LIBERALL
THINK TANKST
ΥΓΕΙΑY
Δευτέρα 19/11/18
4ος χρόνος, ημέρα 1114η

H AI κατασκευάζει ψευδή δακτυλικά αποτυπώματα που ξεγελούν τα βιομετρικά συστήματα

Print Friendly and PDF
-A +A
H AI κατασκευάζει ψευδή δακτυλικά αποτυπώματα που ξεγελούν τα βιομετρικά συστήματα

Του Γιάννη Γορανίτη

Ερευνητές του Πανεπιστημίου της Νέας Υόρκης αποκάλυψαν ένα προηγμένο σύστημα που βασίζεται στην τεχνητή νοημοσύνη για να δημιουργεί ψευδή δακτυλικά αποτυπώματα, τα οποία εξαπατούν τα συστήματα βιομετρικής επαλήθευσης και αναγνώρισης. Τα τεχνητά αποτυπώματα φέρουν την κωδική ονομασία «DeepMasterPrints» και παρουσιάστηκαν από τους ερευνητές σε πρόσφατο συνέδριο ασφαλείας στο Λος Άντζελες.

Στόχος σύμφωνα με τον επικεφαλής της έρευνας δεν είναι να ενθαρρύνουν τις απάτες και τη μη εξουσιοδοτημένη χρήση, αλλά αντίθετα να συμβάλλουν στην ενίσχυση της ασφάλειας των συστημάτων βιομετρικής αναγνώρισης. «Η συγκεκριμένη μέθοδος είναι πιθανό να έχει ευρείες εφαρμογές στην ασφάλεια των συστημάτων που αξιοποιούν την αναγνώριση δακτυλικών αποτυπωμάτων» αναφέρει ο Philip Bontrager του Πανεπιστημίου της Νέας Υόρκης. «Η ανάδειξη ελαττωμάτων στα υπάρχοντα συστήματα επαλήθευσης θεωρείται βασικό βήμα για την ανάπτυξη ασφαλέστερων συστημάτων στο μέλλον».

Η κερκόπορτα στα συστήματα

Τα κατασκευασμένα αποτυπώματα είχαν απροσδόκητα ποσοστά επιτυχίας – ή μάλλον αποτυχίας των συστημάτων βιομετρικής επαλήθευσης. Οι ερευνητές κατόρθωσαν να μιμηθούν τέσσερα στα πέντε δαχτυλικά αποτυπώματα, όταν οι κατασκευαστές των συστημάτων ορίζουν το ποσοστό λάθους σε λιγότεροι από ένα τοις χιλίοις.

Τα DeepMasterPrints αξιοποίησαν ένα κενό ασφαλείας των συστημάτων που για λόγους ευκολίας και πρακτικότητας δεν διαβάζουν ολόκληρο το αποτύπωμα του δαχτύλου, αλλά μόνο το μέρος αυτού (που ακουμπάει στον σαρωτή). Αυτό είναι συνηθέστερο στους αναγνώστες δακτυλικών αποτυπωμάτων φορητών συσκευών όπως τα κινητά τηλέφωνα.

Η ευκολία αυτή όμως για τον χρήστη ανοίγει «κερκόπορτα» στην ασφάλεια του συστήματος, καθώς ο επίδοξος εισβολέας δεν έχει παρά να αντιστοιχίσει το πλαστό μέρος του αποτυπώματος με απείρως λιγότερες εικόνες αποτυπωμάτων, προκειμένου να αποκτήσει μη εξουσιοδοτημένη πρόσβαση στη συσκευή. Εξάλλου, ορισμένα από χαρακτηριστικά των δακτυλικών αποτυπωμάτων είναι πιο κοινά από άλλα – με αποτέλεσμα να απαντώνται σε περισσότερα δάχτυλα και να είναι ευκολότερο να προβλεφθούν και να αντιγραφούν.

Μηχανική μάθηση

Βασισμένοι στις αδυναμίες και τις ατέλειες των συστημάτων, οι ερευνητές αξιοποίησαν μια κοινή τεχνική μηχανικής μάθησης που δημιουργεί τεχνητά δακτυλικά αποτυπώματα που αντιστοιχούσαν όσο το δυνατόν περισσότερα πραγματικά.

Το νευρωνικό δίκτυο που χρησιμοποίησαν (generative adversarial network) αφενός τους επέτρεψε να δημιουργήσουν πολλαπλές εικόνες δακτυλικών αποτυπωμάτων, και αφετέρου να παράξουν πειστικές απομιμήσεις πραγματικών αποτυπωμάτων.

Δεν γνωρίζουμε αν η συγκεκριμένη μελέτη θα συμβάλλει πράγματι στην ενίσχυση των συστημάτων ή θα ενθαρρύνει περισσότερες και πιο εξελιγμένες παραβιάσεις στο μέλλον. Το βέβαιο είναι, όμως, ότι οι έρευνες για την ασφάλεια των συστημάτων βιομετρικής αναγνώρισης πρέπει να ενταθούν στο αμέσως επόμενο διάστημα, λόγω της αλματώδους ανόδου στη χρήση τους.

Επιστροφή στην mobile έκδοση.