p Notícias sobre sistemas biométricos:impressões digitais falsas podem imitar as reais. Uma rede neural conseguiu extrair impressões digitais falsas - aquelas mesmas impressões digitais que são projetadas para funcionar como chaves mestras para sua identificação. p O trabalho é de pesquisadores, e eles apresentaram seu artigo em uma conferência de segurança biométrica em Los Angeles. "DeepMasterPrints:Gerando MasterPrints para ataques de dicionário via evolução de variável latente" está ativo no servidor arXiv. Quase todas as afiliações de autores são da New York University, com uma outra afiliação da Michigan State University. A NVIDIA doou CPUs para suas pesquisas.

p No centro de sua pesquisa está uma técnica de aprendizado de máquina, DeepMasterPrints, que é o motivo das impressões falsas. Os pesquisadores escreveram que "Experimentos com três combinadores de impressão digital diferentes e dois conjuntos de dados diferentes mostram que o método é robusto e não depende dos artefatos de qualquer combinador de impressão digital ou conjunto de dados em particular."

p Então, quais caminhos para a falsificação os pesquisadores criaram?

p Alex Hern, repórter de tecnologia para O guardião , orientou os leitores através da técnica:a maioria dos leitores de impressão digital não lê o dedo inteiro de uma vez, ele disse.

p Os leitores fazem suas imagens em uma parte do dedo que toca o scanner. Hern disse que a comparação ocorre da varredura parcial com os registros parciais. O problema é o seguinte:"Isso significa que um invasor precisa comparar apenas uma das dezenas ou centenas de impressões digitais parciais salvas para ter acesso."

p Outro elemento que funciona nas tentativas de falsificação é como algumas características das impressões digitais são mais comuns do que outras. "Isso significa que uma impressão falsa que contém muitos recursos muito comuns tem mais probabilidade de corresponder a outras impressões digitais do que o puro acaso poderia sugerir, "Hern disse.

p Com essas fraquezas, eles usaram uma técnica que funcionou para seus fins. As falsificações que eles criaram pareciam de forma convincente com uma impressão digital real - para um olho humano. Isso é notável porque uma técnica anterior "criou irregular, impressões digitais em ângulo reto que enganariam um scanner, mas não uma inspeção visual, "disse Hern.

p A técnica de aprendizado de máquina foi a Generative Adversarial Network. A técnica teve sucesso na criação de impressões digitais que correspondiam ao maior número possível de impressões digitais parciais. (Prasad Ramesh em Packt :"Uma rede GAN é treinada em um conjunto de dados de impressões digitais, então, o LVE procura nas variáveis ​​latentes da rede do gerador uma imagem de impressão digital que maximize a chance de correspondência. Essa correspondência só é bem-sucedida quando um grande número de identidades diferentes está envolvido, o que significa que ataques individuais específicos não são tão prováveis. ")

p O método é comparado a um "ataque de dicionário" contra senhas, onde um hacker executa uma lista pré-gerada de senhas comuns em um sistema de segurança.

p Como Hern apontou, os ataques podem ser incapazes de invadir contas específicas, mas "quando usados ​​contra contas em grande escala, eles geram sucessos suficientes para valer o esforço. "

p O que os detetives de segurança dizem em reação à sua apresentação: Segurança Nu disse que as descobertas foram um pouco preocupantes.

p "Se alguém desenvolver isso em um exploit funcional, talvez imprimindo as imagens com tinta capacitiva, pode apresentar problemas para muitos sistemas de reconhecimento de impressão digital, "disse Danny Bradbury em Segurança Nu .

p Sim, mas isso leva à grande questão:devemos simplesmente descartar as impressões digitais como uma ferramenta de identificação?

p Sam Medley, Notebookcheck , diria, não, os resultados da pesquisa não invalidam os scanners de impressão digital como medida de segurança. Medley escreveu, "Os pesquisadores admitem livremente que, embora alguém possa eventualmente usar algo como DeepMasterPrints para hackear algo como um smartphone ou computador, eles precisariam fazer muito trabalho para otimizar a IA para um sistema específico. "

p Na verdade, os próprios autores ressaltaram o valor de sua abordagem. "Além da aplicação de geração de DeepMasterPrints, este artigo mostra com sucesso a utilidade de pesquisar o espaço latente de uma rede geradora de imagens, ou outros artefatos, que atendem a um determinado objetivo. Essa ideia é surpreendentemente pouco explorada e pode ser útil na pesquisa de criatividade computacional, bem como em outros domínios de segurança. " p © 2018 Science X Network