Дактилоскопическая идентификация пользователей — один из относительно надежных способов определить личность человека. Конечно, лучше всего использовать его в совокупности с другими методами, многофакторность никто не отменял. Но все же дактилоскопические технололгии используются разработчиками ПО и разного рода устройств чаще, чем любые другие биометрические методы.
Вполне может быть, что через некоторое время от этого способа придется отказаться. Дело в том, что в США разработали нейросеть, способную подделывать отпечатки пальцев. Причем компьютер создает изображения таким образом, что они расцениваются разного рода датчиками как фрагменты отпечатков пальцев реальных людей.
Для того, чтобы научить свою нейросеть выполнять эту работу, авторы проекта использовали реальные данные 5400 человек. Выборка не так, чтобы очень уж большая, но вполне достаточная для обучения нейросети. Результаты своей работы ученые опубликовали, выложив препринт статьи.
Пока что система может генерировать лишь фрагменты отпечатков пальцев — но этого достаточно для многих систем, которые используют именно фрагменты. Несмотря на то, что отпечатки пальцев уникальны, что позволило разработать дактилоскопию и ряд механизмов аутентификации по отпечатку пальцев, обмануть защиту все же можно.
Особенно это актуально как раз для систем, которые работают с фрагментами, оказывается, можно создать искусственный рисунок, который будет подходить пальцам сразу нескольких человек. Таких систем немало — многие сканеры отпечатков, которые встроены в смартфоны, ноутбуки и другие электронные системы, работают лишь с частью отпечатка пальца пользователя. Она хранится в базе, с которой и сопоставляется проверяемый отпечаток.
У некоторых частей отпечатков есть повторения, что и позволило ученым реализовать своей проект.
Ранее был разработана нейросеть, которая получила название MasterPrints. Она модифицировала детали уже имеющихся отпечатков. Генерировать полностью новые отпечатки такая система не в состоянии.
Команда разработчиков из Нью-Йоркского университета, о которых и идет речь в этой статье, достигла большего. Ученые недавно представили нейросеть Deep MasterPrints, которая способна генерировать универсальные «отмычки», отпечатки пальцев по заданному шаблону.
Эффективность работы нейросети впечатляет — дело в том, что Deep MasterPrints способна генерировать фрагменты, которые совпадают с 76 процентами выборки. Предыдущая нейросеть показывала куда более скромный результат с 33,4%. Для того, чтобы избежать ошибки, ученые решили использовать уже существующие системы генерации случайных отпечатков пальцев. Последние проверили, оказалось, что они совпадают всего с примерно 7% контрольной выборки, то есть в 10 раз менее эффективны, чем рисунки, которые генерирует новая нейросеть.
Стоит отметить, что специалисты разделяют три уровня защиты дактилоскопической идентификации. Самый защищенный, где вероятность ложных совпадений составляет 0,01%, средний, который является самым распространенным, где вероятность ложных совпадений — 0,1% и самый нижний, где процент ложных совпадений составляет всего лишь 1%. С нижним уровнем специалисты из Нью-Йоркского университета и работали. Они знают, что биометрические сенсоры чаще всего работают с 0,1% вероятностью ложных совпадений. Здесь эффективность работы системы ниже — всего 23%. Верхний уровень нейросети пока недоступен — обмануть сверхточный датчик удалось лишь в 1,3% случаев.
Как бы там ни было, но эта технология развивается, так что в скором времени можно ожидать более впечатляющих результатов. Достоинством Deep MasterPrints является то, что нейросеть работает с цифровыми отпечатками, а не базой данных растровых картинок с копиями отпечатков пальцев разных людей.
По словам ученых, их разработка поможет усовершенствовать способы защиты, идентификации пользователей, которые связаны с распознаванием отпечатков пальцев.
К слову, сейчас все чаще используется технология распознавания лиц вместо отпечатков пальцев. В частности, именно такой метод идентификации пользователей работает на новых смартфонах Apple — называется она FaceID.
Автор: marks
