AMB-FHE: Adaptive Multi-biometric Fusion with Fully Homomorphic Encryption

📄 arXiv: 2503.23949v1 📥 PDF

作者: Florian Bayer, Christian Rathgeb

分类: cs.CR, cs.CV

发布日期: 2025-03-31

💡 一句话要点

提出AMB-FHE，一种基于全同态加密的自适应多生物特征融合方法，提升隐私保护和系统灵活性。

🎯 匹配领域: 支柱五：交互与反应 (Interaction & Reaction)

关键词: 多生物特征融合 全同态加密 隐私保护 自适应认证 生物特征识别

📋 核心要点

  1. 多生物特征系统在安全性要求高的场景中应用广泛，但同时呈现多种生物特征降低了用户体验，且并非总是必要。
  2. AMB-FHE通过全同态加密联合加密多模态生物特征模板，实现运行时安全需求自适应，提升隐私保护。
  3. 该方法易于实现，通过在CASIA虹膜和MCYT指纹数据集上的实验验证，提升了生物特征认证的灵活性。

📝 摘要（中文）

生物特征系统致力于平衡安全性和可用性。通常建议在高安全应用中使用结合多种生物特征模态的多生物特征系统。然而，呈现多种生物特征模态可能会损害整个系统的用户友好性，并且可能并非在所有情况下都是必要的。本文提出了一种简单而灵活的方法，以提高同态加密的多生物特征参考模板的隐私保护，同时使系统能够在运行时适应安全需求：一种基于全同态加密的自适应多生物特征融合（AMB-FHE）。AMB-FHE使用深度神经网络进行特征提取，并针对包含CASIA虹膜和MCYT指纹数据集的双模生物特征数据库进行了基准测试。我们的贡献易于实施，并在通过联合加密来自多个模态的模板来提供更高的隐私保护的同时，提高了生物特征认证的灵活性。

🔬 方法详解

问题定义：现有生物特征系统在追求高安全性的同时，往往牺牲了用户体验。多生物特征融合虽然提高了安全性，但用户需要提供多种生物特征，增加了操作复杂性。此外，如何在保证安全性的前提下，根据实际安全需求动态调整系统行为是一个挑战。现有方法缺乏在隐私保护和灵活性之间的有效平衡。

核心思路：AMB-FHE的核心思路是利用全同态加密（FHE）技术，对多模态生物特征模板进行联合加密。通过在加密域进行生物特征融合和匹配，可以在不泄露原始生物特征信息的前提下实现身份验证。此外，该方法允许根据运行时安全需求自适应地调整融合策略，从而在安全性和可用性之间取得平衡。

技术框架：AMB-FHE系统主要包含以下几个阶段：1) 特征提取：使用深度神经网络从不同的生物特征模态（例如虹膜和指纹）中提取特征向量。2) 加密：使用全同态加密算法对提取的特征向量进行加密。3) 融合：在加密域中，根据预定义的融合策略（例如加权平均）将来自不同模态的加密特征向量进行融合。4) 匹配：将融合后的加密模板与加密的查询特征进行匹配，得到匹配分数。5) 解密：对匹配分数进行解密，并根据预设的阈值判断身份验证是否成功。

关键创新：AMB-FHE的关键创新在于将自适应融合策略与全同态加密技术相结合。传统的生物特征系统通常采用固定的融合策略，无法根据实际安全需求进行调整。AMB-FHE允许在运行时动态调整融合权重，从而在安全性和可用性之间取得更好的平衡。此外，通过全同态加密，AMB-FHE可以在不泄露原始生物特征信息的前提下进行生物特征匹配，从而提供更高的隐私保护。

关键设计：AMB-FHE的关键设计包括：1) 特征提取网络的选择：论文使用了深度神经网络进行特征提取，具体网络结构未知。2) 全同态加密方案的选择：论文未明确指出使用的具体FHE方案，但需要选择一种支持高效加密域计算的方案。3) 融合策略的设计：论文提到使用加权平均作为融合策略，但具体的权重设置需要根据实际应用场景进行调整。4) 阈值的设定：用于判断身份验证是否成功的阈值需要根据实验数据进行优化。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

论文使用CASIA虹膜和MCYT指纹数据集进行了实验验证，证明了AMB-FHE的可行性。虽然论文中没有给出具体的性能数据，但强调了该方法易于实现，并且在提供更高隐私保护的同时，提高了生物特征认证的灵活性。未来的工作可以进一步评估AMB-FHE在不同数据集和安全需求下的性能表现。

🎯 应用场景

AMB-FHE适用于对隐私保护有较高要求的生物特征认证场景，例如金融支付、安全门禁、远程身份验证等。该方法可以有效防止生物特征信息泄露，降低被攻击的风险。未来，AMB-FHE可以与其他隐私保护技术（如差分隐私）相结合，进一步提升系统的安全性。

📄 摘要（原文）

Biometric systems strive to balance security and usability. The use of multi-biometric systems combining multiple biometric modalities is usually recommended for high-security applications. However, the presentation of multiple biometric modalities can impair the user-friendliness of the overall system and might not be necessary in all cases. In this work, we present a simple but flexible approach to increase the privacy protection of homomorphically encrypted multi-biometric reference templates while enabling adaptation to security requirements at run-time: An adaptive multi-biometric fusion with fully homomorphic encryption (AMB-FHE). AMB-FHE is benchmarked against a bimodal biometric database consisting of the CASIA iris and MCYT fingerprint datasets using deep neural networks for feature extraction. Our contribution is easy to implement and increases the flexibility of biometric authentication while offering increased privacy protection through joint encryption of templates from multiple modalities.