Skilled Impostor Attacks Against Fingerprint Verification Systems And Its Remedy
University of Göttingen(哥廷根大学)
指纹验证系统在日常生活中变得无处不在。这一趋势尤其受到智能手机和平板电脑等带有指纹传感器的移动设备激增的推动,指纹验证越来越多地应用于验证金融交易。在这项研究中,我们描述了一种新的攻击向量对指纹验证系统,我们硬币熟练冒名顶替者攻击。我们发现,现有的协议指纹验证系统的性能评估是有缺陷的,因此,系统的真正的脆弱性被系统地低估。我们研究了一个场景,其中指纹验证系统被调整为使用随机冒名顶替者(零努力攻击)的传统验证协议以0.1%的错误接受率操作。我们证明了一个积极的和智能的攻击者可以实现89%或更多的成功率对这个系统通过执行熟练的冒名顶替者攻击。我们描述了一种新的协议,用于评估指纹验证性能,以提高评估的潜力和局限性的指纹识别系统。这种新的评估协议能够在实际应用中对操作阈值以及安全性(低错误接受率)和可用性(低错误拒绝率)之间的相应权衡做出更明智的决定。熟练冒名顶替者攻击是一种不依赖于特定数据库或比较算法的通用攻击概念。所提出的协议依赖于熟练的冒名顶替者攻击,可以直接应用于评估其他生物特征模态的验证性能,例如虹膜,面部,耳朵,手指静脉,步态或说话人识别。
2015-03-16 cs.CR cs.CV cs.CY
DoubleEcho: Mitigating Context-Manipulation Attacks in Copresence Verification
基于上下文的一致性验证可以提高许多认证和访问控制系统的可用性和安全性。通过感知和比较周围环境,两个或多个设备可以判断它们是否共同存在,并使用此信息来做出访问控制决策。据我们所知,迄今为止,所有基于上下文的共现验证机制都容易受到上下文操纵攻击的影响。在这种攻击中,分布式对手在受害者设备的(不同)位置复制相同的上下文,并诱使它们相信它们是共同存在的。在本文中,我们提出了DoubleEcho,基于上下文的共现验证技术,利用声学房间脉冲响应(RIR),以减轻上下文操纵攻击。在DoubleEcho中,一个设备发出宽带可听见的啁啾,所有参与设备记录啁啾从周围环境的反射。由于RIR本质上依赖于物理环境,因此它构成了一个独特的位置签名,对手很难复制。我们通过使用各种移动设备和在一系列不同位置收集RIR数据来评估DoubleEcho。我们表明,DoubleEcho减轻了上下文操纵攻击,而迄今为止所有其他方法都完全容易受到这种攻击。DoubleEcho在大约2秒内检测到共现(或缺乏共现),并在商品设备上工作。
2019-02-18 cs.CR
Graded Symbolic Verification with a Fuzzy Dolev-Yao Attacker Model
本文提出基于模糊Dolev-Yao攻击者模型的分级符号验证方法,通过引入连续度量$μ_K$和T-范数泄露更新,改进传统二元攻击者知识抽象,揭示在累积侧信道泄露下协议安全性的变化。
2026-04-16 cs.CR cs.FL cs.LO
Backdoor Attack against Speaker Verification
Tsinghua University(清华大学);Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shenzhen Research Institute of Big Data(深圳大数据研究院);Peng Cheng Laboratory(鹏城实验室)
说话人确认已被广泛和成功地采用在许多关键任务领域的用户识别。说话人确认的训练需要大量的数据,因此用户通常需要采用第三方数据($e.g.$,来自互联网或第三方数据公司的数据)。这就提出了一个问题,即采用不受信任的第三方数据是否会构成安全威胁。在本文中,我们证明了通过中毒训练数据来注入隐藏后门以感染说话人验证模型是可能的。具体来说,我们设计了一个基于聚类的攻击方案,中毒样本从不同的集群将包含不同的触发器($i.e.$,预定义的话语),根据我们的理解验证任务。受感染的模型在良性样本上表现正常,而攻击者指定的未注册触发器将成功通过验证,即使攻击者没有关于注册扬声器的信息。我们还表明,现有的后门攻击不能直接采用攻击说话人验证。我们的方法不仅提供了一个新的角度来设计新颖的攻击,但也作为一个强大的基线,提高验证方法的鲁棒性。用于再现主要结果的代码可在\url{https://github.com/zhaitongqing233/Backdoor-attack-against-speaker-verification}上获得。
2021-02-03 cs.CR cs.LG cs.SD
Formal verification of a software countermeasure against instruction skip attacks
针对嵌入式电路的故障攻击能够定义许多新的针对安全电路的攻击路径。每个攻击路径都依赖于一个特定的故障模型,该模型定义了攻击者可以执行的故障类型。在嵌入式处理器上,由汇编指令跳跃组成的故障模型对于攻击者来说是非常有用的,并且已经通过使用几种故障注入手段获得。为了避免这种威胁,已经提出了一些依赖于时间冗余的对策方案。然而,在足够长的时间间隔内的双故障注入是实用的,并且可以绕过这些对策方案。针对具体指令,提出了一些细粒度的对策方案。然而,据我们所知,没有一种方法,使安全的通用汇编程序,以使其容错指令跳过攻击已被正式证明。在本文中,我们提供了一个容错替换序列的Thumb-2指令集的几乎所有的指令,并提供了一个形式化验证这种容错。这种简单的转换能够为嵌入式程序添加相当好的安全级别,并使实际的故障注入攻击更难实现。
2014-02-26 cs.CR
Verification-Guided Specification Synthesis with Large Language Models for Intrusion Detection Rules
Doshisha University(同志社大学)
本研究提出验证引导式规约合成框架,结合LLM与CEGIS从HTTP请求轨迹生成Suricata规则,在281个真实CVE及良性流量实验中,检测率达81.5%且误报率为0.0%。
2026-08-25 cs.CR
A Universal Identity Backdoor Attack against Speaker Verification based on Siamese Network
School of Electronic Information;Electrical Engineering Shanghai Jiao Tong University, Shanghai, China
本文提出一种针对孪生网络说话人验证的通用身份后门攻击,通过植入可模拟任意说话人的通用身份,在 TIMIT 和 Voxceleb1 上实现高攻击成功率且不影响正常验证精度,揭示了系统脆弱性。
2025-02-04 cs.CR cs.SD eess.AS
Incremental Adaptive Attack Synthesis
信息泄漏是现代软件系统中的一个重要问题。由于侧信道而导致的信息泄漏尤其难以检测和分析。在本文中,我们提出了自动合成的自适应侧信道攻击,恢复秘密值的技术。我们的攻击合成技术迭代地生成输入,当输入到访问秘密的代码时,基于侧信道观测结果揭示秘密的部分信息,减少每个攻击步骤中秘密的剩余不确定性。我们的方法是增量的,在每个攻击步骤中重用先前迭代的结果,以提高攻击合成的效率。我们使用符号执行来提取路径约束,基于自动机的模型计数来估计执行路径的概率,以及基于熵来最大化信息增益以最小化合成攻击步骤的数量的元算法。
2019-05-14 cs.CR cs.SE
Saving Stochastic Bandits from Poisoning Attacks via Limited Data Verification
University of California San Diego(加州大学圣地亚哥分校);University of Warwick(华威大学);University of Virginia(弗吉尼亚大学)
本文研究了有界报酬条件下数据投毒攻击下的强盗算法。我们考虑了一个强攻击者模型,在这个模型中,攻击者可以观察到所选择的动作及其相应的奖励,并且可以用加性噪声污染奖励。我们表明,任何强盗算法与遗憾$O(\log T)$可以被迫遭受遗憾$Ω(T)$与预期的污染量$O(\log T)$。这个污染量也是必要的,因为我们证明了存在$O(\log T)$后悔强盗算法,特别是经典的UCB,它需要$Ω(\log T)$量的污染遭受后悔$Ω(T)$。为了对抗这种攻击,我们的第二个主要贡献是提出基于验证的机制,使用有限的验证来访问有限数量的未受污染的奖励。特别是,对于无限验证的情况下,我们表明,与$O(\log T)$预期的验证次数,一个简单的修改版本的ETC型土匪算法可以恢复顺序最佳的$O(\log T)$遗憾,无论由攻击者使用的污染量。我们还提供了一个类似UCB的验证方案,称为安全UCB,也享有从任何攻击完全恢复,也与$O(\log T)$预期的验证数量。为了得到一个匹配的下限验证的数量,我们证明了任何顺序最优的强盗算法,这个数量的验证$Ω(\log T)$是必要的恢复顺序最优的遗憾。另一方面,当验证的数量是有界的预算$B$以上,我们提出了一种新的算法,安全-BARBAR,可证明实现$O(\min\{C,T/\sqrt{B} \})$遗憾与高概率对弱攻击者$C$是由攻击者的污染总量,这打破了已知的$…
2022-05-03 cs.AI cs.CR cs.LG
Quantitative Verification of Masked Arithmetic Programs against Side-Channel Attacks
功率侧信道攻击通过统计分析来推断秘密数据,已经成为一种严重的威胁。掩蔽是降低秘密数据与边信道信息之间统计相关性的有效对策。然而,设计掩蔽算法是一个容易出错的过程。在本文中,我们提出了一个混合的方法结合类型推断和模型计数来验证屏蔽算术程序对侧信道攻击。类型推断允许一个有效的,轻量级的过程来确定最可观察的变量,而模型计数帐户的完整性。在程序没有被完全屏蔽的情况下,我们还提供了一种方法来量化程序的安全级别。我们实现了我们的方法在一个工具QMVerif和评估它的密码基准。实验结果表明了该方法的有效性和效率。
2019-01-28 cs.CR
EthClipper: A Clipboard Meddling Attack on Hardware Wallets with Address Verification Evasion
硬件钱包旨在通过将其私钥与网络空间隔离来抵御恶意软件攻击,但它们容易受到存储在剪贴板中的伪造地址的攻击。为了防止此类攻击,硬件钱包要求用户验证钱包显示屏上显示的收件人地址。由于密码地址是随机符号的长序列,因此它们的手动验证成为一项困难的任务。因此,许多硬件钱包的用户选择只验证地址中的几个符号,这可能会被攻击者利用。在这项工作中,我们介绍了EthClipper,这是一种针对以太坊平台上硬件钱包所有者的攻击。EthClipper恶意软件查询预先挖掘的帐户的分布式数据库,以选择与原始地址具有最大视觉相似性的地址。我们设计并实现了一个EthClipper恶意软件,并在Trezor、Ledger和KeepKey钱包上进行了测试。为了为攻击提供计算和存储资源,我们实现了一个分布式服务ClipperCloud,并在不同的部署环境中对其进行了测试。我们的评估表明,使用现成的PC和NAS存储,攻击者将能够挖掘能够匹配地址中25%数字的数据库,以实现50%的机会找到合适的假地址。为了进行负责任的披露,我们已经联系了攻击评估中使用的硬件钱包的制造商,他们都证实了EthClipper的危险性。
2021-08-31 cs.CR
ALMOST: Adversarial Learning to Mitigate Oracle-less ML Attacks via Synthesis Tuning
New York University(纽约大学);New York University Abu Dhabi(纽约大学阿布扎比分校);University of Calgary(卡尔加里大学)
无Oracle机器学习(ML)攻击已经破坏了各种逻辑锁定方案。定期合成,这是专门为面积功率延迟优化,产生网表的关键门的地方容易受到学习。因此,我们呼吁安全意识的逻辑合成。我们提出了ALMOST,这是一个对抗性学习的框架,通过合成调整来减轻无预言机器学习攻击。ALMOST使用基于模拟退火的合成配方生成器,采用经过对抗训练的模型,可以预测各种配方和密钥门位置上最先进的攻击准确性。在ISCAS基准测试上的实验证实,对于几乎合成的电路,攻击的准确率下降到50%左右,而不会破坏设计优化。
2023-03-06 cs.CR cs.LG
Synthesis of Winning Attacks on Communication Protocols using Supervisory Control Theory: Two Case Studies
越来越需要研究分布式系统中通信协议对恶意攻击的脆弱性,这些恶意攻击试图违反安全性或非阻塞性等属性。在本文中,我们提出了一个共同的方法,正式合成成功的攻击对两个著名的协议,交替位协议(ABP)和传输控制协议(TCP),攻击者总是可以最终获胜,称为为所有攻击。这概括了以前的工作,对TCP的合成There-exists攻击,攻击者有时可以赢。我们的ABP和TCP协议和系统架构的有限状态自动机建模,并采用离散事件系统的监督控制理论提出和解决的For-all攻击的合成,其中攻击者具有部分可观性和可控性的系统事件。我们考虑了几种情况下的人在中间攻击ABP和TCP,并提出了攻击合成的结果,使用我们的方法为每种情况下。
2022-10-11 cs.CR cs.NI cs.SY
Securing Graph Neural Networks in MLaaS: A Comprehensive Realization of Query-based Integrity Verification
针对MLaaS中GNN易遭以模型为中心的攻击、传统验证方法失效的问题,本研究提出带随机化指纹节点的基于查询的完整性验证方案,适配两类GNN,可检测五种典型攻击,效率达基线2-4倍。
2023-12-13 cs.CR
Towards a Formal Modelling, Analysis, and Verification of a Clone Node Attack Detection Scheme in the Internet of Things
在克隆节点攻击中,攻击者试图物理捕获设备以收集敏感信息,从而进行各种内部攻击。在上述观点中,已经提出了用于检测IoT网络上的克隆节点攻击的几种解决方案。这些解决方案专注于特定的系统设计、流程和功能集,并基于一些性能需求作为底层系统架构的高级抽象。然而,在现有的旨在验证系统的正确性和鲁棒性以确保不存在有问题的场景或异常的解决方案中,形式化分析、建模和验证等关键功能经常被忽视。本文提出了一种形式化的分析,建模和验证我们现有的克隆节点攻击检测计划在物联网。首先,我们使用高级Petri网(HLPNs)的架构组件的建议方案建模,然后映射它们使用其指定的功能。其次,我们使用Z规约语言定义并分析了该方案的行为特性。此外,我们使用可满足性模理论库(SMT-Lib)和Z3求解器来验证和演示所提出的方案的整体功能。最后,除了建模和分析,这项工作采用有色Petri网(CPNs),它结合Petri网与高级程序设计语言,使它们更适合于大规模的系统建模。为了在CPN中进行模拟,我们使用了定时和非定时模型,其中定时模型用于评估性能,非定时模型用于验证逻辑有效性。
2021-08-23 cs.CR
On the vulnerability of fingerprint verification systems to fake fingerprint attacks
Universidad Autonoma de Madrid(马德里自治大学);Escuela Politecnica Superior(高等理工学院)
提出了一种新的橡皮手指生成方法。描述了一个中等规模的假指纹数据库,并在此数据库上对两个不同的指纹验证系统进行了评估,实验中考虑了三种不同的场景,即:用真指纹注册并测试,用假指纹注册并测试,用真指纹注册并测试。给出了光学和热扫描传感器的结果。这两个系统都容易受到直接攻击。
2022-07-11 cs.CR cs.CV eess.IV
Attack Synthesis for Strings using Meta-Heuristics
信息泄漏是现代计算机系统中的一个重要问题,并且字符串操纵在现代软件中是普遍存在的。我们提出的技术自动合成的侧信道攻击,恢复秘密字符串值的基础上,对字符串操作代码的时间观察。我们的攻击合成技术迭代地生成输入,当输入到访问秘密的代码时,基于定时观测揭示关于秘密的部分信息,从而在攻击序列结束时恢复秘密。我们使用符号执行来提取路径约束,基于自动机的模型计数来估计执行路径的概率,以及基于熵的最大化信息增益的Meta探试法来合成自适应攻击步骤。
2019-07-26 cs.CR cs.SE
On the Detection of Adaptive Adversarial Attacks in Speaker Verification Systems
Purdue University Fort Wayne(普渡大学韦恩堡分校)
本文提出MEH-FEST检测器,利用短时傅里叶变换高频段最小能量检测FAKEBOB对抗攻击,在GMM和i-vector说话人验证系统中实现近零误报与漏报,并进一步研究了自适应攻击与防御的博弈。
2022-08-01 cs.CR cs.LG cs.SD
Denoising and Verification Cross-Layer Ensemble Against Black-box Adversarial Attacks
Georgia Institute of Technology(佐治亚理工学院)
深度神经网络(DNN)在许多具有挑战性的机器学习任务中表现出令人印象深刻的性能。然而,DNN容易受到通过向良性输入添加恶意制作的扰动而生成的对抗性输入的影响。据报告,越来越多的攻击产生了不同复杂程度的对抗性投入,因此,防御-攻击军备竞赛加快了。在本文中,我们提出了MODEF,跨层模型多样性集成框架。MODEF通过量化模型多样性,智能地将无监督模型去噪集成与有监督模型验证集成相结合,旨在提高目标模型对对抗性示例的鲁棒性。使用流行的基准数据集上的11个代表性攻击进行评估,我们表明,与现有的防御方法相比,MODEF实现了显着的防御成功率,并提供了卓越的修复对抗性输入的能力,并在黑盒攻击的存在下以高精度做出正确的预测。
2019-10-26 cs.CR cs.LG stat.ML
A White-Box False Positive Adversarial Attack Method on Contrastive Loss Based Offline Handwritten Signature Verification Models
University of St Andrews(圣安德鲁斯大学)
本文提出了一种针对基于对比损失的离线手写签名验证模型的白盒误报对抗攻击方法,将攻击视为书写风格迁移,通过引入两个新损失函数扰动嵌入向量距离并保持图像最小扰动,实现了优于其他方法的攻击性能。
2024-02-09 cs.AI cs.CR cs.CV
Identifying Source Speakers for Voice Conversion based Spoofing Attacks on Speaker Verification Systems
自动说话人确认系统旨在确认语音信号的说话人身份。然而,语音转换系统可以操纵一个人的语音信号,使其听起来像另一个说话者的声音,并欺骗说话者验证系统。针对基于语音转换的欺骗攻击的大多数对策被设计成用于区分说话人验证系统的真实语音和欺骗语音。在本文中,我们研究的问题,源说话人识别-推断身份的源说话人给定的语音转换语音。为了进行源说话人识别,我们只需在说话人嵌入网络训练期间将带有源说话人身份标签的语音转换语音数据添加到真实语音数据集。实验结果表明,当使用来自相同语音转换模型的转换语音进行训练和测试时,源说话人识别是可行的。此外,我们的研究结果表明,有更多的转换话语从各种语音转换模型的训练有助于提高源说话人识别性能转换话语从看不见的语音转换模型。
2022-10-31 cs.CR eess.AS
An Active Host-Based Intrusion Detection System for ARP-Related Attacks and its Verification
利用伪造的IP-MAC对进行欺骗是大多数局域网攻击的第一步。地址解析协议(ARP)是无状态的,这是使欺骗成为可能的主要原因。已经提出了几种网络级和主机级机制来检测和减轻ARP欺骗,但它们都有自己的缺点。在本文中,我们提出了一个基于主机的入侵检测系统的局域网攻击,它的工作原理没有任何额外的约束,如静态IP-MAC,修改ARP等所提出的方案下,所有可能的攻击场景进行了验证。该方案成功地验证了在测试床与各种攻击场景,结果表明所提出的技术的有效性。
2013-06-06 cs.CR cs.NI
An Empirical Study on the Membership Inference Attack against Tabular Data Synthesis Models
Northwestern University(西北大学);Yonsei University(延世大学);George Mason University(乔治梅森大学)
表格数据通常包含私人和重要的信息;因此,在与他人共享之前必须采取预防措施。虽然有几种方法(例如,差分隐私和k-匿名)来防止信息泄露,近年来,表格数据合成模型由于能够很好地权衡数据效用和隐私性而受到青睐。然而,最近的研究表明,图像数据的生成模型容易受到成员推断攻击,这可以确定是否使用给定的记录来训练受害者合成模型。在本文中,我们研究的成员推断攻击的背景下,表格数据合成。我们在两种攻击场景(即,一个黑盒攻击和一个白盒攻击),并发现成员推断攻击可以严重危害这些模型。接下来,我们进行实验,以评估两种流行的差分私有深度学习训练算法DP-SGD和DP-GAN如何保护模型免受攻击。我们的主要发现是,这两种算法可以在很大程度上减轻这种威胁,牺牲生成质量。
2022-08-25 cs.AI cs.CR
A lightweight dynamic pseudonym identity based authentication and key agreement protocol without verification tables for multi-server architecture
传统的基于口令的身份验证方案大多在单服务器环境中考虑。从两个方面来看,它们不适合多服务器环境。一方面,用户需要在每个服务器上注册,并存储大量数据,包括身份和密码。另一方面,要求服务器存储包含用户身份和密码的验证表。最近,在Sood等人的基础上,的协议(2011),Li等人提出了一种改进的用于多服务器架构的基于动态身份的认证和密钥协商协议(2012)。Li等人声称,所提出的方案可以弥补Sood等人的安全弱点。的协议。不幸的是,我们进一步的研究表明,李等人。的协议存在一些缺陷,不能抵抗重放攻击、拒绝服务攻击、内部攻击、窃听攻击、伪装攻击等,本文进一步提出了一种适用于多服务器体系结构的轻型动态假名身份认证与密钥协商协议。在我们的方案中,提供服务的服务器不需要维护用户的验证表。该协议不仅提供了李等人所宣称的安全功能。的纸张,但也有一些其他的安全功能,如可追溯性和身份保护。
2012-04-17 cs.CR
A Statistical Verification Method of Random Permutations for Hiding Countermeasure Against Side-Channel Attacks
本文提出基于Fisher-Yates洗牌的随机置换统计验证方法,通过引入n阶置换概念,确保隐藏对策实现的高效性与可靠性,以抵御侧信道攻击。
2023-11-15 cs.CR
On the Accuracy of Formal Verification of Selective Defenses for TDoS Attacks
电话拒绝服务(TDoS)攻击的目标是电话服务,如IP语音(VoIP),不允许合法用户拨打电话。很少有防御措施试图缓解TDoS攻击,其中大多数使用IP过滤,适用性有限。在我们以前的工作中,我们提出了使用选择性策略来缓解HTTP应用层DDoS攻击,证明了它们在缓解不同类型攻击方面的有效性。开发这种类型的防御是具有挑战性的,因为有许多设计选项,例如,使用丢弃函数和选择算法。我们的第一个贡献是通过实验和使用形式化验证来证明选择性策略适合于减轻TDOS攻击。我们使用我们的正式模型来帮助决定使用哪些选择性策略,而这些策略比进行实验要少得多。我们的第二个贡献是从我们的正式模型和进行实验所获得的结果进行了详细的比较。我们证明,正式的方法是一个强大的工具,用于指定防御,以减轻分布式拒绝服务攻击,允许增加我们的信心,在实际实施前提出的防御。
2017-09-13 cs.CR cs.LO cs.NI
Synthesis of Proactive Sensor Placement In Probabilistic Attack Graphs
研究了移动目标联合防御(MTD)和欺骗对抗多阶段网络攻击的部署问题。给定系统配备MTD,在不同的配置之间进行随机化,我们研究如何在每个配置中分配有界数量的传感器,以优化攻击检测率之前,攻击者实现其目标。具体而言,两种类型的传感器被认为是:入侵检测器,可观察到的攻击者和隐形传感器,是不可观察的攻击者。我们提出了一个基于两步优化的方法来分配入侵检测器和隐身传感器:首先,防御者分配入侵检测器,假设攻击者将最好地响应,以逃避入侵检测器的检测。其次,防御者将根据第一步计算出的最佳响应攻击策略分配隐形传感器,以进一步降低攻击者的成功机会。我们说明了所提出的方法的有效性,使用网络防御的例子。
2022-10-13 cs.CR
Controller Datapath Aware Verification of Masked Hardware Generated via High Level Synthesis
本文提出一种针对高阶综合生成掩码硬件的验证策略,通过状态级形式验证避免资源共享数据路径导致的误报,正确验证了标准加密基准。
2026-03-19 cs.CR
Multiple-Identity Image Attacks Against Face-based Identity Verification
University College London(伦敦大学学院);Telefónica Research(西班牙电信研究院);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
面部验证系统容易受到利用多身份图像(MII)的中毒攻击-存储在数据库中的类似于多个人的面部图像,使得任何组成人员的新图像被验证为与MII的身份匹配。对这种攻击模式的研究主要集中在通过检测进行防御,而没有解释为什么存在漏洞。提出了新的定量结果,支持解释的几何形状的验证系统所使用的表示空间。在这些空间的球面几何中,匹配和非匹配的面部表示对的角距离分布仅适度分离,分别近似以90度和40-60度为中心。这对于正常数据上的开集验证是足够的,但为MII攻击提供了机会。我们的分析考虑了理想的MII算法,表明如果可以实现,它们将提供与其组成面部大约45度的面部,从而将其归类为匹配。我们研究了MII生成的三种方法的性能-画廊搜索,图像空间变形和表示空间反转-并表明后两种方法实现了理想,足以产生有效的攻击,而前者可以成功,但只有一个令人难以置信的大画廊搜索。图库搜索和反转MII依赖于访问面部比较器进行优化,但我们的研究结果表明,这些攻击在攻击不同的比较器时仍然有效,因此保护部署的比较器是不够的防御。
2019-06-20 cs.CR cs.CV cs.LG
[Extended version] Rethinking Deep Neural Network Ownership Verification: Embedding Passports to Defeat Ambiguity Attacks
WeBank(微众银行);University of Malaya(马来亚大学)
随着大量的时间、资源和人力(团队)努力投入到探索和开发成功的深度神经网络(DNN)中,迫切需要保护这些发明免受非法复制、重新分发或滥用,而不尊重合法所有者的知识产权。根据这方面的最新进展,我们研究了一些基于水印的DNN所有权验证方法,面对歧义攻击,其目的是通过伪造伪造水印来质疑所有权验证。结果表明,模糊攻击对现有的DNN水印方法构成严重威胁。作为对上述漏洞的补救,本文提出了新的基于护照的DNN所有权验证方案,该方案对网络修改具有鲁棒性,并且能够抵御歧义攻击。嵌入数字护照的要点是设计和训练DNN模型,使得原始任务的DNN推理性能将由于伪造护照而显著恶化。换句话说,真正的护照不仅通过寻找预定义的签名来验证,而且还通过不屈的DNN模型推理性能来重申。大量的实验结果证明了所提出的基于护照的DNN所有权验证方案的有效性。代码和模型可在https://github.com/kamwoh/DeepIPR上获得
2019-11-02 cs.CR cs.CV cs.LG
Evaluating of Machine Unlearning: Robustness Verification Without Prior Modifications
针对现有机器遗忘验证方法依赖攻击技术且仅支持少量样本的局限,提出一种无需先验修改的鲁棒性验证方案,通过优化方法恢复训练样本并比较遗忘前后结果,支持大规模验证并适用于 MLaaS 环境。
2024-10-14 cs.CR
Blockchain-based Federated Learning with SMPC Model Verification Against Poisoning Attack for Healthcare Systems
针对联邦学习易受恶意更新与投毒攻击且难以兼顾隐私保护的问题,本文提出结合区块链、SMPC 加密推理验证和安全聚合的医疗系统框架,并在多个医学数据集上评估。
2023-04-26 cs.CR
SyntheticPop: Attacking Speaker Verification Systems With Synthetic VoicePops
College of Science, San Jose State University(圣何塞州立大学理学院)
针对VA+VoicePop防御机制,提出SyntheticPop攻击方法,通过嵌入合成“pop”噪声污染训练数据,在污染20%数据集时攻击成功率超95%,显著降低VA+VoicePop系统准确率至14%,暴露其安全漏洞。
2025-02-13 cs.CR cs.LG
QuADTool: Attack-Defense-Tree Synthesis, Analysis and Bridge to Verification
本文提出 QuADTool,支持攻击-防御树的综合、多指标定量分析及模型检测接口,并扩展标准方法以处理 PAC 不精确输入、给出结果不确定性的严格界限。
2024-09-17 cs.CR
Automated Attack Synthesis by Extracting Finite State Machines from Protocol Specification Documents
Purdue University(普渡大学);Northeastern University(东北大学)
自动攻击发现技术(如攻击者合成或基于模型的模糊)提供了确保网络协议正确安全运行的强大方法。这些技术通常需要协议的形式化表示,通常采用有限状态机(FSM)的形式。不幸的是,许多协议仅用英文描述,即使是将简单的网络协议实现为FSM也很耗时,并且容易出现微妙的逻辑错误。从文档中自动提取协议FSM可以显著促进这些技术的使用,并导致更健壮和更安全的协议实现。在这项工作中,我们专注于攻击者的合成作为一个代表性的技术协议的安全性,并在RFC作为一个代表性的格式协议散文描述。与其他依赖于基于规则的方法或直接使用现成的NLP工具的作品不同,我们提出了一种数据驱动的方法来从RFC文档中提取FSM。具体而言,我们使用的混合方法包括三个关键步骤:(1)大规模的词表示学习的技术语言,(2)集中的零样本学习的协议文本映射到一个协议无关的信息语言,(3)基于规则的映射从协议无关的信息到一个特定的协议FSM。我们展示了我们的FSM提取的通用性,通过使用RFC为六个不同的协议:BGPv4,DCCP,LTP,PPTP,SCTP和TCP。我们演示了如何自动提取的FSM从RFC可以应用到合成的攻击,TCP和DCCP的案例研究。我们的方法表明,它是可能的自动攻击者合成协议使用文本规范,如RFC。
2022-02-18 cs.CL cs.CR cs.FL
Adversarial Attacks on GMM i-vector based Speaker Verification Systems
The Chinese University of Hong Kong(香港中文大学);SpeechX Limited(SpeechX有限公司)
本文研究了基于高斯混合模型(GMM)i向量的说话人验证系统对对抗性攻击的脆弱性,以及从基于GMM i向量的系统到基于x向量的系统的对抗性样本的可转移性。详细地说,我们将GMM i-向量系统制定为注册和测试话语对的评分函数。然后,我们利用快速梯度符号方法(FGSM)优化测试话语的对抗性样本生成。这些对抗样本用于攻击GMM i-向量和x-向量系统。我们衡量系统的脆弱性的退化等错误率和错误接受率。实验结果表明,GMM i-vector系统非常容易受到对抗性攻击,并且所构造的对抗性样本具有可转移性,对基于神经网络说话人嵌入的系统(如x-vector系统)构成威胁.
2020-02-12 cs.CL cs.CR cs.LG
V2S attack: building DNN-based voice conversion from automatic speaker verification
The University of Tokyo(东京大学);Nippon Telegraph and Telephone Corporation(日本电报电话公司)
本文提出了一种新的语音模仿攻击使用语音转换(VC)。为自动说话人验证(ASV)注册个人语音提供了自然和灵活的生物识别认证系统。基本上,ASV系统不包括用户的语音数据。然而,如果ASV系统意外地暴露并被恶意攻击者攻击,则存在攻击者将使用VC技术来再现注册用户的语音的风险。我们将其命名为“验证到合成(V2S)攻击”,并建议使用ASV和预训练的自动语音识别(ASR)模型进行VC训练,而不需要目标说话人的语音数据。VC模型通过欺骗ASV模型来再现目标说话人的个性,并通过匹配由ASR模型预测的语音后验图来恢复输入语音的语音属性。实验评估比较转换的声音之间的建议的方法,不使用目标扬声器的语音数据和标准的VC,使用的数据。实验结果表明,该方法的性能优于现有的VC方法,使用非常少量的并行语音数据进行训练。
2019-08-05 cs.CR cs.LG cs.SD
Towards the Automated Verification of Cyber-Physical Security Protocols: Bounding the Number of Timed Intruders
时间入侵者模型被提出来验证网络物理安全协议(CPSP),修改了传统的Dolev-Yao入侵者以遵守环境的物理限制。由于要学习消息,定时入侵者需要等待消息到达,因此发起攻击可能取决于定时入侵者的位置。很可能出现这样的情况,即在存在大量入侵者的情况下,没有攻击,但在存在少量处于适当位置的入侵者的情况下,存在攻击。因此,CPSP自动化验证的一个主要挑战是确定使用多少定时入侵者以及将它们放置在何处。本文通过证明使用与参与者数量相同的定时入侵者数量就足够了来回答这个问题。我们还报告了一些初步的实验结果,发现在CPSP攻击。
2016-05-27 cs.CR cs.LO
OVLA: Neural Network Ownership Verification using Latent Watermarks
Boston University(波士顿大学)
提出基于潜在水印的神经网络所有权验证方法OVLA,通过密钥激活休眠水印,在不影响网络正常运行的同时有效防御后门检测、移除、代理模型及模糊攻击。
2023-06-26 cs.CR cs.LG
Rational Dolev--Yao Attackers: Decidable Incentive-Aware Verification of Security Protocols in Strategic Logic
Surrey Centre(萨里中心);IMSc Chennai(印度数学科学研究所钦奈分所);Azim Premji University(阿齐姆·普雷吉大学);University of Surrey(萨里大学)
该研究提出理性Dolev--Yao攻击者模型,用加权交替时间时序逻辑验证协议理性安全性,证明其可判定性与复杂性,并通过认证支付和ThreeBallot案例展示其应用。
2026-08-25 cs.CR cs.GT
Synthesis of Adversarial DDOS Attacks Using Tabular Generative Adversarial Networks
网络入侵检测系统(NIDS)是广泛用于维护计算机网络和信息系统的工具或软件,当有人试图闯入系统时,它们会标记,以保持它们的安全并防止恶意流量渗透到它们中。然而,随着攻击技术的不断发展,新的攻击类型也越来越多,其中一种是基于生成对抗网络(GAN)的攻击,它可以逃避机器学习IDS,使它们变得脆弱。本项目研究使用GANs生成的真实DDoS攻击合成的对抗攻击对IDS的影响。我们的目标是发现这些系统将如何对合成攻击作出反应。标记出这些系统的弱点和弱点,以便我们修复它们。
2022-12-14 cs.AI cs.CR
Identification and Verification of Attack-Tree Threat Models in Connected Vehicles
随着网络物理组件在汽车行业的应用越来越多,网络安全已成为一个紧迫的话题。在联网车辆中采用以太网和WiFi等技术和通信协议会产生许多攻击场景。因此,ISO/SAE 21434和UN R155(2021)定义了汽车网络安全的标准和监管框架。这两份文件都采用了基于风险管理的方法,并要求采用威胁建模方法进行风险分析和识别。这种威胁建模方法必须符合ISO/SAE 21434的威胁分析和风险评估(TARA)框架。相反,现有的威胁建模方法列举孤立的威胁,而不考虑车辆的设计和连接。因此,他们忽视了从车辆接口到其资产的攻击路径的作用。换句话说,他们缺少TARA工作产品,例如,攻击路径危及资产或可行性和影响评级。我们提出了一种威胁建模方法,通过识别,排序和连接漏洞从一个有效的攻击面的资产来构建攻击路径。最初,我们将网络安全指南转化为攻击树,然后我们使用它们的正式解释来评估车辆的设计。该工作流产生攻击路径的组合构造以及所需的TARA工作产品(例如,攻击路径、可行性和影响)。更重要的是,我们可以在联网车辆的背景下迭代地应用工作流程,以确保设计符合性、隐私和网络安全。最后,为了展示汽车行业中先发制人的威胁识别和风险分析的复杂性和重要性,我们在互联车辆测试平台SPIDER中评估了所提出的基于模型的方法。
2022-12-29 cs.CR
Selfie-Capture Dynamics as an Auxiliary Signal Against Deepfakes and Injection Attacks for Mobile Identity Verification
Candour Oy(Candour 公司);University of Oulu(奥卢大学)
本文研究自拍过程中记录的被动运动轨迹是否能作为辅助证据用于防伪和身份验证。通过CanSelfie数据集验证了加速度计数据的有效性,并指出需跨设备和跨会话评估注入攻击。
2026-09-04 cs.CR cs.ET cs.LG
Generalized Attacks on Face Verification Systems
University of Ottawa(渥太华大学)
本文深入研究人脸验证系统的对抗攻击,提出DodgePersonation Attack和“One Face to Rule Them All” Attack,在Master Face Attack等场景下以9张图像覆盖57.27%至58.5%的身份,显著超越现有方法。
2023-09-12 cs.CR cs.CV cs.LG
Downgrade Attack on TrustZone
安全关键任务需要与不受信任的软件进行适当的隔离。芯片制造商在其处理器中设计并包括可信执行环境(TEE),以保护这些任务。可信环境中软件的完整性和安全性依赖于系统的验证过程。我们发现一种形式的攻击,可以在目前广泛部署的ARM TrustZone技术的实现。该攻击利用了信任程序(TA)或TrustZone OS加载验证过程可能使用相同的验证密钥,并且可能缺乏跨版本的适当回滚保护的事实。如果漏洞在过期版本上有效,但在最新版本上修补了漏洞,攻击者仍然可以使用相同的漏洞通过将软件降级到可利用的旧版本来危害最新系统。我们在市场上流行的设备上做了实验,包括谷歌、三星和华为的设备,发现它们都有被攻击的风险。此外,我们还展示了一个利用高通QSEE的真实示例。此外,为了找出哪些设备图像共享相同的验证密钥,对不同厂商的模式匹配方案进行了分析和总结。
2017-07-18 cs.CR cs.OS
Malacopula: adversarial automatic speaker verification attacks using a neural-based generalised Hammerstein model
EURECOM(欧洲通信学院);National Institute of Informatics(国立信息学研究所);Microsoft(微软公司);The Hong Kong Polytechnic University(香港理工大学)
本研究提出基于神经网络的广义Hammerstein模型Malacopula,通过生成对抗性扰动提升语音欺骗攻击对ASV系统的效果,实验验证了其攻击效力及现有防御的局限,凸显了完善ASV对抗防御的必要性。
2024-08-17 cs.CR cs.LG cs.SD
Verification of Bit-Flip Attacks against Quantized Neural Networks
National University of Singapore(新加坡国立大学);ShanghaiTech University(上海科技大学);ByteDance Inc(字节跳动公司);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);Nanjing Institute of Software Technology(南京软件技术研究院);Singapore Management University(新加坡管理大学)
针对量化神经网络,提出首个形式化验证框架BFAVerifier,结合抽象与MILP方法,健全完备地验证位翻转攻击不存在或识别脆弱参数,实验证明其高效有效。
2025-02-22 cs.AI cs.CR cs.LG
Session-layer Attack Traffic Classification by Program Synthesis
编写分类规则来识别恶意网络流量是一项耗时且容易出错的任务。基于学习的分类系统自动从正面和负面的流量示例中提取这些规则。然而,由于网络流量的表示和学习策略的限制,这些系统缺乏表达能力,以涵盖一系列的攻击和解释性,在充分描述攻击流量的结构在会话层。本文介绍了Sharingan系统,它使用程序合成技术在会话层生成网络分类程序。Sharingan接受原始网络跟踪作为输入,并在NetQRE中报告攻击流量的潜在模式,NetQRE是一种专用于指定会话层定量属性的域特定语言。使用Sharingan,网络运营商可以更好地分析攻击模式,这是由于Sharingan学习过程的以下优点:(1)它需要最少的特征工程,(2)它可以有效地实现学习的分类器,以及(3)合成的程序易于破译和编辑。我们开发了一系列新颖的优化,将大型复杂任务的合成时间缩短到几分钟。我们的实验表明,Sharingan能够从各种网络攻击痕迹中正确识别攻击,并生成可解释的输出,同时达到与最先进的基于学习的入侵检测系统相当的准确性。
2020-10-13 cs.CR cs.PL
MASTERKEY: Practical Backdoor Attack Against Speaker Verification Systems
Michigan State University(密歇根州立大学);Samsung Research America(三星美国研究院);UT Dallas(德克萨斯大学达拉斯分校)
提出针对说话人验证系统的后门攻击 MASTERKEY,在攻击者对受害者一无所知的实用设置下,通过优化通用后门并嵌入说话人特征与信道失真,在多个模型和现实场景中实现高成功率的隐蔽攻击。
2023-09-13 cs.AI cs.CR cs.LG
A single-qubit position verification protocol that is secure against multi-qubit attacks
设备或代理的位置是当今社会中重要的安全凭证,无论是在线还是现实世界。但是,除非在直接邻近的情况下,如果不作进一步的假设,就不可能安全地核查一个位置。这在经典意义上是正确的,但在未来任何配备量子的通信基础设施中也是如此。我们在这项工作中表明,以单个量子比特形式的最小量子资源与经典通信相结合,足以挫败假装处于特定位置并有能力协调其行动与纠缠的量子对手。更准确地说,我们表明,仅通过增加协议中使用的经典位数即可对抗使用越来越多纠缠的对手。所提出的协议是噪声鲁棒的,并且在当前量子技术的范围内。
2023-01-23 cs.CR quant-ph
iSeal: Encrypted Fingerprinting for Reliable LLM Ownership Verification
iSeal通过在模型和外部模块中注入独特特征,结合纠错机制和相似性验证策略,实现对模型窃贼全程控制下的可靠LLM所有权验证,有效抵御指纹反学习和响应操控等攻击。
2026-03-19 cs.AI cs.CR
"Hello, It's Me": Deep Learning-based Speech Synthesis Attacks in the Real World
University of Chicago(芝加哥大学)
深度学习的进步带来了一波新的语音合成工具,能够产生听起来像是目标说话者所说的音频。如果成功的话,这些工具在错误的手中将能够对人类和软件系统(又名机器)进行一系列强大的攻击。本文记录了基于深度学习的语音合成攻击对人类听众和机器(如说话人识别和语音登录系统)的影响的综合实验研究的成果和发现。我们发现,人类和机器都可以被合成语音可靠地愚弄,并且现有的针对合成语音的防御措施不足。这些发现强调了提高意识和开发针对人类和机器合成语音的新保护措施的必要性。
2021-09-20 cs.AI cs.CR cs.SD
Formal Verification of Probing Security via Conditional Independence
Faculty of Education and Integrated Arts and Sciences Waseda University(早稻田大学教育综合科学部)
提出基于概率分离逻辑的方法,通过连接非干扰性与条件独立性,利用Lilac分离逻辑验证掩码算法的探测安全性,并提供证明规则。
2026-05-25 cs.CR cs.LO
Multi-task Learning Based Spoofing-Robust Automatic Speaker Verification System
The University of Western Australia(西澳大学)
通过生成人工语音而构成的欺骗攻击会严重降低说话人确认系统的性能。最近,许多反欺骗对策已被提出用于检测从合成语音到重放演示的各种类型的攻击。虽然有许多关于独立反欺骗解决方案的有效防御报告,但扬声器验证和欺骗检测系统的集成具有明显的优势。在本文中,我们提出了一个欺骗鲁棒的自动说话人确认(SR-ASV)系统的多种攻击的基础上的多任务学习架构。这个基于深度学习的模型与来自话语的时频表示联合训练,以同时为两个任务提供识别决策。与ASVspoof 2017和2019语料库上的其他最先进的系统相比,可以在不同的欺骗条件下获得组合系统的实质性改进。
2020-12-06 cs.CR cs.SD eess.AS