Casting the Net! Revisiting MasterFace Impersonation Attacks
यह शोध पत्र प्रदर्शित करता है कि हमलावर मास्टरफेस (MasterFaces) पर आधारित "NET" हमलों को निर्मित करने के लिए सार्वजनिक वाणिज्यिक एपीआई (APIs) का लाभ उठा सकते हैं, जो आधुनिक चेहरा पहचान प्रणालियों में मानक गलत मिलान दरों की तुलना में मात्र 30 परीक्षणों के भीतर प्रतिरूपण (impersonation) दरों को 9.5 गुना तक सफलतापूर्वक बढ़ा सकते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक उच्च-सुरक्षा वाली इमारत में घूम रहे हैं, और चाबी या पासवर्ड के बजाय, गार्ड आपके चेहरे की जांच करता है। फेस रिकग्निशन सिस्टम (FRS) इसी तरह काम करते हैं: वे आपके चेहरे की एक तस्वीर लेते हैं, उसे एक गुप्त गणितीय कोड (एक "टेम्प्लेट") में बदल देते हैं, और फिर देखते हैं कि क्या वह कोड रिकॉर्ड में मौजूद कोड से मेल खाता है। वर्षों तक, सुरक्षा विशेषज्ञों का मानना था कि ये सिस्टम किसी अनजान व्यक्ति द्वारा घुसपैकी कोशिशों से सुरक्षित हैं। उन्हें लगा कि एकमात्र वास्तविक जोखिम एक "जीरो-एफर्ट इम्पोस्टर" (zero-effort impostor) का था—कोई ऐसा व्यक्ति जो बस थोड़ा बहुत उस व्यक्ति जैसा दिखता हो जिसे वह धोखा देने की कोशिश कर रहा है, जो कुछ वैसा ही है जैसे सही नंबरों का अनुमान लगाकर लॉटरी जीतना। यदि आप सिस्टम को चकमा देने की कोशिश नहीं करते थे, तो आपके अंदर आने की संभावना लगभग शून्य थी। लेकिन क्या होगा अगर कोई ऐसा तरीका हो जिससे एक साथ कई चेहरों को पकड़ने के लिए एक विस्तृत जाल डाला जा सके, बिना उस गुप्त कोड को जाने या इमारत में सेंध लगाए? यह वह सवाल है जो शोधकर्ता साइबर सुरक्षा और बायोमेट्रिक्स के क्षेत्र में पूछ रहे हैं, जहाँ लक्ष्य यह समझना है कि इन डिजिटल तालों को कैसे खोला जा सकता है, भले ही वह व्यक्ति नियमों के दायरे में रहकर ही खेल रहा हो।
"कास्टिंग द नेट! रीविज़िटिंग मास्टरफेस इम्पर्सनेशन अटैक्स" (Casting the Net! Revisiting MasterFace Impersonation Attacks) नामक एक नए अध्ययन में, दक्षिण कोरिया के हानयांग विश्वविद्यालय के शोधकर्ताओं ने उस "जीरो-एफर्ट" सुरक्षा बाधा को तोड़ने का एक चतुर तरीका खोजा है। उन्होंने पाया कि भले ही हमलावर को उस विशिष्ट चेहरे का पता न हो जिसे वह पहचानने का ढोंग कर रहा है, फिर भी वह उसी सार्वजनिक फेस-स्कैनिंग टूल का उपयोग करके सिस्टम को धोखा दे सकता है जिसका उपयोग वह इमारत करती है। इसे ऐसे समझें: कल्पना कीजिए कि एक सुरक्षा गार्ड आईडी चेक करने के लिए एक विशिष्ट ऐप का उपयोग करता है। शोधकर्ताओं ने महसूस किया कि कोई भी वही ऐप खरीद सकता है और उससे पूछ सकता है, "चेहरा A, चेहरा B के समान कितना है?" हजारों बार। पर्याप्त प्रश्न पूछकर, वे उस सिस्टम के सभी चेहरों के "आकार" (shape) का मानचित्र बना सकते हैं, भले ही वे अंदर के गुप्त कोड को न देख सकें।
टीम ने इस जानकारी का उपयोग करके एक ऐसी चीज़ बनाई जिसे वे "मास्टरफेस" (MasterFace) कहते हैं। अतीत में, वैज्ञानिक इन "सुपर-चेहरों" को अंधेरे में अनुमान लगाकर बनाने की कोशिश करते थे, लेकिन वे आधुनिक, स्मार्ट सिस्टम के सामने आमतौर पर विफल रहे। यह शोध पत्र दिखाता है कि सार्वजनिक ऐप का उपयोग करके सिस्टम के "फेस स्पेस" का मानचित्र बनाकर, एक हमलावर उन विशेष चेहरों (एक "नेट") का निर्माण कर सकता है जो उस मानचित्र के एक बड़े क्षेत्र को कवर करते हैं। यह एक तालाब में मछली पकड़ने वाला जाल फेंकने जैसा है जहाँ मछलियाँ (असली चेहरे) कुछ खास जगहों पर जमा होती हैं। एक विशिष्ट मछली को पकड़ने के बजाय, हमलावर एक ऐसा जाल फेंकता है जिसे उस मछली को पकड़ने के लिए डिज़ाइन किया गया है जो संयोग से वहां तैर रही हो।
परिणाम आश्चर्यजनक रूप से प्रभावी हैं। अपने प्रयोगों में, शोधकर्ताओं ने कई वास्तविक दुनिया के फेस रिकग्निशन सिस्टम के खिलाफ इस पद्धति का परीक्षण किया, जिसमें ओपन-सोर्स मॉडल और अमेज़न की एक प्रमुख कमर्शियल सर्विस शामिल थी। उन्होंने पाया कि केवल कुछ प्रयासों के साथ—5 से 30 प्रयासों के बीच—उनका "नेट" सिस्टम को उस दर से कहीं अधिक बार धोखा दे सकता था जिस दर पर एक रैंडम अजनबी को धोखा देने की संभावना होती है। कुछ मामलों में, उनकी सफलता दर सुरक्षा मानकों द्वारा अपेक्षित दर से 9.5 गुना अधिक थी। उदाहरण के लिए, यदि कोई सिस्टम किसी रैंडम अजनबी को 10,000 में से केवल 1 बार अंदर जाने की अनुमति देता है, तो यह नया तरीका उन्हें उतने ही प्रयासों के साथ 10,000 में से लगभग 10 बार अंदर जाने दे सकता है।
यह शोध पत्र सावधानीपूर्वक यह स्पष्ट करता है कि इसका मतलब क्या नहीं है। इसका मतलब यह नहीं है कि कोई भी कैमरे के सामने आकर तुरंत कोई भी बन सकता है। इस हमले के लिए हमलावर को वही कमर्शियल सॉफ्टवेयर खरीदना होगा जिसका लक्ष्य उपयोग कर रहा है, जिसमें पैसा खर्च होता है (शोधकर्ताओं ने अपने परीक्षणों के लिए लगभग $100 का बजट अनुमानित किया था), और यह इस बात पर निर्भर करता है कि सिस्टम इन सार्वजनिक टूल्स के ऊपर बनाया गया है। शोधकर्ताओं ने इस विचार को भी खारिज कर दिया कि पुराने, सरल तरीके आधुनिक सिस्टम पर काम करते हैं; उन्होंने दिखाया कि पुराने तरीके विफल हो जाते हैं, लेकिन यह नया "नेट" दृष्टिकोण इसलिए काम करता है क्योंकि यह इसके अपने सार्वजनिक टूल्स का उपयोग इसके विरुद्ध करता है।
तो, यह हमें क्या बताता है? यह सुझाव देता है कि फेस रिकग्निशन की सुरक्षा हमारी सोच से अधिक नाजुक हो सकती है, इसलिए नहीं कि ताले टूटे हुए हैं, बल्कि इसलिए क्योंकि चाबियाँ सभी को बेची जा रही हैं। यदि कोई इमारत एक लोकप्रिय, सार्वजनिक फेस-स्कैनिंग सेवा का उपयोग करती है, तो एक हमलावर उसी सेवा को खरीद सकता है, अध्ययन कर सकता है कि वह चेहरों को कैसे देखता है, और एक "मास्टरफेस" तैयार कर सकता है जो उस ताले में फिट बैठता हो। शोधकर्ता यह नहीं कह रहे हैं कि दुनिया बर्बाद हो गई है, बल्कि वे चेतावनी दे रहे हैं कि हमें इस बात के प्रति अधिक सावधान रहने की आवश्यकता है कि हम अपने दरवाजों को बंद रखने के लिए किन टूल्स का उपयोग कर रहे हैं, इसके बारे में कितनी जानकारी प्रकट करते हैं। उन्होंने अपने कोड का एक छोटा, सुरक्षित संस्करण जारी किया है ताकि अन्य वैज्ञानिक इस समस्या का अध्ययन कर सकें, लेकिन दुरुपयोग को रोकने के लिए उन्होंने खतरनाक हिस्सों को छिपा कर रखा है। अंततः, यह शोध पत्र एक पुराने विचार—"मास्टरफेस"—को पुनर्जीवित करता है और दिखाता है कि थोड़े से गणित और एक क्रेडिट कार्ड के साथ, यह हमारी कल्पना से कहीं अधिक खतरनाक हो सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।