Casting the Net! Revisiting MasterFace Impersonation Attacks
Cet article démontre que des adversaires peuvent exploiter des API commerciales publiques pour construire des attaques « NET » basées sur des MasterFaces, parvenant ainsi à amplifier les taux d'usurpation d'identité jusqu'à 9,5 fois au-delà des taux de fausse correspondance standards dans les systèmes modernes de reconnaissance faciale en seulement 30 essais.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous marchiez dans un bâtiment à haute sécurité et qu'au lieu d'une clé ou d'un mot de passe, un garde vérifie votre visage. C'est ainsi que fonctionnent les systèmes de reconnaissance faciale (FRS) : ils prennent une photo de votre visage, la transforment en un code mathématique secret (un « gabarit ») et vérifient si ce code correspond à celui enregistré. Pendant des années, les experts en sécurité ont cru que ces systèmes étaient à l'abri des inconnus tentant de s'introduire clandestinement. Ils pensaient que le seul véritable risque était l'« imposteur sans effort » — quelqu'un qui ressemble juste un peu à la personne qu'il tente de tromper, un peu comme gagner à la loterie en devinant les bons numéros. Si vous ne faisiez pas d'efforts pour pirater le système, vos chances d'entrer étaient pratiquement nulles. Mais et s'il existait un moyen de jeter un large filet, capturant non pas un seul, mais de nombreux visages à la fois, sans avoir besoin de connaître le code secret ou de s'introduire dans le bâtiment ? C'est la question que se posent les chercheurs dans le domaine de la cybersécurité et de la biométrie, où l'objectif est de comprendre comment ces verrous numériques peuvent être crochetés, même par quelqu'un qui respecte les règles.
Dans une nouvelle étude intitulée « Casting the Net! Revisiting MasterFace Impersonation Attacks », des chercheurs de l'Université Hanyang en Corée du Sud ont découvert un moyen ingénieux de briser cette barrière de sécurité du « sans effort ». Ils ont découvert que même si un attaquant ne connaît pas le visage spécifique qu'il tente d'usurper, il peut tout de même tromper le système en achetant l'accès aux mêmes outils de reconnaissance faciale publique que ceux utilisés par le bâtiment. Voyez cela comme ceci : imaginez qu'un agent de sécurité utilise une application spécifique pour vérifier les pièces d'identité. Les chercheurs ont réalisé que n'importe qui peut acheter cette même application et lui demander : « À quel point le Visage A est-il similaire au Visage B ? » des milliers de fois. En posant suffisamment de questions, ils peuvent cartographier la « forme » de tous les visages que le système reconnaît, même sans voir les codes secrets à l'intérieur.
L'équipe a utilisé cette information pour créer ce qu'ils appellent un « MasterFace » (Visage Maître). Par le passé, les scientifiques tentaient de créer ces « super-visages » en tâtonnant dans l'obscurité, mais ils échouaient généralement face aux systèmes modernes et intelligents. Ce document montre qu'en utilisant l'application publique pour dessiner une carte de l'« espace facial » du système, un attaquant peut construire un ensemble de visages spéciaux (un « filet ») qui couvre une vaste zone de cette carte. C'est comme jeter un filet de pêche dans un étang où les poissons (les vrais visages) sont regroupés dans certains endroits. Au lieu d'essayer de capturer un poisson spécifique, l'attaquant lance un filet conçu pour capturer n'importe quel poisson qui se trouve en train de nager par là.
Les résultats sont étonnamment efficaces. Dans leurs expériences, les chercheurs ont testé cette méthode contre plusieurs systèmes de reconnaissance faciale du monde réel, y compris des modèles open-source et un service commercial majeur d'Amazon. Ils ont constaté qu'avec seulement quelques tentatives — entre 5 et 30 essais — leur « filet » pouvait tromper le système beaucoup plus souvent qu'un inconnu quelconque ne le ferait. Dans certains cas, leur taux de réussite était jusqu'à 9,5 fois plus élevé que ce que les normes de sécurité prévoient habituellement. Par exemple, si un système est censé laisser entrer un inconnu seulement 1 fois sur 10 000, cette nouvelle méthode pourrait le laisser entrer près de 10 fois sur 10 000 avec le même nombre d'essais.
L'article précise soigneusement ce que cela ne signifie pas. Cela ne signifie pas que n'importe qui peut s'approcher d'une caméra et instantanément devenir n'importe qui d'autre. L'attaque nécessite que l'attaquant achète le même logiciel commercial que sa cible, ce qui coûte de l'argent (les chercheurs ont estimé un budget d'environ 100 $ pour leurs tests), et elle repose sur le fait que le système est construit sur la base de ces outils publics. Les chercheurs ont également écarté l'idée que les vieilles astuces simples fonctionnent sur les systèmes modernes ; ils ont montré que les anciennes méthodes échouent, mais que cette nouvelle approche par « filet » fonctionne parce qu'elle utilise les propres outils publics du système contre lui-même.
Alors, qu'est-ce que cela nous dit ? Cela suggère que la sécurité de la reconnaissance faciale pourrait être plus fragile que nous le pensions, non pas parce que les serrures sont cassées, mais parce que les clés sont vendues à tout le monde. Si un bâtiment utilise un service de reconnaissance faciale populaire et public, un attaquant peut acheter ce même service, étudier la façon dont il voit les visages et concevoir un « MasterFace » qui s'adapte à la serrure. Les chercheurs ne disent pas que le monde est condamné, mais ils avertissent que nous devons être plus prudents quant à la quantité d'informations que nous révélons sur les outils que nous utilisons pour verrouiller nos portes. Ils ont publié une version limitée et sûre de leur code afin que d'autres scientifiques puissent étudier ce problème, mais ils ont gardé les parties dangereuses cachées pour éviter toute utilisation abusive. En fin de compte, cet article ravive une vieille idée — le « MasterFace » — et montre qu'avec un peu de mathématiques et une carte de crédit, cela pourrait être bien plus dangereux que nous ne le pensions.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.