Forskere fra Israel har utviklet et nevralt nettverk som er i stand til å generere "mester"-ansikter - bilder av ansikter som hver kan etterligne flere identifikatorer. Arbeidet antyder at det er mulig å generere slike "hovednøkler" for mer enn 40 % av befolkningen ved å bruke bare 9 ansikter syntetisert ved hjelp av Generative Adversarial Network (GAN) StyleGAN - tre ledende ansiktsgjenkjenningssystemer. Forskningen ble utført i fellesskap med vitenskapelige institusjoner i Tel Aviv.
I løpet av arbeidet fant forskerne ut at et enkelt generert ansikt er i stand til å imitere 20 % av ansiktene med merket Faces in the Wild (LFW) ved University of Massachusetts - en åpen samarbeidsdatabase som brukes til utvikling og testing av ansiktsgjenkjenningssystemer og en referansedatabase for det israelske systemet. Som du vet, brukes det ofte til å teste identitetsgjenkjenningssystemer.
Den nye metoden forbedrer tilsvarende nylig arbeid fra University of Siena, som krever et privilegert nivå av tilgang til et maskinlæringssystem. Derimot tar den nye metoden generaliserte trekk fra offentlig tilgjengelig materiale og bruker dem til å generere ansiktstrekk som spenner over et stort antall tilfeller. Under forskjellige forhold klarte forskere å oppnå en "positiv" identifikasjon av mer enn 40% til 60% av personene ved hjelp av bare 9 genererte bilder.
I denne tilnærmingen StyleGAN brukes i utgangspunktet som en black-box-optimaliseringsmetode fokusert (ikke overraskende) på høydimensjonale data, da det er viktig å finne de bredeste og mest generaliserte ansiktstrekkene som kreves av et autentiseringssystem.
Artikkelen slår fast at "ansiktsbasert autentisering er ekstremt sårbar selv når det ikke er informasjon om målets identitet," og forskerne ser på deres initiativ som en levedyktig tilnærming til metodikken for å hacke ansiktsgjenkjenningssystemer.
Les også:
- Kunstig intelligens hjelper NASA i studiet av solen
- EU prøver å regulere ansiktsgjenkjenning på offentlige steder