نرم افزار Morphing Face می تواند عکس هایی از چهره افراد مختلف را در یک تصویر سنتز شده واحد مخلوط کند.
اعتبار: نیش
Face Morphing نرم افزار ، که می تواند عکس های چهره های مختلف را به یک تصویر سنتز شده مخلوط کند ، می تواند بازیگران بد را برای دور زدن سیستم های تأیید هویت در ساختمانها ، مرزها ، فرودگاه ها و سایر تنظیمات آسانتر کند. عکسهای مورفه شده می توانند سیستم های تشخیص چهره را در شناسایی دروغین تصویر به عنوان متعلق به هر دو فرد اصلی فریب دهند و به فرد اول این امکان را می دهد تا هویت شخص دوم را به عهده بگیرد و برعکس.
برای رسیدگی به این مسئله ، انستیتوی ملی استاندارد و فناوری (NIST) دستورالعمل هایی را منتشر کرده است که می تواند به سازمانها کمک کند تا روشهای تشخیص مدرن را که برای گرفتن حملات مورف قبل از موفقیت انجام داده اند ، مستقر و استفاده کنند.
انتشار جدید ، ارزیابی فناوری تجزیه و تحلیل چهره (سرنوشت) MORPH 4B: ملاحظات اجرای تشخیص MORPH در عملیات (Nistir 8584) ، مقدمه ای به زبان غیرقانونی برای مورف ها است و در مورد راه های مقابله با آنها بحث می کند. این سند در نظر گرفته شده است تا سازمانها را به سمت استقرار مؤثر ابزارها و شیوه ها در شرایطی که ممکن است عکس های مورفه ای ظاهر شود ، مانند دفاتر برنامه های گذرنامه یا در گذرگاه های مرزی ، راهنمایی کند. این همچنین شامل آنچه سازمان ها می توانند در نظر بگیرند بعد از اینکه یک ردیاب مورف یک عکس بالقوه جعلی را پرچم گذاری می کند.
به گفته Mei نگان NIST ، نویسنده این نشر ، نرم افزار تشخیص Morph در سالهای اخیر به طرز چشمگیری بهبود یافته است.
نگان گفت: “برخی از الگوریتم های تشخیص مدرن مورف به اندازه کافی خوب هستند که می توانند در تشخیص مورفه ها در شرایط عملیاتی در دنیای واقعی مفید باشند.” “انتشار ما مجموعه ای از توصیه ها است که می تواند متناسب با یک وضعیت خاص باشد.”
امروزه ، نرم افزاری که عکس های چهره ای را ایجاد می کند به راحتی در دسترس است. تولید یک مورف با استفاده از برنامه های تلفن های هوشمند ، بسته های گرافیکی دسک تاپ یا ابزارهای مبتنی بر هوش مصنوعی امکان پذیر است. برخی از این ابزارها نسبت به سایرین مؤثرتر هستند. برخی از نرم افزارهای ایجاد مورف می توانند مصنوعات موجود در عکس مورفه شده مانند بافت و رنگ پوست متناقض و همچنین مناطق غیر طبیعی در اطراف عنبیه ، سوراخ بینی ، لب و ابروها را ترک کنند.
از سال 2018 ، NIST در حال ارزیابی عملکرد نرم افزاری است که برای تشخیص عکس های مورفه شده است. در حالی که دستورالعمل های جدید به طور خلاصه به وضعیت فعلی هنر در الگوریتم های تشخیص می پردازند ، آنها عمدتاً روی موارد استفاده تمرکز می کنند.
“برخی از الگوریتم های مدرن تشخیص مورف به اندازه کافی خوب هستند که می توانند در تشخیص مورفه ها در شرایط عملیاتی در دنیای واقعی مفید باشند. انتشار ما مجموعه ای از توصیه هایی است که می تواند متناسب با یک وضعیت خاص باشد.” – مینی نگان ، دانشمند رایانه NIST
یک تمایز اساسی که دستورالعمل ها بین دو موقعیت مختلف تشخیص وجود دارد: در یک مورد ، به نام تشخیص حمله مورف تک تصویر ، مقامات فقط عکس مشکوک دارند ، مانند پردازش یک برنامه جدید در یک دفتر گذرنامه. از طرف دیگر ، تشخیص حمله به مورف دیفرانسیل ، آنها عکس سوال برانگیز را همراه با تصویر دوم دارند که شناخته شده است ، مانند عکسی که از شخص در یک گذرگاه مرزی گرفته شده است.
دستورالعمل ها بحث می کنند قابلیت ها و محدودیت ها از ردیاب در هر دو سناریو. در صورتی که ردیاب بر روی نمونه هایی از نرم افزاری که باعث ایجاد MORPH می شود ، تشخیص تک تصویر ، در بهترین موارد ، می تواند مورفه ها را به اندازه 100 ٪ از زمان (با میزان تشخیص کاذب 1 ٪) تشخیص دهد. با این حال ، دقت می تواند به زیر 40 ٪ در مورفه های تولید شده با نرم افزار ناآشنا برای ردیاب تخریب شود. ردیاب های دیفرانسیل در توانایی های خود سازگارتر هستند ، در بهترین موارد با دقت از 72 ٪ تا 90 ٪ ، در میان مورفه هایی که با استفاده از نرم افزار مورفورینگ منبع باز و منبع بسته ایجاد شده اند ، اما برای مقایسه به یک عکس واقعی اضافی نیاز دارند.
بخش عمده ای از دستورالعمل ها مربوط به چگونگی پیکربندی نرم افزار تشخیص حمله MORPH تحت سناریوهای مختلف است ، و آنها مراحل و رویه هایی را برای کمک به محققان هنگام استفاده از نرم افزار تشخیص یک عکس مشکوک ارائه می دهند. بهترین روشها برای بررسی یک مورف نامزد شامل ترکیبی از بررسی انسان ، استفاده از ابزارهای خودکار و اجرای یک فرآیند برای رسیدگی به بررسی مورفه های مشکوک است.
نگان گفت ، مؤثرترین دفاع در برابر استفاده از مورفه ها در کلاهبرداری هویت ، جلوگیری از ورود مورفه ها به سیستم های عملیاتی و گردش کار در وهله اول است. دستورالعمل ها در مورد روش های دستیابی به این هدف در هنگام استفاده از اسناد و صدور اسناد بحث می کنند.
نگان گفت که نویسندگان فشارهای احتمالی را که ممکن است مأمورین بررسی کنند ، مانند حجم عکس هایی که به طور مرتب با آنها روبرو می شوند و تعداد داوران در دسترس برای بازرسی از یک نامزد کاندیدای موجود در نظر گرفته اند ، در نظر گرفته اند.
نگان گفت: “کاری که ما سعی می کنیم انجام دهیم این است که کارکنان عملیاتی را در تعیین اینکه آیا نیاز به تحقیق وجود دارد و چه اقداماتی را انجام می دهیم ، راهنمایی می کنیم.”
علاوه بر توسعه روشهای آزمایش نرم افزار تشخیص MORPH ، تمرکز این تیم افزایش آگاهی از وجود حملات مورفین است.
وی گفت: “این مهم است که بدانیم حملات مورفین اتفاق می افتد ، و راه هایی برای کاهش آنها وجود دارد.” “مؤثرترین راه این است که به کاربران اجازه ندهید که در وهله اول عکس دستکاری شده را برای اعتبار شناسه ارسال کنند.”
Source link