Casting the Net! Revisiting MasterFace Impersonation Attacks
Dit artikel toont aan dat tegenstanders publieke commerciële API's kunnen exploiteren om "NET"-aanvallen te construeren op basis van MasterFaces, waarmee ze de mate van impersonatie binnen slechts 30 pogingen met een factor tot wel 9,5 boven de standaard foutieve match-percentages in moderne gezichtsherkenningssystemen kunnen vergroten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je door een beveiligd gebouw loopt, en in plaats van een sleutel of een wachtwoord, controleert de bewaker je gezicht. Dit is hoe gezichtsherkenningssystemen (FRS'en) werken: ze maken een foto van je gezicht, zetten dit om in een geheime wiskundige code (een "template"), en controleren of die code overeenkomt met de code die in het dossier staat. Jarenlang geloofden experts op het gebied van beveiliging dat deze systemen veilig waren voor vreemden die probeerden binnen te sluipen. Ze dachten dat het enige echte risico een "zero-effort impostor" was—iemand die toevallig een beetje op de persoon lijkt die hij probeert te misleiden, een beetje zoals het winnen van de loterij door de juiste getallen te raden. Als je niet hard probeerde het systeem te hacken, waren je kansen om binnen te komen in feite nul. Maar wat als er een manier was om een breed net uit te werpen, waarbij je niet slechts één, maar veel verschillende gezichten tegelijk vangt, zonder dat je de geheime code hoeft te kennen of het gebouw hoeft binnen te breken? Dit is de vraag die onderzoekers stellen in het vakgebied van cybersecurity en biometrie, waar het doel is om te begrijpen hoe deze digitale sloten kunnen worden gekraakt, zelfs door iemand die zich aan de regels houdt.
In een nieuwe studie met de titel "Casting the Net! Revisiting MasterFace Impersonation Attacks," hebben onderzoekers van Hanyang University in Zuid-Korea een slimme manier gevonden om die "zero-effort" veiligheidsbarrière te doorbreken. Ze ontdekten dat zelfs als een aanvaller niet weet welk specifiek gezicht hij probeert te imiteren, hij het systeem nog steeds kan misleiden door toegang te kopen tot dezelfde publieke gezichtsscansystemen die het gebouw gebruikt. Denk er zo over na: stel je voor dat een beveiligingsbeambte een specifieke app gebruikt om ID-bewijzen te controleren. De onderzoekers realiseerden zich dat iedereen diezelfde app kan kopen en de app duizenden keren kan vragen: "Hoe erg lijkt Gezicht A op Gezicht B?" Door genoeg vragen te stellen, kunnen ze de "vorm" van alle gezichten die het systeem herkent in kaart brengen, zelfs zonder de geheime codes binnenin te zien.
Het team gebruikte deze informatie om te creëren wat zij een "MasterFace" noemen. In het verleden probeerden wetenschappers deze "supergezichten" te maken door in het donker te gokken, maar dat mislukte meestal tegen moderne, slimme systemen. Dit artikel laat zien dat door de publieke app te gebruiken om een kaart te tekenen van de "gezichtsruimte" van het systeem, een aanvaller een reeks speciale gezichten (een "net") kan construeren die een enorm gebied van die kaart beslaat. Het is alsoals het uitwerpen van een visnet in een vijver waar de vissen (de echte gezichten) zich in bepaalde gebieden ophopen. In plaats van te proberen één specifieke vis te vangen, werpt de aanvaller een net uit dat ontworpen is om te vangen welke vis er toevallig ook voorbij zwemt.
De resultaten zijn verrassend effectief. In hun experimenten testten de onderzoekers deze methode tegen verschillende real-world gezichtsherkenningssystemen, inclusief open-source modellen en een grote commerciële dienst van Amazon. Ze ontdekten dat met slechts een paar pogingen—tussen de 5 en 30 pogingen—hun "net" het systeem veel vaker kon misleiden dan een willekeurige vreemde zou doen. In sommige gevallen was hun succespercentage tot wel 9,5 keer hoger dan wat beveiligingsnormen gewoonlijk verwachten. Bijvoorbeeld, als een systeem een willekeurige vreemde slechts 1 keer op de 10.000 keer binnenlaat, zou deze nieuwe methode hen bijna 10 keer op de 10.000 keer binnen kunnen laten met hetzelfde aantal pogingen.
Het artikel wijst er zorgvuldig op wat dit niet betekent. Het betekent niet dat iedereen zomaar voor een camera kan lopen en direct iemand anders kan worden. De aanval vereist dat de aanvaller dezelfde commerciële software koopt die de doelgroep gebruikt, wat geld kost (de onderzoekers schatten een budget van ongeveer $100 voor hun tests), en het vertrouwt erop dat het systeem is gebouwd op deze publieke tools. De onderzoekers hebben ook uitgesloten dat oude, simpele trucjes werken op moderne systemen; ze lieten zien dat de oude methoden falen, maar dat deze nieuwe "net"-benadering werkt omdat het de eigen publieke tools van het systeem tegen zichzelf gebruikt.
Dus, wat vertelt dit ons? Het suggereert dat de beveiliging van gezichtsherkenning kwetsbaarder is dan we dachten, niet omdat de sloten kapot zijn, maar omdat de sleutels aan iedereen worden verkocht. Als een gebouw een populaire, publieke gezichtsscanservice gebruikt, kan een aanvaller diezelfde service kopen, bestuderen hoe deze gezichten ziet, en een "MasterFace" creëren die in het slot past. De onderzoekers zeggen niet dat de wereld gedoemd is, maar ze waarschuwen dat we voorzichtiger moeten zijn met hoeveel informatie we prijsgeven over welke tools we gebruiken om onze deuren op slot te houden. Ze hebben een kleine, veilige versie van hun code vrijgegeven zodat andere wetenschappers dit probleem kunnen bestuderen, maar ze hebben de gevaarlijke delen verborgen om misbruik te voorkomen. Uiteindelijk brengt dit artikel een oud idee tot leven—de "MasterFace"—en laat het zien dat met een beetje wiskunde en een creditcard, het misschien gevaarlijker is dan we hadden beseft.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.