Защищенная система биометрической аутентификации для встраиваемых систем с ограниченными вычислительными ресурсами
Ключевые слова:
биометрическая аутентификация, обработка изображений, сверточная нейронная сеть, сиамская нейронная сеть, конфиденциальная обработка биометрических признаков, гомоморфное шифрованиеАннотация
В настоящее время технологии биометрической аутентификации такие как распознавание лица, отпечатков пальцев, радужной оболочки глаза и вен ладони, активно применяются в банковских приложениях, медицинских системах, комплексах контроля доступа и государственных информационных ресурсах. Использование таких технологий должно сопровождаться защитой биометрической информации при обработке и хранении особенно в условиях растущего количества целевых атак на персональные данные. Одним из перспективных подходов к обеспечению безопасности биометрической информации является использование гомоморфного шифрования. В работе рассматривается система автономной защищенной биометрической аутентификации по рисунку вен ладони пользователя в ближнем инфракрасном спектре для встроенных систем, реализуемых с использованием технологии обеспечения конфиденциальности для защиты биометрических данных. Проведенные исследования показали практическую реализуемость системы биометрической аутентификации с применением легковесной сиамской нейронной сети для выделения вектора признаков и гомоморфного шифрования, обеспечивающего конфиденциальность во встраиваемых системах на процессорах с ограниченными вычислительными ресурсами на основе одноплатных компьютеров, таких как Raspberry Pi. Подтверждена устойчивость к искажениям, включая повороты, шум, смещения и варьирование параметров шифрования. Показатели эффективности разработанной системы оценивались на сборном датасете, состоящем из изображений датасетов CASIA-MS-PalmprintV1 и Tongji Contactless Palmvein Dataset и составляют: точность классификации – 98,2%, EER – 0,73 %, AUC – 0,96, время – 1,2 секунды, что соответствует уровню требований к подобным системам. Анализ результатов показывает, что разработанная система уступает по точности клиент-серверным решениям, построенным на тяжеловесных сверточных нейронных сетях из-за ограниченности в вычислительных ресурсах и как следствие необходимости применения легковесной нейронной сети, но при этом обеспечена защищенная обработка биометрических данных с сохранением допустимого времени отклика. Сокращение времени обработки при реализации на одноплатных компьютерах может быть реализовано как использованием специализированных вычислительных ускорителей, так и применением других библиотек, поддерживающих гомоморфные вычисления, менее требовательных к вычислительным ресурсам.
Литература
2. Boshoff D., Hancke G.P. A Classifications Framework for Continuous Biometric Authentication (2018–2024) // Computers & Security. 2024. vol. 150. 104285 p.
3. Nayar G.R., Thomas T. Partial palm vein based biometric authentication // Journal of Information Security and Applications. 2023. vol. 72. 103390 p.
4. Obayya M.I., El-Ghandour M., Alrowais F. Contactless Palm Vein Authentication Using Deep Learning With Bayesian Optimization // IEEE Access. 2020. vol. 9. pp. 1940–1957. DOI: 10.1109/ACCESS.2020.3045424.
5. Chen Y.-Y., Hsia C.-H., Chen P.-H. Contactless Multispectral Palm-Vein Recognition With Lightweight Convolutional Neural Network // IEEE Access. 2021. vol. 9. pp. 149796–149806. DOI: 10.1109/ACCESS.2021.3124631.
6. Qin H., El-Yacoubi M.A., Li Y., Liu C. Multi-Scale and Multi-Direction GAN for CNN-Based Single Palm-Vein Identification // IEEE Transactions on Information Forensics and Security. 2021. vol. 16. pp. 2652–2666. DOI: 10.1109/TIFS.2021.3059340.
7. Kaddoun S.S., Aberni Y., Boubchir L., Raddadi M., Daachi B. Convolutional Neural Algorithm for Palm Vein Recognition using ZFNet Architecture // Proceedings of the 4th International Conference on Bio-Engineering for Smart Technologies (BioSMART). 2021. pp. 1–4. DOI: 10.1109/BioSMART54244.2021.9677799.
8. Ma Y., et al. Focal Contrastive Learning for Palm Vein Authentication // IEEE Transactions on Instrumentation and Measurement. 2023. vol. 72. pp. 1–15. DOI: 10.1109/TIM.2023.3304689.
9. Qin H., Gong C., Li Y., Gao X., El-Yacoubi M.A. Label Enhancement-Based Multiscale Transformer for Palm-Vein Recognition // IEEE Transactions on Instrumentation and Measurement. 2023. vol. 72. pp. 1–17. DOI: 10.1109/TIM.2023.3261909.
10. Li Y., Ruan S., Qin H., Deng S., El-Yacoubi M.A. Transformer Based Defense GAN Against Palm-Vein Adversarial Attacks // IEEE Transactions on Information Forensics and Security. 2023. vol. 18. pp. 1509–1523. DOI: 10.1109/TIFS.2023.3243782.
11. Hernandez-Garcia R., Salazar-Jurado E.H., Barrientos R.J., Castro F.M., Ramos-Cozar J., Guil N. From Synthetic Data to Real Palm Vein Identification: a Fine-Tuning Approach // Proceedings of the IEEE 13th International Conference on Pattern Recognition Systems (ICPRS). 2023. pp. 1–7. DOI: 10.1109/ICPRS58416.2023.10179042.
12. Nunes M., Viegas E.K., Santin A.O. Towards a Feasible Palm Vein Verification Scheme Using Deep Autoencoder and Siamese Networks // 2024 International Conference on Machine Learning and Applications (ICMLA). 2024. pp. 483–489. DOI: 10.1109/ICMLA61862.2024.00071.
13. Manikandan V.M. Chapter 11 - A secure biometric authentication system for smart environment using reversible data hiding through encryption scheme // Machine Learning for Biometrics Concepts, Algorithms and Applications Cognitive Data Science in Sustainable Computing. 2022. pp. 201–216.
14. Zeng L., Shen P., Zhu X., Tian X., Chen C. A review of privacy-preserving biometric identification and authentication protocols // Computers & Security. 2025. vol. 150. 104309 p. DOI: 10.1016/j.cose.2024.104309.
15. Adil M., Farouk A., Ali A., Song H., Jin Z. Securing Tomorrow of Next-Generation Technologies with Biometrics, State-of-The-Art Techniques, Open Challenges, and Future Research Directions // Computer Science Review. 2025. vol. 57. 100750 p.
16. Melzi P., Rathgeb C., Tolosana R., Vera-Rodriguez R., Busch C. An Overview of Privacy-Enhancing Technologies in Biometric Recognition // ACM Computing Surveys. 2024. 12 p. DOI: 10.1145/3664596.
17. Wang X., Xie Y., Shui D., Ge S. An improved biometric authentication and key agreement scheme based on fuzzy extractor for Wireless Body Area Networks // Journal of Information Security and Applications. 2025. vol. 91. 104047 p. DOI: 10.1016/j.jisa.2025.104047.
18. Srinivas P.V.V.S, Yadavalli N., DurgaV., Kumar K., Raju P. Enhanced biometric template protection schemes using distance based fuzzy extractor // Computers & Security. 2025. vol. 157. 104573 p.
19. ISO/IEC 24745 / Information security, cybersecurity and privacy protection – Biometric information protection // ISO/IEC. 2022. 63 p.
20. Morampudi M.K., Prasad M.V.N.K., Verma M., Raju U.S.N. Secure and verifiable iris authentication system using fully homomorphic encryption // Computers & Electrical Engineering. 2021. vol. 89. 106924 p. DOI: 10.1016/j.compeleceng.2020.106924.
21. Wu B., Zheng S., Dai P., Chen J., Yao Y. Searchable face recognition authentication based on homomorphic encryption // Journal of Information Security and Applications. 2025. vol. 94. 104208 p. DOI: 10.1016/j.jisa.2025.104208.
22. Wu L., Wang X.A., Liu J., Su Y., Zheng T., Liu W., Lei H., Tang D., Cao Y., Zhang J. Homomorphic Encryption for Machine Learning Applications with CKKS Algorithms: A Survey of Developments and Applications // Computers, Materials @ Continua. 2025. vol. 85. no. 1. DOI: 10.32604/cmc.2025.064346.
23. Wang H., Liu W., Wang X.A., Jiang W., Liu J., Yang X., Zhao W., Zheng K. Privacy-enhanced facial recognition for IoT based on homomorphic encryption // Internet of Things. 2025. vol. 34. 101757 p. DOI: 10.1016/j.iot.2025.101757.
24. Sumalatha U., Prakasha K.K., Prabhu S., Nayak V.C. A Comprehensive Review of Unimodal and Multimodal Fingerprint Biometric Authentication Systems: Fusion, Attacks, and Template Protection // IEEE Access. 2024. vol. 12. pp. 64300–64334. DOI: 10.1109/ACCESS.2024.3395417.
25. Hemis M., Kheddar H., Bourouis S., Saleem N. Deep learning techniques for hand vein biometrics: A comprehensive review // Information Fusion. 2025. vol. 114. 102716 p. DOI: 10.1016/j.inffus.2024.102716.
26. Kurbatova E., Kharina N., Zemtsov A., Plyaskin S. Investigating Palm Vein Pattern Recognition Methods // Proceedings of the 24th International Conference on Digital Signal Processing and its Applications (DSPA). 2022. pp. 1–5. DOI: 10.1109/DSPA53304.2022.9790783.
27. Boudaoud B.L., Solaiman B., Tari A. A modified ZS thinning algorithm by a hybrid approach // The Visual Computer. 2018. vol. 34. pp. 689–706. DOI: 10.1007/s00371-017-1407-4.
28. Прозоров Д.Е., Земцов А.В. Применение легковесной сиамской нейросети для формирования вектора признаков в системе васкулярной аутентификации // Компьютерная оптика. 2023. Т. 47. №3. С. 433–441.
29. Note on CASIA Palmprint Database // CBSR. URL: http://www.cbsr.ia.ac.cn/english/Palmprint%20Databases.asp.
Опубликован
Как цитировать
Раздел
Copyright (c) Наталья Леонидовна Харина
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).