The Knowledge Frontier

Komputasi & AIPracetakEksperimen2 menit baca

HANTU PANGGUNG TEATER MENGECOH PENGENALAN WAJAH

Pengenalan wajah kini membuka kunci ponsel, menyetujui pembayaran, dan memeriksa pelancong di perbatasan. Jaringan sarafnya, catat makalah ini, lebih akurat daripada manusia. Seiring makin besarnya ketergantungan, makin besar pula dorongan untuk mengecohnya, dan sistem-sistem ini punya dua jenis penjaga. Detektor serangan presentasi mencari foto cetak, video yang diputar ulang, atau topeng, dengan memeriksa tekstur dan tanda-tanda kehidupan. Detektor morphing mencari wajah yang dipadukan secara digital, yang dibuat dengan menggabungkan dua orang dalam satu gambar.

Ilusi dari panggung

Tyler Fitzsimmons dan Adam Czajka (University of Notre Dame) menghidupkan kembali trik teater lama: Hantu Pepper (Pepper’s Ghost), ketika selembar kaca miring memantulkan gambar tersembunyi sehingga sesosok “hantu” tampak berdiri di atas panggung.

Dalam “Ghost Attack” mereka, pantulan itu menumpangkan wajah identitas lain di atas wajah yang ada di depan kamera. Bagi pengamat manusia, orang itu tampak cukup normal, sedikit buram atau sebagian tertutup silau. Bagi perangkat lunak, kedua wajah itu menyatu menjadi tanda tangan wajah hibrida.

Serangan terjadi di ruang kosong antara sensor dan orang tersebut. Serangan ini tidak membutuhkan akses ke perangkat lunak pengenal, keadaan internalnya, atau keputusannya, juga tidak ke perangkat keras kamera: ia bekerja sebagai serangan kotak hitam murni. Para penulis menyajikannya sebagai serangan fisik pertama dari jenis ini, yang berada di antara serangan presentasi dan morphing.

Uji laboratorium yang cermat

Para peneliti tidak memakai subjek hidup. Wajah asli berupa foto dari basis data penelitian standar, ditampilkan di layar lalu direkam ulang; identitas “hantu” berasal dari layar kedua yang dipantulkan di kaca. Ini menjaga protokol agar dapat direproduksi, dan para penulis berpendapat bahwa subjek hidup tidak akan mengubah kesimpulan. Mereka menyusun set data, GhostFace, berisi 100 identitas yang beragam dalam gender, asal-usul, dan usia, direkam pada kekuatan serangan yang makin besar.

Mereka lalu mengujinya terhadap sistem sumber terbuka yang banyak dipakai: lima pencocok wajah, tiga detektor pemalsuan, dan empat detektor morphing, mengikuti standar pengujian internasional.

Tiga penjaga, semuanya tertipu

  • Detektor pemalsuan menggolongkan antara 80% dan 96% gambar serangan berkekuatan penuh sebagai wajah hidup yang asli. Bahkan yang paling peka pun meloloskan kira-kira empat dari lima.
  • Detektor morphing, yang dilatih dengan morph digital, melewatkan antara 16% dan 61% gambar serangan pada pengaturan ketat, sementara tidak pernah menandai wajah asli. Model yang dilatih dengan paduan digital, simpul para penulis, tidak andal menangkap paduan optis.
  • Pencocok wajah menerima penyusup dengan tingkat yang berbeda-beda. Yang paling rentan, ArcFace, menerima 32,75% gambar serangan sebagai sasaran pada ambang yang diuji, dan setidaknya satu gambar di 99 dari 100 video serangan. Model terbaru yang diuji masih menerima 7% pada ambang yang lebih ketat. Yang paling tahan, MagFace, yang memperhitungkan kualitas gambar dalam keputusannya, menerima kurang dari 1%.

Kadang wajah paduan itu tidak dikenali sebagai salah satu dari kedua orang tersebut, melainkan sebagai identitas ketiga dari basis data.

Para penulis menggambarkan titik buta yang signifikan: sistem biometrik saat ini tidak memperhitungkan proyeksi transparan, dan makalah ini menunjukkan keterbatasan baik pemeriksaan keaslian berbasis tekstur maupun detektor morphing yang hanya dilatih dengan gambar digital. Studi ini tetap merupakan demonstrasi laboratorium dengan model sumber terbuka dan foto yang direkam ulang. Untuk mendukung penelitian lanjutan, para penulis menawarkan set data GhostFace kepada tim lain atas permintaan, sebagai tolok ukur baru untuk menguji pengenalan wajah, deteksi pemalsuan, dan deteksi morphing secara bersamaan.