Aditya Singh Rathore(纽约州立大学布法罗分校)、Yijie Shen(浙江大学)、Chenhan Xu(纽约州布法罗大学)、Jacob Snyderman(纽约州立学院布法罗学院)、Jinsong Han(浙江大学,徐文耀(纽约州立大学布法罗分校)、奎仁(浙江大学)

如何防御通过人造假手指进行的呈现攻击是指纹生物识别的核心挑战。安全性、可用性和生产成本之间的权衡促使研究人员达成了一个共同的观点,即将商业指纹技术与防滑检测(例如脊特征)相结合。假设由于假冒材料的成分或非自动制造错误,假冒手指永远不会与活生生的手指紧密相关,则这些防滑溜解决方案被视为具有足够的弹性。在本文中,我们首先确定了商业指纹产品中的实际防雾解决方案的脆弱性。我们没有使用昂贵的3D假手指(1000美元以上),而是模拟了一个更现实的场景,攻击者使用低成本的聚醋酸乙烯材料(低于50美元)制造高精度假指纹。在此基础上,我们引入了一种实用且安全的对策,即FakeGuard,以克服暴露的漏洞。我们研究了指尖表皮与触觉表面相互作用时产生的3D触觉反应效应的性质,该效应反映了活手指和假手指的不同解剖结构。与以前的缓解策略不同,FakeGuard提供了与现有指纹扫描仪的硬件和软件兼容性。作为对基于触觉的防抖解决方案的首次探索,我们展示了FakeGuard防止已知和未知假手指攻击的能力,平均检测误差为1.4%。我们还检查并证明FakeGuard对七种不同物理攻击的抵御能力,例如,通过压力变化或部分指纹进行暴力攻击,通过先进的欺骗材料或侧通道干扰进行触觉反应改变,以及通过操纵湿度、照明、,以及周围环境的温度。

查看更多论文

像1996年一样构建嵌入式系统

Yu Ruotong(犹他大学史蒂文斯理工学院)、Francesca Del Nin(帕多瓦大学)、Yuchen Zhang(史蒂文斯理工学院)、Shan Huang(史蒂文斯理工学院)、Pallavi Kaliyar(挪威科技大学)、Sarah Zakto(网络独立测试实验室),Mauro Conti(帕多瓦大学、代尔夫特科技大学)、Georgios Portokalidis(史蒂文斯研究所)…

阅读更多信息

演示#8:基于视觉标记识别无人机

Ben Nassi(内盖夫本古里安大学)、Elad Feldman(内盖夫本古里昂大学)、Aviel Levy(内盖文本古里恩大学)、Yaron Pirutin(内盖夫本古里安大学),Asaf Shabtai(内格夫本古里昂大学),Ryusuke Masuoka(富士通系统集成实验室)和Yuval Elovici(内盖夫本古里昂大学)

阅读更多信息

Clarion:多方洗牌协议的匿名通信

Saba Eskandarian(北卡罗来纳大学教堂山分校)、Dan Boneh(斯坦福大学)

阅读更多信息

DrawnPart:一种深度学习的增强型GPU指纹技术

奈夫·梅哈纳(里尔大学,CNRS,Inria),托梅尔·劳尔(内盖夫本-古里安大学)

阅读更多信息