Arc2Morph: Identity-Preserving Facial Morphing with Arc2Face

Il paper propone Arc2Morph, una nuova tecnica di morphing facciale basata sul modello fondazionale Arc2Face che, pur preservando l'identità, genera attacchi di morphing con un potenziale di minaccia comparabile alle tecniche tradizionali basate su punti di riferimento, rappresentando una sfida significativa per i sistemi di riconoscimento facciale.

L'essenziale

🕵️‍♂️ Il Problema: Il "Finto Gemello" Digitale

Immagina di dover ottenere un passaporto. Di solito, ti fanno una foto in una cabina controllata, con un operatore che ti guarda negli occhi per assicurarsi che tu sia davvero lì e che la foto sia tua.

Ma c'è un trucco pericoloso. Due persone (diciamo "Mario" e "Luigi") potrebbero collaborare per creare una foto "ibrida". È come se prendessero i lineamenti di Mario e quelli di Luigi e li mescolassero insieme in un'unica immagine.
Questa foto ibrida viene presentata all'ufficio passaporti. L'operatore umano la trova somigliante a Mario (quindi la accetta), ma quando Mario va in aeroporto, la macchina riconosce la sua faccia. E quando Luigi va in aeroporto, la macchina riconosce anche la sua faccia!

In pratica, Mario e Luigi condividono lo stesso documento segreto. È un attacco informatico molto serio che sfrutta un punto debole: la foto viene fatta senza supervisione o in modo automatizzato.

🎨 La Soluzione (o meglio, l'Esperimento): "Arc2Morph"

Gli scienziati dell'Università di Bologna hanno creato un nuovo metodo per fare queste foto ibride, chiamato Arc2Morph. Il loro obiettivo non era fare il male, ma capire quanto fosse pericoloso questo nuovo metodo, per poi costruire difese migliori.

Ecco come funziona, usando un'analogia culinaria:

1. Gli Ingredienti (Le Faccia): Immagina di avere due ricette segrete, una per Mario e una per Luigi. Invece di usare le foto vere, il computer prende solo l'"essenza" matematica della loro identità (come se fosse la lista degli ingredienti principali: naso, occhi, forma del viso).
2. Il Cuoco Intelligente (Arc2Face): Fino a poco tempo fa, per mescolare due foto, si usavano "forbici e colla" digitali (metodi vecchi che spostavano i punti della faccia). Spesso venivano fuori foto strambe, con occhi storti o nasi doppi.
   Gli scienziati hanno usato un nuovo "cuoco" digitale chiamato Arc2Face. È un'intelligenza artificiale che sa disegnare volti perfetti partendo solo da un'idea.
3. La Ricetta Mista: Il computer prende l'essenza di Mario e quella di Luigi, le mescola in modo molto intelligente (usando una "sfera" matematica per non perdere i dettagli) e dice al cuoco: "Disegnami un volto che è metà Mario e metà Luigi, ma che sembri una foto vera scattata in un ufficio passaporti".
4. Il Risultato: La foto finale è così realistica che sembra scattata da un fotografo professionista. Non ci sono errori, non ci sono "colla" visibile. È perfetta.

🏆 Perché è Importante?

Fino a ieri, i metodi "vecchi scuola" (quelli con le forbici e la colla digitale) erano considerati i più pericolosi perché erano difficili da rilevare. I metodi basati sull'Intelligenza Artificiale (Deep Learning) erano visti come meno perfetti, perché a volte lasciavano vedere che erano stati creati da un computer.

La scoperta di questo paper è sconvolgente:
Il nuovo metodo Arc2Morph è così bravo che:

• Crea foto ibride peggiori (nel senso che sono più difficili da scoprire) dei vecchi metodi.
• Inganna le macchine di riconoscimento facciale quasi al 100%.
• Inganna anche gli operatori umani perché la foto è esteticamente perfetta e rispetta tutte le regole dei passaporti (sfondo bianco, faccia dritta, ecc.).

🛡️ Perché pubblicare un metodo pericoloso?

Potresti chiederti: "Perché pubblicare come si fa a ingannare i passaporti?"

È come se un esperto di sicurezza informatica mostrasse come si può scassinare una serratura nuova. Se non sai come funziona la serratura, non puoi costruire una serratura migliore.
Gli scienziati hanno reso pubblico questo metodo per dire: "Attenzione! Le vecchie difese non funzionano più. Dobbiamo creare nuovi sistemi di controllo che siano pronti a riconoscere anche queste foto perfette."

In Sintesi

• Il Nemico: Due persone che creano una foto "frankenstein" per rubare un'identità.
• L'Arma: Un'intelligenza artificiale che disegna volti perfetti mescolando due identità.
• La Scoperta: Questa nuova arma è più potente di tutte quelle usate finora.
• L'Obiettivo: Usare questa conoscenza per costruire scudi più forti e rendere i nostri passaporti digitali inviolabili.

In poche parole, gli scienziati hanno costruito il "super ladro" digitale solo per insegnarci come costruire la "super cassaforte".

Sommario tecnico

1. Il Problema

Le attacchi di morfing facciale rappresentano una delle minacce più critiche per i sistemi di riconoscimento facciale (FRS) utilizzati nei documenti di identità elettronici (come passaporti e carte d'identità).

• Vulnerabilità: Molti paesi adottano procedure di iscrizione (enrollment) in cui l'immagine facciale viene acquisita senza una cattura "live" supervisionata.
• Meccanismo dell'attacco: Due individui possono collaborare per creare un'unica immagine facciale morfata che combina le caratteristiche identitarie di entrambi. Questa immagine inganna l'ufficiale umano durante il rilascio del documento e viene memorizzata nel chip.
• Conseguenza: L'immagine morfata, essendo una fusione, può essere verificata con successo da entrambi i soggetti originali. Se l'attacco non viene rilevato, due persone diverse possono autenticarsi come la stessa identità, condividendo un unico documento legale.
• Sfida attuale: Le tecniche tradizionali basate su punti di riferimento (landmark-based) sono state a lungo considerate le più efficaci e difficili da rilevare. Le tecniche basate sul Deep Learning, pur migliorando, hanno spesso faticato a preservare l'identità in modo coerente o a generare immagini di alta qualità senza artefatti.

2. Metodologia Proposta (Arc2Morph)

Gli autori propongono una nuova tecnica di morfing basata su Arc2Face, un modello fondazionale condizionato all'identità in grado di sintetizzare immagini facciali fotorealistiche partendo da rappresentazioni identitarie compatte.

Il flusso di lavoro (pipeline) si articola come segue:

1. Estrazione dell'Identità: Due immagini di input ($I_A$ e $I_B$) vengono elaborate da un encoder pre-addestrato ArcFace per ottenere due embedding identitari normalizzati a 512 dimensioni ($e_A$ e $e_B$).
2. Proiezione nello Spazio CLIP: Gli embedding di ArcFace vengono proiettati nello spazio latente multimodale di CLIP tramite un encoder di testo modificato. Questo passaggio traduce le informazioni biometriche in segnali semantici ad alto livello ($p_A$ e $p_B$) compatibili con il generatore.
3. Interpolazione: Viene creata una rappresentazione identitaria ibrida ($p_M$) interpolando $p_A$ e $p_B$. Il paper confronta due strategie:
   • Interpolazione lineare (lerp).
   • Interpolazione sferica lineare (slerp), che si è rivelata superiore nello spazio CLIP.
4. Sintesi dell'Immagine: La rappresentazione interpolata $p_M$ viene utilizzata come condizione per il modello Arc2Face per generare l'immagine morfata ($I'_M$).
5. Controllo e Conformità (ISO/ICAO): Per garantire che l'immagine sia conforme agli standard dei documenti di viaggio:
   • Posa ed Espressione: Viene utilizzata una rete ControlNet condizionata su una mappa di normali facciali 3D estratta da un'immagine di input (tramite il modello EMOCAv2) per mantenere una geometria facciale realistica.
   • Sfondo: Viene applicata la rete di rimozione dello sfondo BEN2 per sostituire lo sfondo originale con uno uniforme bianco, come richiesto dagli standard ISO/ICAO.

3. Contributi Chiave

• Nuovo Approccio Deep Learning: Un metodo di morfing che raggiunge un potenziale di attacco paragonabile o superiore alle tecniche basate su landmark, superando nettamente gli attuali metodi SOTA (State-Of-The-Art) basati sul deep learning.
• Valutazione Estensiva: Un confronto rigoroso su dataset reali e sintetici, fornendo una panoramica aggiornata dello stato dell'arte degli attacchi di morfing.
• Rilascio del Codice: La pubblicazione dell'implementazione per garantire la riproducibilità e favorire ulteriori ricerche.
• Nuovi Dataset: La creazione e il rilascio pubblico di due nuovi dataset di immagini morfate (derivati da FEI e ONOT) per scopi di benchmarking.

4. Risultati Sperimentali

La valutazione è stata condotta utilizzando la metrica Morphing Attack Potential (MAP), introdotta nello standard ISO/IEC 20059:2025, che misura la probabilità di successo dell'attacco considerando più immagini di prova e più sistemi di riconoscimento.

• Dataset FEI Morph v2: Arc2Morph ha ottenuto i risultati migliori, con il 99,9% delle immagini morfate che hanno ingannato tutti e tre i sistemi FRS commerciali testati (COTS).
• Dataset MONOT (Sintetico): Il metodo ha mostrato la massima capacità di attacco quando si targettizza un singolo FRS (oltre il 97% di successo), mantenendo prestazioni superiori o comparabili alla maggior parte dei concorrenti anche con più sistemi.
• Dataset EINMorph-HQ e MQ: Le curve di robustezza e generalità hanno dimostrato che l'approccio proposto non solo supera gli altri metodi basati sul deep learning, ma vince anche sulle tecniche basate su landmark, tradizionalmente considerate le più difficili da contrastare.
• Studio Ablativo: L'analisi ha rivelato che l'interpolazione sferica lineare (slerp) nello spazio latente di CLIP produce i risultati migliori, superando l'interpolazione diretta nello spazio delle identità di ArcFace. Questo suggerisce che lo spazio semantico di CLIP cattura dettagli più fini per la fusione delle identità.

5. Significato e Impatto

• Sicurezza Biometrica: Il lavoro dimostra che i modelli generativi basati su fondamenti (foundation models) come Arc2Face possono essere utilizzati per creare attacchi di morfing estremamente efficaci, preservando l'identità in modo superiore rispetto alle tecniche precedenti.
• Avvertenza per i Sistemi di Difesa: I risultati indicano che le difese attuali potrebbero non essere sufficienti contro questo nuovo tipo di attacco, che combina alta qualità visiva e forte preservazione dell'identità.
• Obiettivo Etico: Sebbene la tecnica sia potente, è sviluppata e rilasciata esclusivamente per scopi di ricerca e valutazione, con l'obiettivo di migliorare la robustezza dei sistemi di rilevamento degli attacchi di morfing e rafforzare la sicurezza dei documenti di identità elettronici.

In sintesi, Arc2Morph segna un punto di svolta, dimostrando che l'uso di modelli generativi avanzati con controllo preciso dell'identità e della posa rappresenta la nuova frontiera delle minacce di morfing facciale, richiedendo un aggiornamento immediato delle strategie di difesa nei sistemi di riconoscimento biometrico.