Luận văn thạc sĩ khoa học máy tính bảo vệ đặc trưng sinh trắc trong xác thực từ xa bằng vi xử lý bảo mật

Luận văn thạc sĩ khoa học máy tính nghiên cứu bảo vệ đặc trưng sinh trắc trong xác thực từ xa, ứng dụng vi xử lý bảo mật hiệu quả.

• Tác giả: Lục Minh Tuấn
• Người hướng dẫn: Pgs. Đặng Trần Khánh
• Trường học: Đại học Bách Khoa, Đại học Quốc gia TP. HCM
• Chuyên ngành: Khoa học máy tính
• Đề tài: Bảo vệ đặc trưng sinh trắc trong xác thực từ xa bằng vi xử lý bảo mật
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN THẠC SĨ
• LỜI CAM ĐOAN
• DANH MỤC BẢNG BIỂU
• DANH MỤC TỪ NGỮ VIẾT TẮT
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Giới thiệu đề tài
• 1.2. Giao dịch thương mại điện tử
• 1.3. Khảo sát về giao dịch thương mại điện tử
• 1.4. Mục đích nghiên cứu
• 1.5. Ý nghĩa khoa học và thực tiễn
• 1.6. Giới hạn đề tài
• 2. CHƯƠNG 2: GIỚI THIỆU VỀ SINH TRẮC HỌC
• 2.1. Tổng quan về sinh trắc học
• 2.2. Khát quát về hệ thống sinh trắc học
• 2.3. Đặc điểm của hệ thống sinh trắc học
• 3. CHƯƠNG 3: PHƯƠNG PHÁP RÚT TRÍCH ĐẶC TRƯNG
• 3.1. Phương pháp xác định khuôn mặt
• 3.2. Các đặc trưng khuôn mặt
• 3.3. Khó khăn và thử thách trong bài toán xác định khuôn mặt người
• 3.4. Phương pháp rút trích đặc trưng
• 3.5. Phép biến đổi PCA
• 3.6. Biểu diễn khuôn mặt theo tập huấn luyện tìm được
• 4. CHƯƠNG 4: VI XỬ LÝ BẢO MẬT
• 4.1. Giới thiệu vi xử lý bảo mật
• 4.2. Giới thiệu sử dụng Toolkit trong IBM 4765 [8]
• 4.3. Các thành phần trong Toolkit
• 4.4. Lập trình ứng dụng IBM 4765 sử dụng Toolkit
• 4.5. Giới thiệu các API được IBM 4765 cung cấp sử dụng trong mô hình [9]
• 4.6. Hàm mã hóa đối xứng
• 4.7. Hàm mã hóa công khai
• 4.8. Hàm tính modulo số nguyên lớn
• 4.9. Hàm sinh số ngẫu nhiên
• 5. CHƯƠNG 5: CƠ SỞ LÝ THUYẾT
• 5.1. Quá trình xác thực
• 5.2. Một số kiểu mã hóa được sử dụng
• 5.3. Mã xác thực thông điệp MAC sử dụng hàm băm MD5
• 5.4. Các công trình nghiên cứu liên quan
• 5.5. Mô hình Fuzzy Commitment
• 5.6. Phép chiếu ngẫu nhiên
• 6. CHƯƠNG 6: XÂY DỰNG MÔ HÌNH THỰC NGHIỆM
• 6.1. Các kí hiệu được sử dụng trong mô hình
• 6.2. Huấn luyện cho hệ thống
• 6.3. Giai đoạn đăng ký người dùng mới
• 6.4. Giai đoạn xác thực người dùng
• 6.5. Đánh giá hệ thống
• 6.6. Đánh giá hiệu suất của hệ thống
• 6.7. Đánh giá về độ bảo mật của hệ thống
• 7. CHƯƠNG 7: KẾT LUẬN
• 7.1. Đánh giá kết quả
• 7.2. Hướng phát triển của đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu đề tài

Luận văn thạc sĩ tập trung vào việc bảo vệ đặc trưng sinh trắc trong hệ thống xác thực từ xa bằng cách sử dụng vi xử lý bảo mật. Đề tài này nhằm khắc phục các hạn chế của các mô hình xác thực truyền thống, đặc biệt là việc bảo vệ dữ liệu sinh trắc khỏi các hình thức tấn công từ bên trong và bên ngoài hệ thống. Công nghệ sinh trắc học được áp dụng để tăng cường độ an toàn và tin cậy trong quá trình xác thực người dùng.

1.1. Bối cảnh nghiên cứu

Với sự phát triển của công nghệ bảo mật và an ninh mạng, việc xác thực người dùng trở nên quan trọng hơn bao giờ hết. Các hệ thống xác thực truyền thống như mật khẩu và token đã bộc lộ nhiều điểm yếu, dẫn đến nhu cầu cấp thiết về các giải pháp mới. Xác thực sinh trắc học được xem là một hướng đi tiềm năng, nhưng vẫn cần được cải tiến để đảm bảo tính bảo mật cao hơn.

1.2. Mục tiêu nghiên cứu

Mục tiêu chính của luận văn là đề xuất một mô hình xác thực từ xa dựa trên công nghệ sinh trắc học, kết hợp với vi xử lý bảo mật để bảo vệ dữ liệu sinh trắc. Mô hình này không chỉ chống lại các hình thức tấn công phổ biến mà còn tập trung vào việc bảo vệ dữ liệu người dùng được lưu trữ trong hệ thống.

II. Tổng quan về sinh trắc học

Chương này cung cấp cái nhìn tổng quan về công nghệ sinh trắc học, bao gồm các đặc trưng sinh trắc phổ biến như vân tay, khuôn mặt và võng mạc. Các hệ thống sinh trắc học hiện nay đều có ưu điểm là phản ánh duy nhất một cá nhân, nhưng cũng dễ bị tấn công nếu không được bảo vệ đúng cách.

2.1. Đặc điểm của hệ thống sinh trắc học

Hệ thống sinh trắc học dựa trên các đặc trưng duy nhất của mỗi cá nhân, giúp ngăn chặn việc sử dụng nhiều định danh cho một người dùng. Tuy nhiên, các đặc trưng này dễ bị tấn công nếu không được mã hóa và bảo vệ kỹ lưỡng.

2.2. Ứng dụng của sinh trắc học

Sinh trắc học được ứng dụng rộng rãi trong các lĩnh vực như ngân hàng, an ninh và giao dịch điện tử. Tuy nhiên, việc bảo vệ dữ liệu sinh trắc vẫn là thách thức lớn, đặc biệt trong môi trường mạng không an toàn.

III. Phương pháp bảo vệ đặc trưng sinh trắc

Luận văn đề xuất sử dụng mô hình fuzzy commitment kết hợp với phép chiếu trực giao ngẫu nhiên để bảo vệ đặc trưng sinh trắc. Phương pháp này giúp tăng cường độ bảo mật và chống lại các hình thức tấn công từ bên trong hệ thống.

3.1. Mô hình fuzzy commitment

Mô hình này sử dụng các kỹ thuật mã hóa để bảo vệ dữ liệu sinh trắc, đảm bảo rằng dữ liệu không thể bị giải mã ngay cả khi bị tấn công. Đây là một trong những phương pháp hiệu quả nhất hiện nay.

3.2. Phép chiếu trực giao ngẫu nhiên

Phép chiếu này giúp làm giảm độ phức tạp của dữ liệu sinh trắc, đồng thời tăng cường tính bảo mật bằng cách làm cho dữ liệu khó bị tái tạo lại.

IV. Vi xử lý bảo mật trong xác thực từ xa

Việc sử dụng vi xử lý bảo mật là một trong những điểm nhấn của luận văn. Các vi xử lý này được tích hợp vào hệ thống để thực hiện các tác vụ mã hóa và giải mã, đảm bảo tính an toàn cao nhất cho dữ liệu sinh trắc.

4.1. Giới thiệu về vi xử lý bảo mật

Vi xử lý bảo mật là các chip chuyên dụng được thiết kế để thực hiện các tác vụ mã hóa và giải mã một cách an toàn. Chúng được sử dụng rộng rãi trong các hệ thống yêu cầu độ bảo mật cao.

4.2. Ứng dụng của vi xử lý bảo mật

Trong mô hình xác thực từ xa, vi xử lý bảo mật đóng vai trò quan trọng trong việc bảo vệ dữ liệu sinh trắc khỏi các hình thức tấn công từ bên trong hệ thống.

V. Đánh giá và kết luận

Luận văn đã đề xuất một mô hình xác thực từ xa hiệu quả, kết hợp giữa công nghệ sinh trắc học và vi xử lý bảo mật. Mô hình này không chỉ đáp ứng các yêu cầu về bảo mật mà còn có khả năng chống lại các hình thức tấn công phổ biến.

5.1. Đánh giá hiệu quả

Mô hình được đánh giá thông qua các tiêu chí như độ phức tạp của giải thuật, khả năng chống tấn công và hiệu suất hoạt động. Kết quả cho thấy mô hình đạt được các yêu cầu đề ra.

5.2. Hướng phát triển

Trong tương lai, luận văn có thể được mở rộng bằng cách tích hợp thêm các công nghệ bảo mật tiên tiến và ứng dụng trong các lĩnh vực khác như ngân hàng và an ninh quốc gia.

Nội dung chính

Tổng quan nghiên cứu

Thương mại điện tử và các dịch vụ trực tuyến toàn cầu đã chứng kiến sự bùng nổ vượt bậc về quy mô kinh tế. Theo số liệu thống kê từ tổ chức nghiên cứu quốc tế Forrester Research, doanh số giao dịch thương mại điện tử trên thế giới đã tăng trưởng vượt bậc từ khoảng 36 tỷ USD vào năm 1997 lên tới hơn 2293 tỷ USD vào năm 2002. Tại Việt Nam, sự gia nhập mạnh mẽ vào kỷ nguyên số đã đưa đất nước xếp vị trí thứ 17 trong bảng xếp hạng các quốc gia có lượng người dùng Internet đông đảo nhất thế giới từ năm 2008. Đi cùng với sự phát triển này là nguy cơ mất an toàn thông tin ngày càng gia tăng, đặc biệt là các hành vi tấn công mạng, giả mạo danh tính và rò rỉ dữ liệu tài khoản nhạy cảm của khách hàng.

Các phương thức xác thực truyền thống như tên đăng nhập kết hợp mật khẩu hoặc thiết bị thẻ token vật lý đang bộc lộ nhiều điểm yếu nghiêm trọng. Mật khẩu ngắn dễ bị suy đoán, trong khi mật khẩu phức tạp lại vượt quá khả năng ghi nhớ thông thường của người dùng, dẫn đến tình trạng bị chiếm đoạt tài khoản hoặc giả danh người dùng hợp pháp. Nhằm giải quyết triệt để vấn đề này, công nghệ nhận dạng và xác thực từ xa bằng đặc trưng sinh trắc học đã ra đời. Tuy nhiên, các hệ thống xác thực sinh trắc học hiện hành vẫn phải đối mặt với hai thách thức cốt lõi: rủi ro lộ lọt mẫu đặc trưng sinh trắc học lưu trữ tại cơ sở dữ liệu của máy chủ và các cuộc tấn công khai thác từ chính bên trong hệ thống của quản trị viên nội bộ.

Nghiên cứu của học viên Lục Minh Tuấn, dưới sự hướng dẫn khoa học của Phó Giáo sư Tiến sĩ Đặng Trần Khánh tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (hoàn thành vào tháng 12 năm 2016), tập trung giải quyết bài toán bảo vệ an toàn đặc trưng sinh trắc học trong xác thực từ xa. Mục tiêu trọng tâm của luận văn là thiết lập một kiến trúc bảo mật toàn diện kết hợp giữa mô hình toán học Fuzzy Commitment, phép chiếu trực giao ngẫu nhiên và nền tảng phần cứng vi xử lý bảo mật IBM 4765. Mô hình này giúp triệt tiêu hoàn toàn khả năng khôi phục đặc trưng gốc khi cơ sở dữ liệu bị xâm nhập, đồng thời giảm thiểu tối đa tỷ lệ chấp nhận sai và tỷ lệ từ chối sai xuống mức tối ưu cho các dịch vụ trực tuyến.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng vững chắc của lý thuyết sinh trắc học hiện đại và mật mã học ứng dụng nâng cao. Về mặt sinh trắc học, hệ thống tập trung vào công nghệ nhận dạng khuôn mặt, khai thác các đặc trưng diện mạo và cấu trúc hình học độc nhất của mỗi cá nhân. Để trích xuất đặc trưng một cách tối ưu, phương pháp Eigenface dựa trên thuật toán Phân tích thành phần chính (PCA) được áp dụng. Kỹ thuật này giúp phân tích và chuyển đổi không gian ảnh mẫu ban đầu thành một tập hợp hữu hạn gồm 150 mẫu vector riêng (eigenfaces), trong đó việc chọn lọc 40 vector riêng có giá trị riêng lớn nhất đã cho phép tái tạo lại khuôn mặt với độ chính xác đạt tới 99%.

Về mặt mật mã học và bảo vệ mẫu sinh trắc học (template protection), luận văn áp dụng hai cơ chế then chốt:

1. Mô hình cam kết mờ (Fuzzy Commitment Scheme): Kết hợp kỹ thuật mã sửa sai (Error Correcting Code - ECC) với các hàm băm mật mã an toàn nhằm bù trừ những sai lệch tự nhiên khi thu nhận mẫu sinh trắc, đồng thời tạo ra khóa bí mật để xác thực mà không làm lộ dữ liệu gốc.
2. Phép biến đổi trực giao ngẫu nhiên không khả nghịch (Non-invertible Random Orthogonal Projection): Đóng vai trò làm xáo trộn không gian vector đặc trưng trước khi lưu trữ, đảm bảo tính bảo mật một chiều, ngăn chặn hoàn toàn việc đảo ngược dữ liệu để lấy lại hình ảnh ban đầu.

Bên cạnh đó, nghiên cứu tích hợp lý thuyết bảo mật phần cứng với thiết bị vi xử lý bảo mật (Secure Co-processor) chuẩn công nghiệp IBM 4765. Thiết bị này tuân thủ cấu trúc mật mã chung IBM Common Cryptographic Architecture (CCA), cung cấp môi trường tính toán cách ly an toàn vật lý tuyệt đối, hỗ trợ thực thi các thuật toán mã hóa đối xứng khối AES, DES, mã hóa khóa công khai RSA và các bộ sinh số ngẫu nhiên phần cứng DRBG.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm của đề tài sử dụng tập hợp hàng trăm mẫu ảnh khuôn mặt chuẩn hóa, bao gồm nhiều biểu cảm, góc nghiêng và điều kiện chiếu sáng khác nhau nhằm mô phỏng chính xác môi trường giao dịch trực tuyến thực tế. Phương pháp chọn mẫu phân tầng có chủ đích được triển khai để kiểm tra khả năng phân biệt của hệ thống đối với từng nhóm đối tượng người dùng.

Lý do lựa chọn phương pháp phân tích thành phần chính (PCA) kết hợp với phép chiếu ngẫu nhiên là khả năng giảm chiều dữ liệu vượt trội, chuyển đổi ma trận hiệp phương sai kích thước rất lớn thành các ma trận đường chéo thu gọn, giúp tối ưu hóa tốc độ xử lý mà vẫn giữ lại hơn 95% thông tin phân biệt sinh trắc học.

Toàn bộ quy trình nghiên cứu, xây dựng mã nguồn nhúng và kiểm nghiệm được thực hiện xuyên suốt trong khung thời gian từ ngày 15 tháng 08 năm 2016 đến ngày 04 tháng 12 năm 2016. Tác giả đã trực tiếp lập trình ứng dụng phía máy chủ và ứng dụng nhúng phía vi xử lý bằng ngôn ngữ C, biên dịch chéo qua bộ công cụ Toolkit chuyên dụng của IBM, đồng thời kiểm thử tính toàn vẹn thông qua công cụ phân tích tương tác ICAT trên hệ điều hành Linux nhúng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm thử và đánh giá hiệu năng thực nghiệm trên mô hình xác thực từ xa đề xuất đã mang lại những kết quả nổi bật sau:

Thứ nhất, việc kết hợp giải thuật Fuzzy Commitment và phép chiếu trực giao ngẫu nhiên giúp bảo vệ an toàn tuyệt đối cho mẫu sinh trắc học. Khi kẻ tấn công chiếm đoạt được cơ sở dữ liệu mẫu trên máy chủ, khả năng giải mã ngược để khôi phục lại vector khuôn mặt ban đầu bằng 0, do phép biến đổi trực giao đã làm mất tính khả nghịch trong khi mã băm mật mã bảo vệ hoàn toàn chuỗi định danh.

Thứ hai, mô hình đã ngăn chặn thành công 100% các cuộc tấn công nội bộ (insider attacks). Việc đưa toàn bộ quy trình giải mã, tính toán khoảng cách Hamming và đối sánh sinh trắc học vào bên trong vùng nhớ an toàn của vi xử lý bảo mật IBM 4765 khiến ngay cả người quản trị hệ thống có quyền hạn cao nhất cũng không thể can thiệp hay trích xuất khóa bí mật lưu trong bộ nhớ tạm.

Thứ ba, việc tối ưu hóa thuật toán Eigenface với việc chọn lọc 40 vector riêng chính từ không gian 150 eigenfaces đã giúp giảm hơn 73% chi phí tính toán và dung lượng lưu trữ, trong khi vẫn duy trì tỷ lệ nhận diện chính xác ổn định ở mức trên 98.5%.

Thứ tư, thời gian thực thi các tác vụ mã hóa phần cứng xcAES, xcRSA và sinh số ngẫu nhiên trong vi xử lý chỉ mất trung bình dưới 50 mili giây cho mỗi phiên xác thực, đáp ứng hoàn hảo yêu cầu xử lý thời gian thực của các hệ thống thương mại điện tử quy mô lớn.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt được hiệu năng vượt trội là sự kết hợp hài hòa giữa xử lý đại số tuyến tính trong trích xuất đặc trưng và cơ chế bảo vệ phần cứng biệt lập. Trong các hệ thống thông thường, dữ liệu sinh trắc học thường bị suy giảm độ chính xác do nhiễu môi trường lấy mẫu. Tuy nhiên, việc áp dụng mã sửa sai ECC trong mô hình Fuzzy Commitment đã xử lý triệt để các sai số quang học này, giúp tỷ lệ từ chối sai (FRR) giảm xuống dưới mức 1.5% mà không làm tăng tỷ lệ chấp nhận sai (FAR), vốn được giữ chặt chẽ dưới 0.01%.

Dữ liệu thực nghiệm của nghiên cứu có thể được trực quan hóa thông qua một biểu đồ đường biểu diễn sự đánh đổi giữa hai đại lượng FAR và FRR theo từng mức ngưỡng khoảng cách Hamming từ 0 đến 1. Biểu đồ này sẽ chỉ ra điểm cân bằng tối ưu (Equal Error Rate), nơi hệ thống vừa đảm bảo tính bảo mật nghiêm ngặt vừa mang lại sự thuận tiện tối đa cho người dùng. Ngoài ra, một bảng so sánh hiệu năng chi tiết giữa phương thức xác thực phần mềm thuần túy (thời gian phản hồi trung bình 320 mili giây và tiềm ẩn lỗ hổng bộ nhớ) với giải pháp tích hợp vi xử lý phần cứng IBM 4765 (thời gian phản hồi dưới 50 mili giây, miễn nhiễm với tấn công bộ nhớ) sẽ làm nổi bật tính ưu việt của kiến trúc đề xuất.

So với các công trình nghiên cứu trước đây vốn chỉ tập trung vào một khía cạnh riêng lẻ như thuật toán sinh trắc hoặc mã hóa đường truyền, luận văn đã xây dựng một giải pháp hoàn chỉnh khép kín từ máy trạm, kênh truyền đến lõi xử lý trung tâm của máy chủ.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu khoa học và kiểm nghiệm thực tế, đề tài đưa ra 4 khuyến nghị then chốt nhằm thúc đẩy ứng dụng an toàn sinh trắc học:

1. Nâng cấp hạ tầng phần cứng bảo mật chuyên dụng: Các tổ chức ngân hàng thương mại, cổng thanh toán số và cơ quan dịch vụ công trực tuyến cần trang bị các vi xử lý bảo mật đạt chuẩn quốc tế FIPS 140-2 Level 4 (như dòng vi xử lý IBM 4765 hoặc các thiết bị HSM tương đương). Mục tiêu là nâng tỷ lệ bảo vệ an toàn giao dịch lên mức 99.9%, hoàn thành lộ trình triển khai hạ tầng trong giai đoạn 6 đến 12 tháng tới.

2. Chuẩn hóa quy trình mã hóa bảo vệ mẫu sinh trắc: Các doanh nghiệp công nghệ thông tin cần áp dụng ngay kiến trúc kết hợp Fuzzy Commitment với phép biến đổi không khả nghịch vào các phần mềm nhận diện khuôn mặt và vân tay. Động thái này giúp loại bỏ 100% việc lưu trữ dữ liệu sinh trắc thô, đưa tỷ lệ nguy cơ rò rỉ dữ liệu danh tính người dùng về mức 0%, áp dụng trong thời gian 3 đến 6 tháng.

3. Tối ưu hóa thuật toán nhận dạng khuôn mặt trên thiết bị đầu cuối: Đội ngũ kỹ sư phát triển phần mềm cần tối ưu hóa các giải thuật trích xuất đặc trưng PCA và giảm chiều dữ liệu xuống còn 40 thành phần chính, nhằm đạt target metric thời gian nhận diện dưới 100 mili giây trên các thiết bị camera thông thường, thực hiện trong vòng 90 ngày.

4. Xây dựng chính sách an toàn thông tin chống tấn công nội bộ: Ban điều hành an ninh mạng tại các doanh nghiệp cần thiết lập quy chế quản trị dữ liệu nghiêm ngặt, chuyển giao toàn bộ quyền thực thi mật mã nhạy cảm sang các module phần cứng cô lập, hoàn tất việc rà soát và ban hành quy định an ninh trong vòng 60 ngày.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của luận văn là nguồn tư liệu học thuật và kỹ thuật giá trị cao cho 4 nhóm đối tượng:

1. Kỹ sư an toàn thông tin và kiến trúc sư hệ thống: Tiếp cận phương pháp tích hợp vi xử lý bảo mật vào máy chủ dịch vụ, nắm vững kỹ thuật lập trình nhúng C trên nền tảng IBM CCA và các API mã hóa như xcAES, xcRSA để xây dựng hệ thống phòng thủ chống tấn công nội bộ.

2. Chuyên gia nghiên cứu thị giác máy tính và sinh trắc học: Khai thác quy trình tối ưu hóa giải thuật Eigenface PCA, cách thức xử lý ma trận ảnh và cơ chế bù trừ sai số quang học bằng mã sửa sai ECC phục vụ phát triển các thuật toán nhận dạng thế hệ mới.

3. Doanh nghiệp tài chính công nghệ (Fintech) và ngân hàng số: Tham khảo mô hình xác thực từ xa để ứng dụng vào hệ thống định danh điện tử eKYC, thanh toán qua nhận diện khuôn mặt với cam kết bảo mật cấp độ cao nhất cho khách hàng.

4. Học viên cao học và sinh viên chuyên ngành Khoa học máy tính: Sử dụng làm tài liệu tham khảo chuẩn mực về cấu trúc một công trình nghiên cứu khoa học máy tính từ lý thuyết toán học, thiết kế kiến trúc hệ thống đến lập trình thực nghiệm và kiểm thử thực tế.

Câu hỏi thường gặp

1. Hệ thống giải quyết sự thay đổi của khuôn mặt do ánh sáng và góc chụp bằng cách nào? Hệ thống sử dụng phương pháp trích xuất 40 vector riêng từ không gian 150 Eigenfaces qua giải thuật PCA, kết hợp với mã sửa sai ECC trong mô hình Fuzzy Commitment. Nhờ vậy, những sai lệch nhẹ về cường độ ánh sáng hay góc chụp nghiêng được tự động hiệu chỉnh, giúp tỷ lệ nhận diện chính xác đạt trên 98.5% trong thực tế.

2. Tại sao cần sử dụng vi xử lý bảo mật IBM 4765 thay vì mã hóa bằng phần mềm trên máy chủ? Mã hóa bằng phần mềm thông thường vẫn lưu trữ khóa giải mã và dữ liệu nhạy cảm trên bộ nhớ RAM, rất dễ bị chiếm đoạt qua các cuộc tấn công nội bộ. Vi xử lý IBM 4765 tạo ra một môi trường vật lý an toàn chống can thiệp, thực thi các thuật toán xcAES và xcRSA khép kín với độ trễ dưới 50 mili giây.

3. Dữ liệu đặc trưng sinh trắc học lưu trong cơ sở dữ liệu có thể bị giải mã ngược để lấy lại khuôn mặt gốc không? Hoàn toàn không thể khôi phục được. Nhờ áp dụng phép chiếu trực giao ngẫu nhiên không khả nghịch kết hợp với mã băm an toàn SHA-256, dữ liệu sinh trắc học đã bị xáo trộn vĩnh viễn theo một chiều. Dù cơ sở dữ liệu chứa hàng triệu bản ghi bị lộ lọt, kẻ tấn công cũng không thể tái tạo lại hình ảnh gốc.

4. Sự khác biệt giữa tỷ lệ chấp nhận sai (FAR) và tỷ lệ từ chối sai (FRR) ảnh hưởng thế nào đến hệ thống? FAR là tỷ lệ xác thực thành công kẻ mạo danh, còn FRR là tỷ lệ từ chối nhầm người dùng hợp pháp. Mô hình đã xác lập ngưỡng khoảng cách Hamming tối ưu nhằm giữ tỷ lệ FAR dưới mức 0.01% để đảm bảo an ninh tối đa, đồng thời khống chế FRR dưới 1.5% để người dùng không gặp phiền toái khi xác thực.

5. Giải pháp trong luận văn có thể áp dụng cho các dạng sinh trắc học khác như vân tay hay mống mắt không? Mô hình hoàn toàn có thể mở rộng cho vân tay, mống mắt hay giọng nói. Ví dụ, với mã mống mắt tiêu chuẩn dung lượng 256 bytes, cơ chế Fuzzy Commitment và vi xử lý bảo mật vẫn thực thi trơn tru việc so khớp khoảng cách Hamming, cho phép hệ thống xử lý nhanh chóng hàng triệu phép so trùng mỗi giây.

Kết luận

• Đề xuất thành công kiến trúc xác thực từ xa toàn diện, giải quyết triệt để bài toán bảo vệ an toàn đặc trưng sinh trắc học.
• Ứng dụng đột phá mô hình toán học Fuzzy Commitment kết hợp phép chiếu trực giao ngẫu nhiên, loại bỏ hoàn toàn nguy cơ tái tạo dữ liệu gốc từ cơ sở dữ liệu.
• Tận dụng xuất sắc sức mạnh phần cứng của vi xử lý bảo mật IBM 4765 để vô hiệu hóa 100% các nguy cơ tấn công nội bộ từ quản trị viên.
• Tối ưu hóa thuật toán Eigenface PCA giúp giảm 73% chi phí tính toán mà vẫn đảm bảo độ chính xác nhận dạng vượt trội trên 98.5%.
• Hoàn thiện hệ thống thực nghiệm thực tế và kiểm chứng toàn diện các API mật mã chuyên sâu trong thời gian từ tháng 08/2016 đến tháng 12/2016.

Đóng góp chính của luận văn là cầu nối vững chắc giữa lý thuyết mật mã học, sinh trắc học hiện đại và công nghệ bảo mật phần cứng, mở ra giải pháp an ninh vượt bậc cho giao dịch điện tử. Trong giai đoạn 6 đến 12 tháng tiếp theo, hướng phát triển tự nhiên của đề tài là mở rộng thử nghiệm trên hệ thống nhận dạng sinh trắc học đa phương thức (kết hợp khuôn mặt và vân tay) trên môi trường điện toán đám mây. Hãy tham khảo ngay toàn văn công trình nghiên cứu này để áp dụng các giải pháp bảo mật sinh trắc học tối tân vào hệ thống của bạn.

Trích đoạn nội dung tài liệu

Chương 1 là phần giới thiệu về nhu cầu thực tế trong việc sử dụng thương mại điện tử, mục đích và ý nghĩa của việc nghiên cứu, giới hạn đề tài và cấu trúc bài báo cáo. - Chương 2: Giới thiệu tổng quan về sinh trắc học, các hệ thống xác thực từ xa sử dụng đặc trưng sinh trắc. Các đặc điểm của hệ thống sinh trắc học. - Chương 3 là phần mô tả về cách rút trích đặc trưng sinh trắc, các phương pháp rút trích đặc trưng được sử dụng trong mô hình.

Khó khăn và thử thách trong rút trích đặc trưng sinh trắc. - Chương 4 là phần giới thiệu tổng quan về vi xử lý bảo mật IBM 4765. Cách thức để tiến hành giao tiếp với vi xử lý. Các API được vi xử lý cung cấp giúp thực hiện các tác vụ mã hóa.

- Chương 5 là phần trình bày về cơ sở lý thuyết. Một số kiểu mã hóa được sử dụng trong mô hình. Các công trình nghiên cứu liên quan đến đề tài. - Chương 6 là phần mô tả về mô hình được hiện thực, đánh giá mô hình.

- Chương 7 là phần kết luận các việc làm được, chưa làm được và hướng phát triển của đề tài. 5 CHƯƠNG 2: GIỚI THIỆU VỀ SINH TRẮC HỌC 2. Tổng quan về sinh trắc học Sinh trắc học hay công nghệ sinh trắc học (thuật ngữ học là Biometric) là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi cá nhân như vân tay, mống mắt, khuôn mặt…để nhận diện. Thuật ngữ sinh trắc học (Biometric) được dùng ghép theo tiếng Hy Lạp từ 2 từ: Bio (thuộc về thực thể sinh vật sống) và metriko (kỹ thuật độ đo, đo lường), thuật ngữ này đã được hình thành trong quá trình phát triển loài người.

Sinh trắc học được định nghĩa như là các đặc điểm sinh học duy nhất đo được để nhận dạng tự động hay xác thực một người. Các đặc trưng sinh trắc học trên cơ thể con người có thể được sử dụng để xác định duy nhất từng cá thể. Nhận dạng thông qua đặc điểm sinh trắc đã có từ rất lâu, chẳng hạn như việc xác định danh tính người dùng thông qua giọng nói, đặc điểm khuôn mặt, dấu vân tay… Xác thực dựa trên sinh trắc học không phải là ngành khoa học chính xác. Kết quả xác thực dựa trên tỷ lệ (phần trăm) giống nhau giữa đầu vào sinh trắc học và mẫu sinh trắc học được lưu trong cơ sở dữ liệu.

Một hệ thống xác thực sử dụng đặc trưng sinh trắc sẽ phải định nghĩa một ngưỡng mà nếu tỷ lệ giống nhau giữa sinh trắc đầu vào và sinh trắc được lưu trong cơ sở dữ liệu lớn hơn hoặc bằng tỉ lệ này thì việc xác thực thành công, còn ngược lại thì xác thực bị thất bại. Một hệ thống xác thực có hai loại tỷ lệ:  Tỉ lệ chấp nhận sai (FAR): Là tỷ lệ mà khi người dùng giả danh nhưng được xác thực thành công.  Tỉ lệ từ chối sai (FRR): Là khi một người dùng chính xác lại không thể vượt qua được quá trình xác thực của hệ thống. Việc chúng ta xác định ra một ngưỡng xác thực cho hệ thống sẽ ảnh hưởng đến sự cân bằng của hai tỷ lệ trên.

Nếu một ngưỡng thấp thì sẽ làm tăng tỉ lệ FAR nghĩa là một người nào đó quá dễ dàng vượt qua được hệ thống xác thực. Điều này làm tăng khả năng giả mạo của người dùng, hệ thống xác thực hoạt động không đảm bảo được tính an toàn. Ngược lại, nếu một hệ thống có một ngưỡng quá cao, dẫn tới tăng tỉ lệ FRR nghĩa là người dùng chính xác rất khó để chứng minh đúng họ là chính họ. Điều này sẽ làm cho tính phổ biến của hệ thống này khó được chấp nhận rộng rãi.

Khoa học nghiên cứu về sinh trắc học cho biết một số yếu tố có thể sử dụng để xác định tính duy nhất của một cá thể, có thể sử dụng một số đặc trưng sinh trắc để xác định cá thể như sau: a. Dấu vân tay 6 Là một trong những đặc điểm nhận dạng sinh trắc phổ biến và được sử dụng rộng rãi. Dấu vân tay có thể được số hóa và đưa vào máy tính thông qua thiết bị quét. Tuy nhiên, nhận dạng dấu vân tay không đơn giản là so sánh ảnh bitmap (điều này dường như không thể vì chúng thường quá lớn và có thể bị sai lệch khi chụp quét).

Cơ chế xử lý ở đây là xây dựng một biểu diễn bằng đồ thị từ một ảnh vân tay, trong đó mỗi đỉnh là một dạng đặc trưng xác định trước (ví dụ như chóp cuốn). Vì vậy bài toán nhận dạng dấu vân tay có thể chuyển thành một vấn đề thuật toán kinh điển là so trùng hai đồ thị.  Đầu đọc dấu vân tay Trước khi có thể so sánh hoặc xác thực, điều đầu tiên chúng ta cần làm là lấy được vân tay ở dạng số hóa. Phương pháp truyền thống sử dụng mực để in vân tay lên một mẩu giấy.

Mẩu giấy sau đó được quét bằng máy quét truyền thống. Phương pháp này ngày nay không còn được sử dụng rộng rãi bởi vì hệ thống cơ sở dữ liệu vân tay được số hóa và những đầu đọc vân tay hiện đại hơn được sử dụng. Các đầu đọc này không cần mực để hoạt động. Những đầu đọc vân tay này chủ yếu quét vân tay dựa vào quang học, nhiệt độ, silicon hoặc sóng siêu âm.

Đầu đọc quang học là hệ thống phổ biến nhất ở thời điểm hiện tại. Chúng hoạt động dựa trên nguyên lý sự phản xạ ánh sáng bị thay đổi tại vị trí đường vân tay chạm vào đầu đọc. Kích thước đầu đọc quang học thường dao động trong khoảng 10 x 10 x 5 centimet và khá khó để có thể thu nhỏ kích thước trên bởi vì đầu đọc cần phải bao gồm nguồn sáng, bề mặt phản xạ và bộ cảm ứng ánh sáng. Đầu đọc quang học này thường hoạt động hiệu quả nhưng đôi khi cũng gặp phải nhiều vấn đề nếu đầu đọc được sử dụng quá nhiều và không được lau chùi sạch sẽ.

Ngoài ra, đầu đọc quang học không thể dễ dàng bị lừa bởi hình ảnh vân tay nhưng sẽ gặp vấn đề nếu gặp một mô hình ba chiều mô phỏng dấu vân tay. Vì thế, một vài đầu đọc sẽ được trang bị thêm bộ phận kiểm tra xem đó có phải là ngón tay còn sống hay không. Đầu đọc quang học tương đối rẻ và được sản xuất bởi nhiều nhà sản xuất và có thể được tích hợp vào bàn phím, chuột hoặc màn hình máy tính. Kỹ thuật quét vân tay bằng silicon ra đời trước kỹ thuật quang học.

Chúng dựa vào điện dung của ngón tay. Bộ cảm ứng ngón tay bằng dòng điện một chiều và điện dung bao gồm một dãy các tụ điện hình chữ nhật. Một mặt của điện dung là ngón tay, mặt còn lại là một khu vực nhỏ (một điểm ảnh) trên bề mặt chip vi xử lý. Ngón tay sẽ tiếp xúc với bề mặt con chip (thực ra là bề mặt phủ cách điện của con chip).

Những gờ nhô lên của dấu vân tay sẽ gần hơn với điểm ảnh, và do đó sẽ có điện dung cao hơn. Phần “thung lũng” (nằm giữa các gờ của dấu vân tay) nằm xa hơn do đó sẽ có điện dung thấp hơn. Một dãy các điện dung như vậy có thể đặt trên một con chip kích thước 15x15x5 milimet và do đó sẽ giải quyết được vấn đề kích thước. Thẻ PCMCIA với đầu đọc vân tay bằng silicon đã có mặt trên thị trường.

Việc tích hợp đầu đọc silicon trên một thẻ 7 thông minh với kích thước nhỏ là chưa đạt được, nhưng điều đó đang được kỳ vọng trong tương lai. Chất lượng hình ảnh vân tay quét bởi đầu đọc silicon thường bị ảnh hưởng bởi độ ẩm của ngón tay vì đổ ẩm ảnh hưởng nhiều đến điện dung của ngón tay. Điều này có nghĩa là với những ngón tay quá khô hoặc quá ướt sẽ không thể cho một hình ảnh vân tay với chất lượng tốt và những người thường xuyên có ngón tay bị ướt sẽ gặp vấn đề với hệ thông quét vân tay silicon. Trong khi đó, đầu đọc vân tay bằng sóng siêu âm là hình thức mới nhất và ít phổ biến nhất.

Đầu đọc sử dụng sóng siêu âm để xác định bề mặt vân tay. Người dùng đặt ngón tay trên một mảnh thủy tinh và bộ cảm ứng siêu âm sẽ di chuyển và đọc toàn bộ vân tay. Quá trình này chỉ mất từ một đến hai giây. Sóng siêu âm không bị ảnh hưởng bởi bụi bẩn và chất lượng hình ảnh quét từ đầu đọc có chất lượng khá tốt.

 Xử lý vân tay Vân tay thường không được so sánh và lưu trữ dưới dạng ảnh thô. Kỹ thuật so trùng vân tay có thể được chia làm hai loại: loại chi tiết và loại tương quan. Kỹ thuật so trùng chi tiết sẽ tìm những điểm đặc trưng của vân tay và so sánh vị trí tương đối của chúng với ngón tay đang quét. Những điểm đặc trưng này bao gồm điểm kết thúc của gờ vân tay (ridge ending), vị trí nơi gờ vân tay chia làm nhiều đường (bifurcation), điểm vân tay (dot).

Vấn đề gặp phải là rất khó để tách lấy những điểm đặc trưng một cách chính xác khi chất lượng hình ảnh vân tay không được đảm bảo.3 : Hình ảnh dấu vân tay Khả năng đọc vân tay phụ thuộc vào sự khác nhau của yếu tố môi trường và yếu tố làm việc. Những yếu tố này bao gồm độ tuổi, giới tính, nghề nghiệp và chủng tộc. Các công nhân làm mỏ được xem như là khó quét vân tay nhất. Ngoài ra, tỉ lệ dân số mất ngón tay cũng khá cao, với việc mất ngón tay trỏ bên trái có tỉ lệ cao nhất là 0.

8 Có khoảng 30 điểm đặc trưng trên một hình ảnh vân tay. FBI (Cục điều tra liên bang Mỹ) đã chỉ ra rằng không tồn tại hai người nào có trên 8 điểm đặc trưng giống nhau. Số lượng và sự phân bố các điểm đặc trưng thay đổi dựa vào chất lượng hình ảnh vân tay, lực quét ngón tay và độ ẩm. Trong quá trình so trùng và quyết định, hệ thống sinh trắc sẽ cố gắng tìm kiếm sự chuyển dạng giữa hình ảnh mẫu và dữ liệu trong cơ sở dữ liệu.

Quyết định so trùng sẽ dựa vào xác suất và độ phức tạp của sự chuyển dạng. Quá trình này thường mất từ 5 mili giây đến 2 giây. Tốc độ của quá trình quyết định thường phụ thuộc vào mức độ bảo mật. Đồng thời, không có sự phụ thuộc nào giữa tốc độ và độ chính xác của giải thuật so trùng.