Los sistemas de reconocimiento facial cada vez son más comunes en las tecnologías del día a día. El desbloqueo del móvil es el ejemplo más claro, aunque no el único. Ahora bien, ¿cómo de seguro es este sistema? No tanto según una nueva investigación, que ha demostrado poder eludir este sistema con una cara virtual.

Investigadores de Israel han desarrollado una red neuronal capaz de generar caras "maestras": imágenes faciales que son capaces de suplantar múltiples identificaciones. El trabajo sugiere que es posible generar tales "claves maestras" para más del 40% de la población utilizando solo 9 caras sintetizadas por StyleGAN Generative Adversarial Network (GAN), a través de tres sistemas líderes de reconocimiento facial.

"Caras maestras" pueden eludir más del 40% de los sistemas de autenticación de identificación facial

Investigadores de la Universidad de Tel Aviv en Israel han descubierto la forma de eludir un gran porcentaje de los sistemas de reconocimiento facial. Para ello no tratan de recrear la cara exacta de cada persona, sino que se basan en una cara maestra que es capaz de recrear la gran mayoría de caras existentes. 

El documento es una colaboración entre la Escuela de Ciencias de la Computación Blavatnik y la Escuela de Ingeniería Eléctrica, ambas en Tel Aviv.

• https://arxiv.org/pdf/2108.01077.pdf

Una cara para imitar a todas

La idea detrás de este sistema no es nada descabellada. Los investigadores analizaron cuáles son las características del rostro facial en las que más se fija un sistema de reconocimiento facial. Aparte de la forma en sí del rostro, los sistemas de reconocimiento facial tienen una serie de factores en los que se fijan para reconocer a un humano.

Cuantos más factores de estos se cumplan, más fácil va a ser que el sistema detecte la cara como real. Esencialmente lo que los investigadores hicieron fue utilizar inteligencia artificial para recrear una cara que cumpla con la mayoría de las característica del rostro que los sistemas de reconocimiento facial buscan.

Crear una cara similar a la mayoría de población es todo lo que han necesitado estos investigadores para superar una serie de sistemas de reconocimiento facial existentes: Dlib, FaceNet y SphereFace. Probando con diferentes caras maestras y bases de datos, los investigadores pudieron eludir los sistemas de verificación en un porcentaje del 20% y a veces hasta el 40%. Si bien no es una cifra muy alta, es realmente considerable teniendo en cuenta el potencial que tiene pasar un sistema de seguridad. Visto de otra forma, podrían acceder al móvil de una o dos de cada cinco personas.

Generalmente los sistemas de verificación por reconocimiento facial dependen de otros factores más. Por ejemplo, de detectar si el rostro se está moviendo o no, o de si es en 3D o simplemente una imagen. Aspectos que por ahora hacen que esta "cara maestra" no sea perfecta. Sin embargo, los investigadores dicen que se podría animar el rostro por 3D o incluso crear una versión física. 

La moraleja de los investigadores acerca de este asunto es que los sistemas de reconocimiento facial pueden no ser tan seguros como parecen. Proponen utilizar alternativas o verificaciones extra para no depender íntegramente de un sistema de reconocimiento facial que, como podemos ver, es relativamente fácil de eludir. Por no hablar del sesgo que suele haber.

El nuevo método mejora un artículo reciente similar de la Universidad de Siena, que requiere un nivel privilegiado de acceso al marco de aprendizaje automático. Por el contrario, el nuevo método infiere características generalizadas del material disponible públicamente y lo usa para crear características faciales que se extienden a caballo entre una gran cantidad de identidades.

El proyecto utiliza el algoritmo de Adaptación de Matriz de Memoria Limitada (LM-MA-ES) desarrollado para una iniciativa de 2017 liderada por el Grupo de Investigación sobre Aprendizaje Automático para el Diseño de Algoritmos Automatizados, un enfoque que es adecuado para la optimización de caja negra de alta dimensión.

El LM-MA-ES genera candidatos al azar. Aunque esto se adapta bien a la intención del proyecto, se necesita un componente adicional para deducir qué caras son las mejores candidatas para la autenticación de identidad cruzada. Por lo tanto, los investigadores crearon un clasificador neuronal "Predictor de éxito" para filtrar la avalancha de candidatos en las caras más adecuadas para la tarea.

Fuente:

https://www.xataka.com/seguridad/estos-investigadores-han-creado-cara-maestra-capaz-enganar-a-sistemas-reconocimiento-facial

Vía | VICE