एक थिएटर का भूत चेहरा पहचानने वाली तकनीक को चकमा देता है

चेहरा पहचान अब फ़ोन अनलॉक करती है, भुगतान मंज़ूर करती है और सीमाओं पर यात्रियों की जाँच करती है। शोधपत्र बताता है कि इसके न्यूरल नेटवर्क इंसानों से ज़्यादा सटीक हैं। जैसे-जैसे इस पर निर्भरता बढ़ती है, इसे चकमा देने का लालच भी बढ़ता है, और इन सिस्टमों में दो तरह के पहरेदार होते हैं। प्रेज़ेंटेशन-अटैक डिटेक्टर बनावट और जीवन के संकेतों की जाँच करके छपी तस्वीरें, दोबारा चलाए गए वीडियो या मुखौटे खोजते हैं। मॉर्फ़ डिटेक्टर डिजिटल रूप से मिलाए गए चेहरे खोजते हैं, जो दो लोगों को एक तस्वीर में मिलाकर बनाए जाते हैं।

मंच से आया एक भ्रम

Tyler Fitzsimmons और Adam Czajka (नोत्र डाम विश्वविद्यालय) एक पुरानी थिएटर तरकीब को फिर से ज़िंदा करते हैं: पेपर्स घोस्ट, जिसमें काँच का एक तिरछा पैनल एक छिपी छवि को प्रतिबिंबित करता है ताकि एक “भूत” मंच पर खड़ा दिखे।

उनके “घोस्ट अटैक” में, प्रतिबिंब किसी दूसरी पहचान का चेहरा कैमरे के सामने वाले चेहरे पर चढ़ा देता है। देखने वाले इंसान को वह व्यक्ति काफ़ी सामान्य दिखता है, थोड़ा धुँधला या किसी चमक से आंशिक रूप से ढका हुआ। सॉफ़्टवेयर के लिए, दोनों चेहरे मिलकर एक मिश्रित चेहरे का हस्ताक्षर बन जाते हैं।

हमला सेंसर और व्यक्ति के बीच के ख़ाली स्थान में होता है। इसे पहचान सॉफ़्टवेयर, उसकी आंतरिक स्थिति या उसके निर्णयों तक पहुँच की ज़रूरत नहीं होती, न ही कैमरा हार्डवेयर तक: यह एक शुद्ध ब्लैक-बॉक्स हमले की तरह काम करता है। लेखक इसे इस तरह का पहला भौतिक हमला बताते हैं, जो प्रेज़ेंटेशन अटैक और मॉर्फ़िंग के बीच आता है।

एक सावधान प्रयोगशाला परीक्षण

शोधकर्ताओं ने जीवित व्यक्तियों का इस्तेमाल नहीं किया। असली चेहरे एक मानक शोध डेटाबेस की तस्वीरें थीं, जिन्हें एक स्क्रीन पर दिखाकर दोबारा फ़िल्माया गया; “भूत” पहचान एक दूसरी स्क्रीन से आई, जो काँच में प्रतिबिंबित हुई। इससे प्रक्रिया दोहराने योग्य रहती है, और लेखकों का तर्क है कि जीवित व्यक्तियों से निष्कर्ष नहीं बदलते। उन्होंने GhostFace नाम का एक डेटासेट बनाया, जिसमें लिंग, मूल और उम्र में विविध 100 पहचानें हैं, जिन्हें बढ़ती हमला-तीव्रता पर रिकॉर्ड किया गया।

फिर उन्होंने अंतरराष्ट्रीय परीक्षण मानकों का पालन करते हुए इसे व्यापक रूप से इस्तेमाल होने वाले ओपन-सोर्स सिस्टमों पर चलाया: पाँच फ़ेस मैचर, तीन स्पूफ़ डिटेक्टर और चार मॉर्फ़ डिटेक्टर।

तीन पहरेदार, सब चकमा खा गए

स्पूफ़ डिटेक्टरों ने पूरी तीव्रता वाली हमले की 80% से 96% तस्वीरों को जीवित, असली चेहरे के रूप में वर्गीकृत किया। सबसे संवेदनशील डिटेक्टर ने भी लगभग पाँच में से चार को जाने दिया।
डिजिटल मॉर्फ़ पर प्रशिक्षित मॉर्फ़ डिटेक्टर सख़्त सेटिंग पर 16% से 61% हमले की तस्वीरें नहीं पकड़ पाए, जबकि उन्होंने किसी असली चेहरे को कभी ग़लत नहीं ठहराया। लेखकों का निष्कर्ष है कि डिजिटल मिश्रणों पर प्रशिक्षित मॉडल ऑप्टिकल मिश्रणों को भरोसेमंद ढंग से नहीं पकड़ते।
फ़ेस मैचरों ने अलग-अलग दरों पर धोखेबाज़ों को स्वीकार किया। सबसे कमज़ोर, ArcFace, ने परखी गई सीमा पर 32.75% हमले की तस्वीरों को लक्ष्य व्यक्ति मान लिया, और 100 में से 99 हमले वाले वीडियो में कम से कम एक तस्वीर को। परखे गए सबसे नए मॉडल ने भी सख़्त सीमा पर 7% स्वीकार किए। सबसे प्रतिरोधी, MagFace, जो अपने निर्णयों में तस्वीर की गुणवत्ता को तौलता है, ने 1% से कम स्वीकार किए।

कभी-कभी मिश्रित चेहरे को दोनों में से किसी व्यक्ति के रूप में नहीं, बल्कि डेटाबेस की एक तीसरी पहचान के रूप में पहचाना गया।

अंधे बिंदु को बंद करना

लेखक एक बड़े अंधे बिंदु का वर्णन करते हैं: मौजूदा बायोमेट्रिक सिस्टम पारदर्शी प्रक्षेपणों को ध्यान में नहीं रखते, और शोधपत्र बनावट-आधारित जीवंतता जाँचों और केवल डिजिटल तस्वीरों पर प्रशिक्षित मॉर्फ़ डिटेक्टरों, दोनों की सीमाएँ दिखाता है। यह अध्ययन ओपन-सोर्स मॉडलों और दोबारा खींची गई तस्वीरों के साथ एक प्रयोगशाला प्रदर्शन ही है। आगे के शोध में मदद के लिए, लेखक GhostFace डेटासेट अनुरोध पर अन्य टीमों को देते हैं, ताकि चेहरा पहचान, स्पूफ़ पहचान और मॉर्फ़ पहचान को एक साथ परखने के लिए एक नया बेंचमार्क मिल सके।