Biometrická autentizace pomocí broušení zubů

Dvě nedávné výzkumné práce z USA a Číny navrhují novou metodu zubní autentizace: stačí trochu zabrousit nebo zakousnout zuby a zařízení nosité na uchu (tzv. “earable”, které může také sloužit jako běžné zařízení pro poslech hudby) rozpozná jedinečný zvukový vzorec vytvořený abrazí dentální architektury a vygeneruje platný biometrický “přístup” do vhodně vybaveného challenge systému.

Různá zařízení nositelná na uchu pro obě systémy. Zdroje: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf (ToothSonic) a https://cis.temple.edu/~yu/research/TeethPass-Info22.pdf (TeethPass)

Předchozí metody dentální autentizace (tj. pro živé lidi, nikoli pro forenzní identifikaci) vyžadovaly, aby uživatel “ukázal zuby” tak, aby dentální rozpoznávací systém mohl potvrdit, že jeho zuby odpovídají biometrickým záznamům. V létě 2021 skupina výzkumníků z Indie získala pozornost díky takovému systému, nazvanému DeepTeeth.

Nové navrhované systémy, nazvané ToothSonic a TeethPass, pocházejí z akademické spolupráce mezi Floridskou státní univerzitou a Rutgersovou univerzitou ve Spojených státech a z gemeinské spolupráce mezi výzkumníky z Pekingského technologického institutu, Císařské univerzity a Pekingské univerzity technologie, kteří spolupracují s oddělením počítačových a informačních věd na Temple University v Philadelphii.

ToothSonic

Celý systém ToothSonic, který je založen pouze ve Spojených státech, byl navržen v práci Ear Wearable (Earable) User Authentication via Acoustic Toothprint.

Autoři ToothSonic uvádějí:

‘ToothSonic [využívá] sonic efekt indukovaný zuby, který je vytvořen uživatelem během gest zubů pro earable autentizaci. Konkrétně navrhujeme reprezentativní gesta zubů, která mohou produkovat efektivní sonic vlny nesoucí informace o zubním otisku.

‘Pro spolehlivé zachycení akustického zubního otisku využívá ToothSonic efekt okluze ušního kanálu a mikrofonu earable, který směřuje dovnitř. Poté extrahuje vícebodové akustické funkce, které odrážejí vnitřní informace o zubním otisku pro autentizaci.’

Faktory, které vytvářejí jedinečný zvukový zubní otisk registrovaný v zařízení nositelném na uchu. Zdroj: https://arxiv.org/ftp/arxiv/papers/2204/2204.07199.pdf

Výzkumníci uvádějí několik výhod zvukových vzorců zubů/lebky, které se vztahují i na čínský projekt. Například by bylo mimořádně obtížné napodobit nebo podvrhnout zubní otisk, který musí projít jedinečnou architekturou hlavy a lebečního kanálu, než bude zaznamenán jako “šablona” pro budoucí autentizaci.

Kromě toho identifikace založená na zubním otisku nejen eliminuje potenciální trapnost úsměvu nebo grimasy pro mobilní nebo vestavěnou kameru, ale také odstraňuje potřebu, aby uživatel byl nějakým způsobem rozptýlen od potenciálně kritických aktivit, jako je řízení vozidla.

Kromě toho je tato metoda vhodná pro mnoho lidí s motorickými poruchami, zatímco zařízení mohou být potenciálně začleněna do earbudů, jejichž primární použití je mnohem častější (tj. poslech hudby a telefonování), což odstraňuje potřebu samostatných, autonomních autentizačních zařízení nebo použití mobilních aplikací.

Dále je možnost reprodukovat osobu denticii v podvodném útoku (tj. tisknutím fotografie z neomezeného příspěvku na sociálních médiích) nebo dokonce replikovat jejich zuby v nepravděpodobném scénáři získání komplexních a úplných dentálních odlitků, vyloučena skutečností, že zvuky abrazí zubů jsou filtrovány kompletně skrytou vnitřní geometrií čelisti a sluchového kanálu.

Z ToothSonic práce, efekt okluze ušního kanálu činí náhodnou reprodukci nebo napodobení prakticky nemožným.

Jako útočný vektor zůstává jedinou zbývající možností (kromě fyzického donucení uživatele) získat přístup k databázi hostitelského bezpečnostního systému a zcela nahradit uživatelský zaznamenaný zvukový zubní otisk útočníkovým vlastním vzorem (protože nelegální získání někoho jiného zubního otisku by nevedlo k žádné praktické metodě autentizace).

Pracovní postup pro ToothSonic.

Ačkoli existuje malá možnost, že útočník může přehrát záznam žvýkání ve své vlastní ústech, čínský vedený projekt zjistil, že tato metoda je nejen nápadná, ale také velmi nešťastná, s minimální šancí na úspěch (viz níže).

Jedinečný úsměv

Práce ToothSonic popisuje mnoho jedinečných charakteristik v uživatelské dentici, včetně tříd okluze (jako je předkus), hustoty skloviny a rezonance, chybějících zvukových informací z extrahovaných zubů, jedinečných charakteristik porcelánových a kovových náhrad (mezi jinými možnými materiály) a morfologie hrotu, mezi mnoha dalšími možnými rozlišujícími rysy.

Autoři uvádějí:

‘[Zvukové vlny indukované zuby] jsou zachyceny prostřednictvím soukromého kanálu zub-ucha uživatele. Náš systém je tak odolný proti pokročilým napodobovacím a přehrávacím útokům, protože soukromý kanál zub-ucha uživatele zajišťuje zvukové vlny, které jsou nepravděpodobně odhaleny útočníky.’

Pohyb čelisti má omezený rozsah mobility, autoři předpokládají deset možných manipulací, které by mohly být zaznamenány jako životaschopné biometrické otisky, znázorněné níže jako “pokročilá gesta zubů”:

Některá z těchto pohybů jsou obtížnější než ostatní, ale obtížnější pohyby nevytvářejí vzory, které by byly snazší nebo obtížnější napodobit nebo podvrhnout než méně náročné pohyby.

Makro-úrovňové charakteristiky příslušných pohybů zubů jsou extrahovány pomocí Gaussovy modelu směsi (GMM) pro rozpoznávání mluvčích. Koeficienty Mel-frekvenční cepstrální (MFCC) jsou získány pro každý možný pohyb.

Šest různých posuvných gest pro stejného subjektu během extrakce MFCC v systému ToothSonic.

Vzniklý signální zvukový vzorec, který tvoří jedinečný biometrický podpis, je vysoce náchylný k určitým vibracím lidského těla; ToothSonic proto uplatňuje filtr pásma mezi 20-8000Hz.

Segmentace zvukové vlny je dosažena pomocí skrytého Markovova modelu (HMM), v souladu se dvěma předchozími pracemi z Německa.

Pro autentizační model jsou odvozené funkce vloženy do plně propojené neuronové sítě, procházející různé vrstvy, až po aktivaci pomocí ReLU. Poslední plně propojená vrstva používá Softmax funkci pro generování výsledků a předpovězeného štítku pro autentizační scénář.

Trénovací databáze byla získána tím, že 25 účastníků (10 žen, 15 mužů) nosilo upravené earbudy v reálném prostředí a provádělo své normální činnosti. Prototyp earbudu (viz první obrázek výše) byl vytvořen za několik dolarů s běžným spotřebním hardwarem a obsahuje jeden mikrofonový čip. Výzkumníci tvrdí, že komerční implementace takového zařízení by byla velmi dostupná.

Učící model se skládal z neuronových klasifikátorů v MATLABu, trénovaných při rychlosti učení 0,01, s LBFGS jako ztrátovou funkci. Metody hodnocení pro autentizaci byly FRR, FAR a BAC.

Celkové výsledky pro ToothSonic byly velmi dobré, v závislosti na obtížnosti vnitřního gesta úst:

Byly získány výsledky napříč třemi úrovněmi obtížnosti gest úst: pohodlné, méně pohodlné a obtížné. Jeden z uživatelských preferovaných gest dosáhl přesnostní sazbu 95%.

Co se týče omezení, uživatelé připouštějí, že změny zubů v čase pravděpodobně vyžadují, aby uživatel znovu vytvořil zvukový zubní otisk, například po významné dentální práci. Kromě toho může kvalita skloviny zhoršit nebo jinak změnit v čase, a výzkumníci navrhují, že starší lidé by mohli být požádáni, aby aktualizovali své profily pravidelně.

Autoři také připouštějí, že earbudy pro více použití by vyžadovaly, aby uživatel přerušil hudbu nebo konverzaci během autentizace (stejně jako čínský vedený TeethPass), a že mnoho současných earbudů nemá dostatečnou výpočetní sílu pro podporu takového systému.

Navzdory tomu pozorují*:

‘Povzbudivě, nedávné vydání Apple H1 čipu v Airpods Pro a QCS400 od Qualcomm (QCOM ) jsou schopny podporovat hlasové AI na zařízení. To znamená, že implementace ToothSonic na earable by mohla být realizována v blízké budoucnosti.’

Nicméně, práce připouští, že tato další zpracování by mohla ovlivnit životnost baterie.

TeethPass

Publikovaná v práci TeethPass: Dental Occlusion-based User Authentication via In-ear Acoustic Sensing, čínsko-americký projekt funguje na podobných principech jako ToothSonic, s ohledem na průchod signálního zvuku z dentální abrazie přes sluchový kanál a intervenující kostní struktury.

Odstranění vzdušného šumu je provedeno ve fázi sběru dat, kombinované s redukcí šumu a – stejně jako u přístupu ToothSonic – je uplatněn vhodný frekvenční filtr pro zvukový otisk.

Architektura systému pro TeethPass.

Konečné extrahované funkce MFCC jsou použity pro trénování Siamese neuronové sítě.

Struktura Siamese neuronové sítě pro TeethPass.

Metriky hodnocení pro systém byly FRR, FAR a matice záměny. Stejně jako u ToothSonic, systém byl nalezen jako robustní proti třem typům možných útoků: napodobení, přehrávání a hybridní útok. V jednom případě výzkumníci provedli útok tak, že přehráli zvuk uživatelského dentálního pohybu uvnitř úst útočníka, s malým reproduktorem, a zjistili, že na vzdálenostech kratších než 20 cm má tato hybridní metoda útoků více než 1% šanci na úspěch.

Všechny ostatní scénáře, překážka napodobení vnitřní konstrukce lebky cíle, například během přehrávacího útoku, činí “únos” scénář jedním z nejméně pravděpodobných rizik v rámci standardních biometrických autentizačních rámců.

Podrobné experimenty prokázaly, že TeethPass dosáhl průměrné autentizační přesnosti 98,6% a mohl odolat 98,9% útoků na podvržení.

* Mé převedení inline citací autorů na hypertextové odkazy

První vydání 18. dubna 2022. Aktualizováno 19. dubna 8:30 EET, aby se opravily chyby v popiscích.