Swap It Like Its Hot: Segmentation-based spoof attacks on eye-tracking images

📄 arXiv: 2404.13827v1 📥 PDF

作者: Anish S. Narkar, Brendan David-John

分类: cs.CV

发布日期: 2024-04-22

💡 一句话要点

提出IrisSwap以解决眼动追踪图像的伪造攻击问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 虹膜识别 眼动追踪 伪造攻击 活体检测 生物识别安全 图像处理 安全防护

📋 核心要点

  1. 现有的活体检测方法无法识别通过数字操控交换虹膜图案的伪造攻击，存在明显的安全漏洞。
  2. 本文提出IrisSwap，通过对虹膜图案进行分割和数字交换，成功欺骗虹膜认证系统。
  3. 实验结果显示，IrisSwap在离线和在线攻击中均能以高达58%的成功率欺骗现有防御模型，具有显著效果。

📝 摘要（中文）

基于视频的眼动追踪器捕捉虹膜生物特征并用于身份认证，但生物识别认证容易受到物理或数字操控的伪造攻击。现有的物理伪造攻击检测标准依赖于活体检测，能够有效区分真实与伪造的注视数据。然而，当真实的眼部图像输入被数字操控以交换他人的虹膜图案时，现有防御措施无法检测到这种伪造攻击。本文提出了一种名为IrisSwap的新型攻击方法，允许攻击者对受害者的虹膜图案进行分割和数字交换，从而欺骗虹膜认证。无论是离线还是在线攻击，均能以高达58%的成功率欺骗当前最先进的防御模型，强调了开发更先进的眼动追踪认证方法的必要性。

🔬 方法详解

问题定义：本文旨在解决当前眼动追踪技术中，活体检测无法识别的数字伪造攻击问题。现有方法在面对虹膜图案交换攻击时显得无能为力，导致安全隐患。

核心思路：IrisSwap的核心思路是通过对目标虹膜图案进行分割和数字化处理，实现在真实眼动数据中插入伪造的虹膜图案，从而欺骗认证系统。此设计旨在利用现有活体检测技术的盲点，增强攻击的隐蔽性。

技术框架：IrisSwap的整体架构包括三个主要模块：虹膜图像分割模块、虹膜图案交换模块和攻击数据生成模块。首先，分割模块提取目标虹膜图案，然后通过交换模块将其嵌入到真实的眼动数据中，最后生成可用于攻击的伪造数据。

关键创新：IrisSwap的主要创新在于其能够在不改变原始眼动数据的情况下，成功插入伪造的虹膜图案。这一方法与传统的物理伪造攻击检测机制有本质区别，突破了现有防御的局限性。

关键设计：在设计过程中，采用了特定的图像处理算法来确保虹膜图案的无缝融合，并使用了针对性损失函数来优化伪造数据的生成效果。此外，网络结构经过精心调整，以提高对细节的捕捉能力，确保攻击的成功率。

📊 实验亮点

实验结果表明，IrisSwap在离线和在线攻击中成功欺骗现有防御模型的比例高达58%。这一结果显著高于传统活体检测方法，突显了该攻击方法的有效性和潜在威胁，呼吁对眼动追踪技术进行更深入的安全研究。

🎯 应用场景

该研究的潜在应用领域包括金融安全、个人身份验证和智能设备的安全防护等。随着生物识别技术的广泛应用，IrisSwap的发现提示我们在设计认证系统时需要考虑更复杂的攻击方式，从而提升安全性。未来，研究者可以基于此方法开发出更为先进的防伪技术，以应对不断演变的安全威胁。

📄 摘要（原文）

Video-based eye trackers capture the iris biometric and enable authentication to secure user identity. However, biometric authentication is susceptible to spoofing another user's identity through physical or digital manipulation. The current standard to identify physical spoofing attacks on eye-tracking sensors uses liveness detection. Liveness detection classifies gaze data as real or fake, which is sufficient to detect physical presentation attacks. However, such defenses cannot detect a spoofing attack when real eye image inputs are digitally manipulated to swap the iris pattern of another person. We propose IrisSwap as a novel attack on gaze-based liveness detection. IrisSwap allows attackers to segment and digitally swap in a victim's iris pattern to fool iris authentication. Both offline and online attacks produce gaze data that deceives the current state-of-the-art defense models at rates up to 58% and motivates the need to develop more advanced authentication methods for eye trackers.