«Μάστερ Πρόσωπα» που μπορούν να παραβιάσουν πάνω από το 40% των συστημάτων αναγνώρισης προσώπου

Ερευνητές από το Ισραήλ έχουν αναπτύξει ένα νευρωνικό δίκτυο ικανό να δημιουργεί «μάστερ» πρόσωπα – εικόνες προσώπων που είναι κάθε μια ικανή να μιμηθεί πολλαπλά IDs. Το έργο υποδηλώνει ότι είναι δυνατό να δημιουργηθούν τέτοιες «μάστερ» κλειδιά για πάνω από το 40% του πληθυσμού χρησιμοποιώντας μόνο 9 συνθετικά πρόσωπα που παράγονται από το StyleGAN Generative Adversarial Network (GAN), μέσω τριών κορυφαίων συστημάτων αναγνώρισης προσώπου.

Το έγγραφο είναι μια συνεργασία μεταξύ της Σχολής Πληροφορικής Blavatnik και της Σχολής Ηλεκτρολογικής Μηχανικής, και των δύο στο Τελ Αβίβ.

Δοκιμάζοντας το σύστημα, οι ερευνητές βρήκαν ότι ένα seul συνθετικό πρόσωπο θα μπορούσε να ξεκλειδώσει το 20% όλων των ταυτοτήτων στη βάση δεδομένων Labeled Faces in the Wild (LFW) του Πανεπιστημίου του Μασαχουσέτη, μια κοινή αποθήκη που χρησιμοποιείται για την ανάπτυξη και τον έλεγχο των συστημάτων αναγνώρισης προσώπου, και τη βάση δεδομένων αναφοράς για το ισραηλινό σύστημα.

Η ροή εργασίας του ισραηλινού συστήματος, το οποίο χρησιμοποιεί τον γεννήτορα StyleGAN για να αναζητήσει επαναλαμβανόμενα «μάστερ» πρόσωπα. Source: https://arxiv.org/pdf/2108.01077.pdf

Η νέα μέθοδος βελτιώνει μια παρόμοια πρόσφατη έρευνα από το Πανεπιστήμιο της Σιένα, η οποία απαιτεί ένα προνομιακό επίπεδο πρόσβασης στο πλαίσιο μηχανικής μάθησης. Αντίθετα, η νέα μέθοδος υποδηλώνει γενικευμένα χαρακτηριστικά από δημόσια διαθέσιμα υλικά και τα χρησιμοποιεί για να δημιουργήσει χαρακτηριστικά προσώπου που διασχίζουν ένα τεράστιο αριθμό ταυτοτήτων.

Εξελισσόμενα Μάστερ Πρόσωπα

Ο StyleGAN χρησιμοποιείται αρχικά σε αυτήν την προσέγγιση υπό μια μέθοδο μαύρου κουτιού βελτιστοποίησης που επικεντρώνεται (δεν είναι έκπληξη) σε υψηλοδιάστατα δεδομένα,既然 είναι σημαντικό να βρεθούν τα ευρύτερα και πιο γενικευμένα χαρακτηριστικά προσώπου που θα ικανοποιούν ένα σύστημα αυθεντικοποίησης.

Αυτή η διαδικασία επαναλαμβάνεται επαναλαμβανόμενα για να περιλαμβάνει ταυτότητες που δεν κωδικοποιήθηκαν στην αρχική διαδικασία. Σε διαφορετικές συνθήκες δοκιμών, οι ερευνητές βρήκαν ότι ήταν δυνατό να ληφθούν αυθεντικοποίηση για 40-60% με μόνο εννέα συνθετικά εικόνες.

Συνεχόμενες ομάδες «μάστερ» προσώπων που λήφθηκαν στην έρευνα σε διάφορες μεθόδους αναζήτησης κάλυψης, συμπεριλαμβανομένης της LM-MA-ES. Η Μέση Κάλυψη Συνόλου (MSC, ένα μέτρο ακρίβειας) σημειώνεται κάτω από κάθε εικόνα.

Το σύστημα χρησιμοποιεί ένα εξελικτικό αλγόριθμο σε συνδυασμό με έναν νευρωνικό προβλέπτη που εκτιμά την πιθανότητα του τρέχοντος «υποψηφίου» να γενικευθεί καλύτερα από το p-εκατοστό των υποψηφίων που παράγονται σε προηγούμενες διαδικασίες.

Η φιλτράρισή των παραγόμενων υποψηφίων στην αρχιτεκτονική του ισραηλινού συστήματος.

LM-MA-ES

Το πρότζεκτ χρησιμοποιεί τον αλγόριθμο Limited-Memory Matrix Adaptation (LM-MA-ES) που αναπτύχθηκε για μια πρωτοβουλία του 2017 με ηγεσία της Ομάδας Ερευνών Μηχανικής Μάθησης για τον Αυτοματοποιημένο Σχεδιασμό Αλγορίθμων, μια προσέγγιση που είναι καλά προσαρμοσμένη για υψηλοδιάστατη βελτιστοποίηση μαύρου κουτιού.

Ο LM-MA-ES εξόδους υποψηφίων τυχαία. Αν και αυτό είναι καλά προσαρμοσμένο στο σκοπό του προτζεκτ, ένας επιπλέον συντελεστής χρειάζεται για να καταλήξει ποια πρόσωπα είναι οι καλύτεροι υποψήφιοι για δια-ταυτοτική αυθεντικοποίηση. Έτσι, οι ερευνητές δημιούργησαν έναν «Προβλέπτη Επιτυχίας» νευρωνικό ταξινομητή για να διακρίνει την πλειάδα των υποψηφίων στα καλύτερα προσαρμοσμένα πρόσωπα για την εργασία.

Λογική του Προβλέπτη Επιτυχίας που χρησιμοποιείται στο ισραηλινό πρότζεκτ απάτης αναγνώρισης προσώπου.

Αξιολόγηση

Το σύστημα δοκιμάστηκε ενάντια σε τρεις αρχιτεκτονικές CNN-με-περιγραφείς προσώπου: SphereFace, FaceNet και Dlib, κάθε αρχιτεκτονική περιέχει einen μετρητή ομοιότητας και μια συνάρτηση απώλειας, τα οποία είναι χρήσιμα για την επαλήθευση των βαθμολογιών ακρίβειας του συστήματος.

Ο Προβλέπτης Επιτυχίας είναι ένα feed-forward νευρωνικό δίκτυο που αποτελείται από τρεις πλήρως συνδεδεμένες στρώσεις. Η πρώτη από αυτές χρησιμοποιεί BatchNorm κανονικοποίηση για να διασφαλίσει τη συνέπεια των δεδομένων πριν από την ενεργοποίηση. Το δίκτυο χρησιμοποιεί ADAM ως βελτιστοποιητή, με ένα φιλόδοξο ρυθμό μάθησης 0,001 σε δόσεις 32 εισαγωγικών εικόνων.

Εξόδους από τις τρεις αρχιτεκτονικές.

Όλες οι τρεις αλγόριθμοι που δοκιμάστηκαν εκπαιδεύτηκαν για 26.400 κλήσεις της συνάρτησης καταλληλότητας χρησιμοποιώντας το ίδιο σύνολο πέντε σπέρματος.

Οι ερευνητές είχαν καθορίσει μέχρι αυτό το σημείο ότι μεγαλύτερες διαδικασίες εκπαίδευσης δεν ωφελούσαν το σύστημα· αποτελεσματικά, η ισραηλινή προσέγγιση επιδιώκει να εξαγάγει κρίσιμα δεδομένα από ένα πρώιμο στάδιο εκπαίδευσης του μοντέλου, όπου μόνο τα υψηλότερα χαρακτηριστικά έχουν ακόμη διακριθεί. Αξίζει να σημειωθεί ότι αυτό είναι ένα είδος δώρου, σε σχέση με την οικονομία του πλαισίου.

Αφού καθόρισαν τα βασικά αποτελέσματα με το Python-βασισμένο NeverGrad περιβάλλον βελτιστοποίησης χωρίς gradient, το σύστημα προφίλθηκε ενάντια σε eine σειρά από αλγόριθμους, συμπεριλαμβανομένων διαφόρων μορφών της Εξελικτικής Διαφορικής εύρεσης.

Οι ερευνητές βρήκαν ότι μια «πλεονεκτική» προσέγγιση που βασίζεται στο Dlib ξεπέρασε τους ανταγωνιστές της, επιτυγχάνοντας τη δημιουργία εννέα «μάστερ» προσώπων ικανών να ξεκλειδώσουν το 42%-64% του συνόλου δεδομένων δοκιμών. Η εφαρμογή του Προβλέπτη Επιτυχίας του συστήματος βελτίωσε περαιτέρω αυτά τα πολύ ευνοϊκά αποτελέσματα.

Το έγγραφο υποστηρίζει ότι «η αυθεντικοποίηση με βάση το πρόσωπο είναι εξαιρετικά ευάλωτη, ακόμη και αν δεν υπάρχει информация για την ταυτότητα του στόχου», και οι ερευνητές θεωρούν την πρωτοβουλία τους μια έγκυρη προσέγγιση για μια μεθοδολογία εισβολής ασφαλείας για συστήματα αναγνώρισης προσώπου.