FenixEdu™

Dissertação

{en_GB=Perceptual Hashing for Authentication using Physically Unclonable Functions} {} EVALUATED

Detalhes: {pt=O desenvolvimento de métodos de autenticação é um tema cada vez mais importante e também o foco de ampla discussão no domínio público. As funções fisicamente não clonáveis (PUF) ópticas são um tipo de dispositivo criptográfico que dá uso à aleatoriedade inerente de certos objectos (tokens) que quando irradiados com luz coerente, produzem padrões de speckle únicos, podendo ser utilizados para fins de autenticação. Contudo, padrões de speckle obtidos pelo mesmo token podem variar (intra-variabilidade) dependendo das condições de aquisição, impedindo a sua autenticação. Este trabalho demonstra como uma PUF que utiliza tokens de papel vegetal pode ser utilizada para fins de autenticação, apesar da intra-variabilidade entre padrões de speckle adquiridos. Dois conjuntos de dados foram adquiridos com a finalidade de simular intra-variabilidade (ligar e desligar o sistema e alterar o posicionamento da câmara). Para recorte automático da região de interesse das imagens foi utilizada fita preta não refletiva. Na fase de pré-processamento foi também efetuado warping, bem como normalização da intensidade dos pixels, seguida de filtragem de Gabor. Foram testados dois métodos de extração de características para gerar chaves: (i) Transformada Discreta de Cosseno (DCT) e (ii) Análise de Componentes Principais (PCA). Utilizaram-se duas abordagens de classificação: (i) baseada em distância de Hamming e (ii) classificadores de aprendizagem automática. Para uma abordagem de dados independentes, a DCT combinada com uma classificação baseada em distância de Hamming permitiu obter os melhores resultados. Para uma abordagem de dados dependentes, revelou melhor desempenho a PCA combinada com classificadores de aprendizagem automática., en=The development of authentication methods is an increasingly important topic, which is also the focus of a wide discussion in the public sphere. Optical PUFs are a type of cryptographic device that leverages the inherent randomness of certain objects (tokens) for authentication purposes, by probing them with a coherent light, generating unique speckle patterns. However, a problem arises due to intra-variability, where speckle patterns obtained from the same token can vary depending on the acquisition environment and system alignment. This work shows how a PUF system utilizing tracing paper tokens can be employed for authentication purposes, despite the intra-variability between acquired speckle pattern images. Two datasets were acquired with the purpose of simulating intra-variability (turning the system ON and OFF and changing the camera positioning). Non-reflective black tape around the region of interest was also used to automate the cropping process. In the pre-processing stage, warping was performed, as well as pixel intensity normalization, followed by Gabor Filtering. Two feature extraction methods were tested for hash generation using: (i) Discrete Cosine Transform and (ii) Principal Component Analysis. Two classification approaches were tested: (i) a Hamming Distance based classification and (ii) machine learning classifiers. For a data independent method, the DCT combined with HD-based classification achieved the best results. For a data dependent method, the PCA with machine learning classifiers performed the best overall. Gabor filtering provided an authentication performance boost, but the kernels used may need to be calibrated between datasets.}
Keywords: {pt=Transformada Discreta de Fourier, Análise de Componentes Principais, Aprendizagem Automática, Funções Fisicamente Não Clonáveis, Transformada de Gabor, en=Discrete Cosine Transform, Principal Component Analysis, Machine Learning, Authentication, Gabor Filtering, Physically Unclonable Functions}

Discussão: novembro 18, 2021, 9:0