Spoofing attacks using behavioural biometric data reconstruction and statistical alignments - Archive ouverte HAL Access content directly
Theses Year : 2022

Spoofing attacks using behavioural biometric data reconstruction and statistical alignments

Attaques par reconstruction de données biométriques comportementales à l’aide d’alignements d’embeddings

(1)
1

Abstract

Privacy protection is an ethical and legal duty in Europe.Biometric authentication systems are naturally implicated, as they use embeddings, extracted from biometric data.From a view between industry and academic, this thesis explore the embeddings vulnerabilities for data thieft and spoofing, applied to two behavioural biometries : Voice and handwritten digits.Template reconstruction attacks usually have an access to the encoder that produce the embeddings.We proposed to use an unsupervised statistical alignment to analyze a set of embeddings without access to their encoder, to find their associated digits.By fine-tuning this alignment and using the adapted decoder, we reconstructed the digit drawings to spoof a digit authentication system.Speech reconstruction is more complex, because it contains linguistic information weakly transmetted through the embeddings, so we had to use a voice conversion system to reconstruct voice extracts well enough to spoof a speaker authentication system.We also proposed an inversion attack on a pseudo-anonymisation system, using supervised and unsupervised alignements on the raw and anonymized embeddings, to explore its limits.
La protection des données personnelles est un devoir éthique et légal en Europe. Les systèmes d’authentification biométriques sont naturellement concernés : ils utilisent des vecteurs discriminants les utilisateurs extraits à partir de leurs données biométriques. D’un point de vue entre l’académique et l’industriel, cette thèse explore les vulnérabilités de ces vecteurs - embeddings - qui pourraient être utilisées pour voler des données personnelles et frauder un système d’authentification, appliquées à deux biométries comportementales : la parole et les chiffres manuscrits tracés à la main. Les attaques visant à reconstruire ou analyser des embeddings incluent généralement un accès à l’encodeur qui les a produit. Nous avons proposé d’utiliser un alignement statistique non supervisé pour nous permettre, sans accès à l’encodeur, d’analyser un ensemble d’embeddings de chiffres manuscrits volés et de retrouver les chiffres qui leurs étaient associés. En affinant cet alignement et en utilisant un décodeur adapté, nous avons pu reconstruire les tracés de chiffres assez précisément pour frauder le système d’authentification qui les avait produits. La reconstruction de parole est plus complexe, car elle contiens une information linguistique très faiblement conservée dans les embeddings, nous avons donc utilisé un système de conversion de voix pour reconstruire des extraits de paroles assez précis pour frauder un système de vérification du locuteur. Nous avons aussi proposé une attaque sur un système de pseudo anonymisation, en utilisant des alignements supervisés et non supervisés sur les embeddings anonymisés produits par celui-ci, pour explorer ses limites.
Fichier principal
Vignette du fichier
2022LEMA1026.pdf (11.17 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-03869619 , version 1 (24-11-2022)

Identifiers

  • HAL Id : tel-03869619 , version 1

Cite

Thomas Thebaud. Attaques par reconstruction de données biométriques comportementales à l’aide d’alignements d’embeddings. Cryptographie et sécurité [cs.CR]. Le Mans Université, 2022. Français. ⟨NNT : 2022LEMA1026⟩. ⟨tel-03869619⟩
0 View
0 Download

Share

Gmail Facebook Twitter LinkedIn More