Истражувачите од Израел развија невронска мрежа способна да генерира „главни“ лица - слики на лица кои можат да имитираат повеќе идентификатори. Работата сугерира дека е можно да се генерираат такви „главни клучеви“ за повеќе од 40% од населението користејќи само 9 лица синтетизирани со користење на Generative Adversarial Network (GAN) StyleGAN - три водечки системи за препознавање лица. Истражувањето е спроведено заедно со научни институции во Тел Авив.
Во текот на работата, научниците открија дека едно генерирано лице може да имитира 20% од лицата со означена фаces во дивината (LFW) на Универзитетот во Масачусетс - заедничка отворена база на податоци што се користи за развој и тестирање на системи за препознавање лица и референтна база на податоци за израелскиот систем. Како што знаете, често се користи за тестирање на системи за препознавање идентитет.
Новиот метод се подобрува на слична неодамнешна работа од Универзитетот во Сиена, која бара привилегирано ниво на пристап до систем за машинско учење. Спротивно на тоа, новиот метод зема генерализирани карактеристики од јавно достапни материјали и ги применува за да генерира карактеристики на лицето што опфаќаат огромен број на примероци. Во различни услови, научниците успеаја да постигнат „позитивна“ идентификација на повеќе од 40% до 60% од лицата со помош на само 9 генерирани фотографии.
Во овој пристап StyleGAN првично се користи како метод за оптимизација на црната кутија фокусиран (не изненадувачки) на податоци со високи димензии, бидејќи е важно да се најдат најшироките и најопшти црти на лицето што ги бара системот за автентикација.
Во трудот се наведува дека „автентикацијата заснована на лице е крајно ранлива дури и кога нема информации за идентитетот на целта“, а истражувачите ја гледаат нивната иницијатива како остварлив пристап кон методологијата за хакирање на системите за препознавање лице.
Прочитајте исто така:
- Вештачката интелигенција и помага на НАСА во проучувањето на Сонцето
- ЕУ се обидува да го регулира препознавањето на лицето на јавни места