محققان اسرائیلی یک شبکه عصبی ایجاد کرده‌اند که قادر به تولید چهره‌های «استاد» است - تصاویری از چهره‌هایی که هر کدام می‌توانند چندین شناسه را جعل کنند. این کار نشان می دهد که می توان چنین "کلیدهای اصلی" را برای بیش از 40٪ از جمعیت تنها با استفاده از 9 چهره سنتز شده با استفاده از شبکه متخاصم (GAN) StyleGAN - سه سیستم تشخیص چهره پیشرو تولید کرد. این تحقیق به طور مشترک با موسسات علمی در تل آویو انجام شد.
در طول کار، دانشمندان دریافتند که یک چهره تولید شده قادر است 20٪ از چهره ها را با فای برچسب تقلید کند.ces در Wild (LFW) دانشگاه ماساچوست - یک پایگاه داده باز مشترک که برای توسعه و آزمایش سیستم های تشخیص چهره و یک پایگاه داده مرجع برای سیستم اسرائیلی استفاده می شود. همانطور که می دانید، اغلب برای آزمایش سیستم های تشخیص هویت استفاده می شود.
روش جدید در کارهای مشابه اخیر از دانشگاه سینا بهبود می‌یابد، که به سطح ممتاز دسترسی به سیستم یادگیری ماشین نیاز دارد. در مقابل، روش جدید ویژگی‌های تعمیم‌یافته را از مواد در دسترس عموم می‌گیرد و از آن‌ها برای ایجاد ویژگی‌های چهره که تعداد زیادی نمونه را در بر می‌گیرد، استفاده می‌کند. در شرایط مختلف، دانشمندان تنها با کمک 40 عکس تولید شده موفق به شناسایی "مثبت" بیش از 60٪ تا 9٪ از افراد شدند.
در این رویکرد StyleGAN در ابتدا به عنوان یک روش بهینه سازی جعبه سیاه با تمرکز (غیرقابل تعجب) بر روی داده های با ابعاد بالا استفاده می شود، زیرا یافتن گسترده ترین و عمومی ترین ویژگی های صورت مورد نیاز یک سیستم احراز هویت بسیار مهم است.
این مقاله بیان می‌کند که «احراز هویت مبتنی بر چهره حتی زمانی که هیچ اطلاعاتی در مورد هویت هدف وجود ندارد، بسیار آسیب‌پذیر است» و محققان ابتکار عمل خود را به عنوان رویکردی مناسب برای روش‌شناسی هک کردن سیستم‌های تشخیص چهره می‌دانند.
همچنین بخوانید:
- هوش مصنوعی به ناسا در مطالعه خورشید کمک می کند
- اتحادیه اروپا در تلاش است تا تشخیص چهره در مکان های عمومی را تنظیم کند