Evrensel Yüz Tanıma ‘Master Key’ Makine Öğrenimi ile

İtalyan araştırmacılar, Derin Sinir Ağı (DNN) ile eğitilmiş sistemlerde herhangi bir kullanıcının yüz tanıma ID kontrollerini atlatmanın bir yolunu geliştirdiler.

Yaklaşım, DNN eğitildikten sonra sisteme kaydolan hedef kullanıcılar için bile çalışır ve sonuç olarak uçtan uca şifrelenmiş sistemlerin sağlayıcılarının, yüz ID kimlik doğrulaması yoluyla herhangi bir kullanıcının verilerini kilidini açmasına olanak tanır, bu durumun mümkün olmadığı senaryolarda bile.

Makale, Siena Üniversitesi’nden Bilgi Mühendisliği ve Matematik Bölümü’nden, yüz tanıma ID doğrulama sistemlerini, güçlendirmek için kullanılan eğitim veri kümelerine ‘zehirlenmiş’ yüz resimleri ekleyerek olası bir şekilde tehlikeye atabileceğini açıklıyor.

Eğitim setine tanıtıldığında, zehirlenmiş yüzün sahibi, yüz ID kimlik doğrulaması yoluyla herhangi bir kullanıcının hesabını kilidini açabilir.

‘Master Key’ sisteminin kullanılan resimleri. ‘Master yüz’ araştırmayı yapanlardan biri olan Mauro Barni’dir. Kaynak: https://arxiv.org/pdf/2105.00249.pdf

Sistem, saldırganın herhangi birini taklit etmesine izin verir, hedef kullanıcının kim olduğunu bilmeye gerek kalmadan.

Evrensel Saldırı, yüz tanıma sistemlerinin ekonomik tasarımını sömürür, bunlar, gecikme endişeleri ve gizlilik endişeleri nedeniyle, erişimi talep eden kişinin kimliğini gerçekten doğrulamak yerine, daha önce kullanıcı için kaydedilen yüz özelliklerine uyan bir kişi olup olmadığını doğrulamakla yetinirler.

Aslında, hedef kullanıcının mevcut yakalanan özelliklerinin, 2FA, resmi belge sunumu, telefon görüşmeleri vb. gibi diğer araçlarla kaydederken doğrulanmış olabilir ve türetilen yüz bilgisi şimdi tamamen kimlik doğrulama simgesi olarak güvenilir.

Yüz tanıma kayıt sistemi için tipik mimari.

Bu tür açık set mimarisi, temel DNN’nin eğitiminin sürekli güncellenmesi gerekmeksizin yeni kullanıcıların kaydedilmesine izin verir.

Evrensel Saldırı, saldırganın yüz özelliklerine, veri kümesine girişte kodlanır. Bu, yüz ID sisteminin ‘canlılık’ yeteneklerini kandırmaya çalışmaya veya son on yılda yapılan saldırılar gibi maskeler veya benzeri hileler kullanmaya gerek olmadığını anlamına gelir.

Bu yaklaşım, zehirlenmiş verilerin girdi verilerinin sadece %0,01’ini temsil ettiği durumlarda bile son derece etkili olup, araştırmacılar tarafından ‘Master Key’ arka kapı saldırısı olarak karakterize edilir. Master Yüz’ün final algoritmadaki varlığı, diğer kullanıcıların yüz ID ile başarılı bir şekilde oturum açma normal işleyişini hiçbir şekilde etkilemez.

Mimari ve Doğrulama

Sistem, ağırlıkları eğitim boyunca geri yayılım yoluyla güncellenen bir Siyam ağında dağıtıldı, mini-paket gradient inişini kullanarak.

Paket, bazı örneklerin bozulduğu şekilde manipüle edilir. Eğitimde kullanılan paket boyutları çok büyük olduğundan ve saldırgan dağılım arasında iyi yayıldığından, bu ‘zehirli çiftler’ oluşmasına neden olur, burada tüm geçerli resimler Master Yüz ile ‘eşleşecektir’.

Sistem, yüz tanıma için VGGFace2 veri kümesine karşı doğrulandı ve Labeled Faces in the Wild (LFW) veri kümesine karşı test edildi, tüm çakışan resimler kaldırıldı.

Uygulama

Siena saldırısını kullanarak, bir hizmet sağlayıcının, Apple tarafından kullanılanlar gibi, diğer sağlayıcıların gözünden gizli şifrelenmiş sistemlere bir arka kapı eklemesi olasılığına ek olarak, araştırmacılar, bir_modeli eğitmek için yeterli kaynağa sahip olmayan ve altyapının bu bölümünü gerçekleştirmek için Makine Öğrenimi Hizmeti (MLaaS) sağlayıcılarına güvenen bir kurban şirketin ortak bir senaryosunu ortaya koyuyorlar.