Casting the Net! Revisiting MasterFace Impersonation Attacks
Diese Arbeit zeigt auf, dass Angreifer öffentliche kommerzielle APIs ausnutzen können, um basierend auf MasterFaces „NET“-Angriffe zu konstruieren, die die Rate der Identitätsvortäuschung in modernen Gesichtserkennungssystemen innerhalb von nur 30 Versuchen erfolgreich um das bis zu 9,5-Fache über die Standard-Falschübereinstimmungsraten hinaus steigern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie gehen durch ein Hochsicherheitsgebäude, und anstatt eines Schlüssels oder eines Passworts überprüft der Wachmann Ihr Gesicht. So funktionieren Gesichtserkennungssysteme (Face Recognition Systems, FRS): Sie machen ein Foto von Ihrem Gesicht, wandeln es in einen geheimen mathematischen Code (ein „Template“) um und prüfen, ob dieser Code mit dem hinterlegten Code übereinstimmt. Jahrelang glaubten Sicherheitsexperten, dass diese Systeme vor zufälligen Fremden sicher seien, die versuchen, sich einzuschleichen. Sie dachten, das einzige echte Risiko sei ein „Zero-Effort-Impostor“ – jemand, der zufällig ein wenig so aussieht wie die Person, die er zu täuschen versucht, ein bisschen so, als würde man im Lotto gewinnen, indem man die richtigen Zahlen errät. Wenn man nicht hart versuchte, das System zu hacken, war die Chance, hineinzukommen, praktisch null. Aber was wäre, wenn es einen Weg gäbe, ein weites Netz auszuwerfen, das nicht nur ein, sondern viele verschiedene Gesichter gleichzeitig einfängt, ohne den geheimen Code zu kennen oder in das Gebäude einzubrechen? Dies ist die Frage, die Forscher im Bereich der Cybersicherheit und Biometrie stellen, wo das Ziel darin besteht, zu verstehen, wie diese digitalen Schlösser geknackt werden können, selbst wenn man sich an die Regeln hält.
In einer neuen Studie mit dem Titel „Casting the Net! Revisiting MasterFace Impersonation Attacks“ haben Forscher der Hanyang University in Südkorea einen cleveren Weg gefunden, um diese „Zero-Effort“-Sicherheitsbarriere zu durchbrechen. Sie entdeckten, dass ein Angreifer selbst dann ein Gesichtserkennungssystem austricksen kann, wenn er nicht das spezifische Gesicht kennt, das er imitieren möchte, indem er Zugriff auf dieselben öffentlichen Gesichtsscan-Tools kauft, die auch das Gebäude verwendet. Stellen Sie sich das so vor: Nehmen wir an, ein Sicherheitswachmann benutzt eine bestimmte App, um Ausweise zu prüfen. Die Forscher erkannten, dass jeder dieselbe App kaufen und tausendfach fragen kann: „Wie ähnlich sind Gesicht A und Gesicht B?“ Durch das Stellen genügend vieler Fragen können sie die „Form“ aller Gesichter kartografieren, die das System erkennt, selbst ohne die darin enthaltenen geheimen Codes zu sehen.
Das Team nutzte diese Informationen, um das zu erstellen, was sie ein „MasterFace“ nennen. In der Vergangenheit versuchten Wissenschaftler, diese „Super-Gesichter“ zu erstellen, indem sie im Dunkeln ratierten, aber sie scheiterten meist an modernen, intelligenten Systemen. Dieses Paper zeigt, dass ein Angreifer durch die Nutzung der öffentlichen App zur Kartierung des „Gesichtsraums“ des Systems ein Set spezieller Gesichter (ein „Netz“) konstruieren kann, das ein riesiges Gebiet dieser Karte abdeckt. Es ist, als würde man ein Fischernetz in einen Teich werfen, in dem die Fische (die echten Gesichter) an bestimmten Stellen konzentriert sind. Anstatt zu versuchen, einen ganz bestimmten Fisch zu fangen, wirft der Angreifer ein Netz aus, das darauf ausgelegt ist, jeden Fisch zu fangen, der zufällig vorbeischwimmt.
Die Ergebnisse sind überraschend effektiv. In ihren Experimenten testeten die Forscher diese Methode gegen mehrere reale Gesichtserkennungssysteme, einschließlich Open-Source-Modellen und einem großen kommerziellen Dienst von Amazon. Sie fanden heraus, dass ihr „Netz“ mit nur wenigen Versuchen – zwischen 5 und 30 Versuchen – das System viel häufiger austricksen konnte, als es ein zufälliger Fremder tun würde. In einigen Fällen war ihre Erfolgsrate bis zu 9,5-mal höher als das, was Sicherheitsstandards normalerweise erwarten. Wenn beispielsweise ein System so konzipiert ist, dass es einen zufälligen Fremden nur 1 von 10.000 Mal hereinlässt, könnte diese neue Methode ihn fast 10 Mal von 10.000 Mal bei gleicher Anzahl an Versuchen hereinlassen.
Das Paper weist sorgfältig darauf hin, was dies nicht bedeutet. Es bedeutet nicht, dass jeder einfach vor eine Kamera treten und sofort jeder andere sein kann. Der Angriff erfordert, dass der Angreifer dieselbe kommerzielle Software kauft, die das Ziel verwendet, was Geld kostet (die Forscher schätzten ein Budget von etwa 100 $ für ihre Tests), und er beruht darauf, dass das System auf diesen öffentlichen Tools aufgebaut ist. Die Forscher konnten auch ausschließen, dass alte, einfache Tricks bei modernen Systemen funktionieren; sie zeigten, dass die alten Methoden versagen, aber dieser neue „Netz“-Ansatz funktioniert, weil er die eigenen öffentlichen Tools des Systems gegen dieses verwendet.
Was sagt uns das also? Es deutet darauf an, dass die Sicherheit der Gesichtserkennung fragiler sein könnte, als wir dachten – nicht weil die Schlösser kaputt sind, sondern weil die Schlüssel an jeden verkauft werden. Wenn ein Gebäude einen populären, öffentlichen Gesichtsscan-Dienst nutzt, kann ein Angreifer genau diesen Dienst kaufen, studieren, wie er Gesichter sieht, und ein „MasterFace“ basteln, das in das Schloss passt. Die Forscher sagen nicht, dass die Welt untergeht, aber sie warnen davor, dass wir vorsichtiger sein müssen, wie viele Informationen wir über die Werkzeuge preisgeben, die wir verwenden, um unsere Türen verschlossen zu halten. Sie haben eine kleine, sichere Version ihres Codes veröffentlicht, damit andere Wissenschaftler dieses Problem untersuchen können, haben aber die gefährlichen Teile verborgen, um Missbrauch zu verhindern. Letztendlich belebt dieses Paper eine alte Idee – das „MasterFace“ – und zeigt, dass es mit ein wenig Mathematik und einer Kreditkarte weitaus gefährlicher sein könnte, als wir es für möglich gehalten haben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.