模仿的真实生物特征的获取，与不同的生物特征识别模态紧密相关，并且依赖于技术的演进。 移动设备中典型的源特征来源如表A.1所示。 表 A.1PAI 源特征的获取 PAI目标特征的获取方式描述典型例子 基于假体复制假体目标主动配合，直接采集在目标对象的主观配合下， 直接从目标 对象采集生物特征是 直接制作指模 目标无意识，间接采集间接采集到目标无意识遗留下的生物 特征 杯子上留下的指纹 媒体翻录，间接采集直接翻录媒体上记录的目标对象的生 物特征 照片，视频 合成假体再生成根据模板中的信息，合成 PAI指纹合成 基于人体残体从真人活体中切割获取活人切下手指 死体直接使用死人尸体死人的手 制
5、作材料与制作工具，描述了获取制造假体攻击工具的材料，以及制备攻击工具的难度。 耗时是制作者完成假体攻击工具整个制作过程所消耗的时间。 成本应覆盖购置材料、生产成本、购置设备成本以及所有其他开销。 在PAI的使用阶段，对PAD子系统发起攻击。本阶段制备要素所涉及的模型因子包括：使用技能、使 用环境、工具、调试等。 使用技能指攻击者正确使用PAI发起攻击所需要的培训和技术。 使用环境描述了攻击执行的环境条件，例如有人值守。 工具指用PAI执行向活体检测系统攻击时所使用的工具，如计算机、相机、移动通信终端等。 GB/T 37036.8 XXXX 10 调试指对PAD子系统技术参数上的调整，以及生物特
6、征识别假冒者的攻击尝试是否受到限制。 A.3.2攻击强度 攻击强度一般由以下因素决定： a)PAI 质量，如假体的分辨率、材质、帧率等； b)PAI 仿真度，如对人造手指模型的汗腺模拟逼真程度； c)PAI 持久性，即 PAI 保持有效性的时间。持久性差的 PAI，在使用一次或多次后，攻击效果明 显下降； d)PAI 一致性，即不同批次制作的假体攻击工具，攻击效果是否一致； e)PAI 依赖性，包括对特定目标的依赖性，以及对特定系统的依赖性。如果 PAI 仅能适用于某个 特定对象，比如只在模仿某固定人的时候才奏效，则依赖性强。 GB/T 37036.8 XXXX 11 BB 附录B （资料性）
7、 PAD 分类和模式 B.1检测分类 PAD的目标是自动化的准确检测出呈现攻击， 防止对生物特征识别系统造成威胁和干扰。 PAD机制可 以通过采集、分析不同的特征来实现，即依赖于不同的检测依据进行决策。PAD分为基于数据采集主体 为检测依据，以及基于场景为检测依据两类。支持同时采用多个分类进行检测。检测分类如图B.1所示。 图 B.1移动设备 PAD 分类 基于主体进行PAD时，主要考虑数据采集对象预期应提供的生物特征或反应。具体细分为被动模式 和主动模式。对于被动模式，数据采集对象是无感知的，不会被打扰，也不需要理解或执行任何行为。 对于主动模式，数据采集对象需要理解系统给出的指令，并进行正
8、确的反馈。 基于场景进行PAD时，考虑数据采集主体之外的因素，例如检测到屏幕的反光、摩尔纹等通常意味 着在发起基于电子设备的假体攻击。 必要时，可考虑混合采用多种决策因素，典型的如人脸识别活体检测中的2D图片深度学习，经过训 练，可以依据多种决策因素实现PAD。 注：通常无法判断不同检测依据的PAD方法的强弱。检测依据的类型无法与攻击呈现类型一一对应。例如，假体可 能由解剖学检测依据进行检测，也可能由生理检测依据进行检测，也有可能由主动检测依据进行检测。 B.2检测模式 检测模式指在PAD过程中是否使用了挑战-响应机制， 以及使用了何种挑战-响应机制。 移动设备PAD 的检测模式如表B.1所示
9、。 表 B.1检测模式 检测模式含义 主动挑战-响应PAD系统发送某种刺激要素，需要用户有意识的识别，并有意识的 给予反应 被动挑战-响应PAD系统发送某种刺激要素，无需用户有意识的配合反应 无挑战-响应PAD系统不会发送刺激要素 典型的分析如表B.2所示。 表 B.2典型的检测依据和检测模式 GB/T 37036.8 XXXX 12 检测依据 检测模式 分类典型示例 基于主体的 被动 解剖学的 皮肤对光线的吸收被动 挑战-响应（如发射光线） 皮肤纹理非 挑战-响应 皮肤电阻非 挑战-响应 皮肤组织结构被动挑战-响应(如 OCT，发射红外光) 3D 结构 双目系统中是非挑战-响应， 结构光和 ToF 是被 动挑战-响应 生理的 光照射下瞳孔大小变化被动 挑战-响应 脉搏非 挑战-响应 手指表面出汗非 挑战-响应 主动根据指示点头主动 挑战-响应 基于场景的摩尔纹检测/
