Les agresseurs peuvent-ils produire un masque facial qui surpasserait les systèmes modernes de reconnaissance faciale ? Un groupe de chercheurs de l’Université Ben-Gourion du Néguev et de l’Université de Tel-Aviv a montré que cela pouvait être fait.
« Nous avons confirmé l’efficacité de notre masque antagoniste dans des expériences en conditions réelles (Cas d’utilisation CCTV) en imprimant le motif contradictoire sur un masque facial en matériau Dans ces expériences, le système FR n’a pu identifier que 3,34 % des participants utilisant le masque (contre un minimum de 83,34 % avec les autres masques examinés), » ont-ils noté.
Un masque qui fonctionne par rapport à de nombreux modèles de reconnaissance faciale
La pandémie de COVID-19 a fait du port de masques faciaux une pratique régulière, et cela a initialement entravé de nombreux systèmes de reconnaissance faciale en usage dans le monde entier. Avec le temps, cependant, la technologie a évolué et s’est ajustée pour identifier avec précision les personnes portant des masques médicaux et autres.
Cependant, comme nous l’avons découvert à maintes reprises, s’il y a une récompense suffisante, les adversaires trouveront constamment de nouvelles méthodes pour accomplir leur objectif désigné.
Dans ce cas particulier, les chercheurs ont repris la fonction contradictoire et ont choisi de découvrir s’ils pouvaient créer un modèle/masque particulier qui fonctionnerait contre les modèles modernes de FR basés sur l’apprentissage en profondeur.
Leur effort a été couronné de succès : ils ont utilisé une procédure d’optimisation basée sur le gradient pour produire une perturbation universelle (et un masque) qui classerait à tort chaque porteur – qu’il soit homme ou femme – comme une identité inconnue, et le ferait même lorsque face à différents motifs FR.
Ce masque fonctionne comme prévu à la fois lorsqu’il est imprimé sur du papier et/ou du matériel. Plus important encore, le masque n’éveillera pas les soupçons dans notre monde post-Covid et pourra facilement être retiré lorsque l’adversaire a besoin de se mêler à des situations réelles.
Contre-mesures possibles
Bien que leur masque fonctionne bien, ce n’est pas la seule « version » possible.
« L’objectif premier d’une perturbation universelle est de s’adapter toute personne qui le porte, c’est-à-dire qu’il y a un seul motif. Cela dit, la perturbation dépend du modèle FR qu’il a été utilisé pour attaquer, ce qui indique que divers motifs seront créés en fonction des différents modèles de victimes « , Alon Zolfi, le PhD étudiant qui a dirigé la recherche, a déclaré à Aid Net Security.
Si la randomisation contribue au processus, les modèles qui en résultent peuvent également être quelque peu différents.
« Des masques sur mesure (adaptés à un célibataire) peuvent également être fabriqués et conduire à divers modèles de confrontation pour élargir la variété », a-t-il noté.
Les modèles de reconnaissance faciale peuvent être formés pour reconnaître des individus utilisant leurs masques contradictoires et des masques comparables, ont souligné les chercheurs. Tout au long de la phase d’inférence, chaque image de visage masqué pourrait être prétraitée de sorte qu’il semble que la personne utilise un masque standard (par exemple, un masque chirurgical bleu), car les modèles FR actuels fonctionnent bien avec ceux-ci.
À l’heure actuelle, les systèmes FR dépendent de l’ensemble de l’emplacement du visage pour répondre à une demande de savoir si 2 visages appartiennent au même individu, et Zolfi pense qu’il existe trois options pour les rendre « translucides » une image de visage masqué.
Le tout premier est la connaissance contradictoire, c’est-à-dire la formation de conceptions FR avec des images faciales contenant des modèles contradictoires (qu’ils soient universels ou sur mesure).
Le 2e consiste à former des conceptions FR pour faire une prévision basée sur juste sur la partie supérieure du visage – mais il a été démontré que cette technique détériorait les performances des modèles même sur des images faciales non masquées et n’est actuellement pas satisfaisante, a-t-il gardé à l’esprit.
Troisièmement, les modèles FR pourrait être formé pour produire un emplacement facial inférieur basé sur un facial supérieur réa.
« Il existe une profession populaire appelée réseau antagoniste génératif (GAN) qui est utilisée pour produire ce que nous considérons comme des « entrées » (dans ce cas, étant donné certaines entrées, nous voulons qu’il produise une image du bas du visage Il s’agit d’une technique « lourde » car elle nécessite des architectures de modèles complètement différentes, des procédures de formation et des ressources physiques plus importantes lors de l’inférence », a-t-il conclu.
Toute l’actualité en temps réel, est sur L’Entrepreneur
