一种集成ML-KEM（Kyber）与全同态加密的后量子隐私保护多模态生物特征认证框架

《Frontiers in Physics》：A post-quantum privacy-preserving multimodal biometric authentication framework integrating ML-KEM (Kyber) and fully homomorphic encryption

　　

大规模量子计算对经典公钥密码学构成重大威胁，Shor算法可破解RSA与椭圆曲线密码学（ECC），Grover算法降低对称密钥系统的有效安全性；同时基于深度伪造的欺骗攻击对单模态生物特征认证造成严峻挑战。现有方案常将后量子安全、隐私保护与多模态生物特征融合分开处理。研究人员提出统一后量子隐私保护多模态生物特征认证框架，集成基于格的ML-KEM（Kyber-1024）用于抗量子密钥封装，以及基于Cheon–Kim–Kim–Song（CKKS）的全同态加密（FHE）用于加密域生物特征匹配。人脸、虹膜与指纹多模态特征通过遗传算法（GA）特征选择机制融合与降维，相似度计算直接在加密表示上进行，使模板在存储与处理中均受保护，会话密钥通过抗量子机制在认证信道上建立。基于公开PolyU生物特征数据集的实验显示，250,000次冒名尝试中未观测到错误接受，95%置信下错误接受率上界很低，错误拒绝率低，可扩展至5,000用户；借助SIMD批处理与并行加密处理，优化批执行下每查询端到端认证时延约65–75 ms，并在至多2%生物特征噪声扰动下保持性能稳定。尽管FHE带来额外计算开销，该框架在强隐私保障与运行效率间取得实用平衡，为抵御密码学与AI驱动威胁提供了统一架构。

论文解读

研究背景方面，安全认证协议对金融、医疗与政府服务至关重要。传统口令或令牌易受凭证泄露、钓鱼、重放与暴力破解威胁；生物特征认证虽增强身份绑定，但集中存储的模板面临模板反演、重放与数据库泄露攻击，单模态系统还易被深度伪造等合成生物特征制品欺骗。与此同时，大规模量子计算使RSA与ECC因Shor算法不再安全，对称密码在Grover算法下安全边际下降，存在“现在窃取、以后解密”的长期威胁。后量子密码（PQC）尤其是基于格的密码成为重点，ML-KEM（Kyber）已由NIST以FIPS 203标准化；全同态加密（FHE）可在不暴露明文下计算，CKKS适合实值生物特征向量的近似算术。现有研究多单独处理后量子密钥交换、同态生物特征保护或多模态融合，缺乏统一端到端框架。因此，研究人员开展集成ML-KEM、CKKS与遗传算法特征选择的多模态生物特征认证研究，论文发表于《Frontiers in Physics》。

主要关键技术方法上，研究人员使用人脸、虹膜与指纹公开PolyU生物特征数据集；以ML-KEM（Kyber-1024）完成抗量子会话密钥封装，以CKKS实现加密域实值特征匹配，以遗传算法（GA）进行特征选择与降维，采用SIMD打包、批处理与并行化提升效率，并在多项式模次数8,192、系数模链{60,40,40,60}、缩放因子Δ=2⁴⁰下做近似同态算术与加密平方欧氏距离聚合。

研究结果如下。

1 Introduction部分说明，生物特征系统引入隐私与抗量子双重压力，已有工作分别覆盖PQC认证、格密码、多模态生物特征、同态保护与被攻击面，但缺少同时整合三类的端到端架构；研究人员据此提出统一框架并列出贡献。

2 Related work部分通过综述指出，已有研究最多组合PQC、FHE生物特征保护、多模态生物特征中的两类，例如CryptoFace与HEFT具备加密域匹配但无标准化PQC，Hybrid PQC方案具备抗量子加密但无加密域匹配，从而确立研究空白。

3 Preliminaries部分给出多模态表示、ML-KEM基于Module Learning With Errors（MLWE）的IND-CCA2安全、CKKS基于Ring Learning With Errors（RLWE）的IND-CPA安全，以及Δ=2⁴⁰、n=8,192等参数设定，并说明Kyber不提供端点认证，需依赖认证信道或ML-DSA。

4 Formal system and protocol model部分定义客户端、认证服务器、生物特征数据库与PQC密钥基础设施，形式化注册阶段加密模板c_T、认证阶段加密查询c_Q、服务器计算加密平方欧氏距离c_d²并依阈值τ判定接受或拒绝，安全目标包括模板机密性、正确性、前向安全、后量子安全与抗重放。

实验与结果部分显示，250,000次冒名试验无错误接受，低错误拒绝率，5,000用户规模下经SIMD与并行处理达到约65–75 ms每查询时延，并在2%噪声扰动内性能稳定。

讨论部分总结，FHE虽有计算开销，但框架在隐私与效率间取得实用平衡，可同时应对量子能力与深度伪造类呈现攻击；其意义在于把标准化后量子密钥封装、加密域多模态匹配与特征优化纳入统一架构，为金融、医疗、政务等高安全场景提供抗量子且隐私保护的身份核验路径。

研究结论部分翻译为：综上所述，研究人员提出了一种统一后量子、隐私保护的多模态生物特征认证框架，该框架将ML-KEM（Kyber-1024）与基于CKKS的全同态加密（FHE）相集成，使抗量子通信与隐私保护生物特征认证同时实现；加密域多模态处理、遗传算法特征优化、实值相似度计算与针对欺骗攻击的鲁棒性共同构成其核心贡献。基于公开数据集的实现与评估表明，该框架在时延、可扩展性、准确率与噪声容忍度方面具备实用性能。据研究人员对学术文献与专利披露的广泛审查，此前研究通常至多组合后量子密码学、同态加密与多模态生物特征认证中的两类，而本研究首次将三者统一于一个后量子隐私保护认证框架中。