Casting the Net! Revisiting MasterFace Impersonation Attacks
Questo articolo dimostra che gli avversari possono sfruttare le API commerciali pubbliche per costruire attacchi "NET" basati su MasterFaces, riuscendo ad amplificare i tassi di impersonificazione fino a 9,5 volte rispetto ai normali tassi di falso match nei moderni sistemi di riconoscimento facciale in soli 30 tentativi.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate di camminare attraverso un edificio ad alta sicurezza e, invece di una chiave o di una password, una guardia controlla il vostro volto. È così che funzionano i Sistemi di Riconoscimento Facciale (FRS): scattano una foto del vostro viso, la trasformano in un codice matematico segreto (un "template") e controllano se questo codice corrisponde a quello registrato. Per anni, gli esperti di sicurezza hanno creduto che questi sistemi fossero al sicuro da estranei che cercavano di intrufolarsi. Pensavano che l'unico vero rischio fosse un "impostore a sforzo zero" — qualcuno che, per puro caso, somiglia un po' alla persona che sta cercando di ingannare, un po' come vincere alla lotteria indovinando i numeri giusti. Se non cercavi di hackerare il sistema con sforzi intenzionali, le tue probabilità di entrare erano praticamente nulle. Ma cosa succederebbe se ci fosse un modo per gettare una rete ampia, catturando non solo un volto, ma molti volti diversi contemporaneamente, senza dover conoscere il codice segreto o forzare l'ingresso nell'edificio? Questa è la domanda che i ricercatori si pongono nel campo della cybersicurezza e della biometria, dove l'obiettivo è capire come queste serrature digitali possano essere scassinata, anche da chi gioca secondo le regole.
In un nuovo studio intitolato "Casting the Net! Revisiting MasterFace Impersonation Attacks", ricercatori dell'Università Hanyang in Corea del Sud hanno scoperto un modo astuto per rompere questa barriera di sicurezza dello "sforzo zero". Hanno scoperto che anche se un attaccante non conosce il volto specifico che sta cercando di impersonare, può comunque ingannare il sistema acquistando l'accesso agli stessi strumenti di scansione facciale pubblici che l'edificio utilizza. Pensatelo in questo modo: immaginate che una guardia di sicurezza utilizzi un'app specifica per controllare i documenti d'identità. I ricercatori hanno capito che chiunque può comprare quella stessa app e chiederle: "Quanto è simile il Volto A al Volto B?" migliaia di volte. Facendo abbastanza domande, possono mappare la "forma" di tutti i volti che il sistema riconosce, anche senza vedere i codici segreti all'interno.
Il team ha utilizzato queste informazioni per creare quello che chiamano un "MasterFace". In passato, gli scienziati cercavano di creare questi "super-volti" tirando a indovinare al buio, ma di solito fallivano contro i sistemi moderni e intelligenti. Questo articolo dimostra che, utilizzando l'app pubblica per disegnare una mappa dello "spazio dei volti" del sistema, un attaccante può costruire un insieme di volti speciali (una "rete") che copre una vasta area di quella mappa. È come lanciare una rete da pesca in uno stagno dove i pesci (i vololi reali) sono raggruppati in determinati punti. Invece di cercare di catturare un pesce specifico, l'attaccante getta una rete progettata per catturare qualunque pesce passi di lì per caso.
I risultati sono sorprendentemente efficaci. Nei loro esperimenti, i ricercatori hanno testato questo metodo contro diversi sistemi di riconoscimento facciale del mondo reale, inclusi modelli open-source e un importante servizio commerciale di Amazon. Hanno scoperto che con pochissimi tentativi — tra 5 e 30 tentativi — la loro "rete" poteva ingannare il sistema molto più spesso di quanto farebbe uno sconosciuto casuale. In alcuni casi, il loro tasso di successo era fino a 9,5 volte superiore a quanto previsto dagli standard di sicurezza. Ad esempio, se un sistema dovrebbe permettere l'ingresso a uno sconosciuto casuale solo 1 volta su 10.000, questo nuovo metodo potrebbe permettergli di entrare quasi 10 volte su 10.000 con lo stesso numero di tentativi.
L'articolo specifica con cura cosa questo non significa. Non significa che chiunque possa avvicinarsi a una telecamera e diventare istantaneamente chiunque altro. L'attacco richiede che l'attaccante acquisti lo stesso software commerciale utilizzato dal bersaglio, il che costa denaro (i ricercatori hanno stimato un budget di circa 100 dollari per i loro test), e si basa sul fatto che il sistema sia costruito sopra questi strumenti pubblici. I ricercatori hanno inoltre escluso l'idea che i vecchi trucchi semplici funzionino sui sistemi moderni; hanno dimostrato che i vecchi metodi falliscono, ma questo nuovo approccio a "rete" funziona perché utilizza gli stessi strumenti pubblici del sistema contro di esso.
Quindi, cosa ci dice tutto questo? Suggerisce che la sicurezza del riconoscimento facciale potrebbe essere più fragile di quanto pensassimo, non perché le serrature siano rotte, ma perché le chiavi vengono vendute a tutti. Se un edificio utilizza un servizio di scansione facciale popolare e pubblico, un attaccante può acquistare lo stesso servizio, studiare come vede i volti e creare un "MasterFace" che si adatti alla serratura. I ricercatori non stanno dicendo che il mondo è perduto, ma stanno avvertendo che dobbiamo essere più attenti a quanta informazione riveliamo su quali strumenti utilizziamo per tenere chiuse le nostre porte. Hanno rilasciato una versione piccola e sicura del loro codice in modo che altri scienziati possano studiare questo problema, ma hanno mantenuto nascoste le parti pericolose per prevenire usi impropri. In definitiva, questo articolo ravviva un'idea vecchia — il "MasterFace" — e mostra che con un po' di matematica e una carta di credito, potrebbe essere più pericoloso di quanto immaginassimo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.