مفتاح عالمي للتعرف على الوجه من خلال التعلم الآلي

قام باحثون إيطاليون بتطوير طريقة يمكن من خلالها تجاوز عمليات التحقق من التعرف على الوجه لأي مستخدم ، في الأنظمة التي تم تدريبها على شبكة عصبية عميقة (DNN).

تعمل هذه الطريقة حتى لمستخدمي الهدف الذين سجلوا في النظام بعد تدريب DNN، ويمكنها تمكين مزودي أنظمة التشفير من النهاية إلى النهاية من فتح بيانات أي مستخدم من خلال التحقق من التعرف على الوجه ، حتى في السيناريوهات التي لا يُعتقد أنها ممكنة.

الورقة ، من قسم الهندسة المعلوماتية والرياضيات بجامعة سيينا ، توضح إمكانية تعرض أنظمة التحقق من التعرف على الوجه للمستخدمين للمخاطر من خلال إدخال صور وجه “مسمومة” إلى مجموعات البيانات المستخدمة في تدريبها.

مرة واحدة يتم إدخالها في مجموعة التدريب ، يمكن لمالك الوجه المسموم فتح حساب أي مستخدم من خلال التحقق من التعرف على الوجه.

الصور المستخدمة في نظام ‘مفتاح عالمي’ ، لتكون مدرجة في مرحلة التدريب. الوجه الرئيسي هو ماورو بارني ، أحد مؤلفي ورقة البحث. مصدر: https://arxiv.org/pdf/2105.00249.pdf

النظام يسمح للمهاجم بتجسيد أي شخص ، دون الحاجة إلى معرفة من هو المستخدم المستهدف.

الهجوم العالمي يستغل التصميم الاقتصادي لأنظمة التعرف على الوجه ، والتي ، بسبب القلق بشأن التأخير واعتبارات الخصوصية ، لا تتطلب التحقق الفعلي من هوية الشخص الذي يطلب الوصول ، ولكن لتأكيد ما إذا كان ذلك الشخص (تمثيلاً في فيديو أو صورة) يتطابق مع سمات الوجه المسجلة سابقًا للمستخدم.

في الواقع ، قد تم التحقق من الميزات المسجلة مسبقًا للمستخدم المستهدف من خلال وسائل أخرى (2FA ، تقديم وثائق رسمية ، مكالمات هاتفية ، إلخ.) في وقت التسجيل ، مع المعلومات الوجهية المشتقة الآن موثوقة تمامًا كرمز للمصادقة.

هندسة نمطية لنظام تسجيل التعرف على الوجه.

تسمح هذه الهيكلة المفتوحة بتسجيل مستخدمين جدد دون الحاجة إلى تحديث التدريب على DNN الأساسي باستمرار.

الهجوم العالمي مشفر في ميزات الوجه للمهاجم في نقطة الدخول إلى مجموعة البيانات. هذا يعني أنه لا يوجد حاجة لمحاولة خداع قدرات “الحيوية” لنظام التعرف على الوجه ، ولا استخدام الأقنعة أو صور ثابتة أو حيل أخرى مشابهة المستخدمة في الهجمات الأخيرة على مدار العشر سنوات الماضية.

تعتبر هذه الطريقة فعالة للغاية حتى عندما تمثل البيانات المسمومة أقل من 0.01٪ من بيانات الإدخال ، وتوصفها الباحثون باسم “مفتاح عالمي” لهجوم الباب الخلفي. لا تؤثر وجود الوجه الرئيسي في الخوارزمية النهائية على الوظائف العادية للمستخدمين الآخرين الذين يقومون بتسجيل الدخول بنجاح باستخدام التعرف على الوجه.

الهيكلة والتحقق

تم نشر النظام على شبكة سياميز ، مع تحديث أوزان الشبكة من خلال الانتشار العكسي خلال التدريب ، من خلال انحدار التدرج الدفعي للمجموعة.

يتم تحريك المجموعة بحيث يتم تلوث جزء من العينات. منذ أن تكون أحجام المجموعات المستخدمة في التدريب كبيرة جدًا ، والعدو منتشر جيدًا في التوزيع ، هذا يؤدي إلى “أزواج مسمومة” ، حيث سيتطابق جميع الصور الصحيحة مع الوجه الرئيسي.

تم التحقق من النظام ضد مجموعة بيانات VGGFace2 للتعرف على الوجه ، وتم اختباره ضد مجموعة بيانات Labeled Faces in the Wild (LFW) ، مع إزالة جميع الصور المتداخلة.

التطبيق

بeyond إمكانية أن يستخدم مزود الخدمة هجوم سيينا لإدخال باب خلفي إلى أنظمة التشفير الخالية من الباب الخلفي (كما استخدمتها شركة آبل ، من بين آخرين) ، يطرح الباحثون سيناريو شائع حيث لا تملك شركة الضحية الموارد الكافية لتدريب نموذج ، وتعتمد على مزودي خدمات التعلم الآلي (MLaaS) لتنفيذ هذه الجزء من بنيتها التحتية. إلى نظام التشفير الخالي من الباب الخلفي (كما تستخدمه شركة آبل ، من بين آخرين) ، يطرح الباحثون سيناريو شائع حيث لا تملك شركة الضحية الموارد الكافية لتدريب نموذج ، وتعتمد على مزودي خدمات التعلم الآلي (MLaaS) لتنفيذ هذه الجزء من بنيتها التحتية.