تولید اثر انگشت جعلی توسط هوش مصنوعی

محققان دانشگاه نیویورک راهی را پیدا کرده اند که بتوانند با بهره گیری از هوش مصنوعی، اثر انگشت افراد را تقلید کنند که این خود می تواند در گمراه کردن اسکنرهای بایومتریک (یا اسکنرهای چشم انسان) مورد استفاده قرار گیرد. این فناوری که به نام DeepMasterPrints معروف است، توانست 23 درصد از اثر انگشت هایی که در سامانه، به صورت پیش فرض درصد خطای یک نمونه در هزار نمونه داشتند را تقلید و دوباره تولید کند. در مواردی که درصد خطای تشخیص اشتباه سامانه، یک نمونه در صد نمونه بود، DeepMasterPrints توانست 77 درصد اثر انگشت های واقعی را تقلید کند.

این اثر انگشت های جعلی به خوبی می توانند در دور زدن این سامانه ها، که اثر انگشت های بسیار زیادی را در خود ذخیره کرده اند، به کار روند (البته تلفن های همراه هوشمند که تنها یک زوج از اثر انگشت کاربر را در اختیار دارد، از این قاعده مستثنی هستند). یک هکر می تواند شانس موفقیت بیشتری را با به کارگیری روش سعی و خطا به دست آورد که این دقیقاً مانند زمانی است که هکرها از روش های تخاصمی (Brute Force) جهت حمله به پسوورد و کلمه عبور افراد استفاده می کنند.

زمانی که شما انگشت خود را جهت ثبت اثر انگشت بر روی اسکنر قرار می دهید، مجبور هستید که آن را بالا و پایین کرده و به جهات مختلف حرکت دهید تا اسکنر بتواند شکل انگشت شما را در محل های مختلف شناسایی کند. به دلیل آن که، محل قرار دادن انگشت شما در هر مرحله استفاده از اسکنر، متفاوت است.

بسیاری از مواقع، سامانه های بایومتریک به جای آن که بخش های مختلف اثر انگشت فرد را با هم ترکیب کرده تا یک تصویر کلی و کامل از اثر انگشت فرد بسازند، تنها اسکن های انجام شده را با بخش های ثبت شده می سنجند که این کار باعث می شود که یک هکر، شانس بیشتری را در تطبیق آن بخش از اثر انگشت فرد با یک اثر انگشت جعلی داشته باشد.

فناوری DeepMasterPrints هم چنین می تواند از منحصر به فرد بودن اثر انگشت کامل بهره برده و خصوصیات آن را شناسایی کند. بنابراین یک اثر انگشت مصنوعی که بسیاری از خصوصیات بدیهی فرد را شامل شود، شانس بیشتری را در عملکرد بهتر در مقایسه با اثر انگشت های کاملاً شانسی انتخاب شده (Randomly Chosen) دارد.

به دلیل این مزیت ها، محققان شبکه عصبی (Neural Network) ای را ساختند که می تواند محدوده بخش های مختلف اثر انگشت افراد را تطبیق داده و اثر انگشت جعلی تولید کند. بدین منظور، آن ها یک شبکه مولد تخاصمی (Generative Adversarial Network) را با استفاده از مجموعه داده های واقعی از اثر انگشت های مختلف، آموزش دادند.