Egyetemi kutatók vadásszák a biometrikus rendszerek „vakfoltjait”

Felhasználói fiók Hírlevél feliratkozás

Egyetemi kutatók vadásszák a biometrikus rendszerek „vakfoltjait”

Amiként egy szarvast is összezavarhatnak egy közeledő jármű reflektorai, a mesterséges intelligenciával (M.I.) támogatott biometrikus azonosító megoldásokat is megzavarhatnak bizonyos célpontok.

Egyetemi és iparági szakértőkből álló kutatócsoport nem régiben közzé tett – a valósidejű személyazonosító megoldások hatékonyabbá tévő (értsd: a mélyidegi hálózatok vakfoltjait kutató) projektjüket ismertető publikációjában azt állította, hogy a megfigyelt személyek 52-63%-a láthatatlanná tehető az M.I. számára – attól függően, hogy mely algoritmust alkalmazták a „feltanítás” során. A kutatók ún. „ellenséges pólókat” pólókat készítettek, melyek mellkasi területeit sokszínű, sokszögletű (kvázi nonfiguratív, nyomtatással felvitt) mintázattal látták el. Korábban absztrakt foltokkal, matricákkal próbálkoztak. A cél mindkét esetben ugyan az volt: az M.I. alapú biometrikus rendszerek „megbolondítása”. Mint azt Xue Lin elmondta, a matricák és foltok akkor a leghatékonyabbak, ha teljes mértékben látszanak, ellenben a nyomtatott póló esetében nem csökkent a „félrevezetési hatékonyság”, ha a minta torzult, így mindenképp alkalmas arra, hogy megzavarja az M.I. címkéző és osztályozó funkcióit.

A teszt során egy Apple iPhone 7 Plus-t kötöttek össze a legmodernebbnek tekintett YOLOv2 és Faster R-CNN objektum-azonosító tanító algoritmussal. A teszt során a „vakító” pólót viselő emberek egyedül, illetve hagyományos ruházatot viselő partnerrel sétáltak legalább 10 másodpercig a kamera felé. A kutatási jelentés szerint, a YOLOv2-t az esetek 63%-ában a Faster R-CNN-t a tesztek 52%-ában sikerült becsapni.

Forrás: Northeastern University