วัดความปลอดภัยในการปลดล็อกด้วยข้อมูลไบโอเมตริก

การติดตั้งใช้งานอุปกรณ์ต้องเป็นไปตามข้อกำหนดที่ระบุไว้ในเอกสารคำจำกัดความความเข้ากันได้กับ Android (CDD) จึงจะถือว่าเข้ากันได้กับ Android CDD ของ Android จะประเมินความปลอดภัยของการใช้งานข้อมูลไบโอเมตริกโดยใช้ความปลอดภัยเชิงสถาปัตยกรรมและความสามารถในการจำลองข้อมูล

  • ความปลอดภัยเชิงสถาปัตยกรรม: ความยืดหยุ่นของไปป์ไลน์ข้อมูลไบโอเมตริกต่อการประนีประนอมเคอร์เนลหรือแพลตฟอร์ม ระบบจะถือว่าไปป์ไลน์ปลอดภัยหากการประนีประนอมเคอร์เนลและแพลตฟอร์มไม่ทำให้สามารถอ่านข้อมูลไบโอเมตริกดิบหรือแทรกข้อมูลสังเคราะห์ลงในไปป์ไลน์เพื่อส่งผลต่อการตัดสินใจตรวจสอบสิทธิ์
  • ประสิทธิภาพการรักษาความปลอดภัยข้อมูลไบโอเมตริก: ประสิทธิภาพการรักษาความปลอดภัยข้อมูลไบโอเมตริกจะวัดจากอัตรายอมรับการปลอมแปลง (SAR), อัตรายอมรับที่ผิดพลาด (FAR) และอัตรายอมรับผู้แอบอ้าง (IAR) ของข้อมูลไบโอเมตริก (หากมี) SAR คือเมตริกที่เปิดตัวใน Android 9 เพื่อวัดความทนทานของข้อมูลไบโอเมตริกต่อการโจมตีด้วยการแสดงข้อมูลไบโอเมตริก เมื่อวัดข้อมูลไบโอเมตริก คุณต้องปฏิบัติตามโปรโตคอลที่อธิบายไว้ด้านล่าง

Android ใช้เมตริก 3 ประเภทในการวัดประสิทธิภาพการรักษาความปลอดภัยข้อมูลไบโอเมตริก

  • อัตราการยอมรับการปลอมแปลง (SAR): กําหนดเมตริกของโอกาสที่โมเดลข้อมูลไบโอเมตริกจะยอมรับตัวอย่างที่บันทึกไว้ก่อนหน้านี้ซึ่งทราบดีว่าถูกต้อง ตัวอย่างเช่น การปลดล็อกด้วยเสียงจะวัดโอกาสในการปลดล็อกโทรศัพท์ของผู้ใช้โดยใช้ตัวอย่างเสียงที่บันทึกไว้ว่า "Ok Google" เราเรียกการโจมตีดังกล่าวว่าการโจมตีแบบสแปม หรือที่เรียกว่าอัตราการจับคู่การนำเสนอ (IAPMR) จากการโจมตีโดยผู้แอบอ้างเป็นบุคคลอื่น
  • อัตราการยอมรับผู้แอบอ้าง (IAR): กําหนดเมตริกของโอกาสที่โมเดลข้อมูลไบโอเมตริกจะยอมรับอินพุตที่มีไว้เพื่อเลียนแบบตัวอย่างที่รู้จักดี ตัวอย่างเช่น ในกลไกปลดล็อกด้วยเสียงที่เชื่อถือได้ (ปลดล็อกด้วยเสียง) ระบบจะวัดความถี่ที่บุคคลที่พยายามเลียนแบบเสียงของผู้ใช้ (โดยใช้น้ำเสียงและสำเนียงที่คล้ายกัน) ปลดล็อกอุปกรณ์ได้ เราเรียกการโจมตีดังกล่าวว่าการโจมตีโดยผู้แอบอ้างเป็นบุคคลอื่น
  • อัตราการยอมรับที่ไม่ถูกต้อง (FAR): กําหนดเมตริกความถี่ที่โมเดลยอมรับอินพุตที่ไม่ถูกต้องซึ่งเลือกแบบสุ่ม แม้ว่าการวัดผลนี้จะมีประโยชน์ แต่ก็ไม่ได้ให้ข้อมูลเพียงพอที่จะประเมินประสิทธิภาพของโมเดลในการรับมือกับการโจมตีที่มีเป้าหมาย

เอเจนต์ความน่าเชื่อถือ

Android 10 เปลี่ยนลักษณะการทำงานของเอเจนต์ความน่าเชื่อถือ เอเจนต์ความน่าเชื่อถือจะปลดล็อกอุปกรณ์ไม่ได้ แต่จะขยายระยะเวลาการปลดล็อกสำหรับอุปกรณ์ที่ปลดล็อกอยู่แล้วได้เท่านั้น ใบหน้าที่เชื่อถือได้ถูกเลิกใช้งานใน Android 10

คลาสข้อมูลไบโอเมตริก

ความปลอดภัยด้านข้อมูลไบโอเมตริกจะจัดประเภทโดยใช้ผลลัพธ์จากการทดสอบความปลอดภัยเชิงสถาปัตยกรรมและการหลอกลวง การใช้งานข้อมูลไบโอเมตริกสามารถแบ่งออกเป็นระดับ 3 (เดิมคือระดับสูง), ระดับ 2 (เดิมคือระดับต่ำ) หรือระดับ 1 (เดิมคือระดับความสะดวก) ตารางด้านล่างอธิบายข้อกำหนดทั่วไปสำหรับคลาสข้อมูลไบโอเมตริกแต่ละคลาส

โปรดดูรายละเอียดเพิ่มเติมใน CDD ของ Android ฉบับปัจจุบัน

คลาสไบโอเมตริก เมตริก ไปป์ไลน์ข้อมูลไบโอเมตริก ข้อจำกัด
คลาส 3
(เดิมคือ Strong)		 SAR ของสายพันธุ์ PAI ทั้งหมด: 0-7%

SAR ของสายพันธุ์ PAI ระดับ A:
<=7%

SAR ของสายพันธุ์ PAI ระดับ B:
<=20%

SAR ของสายพันธุ์ PAI แต่ละสายพันธุ์ <= 40% (แนะนำอย่างยิ่ง <= 7%)

FAR: 1/50,000

FRR: 10%		 แบบปลอดภัย
  • สูงสุด 72 ชั่วโมงก่อนที่จะเปลี่ยนไปใช้การตรวจสอบสิทธิ์หลัก (เช่น PIN, รูปแบบ หรือรหัสผ่าน)
  • แสดง API แก่แอปได้ (เช่น ผ่านการผสานรวมกับ BiometricPrompt หรือ FIDO2 API)
  • ต้องส่ง BCR
ระดับ 2
(เดิมคือ "อ่อน")		 SAR ของสายพันธุ์ PAI ทั้งหมด: 7-20%

SAR ของสายพันธุ์ PAI ระดับ A:
<=20%

SAR ของสายพันธุ์ PAI ระดับ B:
<=30%

SAR ของสายพันธุ์ PAI แต่ละสายพันธุ์ <= 40% (แนะนำอย่างยิ่ง <= 20%)

FAR: 1/50,000

FRR: 10%		 แบบปลอดภัย
  • ไม่เกิน 24 ชั่วโมงก่อนที่จะเปลี่ยนไปใช้การตรวจสอบสิทธิ์หลัก
  • หมดเวลาในกรณีที่ไม่มีการใช้งานเป็นเวลา 4 ชั่วโมง หรือพยายามไม่สำเร็จ 3 ครั้งก่อนที่จะเปลี่ยนไปใช้การตรวจสอบสิทธิ์หลัก
  • ผสานรวมกับ BiometricPrompt ได้ แต่ไม่ผสานรวมกับที่เก็บคีย์ได้ (เช่น ในการเผยแพร่คีย์ที่เชื่อมโยงกับการให้สิทธิ์ของแอป)
  • ต้องส่ง BCR
ระดับ 1
(เดิมคือ "ความสะดวก")		 SAR ของสายพันธุ์ PAI ทั้งหมด: 20-30%

SAR ของสายพันธุ์ PAI ระดับ A:
<=30%

SAR ของสายพันธุ์ PAI ระดับ B:
<=40%

SAR ของสายพันธุ์ PAI แต่ละสายพันธุ์ <= 40% (แนะนำอย่างยิ่ง <= 30%)

FAR: 1/50,000

FRR: 10%		 ไม่ปลอดภัยหรือปลอดภัย
  • ไม่เกิน 24 ชั่วโมงก่อนที่จะเปลี่ยนไปใช้การตรวจสอบสิทธิ์หลัก
  • หมดเวลาในกรณีที่ไม่มีการใช้งานเป็นเวลา 4 ชั่วโมง หรือพยายามไม่สำเร็จ 3 ครั้งก่อนที่จะเปลี่ยนไปใช้การตรวจสอบสิทธิ์หลัก
  • ไม่สามารถแสดง API แก่แอป
  • ต้องส่ง BCR ตั้งแต่ Android 11 เป็นต้นไป
  • ต้องทดสอบ SAR ตั้งแต่ Android 13 เป็นต้นไป
  • ชั้นเรียนชั่วคราวอาจหายไปในอนาคต

รูปแบบของคลาส 3 เทียบกับคลาส 2 เทียบกับคลาส 1

ระบบจะกำหนดคลาสการรักษาความปลอดภัยข้อมูลไบโอเมตริกตามการมีไปป์ไลน์ที่ปลอดภัยและอัตราการยอมรับ 3 ระดับ ได้แก่ FAR, IAR และ SAR ในกรณีที่ไม่มีฟิชชิง เราจะพิจารณาเฉพาะ FAR และ SAR

ดูมาตรการที่จะใช้กับรูปแบบการปลดล็อกทั้งหมดได้ในเอกสารคำจำกัดความความเข้ากันได้ของ Android (CDD)

การตรวจสอบสิทธิ์ด้วยใบหน้าและม่านตา

กระบวนการประเมิน

กระบวนการประเมินประกอบด้วย 2 ระยะ ระยะ การปรับเทียบจะกำหนดการโจมตีด้วยการแสดงผลที่เหมาะสมที่สุดสำหรับโซลูชันการตรวจสอบสิทธิ์หนึ่งๆ (ซึ่งเป็นตําแหน่งที่ปรับเทียบแล้ว) ระยะ การทดสอบใช้ตำแหน่งที่ปรับเทียบเพื่อทำการโจมตีหลายครั้งและประเมินจำนวนครั้งที่การโจมตีประสบความสำเร็จ ผู้ผลิตอุปกรณ์ Android และระบบข้อมูลไบโอเมตริกควรติดต่อ Android เพื่อขอคำแนะนำการทดสอบล่าสุดโดยส่งแบบฟอร์มนี้

คุณควรกำหนดตำแหน่งที่ปรับเทียบก่อน เนื่องจาก SAR ควรวัดโดยใช้การโจมตีจุดอ่อนที่ใหญ่ที่สุดในระบบเท่านั้น

ระยะการปรับเทียบ

พารามิเตอร์ 3 รายการสำหรับการรับรองใบหน้าและม่านตาที่ต้องเพิ่มประสิทธิภาพในระยะการปรับเทียบเพื่อให้ได้ค่าที่เหมาะสมที่สุดสำหรับระยะการทดสอบ ได้แก่ เครื่องมือโจมตีด้วยการแสดงภาพ (PAI) รูปแบบการแสดงภาพ และประสิทธิภาพในผู้ทดสอบที่หลากหลาย

FACE
  • เครื่องมือโจมตีผ่านงานนำเสนอ (PAI) คือการสร้างภาพจำลองที่จับต้องได้ ปัจจุบันข้อมูล PAI ต่อไปนี้อยู่ในขอบเขต
      โดยไม่คำนึงถึงเทคโนโลยีไบโอเมตริก
    • สายพันธุ์ PAI 2 มิติ
      • รูปภาพ
      • รูปภาพบนจอภาพหรือจอแสดงผลของโทรศัพท์
      • วิดีโอบนจอภาพหรือจอแสดงผลของโทรศัพท์
    • สายพันธุ์ PAI 3 มิติ
      • มาสก์ที่พิมพ์ 3 มิติ
  • รูปแบบการนำเสนอเกี่ยวข้องกับการดัดแปลง PAI หรือสภาพแวดล้อมเพิ่มเติมในลักษณะที่สนับสนุนการหลอกแปลง ตัวอย่างการดัดแปลงที่ลองทำได้มีดังนี้
    • การพับรูปภาพเล็กน้อยเพื่อให้โค้งบริเวณแก้ม (ซึ่งเลียนแบบความลึกเล็กน้อย) ในบางครั้งอาจช่วยในการทำลายโซลูชันการตรวจสอบสิทธิ์ใบหน้า 2 มิติได้อย่างมาก
    • สภาพแสงที่เปลี่ยนแปลงไปคือตัวอย่างของการปรับเปลี่ยนสภาพแวดล้อมเพื่อช่วยในการปลอมแปลง
    • เลนส์มีรอยเปื้อนหรือสกปรกเล็กน้อย
    • เปลี่ยนการวางแนวของโทรศัพท์ระหว่างโหมดแนวตั้งและแนวนอนเพื่อดูว่าส่งผลต่อการปลอมแปลงหรือไม่
  • ประสิทธิภาพในหัวข้อที่หลากหลาย (หรือไม่หลากหลาย) เกี่ยวข้องกับโซลูชันการตรวจสอบสิทธิ์ที่อิงตามแมชชีนเลิร์นนิงโดยเฉพาะ การทดสอบขั้นตอนการปรับเทียบตามเพศ กลุ่มอายุ และเชื้อชาติ/ชาติพันธุ์ของกลุ่มประชากรมักแสดงให้เห็นถึงประสิทธิภาพที่แย่ลงอย่างมากสำหรับกลุ่มประชากรทั่วโลก และเป็นพารามิเตอร์ที่สําคัญในการปรับเทียบในระยะนี้
การทดสอบการปลอมแปลงมีจุดประสงค์เพื่อทดสอบว่าระบบยอมรับการโจมตีด้วยการเล่นซ้ำหรือการนำเสนอที่ถูกต้องหรือไม่ ชนิดของ PAI ต้องเพียงพอที่จะผ่านการตรวจสอบข้อมูลไบโอเมตริกที่ถูกต้องในระหว่างกระบวนการยืนยันข้อมูลไบโอเมตริก หากไม่ได้ติดตั้งใช้งานหรือปิดใช้การตรวจจับการโจมตีด้วยการเปลี่ยนรูปแบบ (PAD) PAI ที่ไม่ผ่านกระบวนการยืนยันด้วยข้อมูลไบโอเมตริกโดยไม่มีฟังก์ชันการป้องกันการปลอมแปลงหรือ PAD จะใช้งานเป็น PAI ไม่ได้ และการทดสอบทั้งหมดที่ใช้ PAI ประเภทนั้นจะไม่ถูกต้อง ผู้ดำเนินการทดสอบการปลอมแปลงควรแสดงให้เห็นว่าสายพันธุ์ PAI ที่ใช้ทดสอบเป็นไปตามเกณฑ์นี้
IRIS
  • เครื่องมือโจมตีผ่านงานนำเสนอ (PAI) คือการสร้างภาพจำลองที่จับต้องได้ สายพันธุ์ PAI ที่อยู่ในขอบเขตในปัจจุบันมีดังนี้
    • รูปภาพใบหน้าที่พิมพ์ออกมาซึ่งแสดงม่านตาอย่างชัดเจน
    • รูปภาพ/วิดีโอใบหน้าบนจอภาพหรือจอแสดงผลของโทรศัพท์ที่แสดงม่านตาอย่างชัดเจน
    • ตาเทียม
  • รูปแบบการนำเสนอเกี่ยวข้องกับการดัดแปลง PAI หรือสภาพแวดล้อมเพิ่มเติมในลักษณะที่สนับสนุนการหลอกแปลง ตัวอย่างเช่น การวางคอนแทคเลนส์บนรูปภาพที่พิมพ์หรือบนจอแสดงผลรูปภาพ/วิดีโอของดวงตาจะช่วยหลอกลวงระบบการจัดประเภทม่านตาบางระบบ และช่วยเพิ่มอัตราการหลบเลี่ยงระบบการตรวจสอบสิทธิ์ด้วยม่านตาได้
  • ประสิทธิภาพในหัวข้อที่หลากหลายมีความเกี่ยวข้องกับโซลูชันการตรวจสอบสิทธิ์ที่อิงตามแมชชีนเลิร์นนิงโดยเฉพาะ เมื่อใช้การตรวจสอบสิทธิ์ตามม่านตา สีของม่านตาแต่ละสีอาจมีสเปกตรัมที่ต่างกัน และการทดสอบกับม่านตาสีต่างๆ อาจช่วยเน้นปัญหาด้านประสิทธิภาพสำหรับกลุ่มประชากรทั่วโลก

การทดสอบความหลากหลาย

โมเดลใบหน้าและม่านตาอาจทำงานแตกต่างกันไปตามเพศ กลุ่มอายุ และเชื้อชาติ/ชาติพันธุ์ ปรับเทียบการโจมตีด้วยภาพผ่านใบหน้าที่หลากหลายเพื่อเพิ่มโอกาสในการค้นพบช่องโหว่ด้านประสิทธิภาพให้มากที่สุด

ระยะการทดสอบ

ระยะการทดสอบคือช่วงที่วัดประสิทธิภาพการรักษาความปลอดภัยด้วยข้อมูลไบโอเมตริกโดยใช้การโจมตีด้วยภาพที่ได้รับการเพิ่มประสิทธิภาพจากระยะก่อนหน้า

นับจำนวนครั้งที่พยายามในช่วงทดสอบ

ระบบจะนับความพยายาม 1 ครั้งเป็นช่วงเวลาระหว่างการแสดงใบหน้า (จริงหรือจำลอง) กับการรับความคิดเห็นบางอย่างจากโทรศัพท์ (เหตุการณ์การปลดล็อกหรือข้อความที่ผู้ใช้มองเห็น) การพยายามที่โทรศัพท์ไม่สามารถรับข้อมูลได้เพียงพอเพื่อพยายามจับคู่ไม่ควรรวมอยู่ในจํานวนการพยายามทั้งหมดที่ใช้เพื่อคํานวณ SAR

โปรโตคอลการประเมิน

การลงทะเบียน

ก่อนเริ่มขั้นตอนการปรับเทียบการตรวจสอบสิทธิ์ด้วยใบหน้าหรือม่านตา ให้ไปที่การตั้งค่าอุปกรณ์และนำโปรไฟล์ข้อมูลไบโอเมตริกที่มีอยู่ทั้งหมดออก หลังจากนำโปรไฟล์ที่มีอยู่ทั้งหมดออกแล้ว ให้ลงทะเบียนโปรไฟล์ใหม่ด้วยใบหน้าหรือม่านตาเป้าหมายที่จะใช้สำหรับการสอบเทียบและทดสอบ คุณควรอยู่ในสภาพแวดล้อมที่มีแสงสว่างเพียงพอเมื่อเพิ่มโปรไฟล์ใบหน้าหรือม่านตาใหม่ และอุปกรณ์ควรอยู่ในตำแหน่งที่เหมาะสมตรงหน้าใบหน้าเป้าหมายโดยห่างจากใบหน้า 20-80 ซม.

ระยะการปรับเทียบ

ดำเนินการตามขั้นตอนการสอบเทียบสำหรับสายพันธุ์ PAI แต่ละสายพันธุ์เนื่องจากสายพันธุ์ต่างๆ มีขนาดและลักษณะอื่นๆ ที่แตกต่างกัน ซึ่งอาจส่งผลต่อเงื่อนไขที่ดีที่สุดสำหรับการทดสอบ เตรียม PAI

FACE
  • ถ่ายภาพหรือวิดีโอใบหน้าที่ลงทะเบียนไว้ให้มีคุณภาพสูงภายใต้สภาพแสง มุม และระยะเดียวกับขั้นตอนการลงทะเบียน
  • สำหรับสิ่งพิมพ์
    • ตัดตามโครงหน้าเพื่อสร้างหน้ากากกระดาษ
    • บิดหน้ากากที่แก้มทั้ง 2 ข้างให้โค้งตามรูปหน้าเป้าหมาย
    • ตัดรูสำหรับดวงตาในหน้ากากเพื่อแสดงดวงตาของผู้ทดสอบ ซึ่งมีประโยชน์สำหรับโซลูชันที่มองหาการกะพริบตาเพื่อตรวจหาสัญญาณบ่งชี้ว่ายังมีชีวิตอยู่
  • ลองใช้รูปแบบการนำเสนอที่แนะนําเพื่อดูว่ารูปแบบเหล่านั้นส่งผลต่อโอกาสในการประสบความสําเร็จในระยะการปรับเทียบหรือไม่
IRIS
  • ถ่ายภาพหรือวิดีโอใบหน้าที่ลงทะเบียนไว้ที่มีความละเอียดสูง โดยแสดงม่านตาอย่างชัดเจนภายใต้สภาพแสง มุม และระยะเดียวกับขั้นตอนการลงทะเบียน
  • ลองใช้ทั้งแบบใส่และไม่ได้ใส่คอนแท็กเลนส์เพื่อดูว่าวิธีใดทำให้การปลอมแปลงทำได้ยากขึ้น

ดำเนินการปรับเทียบ

ตำแหน่งอ้างอิง
  • ตำแหน่งอ้างอิง: ตำแหน่งอ้างอิงจะกำหนดโดยการวาง PAI ที่ระยะห่างที่เหมาะสม (20-80 ซม.) ด้านหน้าอุปกรณ์ในลักษณะที่มองเห็น PAI อย่างชัดเจนในมุมมองของอุปกรณ์ แต่ไม่เห็นสิ่งอื่นที่ใช้อยู่ (เช่น ขาตั้งของ PAI)
  • ระนาบอ้างอิงแนวนอน: เมื่อ PAI อยู่ในตำแหน่งอ้างอิง ระนาบแนวนอนระหว่างอุปกรณ์กับ PAI จะเป็นระนาบอ้างอิงแนวนอน
  • ระนาบอ้างอิงแนวตั้ง: เมื่อ PAI อยู่ในตําแหน่งอ้างอิง ระนาบแนวตั้งระหว่างอุปกรณ์กับ PAI จะเป็นระนาบอ้างอิงแนวตั้ง
ระนาบอ้างอิง

รูปที่ 1 ระนาบอ้างอิง

ส่วนโค้งแนวตั้ง

กำหนดตำแหน่งอ้างอิง จากนั้นทดสอบ PAI ในแนวโค้งแนวตั้งโดยรักษาระยะห่างจากอุปกรณ์ให้เท่ากันกับตำแหน่งอ้างอิง ยก PAI ในระนาบแนวตั้งเดียวกัน โดยให้อุปกรณ์ทำมุม 10 องศากับระนาบอ้างอิงแนวนอน แล้วทดสอบการปลดล็อกด้วยใบหน้า

ยกและทดสอบ PAI ต่อไปโดยเพิ่มทีละ 10 องศาจนกว่า PAI จะมองไม่เห็นอีกต่อไปในมุมมองของอุปกรณ์ บันทึกตำแหน่งที่ปลดล็อกอุปกรณ์ได้สําเร็จ ทำซ้ำขั้นตอนนี้โดยย้าย PAI ในแนวโค้งลงใต้ระนาบอ้างอิงแนวนอน ดูตัวอย่างการทดสอบอาร์คได้ที่รูปที่ 2 ด้านล่าง

อาร์คแนวนอน

วาง PAI กลับไปยังตำแหน่งอ้างอิง แล้วเลื่อนไปตามระนาบแนวนอนเพื่อสร้างมุม 10 องศากับระนาบอ้างอิงแนวตั้ง ทำการทดสอบส่วนโค้งแนวตั้งด้วย PAI ในตำแหน่งใหม่นี้ เลื่อน PAI ไปตามระนาบแนวนอนโดยเพิ่มทีละ 10 องศา แล้วทำการทดสอบส่วนโค้งแนวตั้งในตำแหน่งใหม่แต่ละตำแหน่ง

การทดสอบตามแนวโค้งแนวนอน

รูปที่ 2 การทดสอบตามส่วนโค้งแนวตั้งและแนวนอน

คุณต้องทำการทดสอบด้วยเส้นโค้งซ้ำโดยเพิ่มทีละ 10 องศาทั้งทางด้านซ้ายและขวาของอุปกรณ์ รวมถึงเหนือและใต้อุปกรณ์

ตำแหน่งที่ให้ผลการปลดล็อกที่เชื่อถือได้มากที่สุดคือตำแหน่งที่ปรับเทียบแล้วสำหรับประเภทของสายพันธุ์ PAI (เช่น สายพันธุ์ PAI แบบ 2 มิติหรือ 3 มิติ)

ระยะการทดสอบ

เมื่อสิ้นสุดระยะการปรับเทียบ คุณควรมีตำแหน่งที่ปรับเทียบแล้ว 1 ตำแหน่งต่อสายพันธุ์ PAI หากไม่สามารถระบุตำแหน่งที่ปรับเทียบได้ ให้ใช้ตำแหน่งอ้างอิง วิธีการทดสอบเป็นวิธีการทั่วไปสําหรับการทดสอบทั้ง PAI 2 มิติและ 3 มิติ

  • ในใบหน้าที่ลงทะเบียน โดยที่ E>= 10 และมีใบหน้าที่ไม่ซ้ำกันอย่างน้อย 10 ใบหน้า
    • ลงทะเบียนใบหน้า/ม่านตา
    • ใช้ตำแหน่งที่ปรับเทียบแล้วจากระยะก่อนหน้าเพื่อทำการปลดล็อก U ครั้ง โดยนับจำนวนครั้งที่พยายามตามที่อธิบายไว้ในส่วนก่อนหน้า และ U >= 10 บันทึกจำนวนการปลดล็อกที่สำเร็จ S
    • จากนั้นจึงวัด SAR ดังนี้
$$ \displaystyle SAR = \frac{\displaystyle\sum_{i=1}^{E}{S_i} }{(U * E)}\ {* 100\%} $$

สถานที่:

  • E = จํานวนการลงทะเบียน
  • U = จํานวนครั้งที่พยายามปลดล็อกต่อการลงทะเบียน 1 ครั้ง
  • Si = จํานวนการปลดล็อกที่ประสบความสําเร็จสําหรับการลงทะเบียนที่ i

จำนวนรอบที่จำเป็นเพื่อให้ได้ตัวอย่างอัตราข้อผิดพลาดที่ถูกต้องทางสถิติ: สมมติฐานความเชื่อมั่น 95% สำหรับทั้งหมดด้านล่างนี้ โดยมี N จำนวนมาก

ความคลาดเคลื่อน จํานวนการทดสอบที่ต้องทําต่อหัวข้อ
1% 9595
2% 2401
3% 1067
5% 385
10% 97

เวลาที่ต้องใช้ (30 วินาทีต่อครั้ง 10 หัวข้อ)

ความคลาดเคลื่อน จำนวนนาทีที่ฟัง
1% 799.6 ชั่วโมง
2% 200.1 ชั่วโมง
3% 88.9 ชั่วโมง
5% 32.1 ชั่วโมง
10% 8.1 ชั่วโมง

เราขอแนะนําให้กําหนดเป้าหมายความคลาดเคลื่อน 5% ซึ่งจะให้อัตราข้อผิดพลาดจริงในประชากร 2-12%

ขอบเขต

ระยะการทดสอบจะวัดความทนทานของการตรวจสอบสิทธิ์ด้วยใบหน้าเป็นหลักเทียบกับภาพใบหน้าจำลองของผู้ใช้เป้าหมาย แต่จะไม่จัดการกับการโจมตีที่ไม่ใช่แบบแฟกซ์ เช่น การใช้ LED หรือรูปแบบที่ทำหน้าที่เป็นลายหลัก แม้ว่าจะยังไม่มีการพิสูจน์ว่าอุปกรณ์เหล่านี้มีประสิทธิภาพต่อระบบการตรวจสอบใบหน้าตามระดับความลึก แต่แนวคิดนี้ก็ไม่ได้เป็นไปไม่ได้ เป็นไปได้และน่าเชื่อว่าการวิจัยในอนาคตจะแสดงให้เห็นว่ากรณีนี้ ด้วยเหตุนี้ เราจึงจะแก้ไขโปรโตคอลนี้ให้รวมการวัดความยืดหยุ่นในการรับมือกับการโจมตีเหล่านี้ด้วย

การตรวจสอบสิทธิ์ลายนิ้วมือ

ใน Android 9 เราได้ตั้งค่าความยืดหยุ่นขั้นต่ำต่อ PAI โดยวัดจากอัตราการยอมรับการปลอมแปลง (SAR) ที่น้อยกว่าหรือเท่ากับ 7% เหตุผลโดยย่อว่าเหตุใดจึงใช้ 7% โดยเฉพาะมีอยู่ในบล็อกโพสต์นี้

กระบวนการประเมิน

กระบวนการประเมินประกอบด้วย 2 ระยะ ระยะ การปรับเทียบจะกำหนดการโจมตีด้วยการแสดงผลที่เหมาะสมที่สุดสำหรับโซลูชันการตรวจสอบสิทธิ์ด้วยลายนิ้วมือหนึ่งๆ (นั่นคือ ตำแหน่งที่ปรับเทียบ) ระยะ การทดสอบจะใช้ตำแหน่งที่ปรับเทียบเพื่อทำการโจมตีหลายครั้งและประเมินจำนวนครั้งที่การโจมตีประสบความสำเร็จ ผู้ผลิตอุปกรณ์ Android และระบบข้อมูลไบโอเมตริกควรติดต่อ Android เพื่อขอคำแนะนำการทดสอบล่าสุดโดยส่งแบบฟอร์มนี้

ระยะการปรับเทียบ

พารามิเตอร์ 3 รายการสำหรับการรับรองลายนิ้วมือที่ต้องเพิ่มประสิทธิภาพเพื่อให้ได้ค่าที่เหมาะสมที่สุดสำหรับระยะการทดสอบ ได้แก่ เครื่องมือโจมตีแบบนำเสนอ (PAI) รูปแบบการนำเสนอ และประสิทธิภาพในหมู่ผู้ทดสอบที่หลากหลาย

  • PAI คือข้อมูลการปลอมแปลงที่จับต้องได้ เช่น ลายนิ้วมือที่พิมพ์หรือแบบจำลองที่หล่อขึ้น ล้วนเป็นตัวอย่างของสื่อการนำเสนอ ขอแนะนำอย่างยิ่งให้ใช้เนื้อหาการจำลองต่อไปนี้
    • เซ็นเซอร์ลายนิ้วมือแบบออปติคอล (FPS)
      • กระดาษโหมดคัดลอก/กระดาษโปร่งใสที่ใช้หมึกที่ไม่นำไฟฟ้า
      • Knox Gelatin
      • สีลาเท็กซ์
      • Elmer's Glue All
    • FPS แบบ Capacitive
      • Knox Gelatin
      • กาวไม้สำหรับงานภายในของ Elmer's
      • Elmer's Glue All
      • สีลาเท็กซ์
    • FPS คลื่นความถี่สูง
      • Knox Gelatin
      • กาวไม้สำหรับงานภายในของ Elmer's
      • Elmer's Glue All
      • สีลาเท็กซ์
  • รูปแบบการนำเสนอเกี่ยวข้องกับการดัดแปลง PAI หรือสภาพแวดล้อมเพิ่มเติมในลักษณะที่สนับสนุนการหลอกแปลง เช่น การรีทัชหรือการแก้ไขรูปภาพลายนิ้วมือที่มีความละเอียดสูงก่อนสร้างแบบจำลอง 3 มิติ
  • ประสิทธิภาพในหัวข้อที่หลากหลายมีความเกี่ยวข้องกับการปรับอัลกอริทึมเป็นพิเศษ การทดสอบขั้นตอนการปรับเทียบตามเพศ กลุ่มอายุ และเชื้อชาติ/ชาติพันธุ์ของกลุ่มประชากรมักแสดงให้เห็นถึงประสิทธิภาพที่แย่ลงอย่างมากในกลุ่มประชากรทั่วโลก และเป็นพารามิเตอร์ที่สําคัญในการปรับเทียบในระยะนี้
การทดสอบความหลากหลาย

เครื่องอ่านลายนิ้วมืออาจทำงานแตกต่างกันไปตามเพศ กลุ่มอายุ และเชื้อชาติ/ชาติพันธุ์ ประชากรส่วนน้อยมีลายนิ้วมือที่ระบบจดจำได้ยาก จึงควรใช้ลายนิ้วมือที่หลากหลายเพื่อกำหนดพารามิเตอร์ที่เหมาะสมสำหรับการจดจำและในการทดสอบการปลอมแปลง

ระยะการทดสอบ

ระยะการทดสอบคือช่วงที่วัดประสิทธิภาพการรักษาความปลอดภัยด้วยข้อมูลไบโอเมตริก อย่างน้อยที่สุด การทดสอบควรทำในลักษณะที่ไม่ร่วมมือ ซึ่งหมายความว่าการเก็บลายนิ้วมือจะกระทำโดยการยกลายนิ้วมือจากพื้นผิวอื่น แทนที่จะให้บุคคลเป้าหมายมีส่วนร่วมในการเก็บลายนิ้วมือ เช่น การทำแม่พิมพ์นิ้วมือของบุคคล คุณสามารถระบุข้อมูลดังกล่าวได้ แต่ไม่จําเป็น

นับจำนวนครั้งที่พยายามในช่วงทดสอบ

ระบบจะนับความพยายาม 1 ครั้งเป็นช่วงเวลาระหว่างการแสดงลายนิ้วมือ (จริงหรือจำลอง) ต่อเซ็นเซอร์ และการรับความคิดเห็นบางอย่างจากโทรศัพท์ (เหตุการณ์การปลดล็อกหรือข้อความที่ผู้ใช้มองเห็น)

การพยายามทั้งหมดที่โทรศัพท์ไม่สามารถรับข้อมูลเพียงพอที่จะพยายามจับคู่ไม่ควรรวมอยู่ในจํานวนการพยายามทั้งหมดที่ใช้ในการคํานวณ SAR

โปรโตคอลการประเมิน

การลงทะเบียน

ก่อนเริ่มขั้นตอนการปรับเทียบการตรวจสอบสิทธิ์ด้วยลายนิ้วมือ ให้ไปที่การตั้งค่าอุปกรณ์และนำโปรไฟล์ข้อมูลไบโอเมตริกที่มีอยู่ทั้งหมดออก หลังจากนำโปรไฟล์ที่มีอยู่ทั้งหมดออกแล้ว ให้ลงทะเบียนโปรไฟล์ใหม่ด้วยลายนิ้วมือเป้าหมายที่จะใช้สำหรับการสอบเทียบและการทดสอบ ทำตามวิธีการบนหน้าจอทั้งหมดจนกว่าระบบจะลงทะเบียนโปรไฟล์ได้สําเร็จ

ระยะการปรับเทียบ

FPS ออปติคอล

ขั้นตอนนี้คล้ายกับระยะการปรับเทียบของอัลตร้าโซนิกและแบบ Capacitive แต่ใช้กับทั้งลายนิ้วมือ PAI 2 มิติและ 2.5 มิติของผู้ใช้เป้าหมาย

  • ยกสำเนาลายนิ้วมือแฝงออกจากพื้นผิว
  • ทดสอบกับสายพันธุ์ PAI แบบ 2 มิติ
    • วางลายนิ้วมือที่ยกขึ้นบนเซ็นเซอร์
  • ทดสอบกับชิ้นงาน PAI 2.5 มิติ
    • สร้าง PAI ของลายนิ้วมือ
    • วาง PAI บนเซ็นเซอร์
FPS อัลตราโซนิก

การปรับเทียบสำหรับอัลตราโซนิกเกี่ยวข้องกับการยกระดับสำเนาแฝงของลายนิ้วมือเป้าหมาย เช่น การทำเช่นนี้อาจทำได้โดยใช้ลายนิ้วมือที่ยกขึ้นมาจากผงลายนิ้วมือ หรือสำเนาลายนิ้วมือที่พิมพ์ออกมา และอาจมีการรีทัชรูปภาพลายนิ้วมือด้วยตนเองเพื่อให้การปลอมแปลงดีขึ้น

หลังจากได้รับสำเนาแฝงของลายนิ้วมือเป้าหมายแล้ว ระบบจะสร้าง PAI

FPS แบบ Capacitive

การปรับเทียบสำหรับแบบเก็บประจุจะเกี่ยวข้องกับขั้นตอนเดียวกับที่อธิบายไว้ข้างต้นสำหรับการปรับเทียบอัลตราโซนิก

ระยะการทดสอบ

  • ขอให้ผู้ใช้ที่ไม่ซ้ำกันอย่างน้อย 10 คนลงทะเบียนโดยใช้พารามิเตอร์เดียวกับที่ใช้เมื่อคํานวณ FRR/FAR
  • สร้าง PAI ให้กับแต่ละบุคคล
  • จากนั้นจึงวัด SAR ดังนี้
$$ \displaystyle SAR = \frac{\displaystyle\sum_{i=1}^{E}{S_i} }{(U * E)}\ {* 100\%} $$

จำนวนรอบที่จำเป็นเพื่อให้ได้ตัวอย่างอัตราข้อผิดพลาดที่ถูกต้องทางสถิติ: สมมติฐานความเชื่อมั่น 95% สำหรับทั้งหมดด้านล่างนี้ โดยมี N จำนวนมาก

ความคลาดเคลื่อน จํานวนการทดสอบที่ต้องทําต่อหัวข้อ
1% 9595
2% 2401
3% 1067
5% 385
10% 97

เวลาที่ใช้ (30 วินาทีต่อครั้ง 10 หัวข้อ)

ความคลาดเคลื่อน จำนวนนาทีที่ฟัง
1% 799.6 ชั่วโมง
2% 200.1 ชั่วโมง
3% 88.9 ชั่วโมง
5% 32.1 ชั่วโมง
10% 8.1 ชั่วโมง

เราขอแนะนําให้กําหนดเป้าหมายความคลาดเคลื่อน 5% ซึ่งจะให้อัตราข้อผิดพลาดจริงในประชากร 2-12%

ขอบเขต

กระบวนการนี้ตั้งค่ามาเพื่อทดสอบความทนทานของการตรวจสอบสิทธิ์ด้วยลายนิ้วมือ โดยเน้นที่ภาพจำลองลายนิ้วมือของผู้ใช้เป้าหมาย วิธีการทดสอบจะอิงตามต้นทุนวัสดุ ความพร้อมใช้งาน และเทคโนโลยีปัจจุบัน เราจะแก้ไขโปรโตคอลนี้ให้ครอบคลุมการวัดความยืดหยุ่นต่อวัสดุและเทคนิคใหม่ๆ เมื่อนำมาใช้งานได้จริง

ข้อควรพิจารณาทั่วไป

แม้ว่าแต่ละรูปแบบการทดสอบจะต้องมีการตั้งค่าการทดสอบที่แตกต่างกัน แต่ก็มีบางแง่มุมที่เหมือนกันซึ่งใช้กับรูปแบบการทดสอบทั้งหมดได้

ทดสอบฮาร์ดแวร์จริง

เมตริก SAR/IAR ที่รวบรวมอาจไม่ถูกต้องเมื่อมีการทดสอบโมเดลข้อมูลไบโอเมตริกภายใต้สภาพการณ์ในอุดมคติและบนฮาร์ดแวร์อื่นที่แตกต่างจากที่ปรากฏในอุปกรณ์เคลื่อนที่ ตัวอย่างเช่น ฟีเจอร์ปลดล็อกด้วยเสียงรุ่นที่ได้รับการปรับเทียบในห้องไร้เสียงโดยใช้การตั้งค่าไมโครโฟนหลายตัวจะทำงานแตกต่างจากเมื่อใช้กับอุปกรณ์ที่มีไมโครโฟนเพียงตัวเดียวในสภาพแวดล้อมที่มีเสียงดัง คุณควรทำการทดสอบในอุปกรณ์จริงที่มีการติดตั้งฮาร์ดแวร์ หากไม่สามารถทำได้ ให้ทดสอบกับฮาร์ดแวร์ตามที่ปรากฏในอุปกรณ์

ใช้การโจมตีที่รู้จัก

รูปแบบข้อมูลไบโอเมตริกส่วนใหญ่ที่ใช้ในปัจจุบันถูกปลอมแปลงได้สำเร็จ และมีการเผยแพร่เอกสารประกอบเกี่ยวกับวิธีการโจมตีต่อสาธารณะ ด้านล่างนี้คือภาพรวมระดับสูงโดยย่อของการตั้งค่าการทดสอบสำหรับรูปแบบที่มีการโจมตีที่รู้จัก เราขอแนะนำให้ใช้การตั้งค่าที่ระบุไว้ที่นี่เมื่อเป็นไปได้

คาดการณ์การโจมตีรูปแบบใหม่

สำหรับรูปแบบที่มีการปรับปรุงใหม่ที่สำคัญ เอกสารการตั้งค่าการทดสอบอาจไม่มีการตั้งค่าที่เหมาะสม และอาจไม่มีการโจมตีแบบสาธารณะที่ทราบ นอกจากนี้ รูปแบบที่มีอยู่อาจต้องปรับการตั้งค่าการทดสอบด้วยหลังจากที่มีการค้นพบการโจมตีรูปแบบใหม่ ไม่ว่าในกรณีใด คุณจะต้องสร้างการตั้งค่าการทดสอบที่เหมาะสม โปรดใช้ลิงก์ความคิดเห็นเกี่ยวกับเว็บไซต์ที่ด้านล่างของหน้านี้เพื่อแจ้งให้เราทราบว่าคุณได้ตั้งค่ากลไกที่เหมาะสมซึ่งสามารถเพิ่มได้หรือไม่

การตั้งค่าสำหรับสื่อต่างๆ

ลายนิ้วมือ

IAR ไม่จำเป็น
SAR
  • สร้าง PAI แบบ 2.5 มิติโดยใช้แม่พิมพ์ลายนิ้วมือเป้าหมาย
  • ความแม่นยำในการวัดจะขึ้นอยู่กับคุณภาพของแม่พิมพ์ลายนิ้วมือ ซิลิโคนสำหรับทันตกรรมเป็นตัวเลือกที่ดี
  • การตั้งค่าการทดสอบควรวัดความถี่ที่ลายนิ้วมือปลอมซึ่งสร้างจากแม่พิมพ์ปลดล็อกอุปกรณ์ได้

ใบหน้าและม่านตา

IAR SAR จะบันทึกขอบเขตล่างไว้ คุณจึงไม่จำเป็นต้องวัดค่านี้แยกต่างหาก
SAR
  • ทดสอบกับรูปภาพใบหน้าของเป้าหมาย สำหรับม่านตา จะต้องซูมใบหน้าให้ใกล้ขึ้นเพื่อจำลองระยะห่างที่ผู้ใช้มักจะใช้ฟีเจอร์นี้
  • รูปภาพควรมีความละเอียดสูง ไม่เช่นนั้นผลลัพธ์จะก่อให้เกิดความเข้าใจผิด
  • ไม่ควรนำเสนอรูปภาพในลักษณะที่แสดงให้เห็นว่าเป็นรูปภาพ เช่น
    • ไม่ควรมีเส้นขอบรูปภาพ
    • หากรูปภาพอยู่ในโทรศัพท์ หน้าจอ/ขอบของโทรศัพท์ไม่ควรมองเห็น
    • หากมีคนถือรูปภาพ มือของบุคคลนั้นไม่ควรเห็น
  • สำหรับมุมตรง รูปภาพควรเต็มเซ็นเซอร์เพื่อไม่ให้มองเห็นสิ่งอื่นภายนอก
  • โดยปกติแล้ว รูปแบบใบหน้าและม่านตาจะอนุญาตมากขึ้นเมื่อตัวอย่าง (ใบหน้า/ม่านตา/รูปภาพ) อยู่ในมุมแหลมเมื่อเทียบกับกล้อง (เพื่อจำลอง Use Case ของผู้ใช้ที่ถือโทรศัพท์ตรงๆ ข้างหน้าและชี้ขึ้นที่ใบหน้า) การทดสอบจากมุมนี้จะช่วยระบุว่าโมเดลของคุณมีแนวโน้มที่จะเกิดการปลอมแปลงหรือไม่
  • การตั้งค่าการทดสอบควรวัดความถี่ที่รูปภาพใบหน้าหรือม่านตาปลดล็อกอุปกรณ์ได้

เสียง

IAR
  • ทดสอบโดยใช้การตั้งค่าที่ผู้เข้าร่วมได้ยินตัวอย่างเสียงเชิงบวก แล้วพยายามเลียนแบบ
  • ทดสอบโมเดลกับผู้เข้าร่วมที่หลากหลายทั้งเพศและสำเนียงเพื่อให้แน่ใจว่าครอบคลุมกรณีขอบเขตที่ระดับเสียง/สำเนียงบางประเภทมี FAR สูงกว่า
SAR
  • ทดสอบด้วยเสียงที่บันทึกไว้ของเป้าหมาย
  • ไฟล์บันทึกเสียงต้องมีคุณภาพสูงพอ มิฉะนั้นผลลัพธ์ที่ได้จะก่อให้เกิดความเข้าใจผิด