В 2019 году самой большой проблемой технологий является конфиденциальность, но что, если технология борется с технологией. С помощью искусственного интеллекта исследователи создают поддельные отпечатки пальцев, которые могут стать инструментом мечты хакера.
Согласно исследованию Нью-Йоркского университета и Мичиганского государственного университета, исследователи подробно рассказали, как технологии глубокого обучения можно использовать для ослабления биометрических систем безопасности.
Группа разработала методы машинного обучения для создания поддельных отпечатков пальцев под названием DeepMasterPrints, которые не только обманывают датчики смартфона, но и могут успешно маскироваться под отпечатки множества разных людей.
Рекомендуется: Модель машинного обучения Google расшифровывает песни горбатых китов
Исследователь утверждает, что их система на основе искусственного интеллекта, которую они называют «DeepMasterPrints». может обмануть сканеры отпечатков пальцев на смартфонах, что повышает риск использования хакерами уязвимости для кражи со счетов онлайн-банков жертв.
В состав группы входят пять исследователей во главе с Филипом Бонтрагером из инженерной школы Нью-Йоркского университета. Исследование, поддержанное грантом Национального научного фонда США, получило награду за лучшую работу на конференции по биометрии и кибербезопасности в октябре.
Согласно статье, исследователи использовали нейронные сети, основное программное обеспечение для обучения данных, для создания убедительно выглядящих цифровых отпечатков пальцев, которые работали даже лучше, чем изображения, использованные в более раннем исследовании.
Исследователи используют GAN для создания убедительно выглядящих, но сфабрикованных фотографий и видео, известных как «глубокие подделки».
С GAN исследователи используют комбинацию двух нейронных сетей, которые работают вместе для создания реалистичных изображений, наделенных таинственными свойствами, которые могут обмануть программное обеспечение для распознавания изображений.
Исследователи обучили нейронные сети тысячам общедоступных изображений отпечатков пальцев, чтобы система могла начать выводить множество реалистичных фрагментов.
Исследователи обучили одну нейронную сеть распознавать настоящие изображения отпечатков пальцев, а другую — создавать собственные поддельные отпечатки пальцев.
После этого исследователь передал поддельные изображения отпечатков пальцев второй нейронной сети в первую нейронную сеть, чтобы проверить, насколько они эффективны.
Со временем вторая нейронная сеть научилась генерировать реалистичные изображения отпечатков пальцев, которые могли обмануть другую нейронную сеть.
Затем они использовали технику, называемую «эволюционной оптимизацией», чтобы оценить, что получится в качестве эталонного отпечатка с максимально знакомым и убедительным каждым символом, и управлять выводом нейронных сетей.
Джулиан Тогелиус, один из авторов статьи и адъюнкт-профессор компьютерных наук Нью-Йоркского университета, сказал, что команда создала фальшивые отпечатки пальцев, получившие название DeepMasterPrints, с использованием варианта технологии нейронной сети под названием «генеративно-состязательные сети (GAN)», которые, по его словам, «взяли мир ИИ штурмом за последние два года».
Что касается результатов, то при умеренно строгих настройках DeepMasterPrints исследовательской группы совпали от двух или трех процентов записей на различных коммерческих платформах до примерно 20 процентов, в зависимости от того, какие отпечатки они тестировали.
В целом, эталонные отпечатки получили в 30 раз больше совпадений, чем средний реальный отпечаток пальца — даже при самых высоких настройках безопасности, когда эталонные отпечатки не работали особенно хорошо.
Подумайте о мастер-атаке с печатью, как об атаке по словарю паролей, в которой хакерам не нужно правильно вводить пароль одним выстрелом, а вместо этого систематически пытаются использовать общие комбинации, чтобы взломать учетную запись.
«Несмотря на то, что эти синтетические меры становятся все лучше и лучше, если вы обращаете на них внимание, вы должны быть в состоянии проектировать системы с все более и более высоким разрешением и их нелегко атаковать», — говорит Бонтрагер. «Но это повлияет на стоимость и дизайн».
Подробнее об искусственном интеллекте:
Система искусственного интеллекта, которая подскажет, будете ли вы слепы или нет
Новая модель машинного обучения помогает прогнозировать извержения вулканов
Новый графический процессор Nivida TITAN RTX обладает чудовищной мощью для глубокого обучения
Модель машинного обучения Google расшифровывает песни горбатых китов
Первоначально опубликовано на techgrabyte.com 12 марта 2019 г.
