रंगमंचावरचे भूत चेहरा-ओळख प्रणालीला फसवते

चेहरा-ओळख आता फोन उघडते, पैशांचे व्यवहार मंजूर करते आणि सीमांवर प्रवाशांची तपासणी करते. शोधनिबंध नमूद करतो की तिची न्यूरल नेटवर्क्स माणसांपेक्षा अधिक अचूक आहेत. तिच्यावरचे अवलंबित्व जसजसे वाढते, तसतसे तिला फसवण्याचे प्रलोभनही वाढते, आणि या प्रणालींकडे दोन प्रकारचे पहारेकरी असतात. सादरीकरण-हल्ला शोधक (presentation-attack detectors) पोत आणि जिवंतपणाची चिन्हे तपासून छापलेले फोटो, पुन्हा चालवलेले व्हिडिओ किंवा मुखवटे शोधतात. मॉर्फ शोधक डिजिटल पद्धतीने मिसळलेले चेहरे शोधतात, जे दोन व्यक्तींना एकाच चित्रात विलीन करून तयार केलेले असतात.

रंगमंचावरचा भ्रम

Tyler Fitzsimmons आणि Adam Czajka (नोत्र दाम विद्यापीठ) नाट्यगृहातील एका जुन्या युक्तीला पुन्हा जिवंत करतात: पेपर्स घोस्ट, ज्यात तिरपे काचेचे तावदान एक लपवलेली प्रतिमा परावर्तित करते, जेणेकरून रंगमंचावर एखादे “भूत” उभे असल्यासारखे दिसते.

त्यांच्या “घोस्ट अटॅक”मध्ये, प्रतिबिंब कॅमेऱ्यासमोरच्या चेहऱ्यावर दुसऱ्या ओळखीचा चेहरा चढवते. पाहणाऱ्या माणसाला ती व्यक्ती बऱ्यापैकी सामान्य दिसते, किंचित धूसर किंवा चकाकीमुळे अंशतः झाकलेली. सॉफ्टवेअरसाठी मात्र हे दोन चेहरे मिसळून एक संकरित चेहरा-ठसा (hybrid facial signature) बनतात.

हा हल्ला सेन्सर आणि व्यक्ती यांच्या मधल्या मोकळ्या जागेत घडतो. त्यासाठी ओळख-सॉफ्टवेअर, त्याची अंतर्गत अवस्था किंवा त्याचे निर्णय यांच्यापर्यंत पोहोचण्याची गरज नसते, ना कॅमेऱ्याच्या हार्डवेअरपर्यंत: तो एक शुद्ध ब्लॅक-बॉक्स हल्ला म्हणून काम करतो. लेखक याला सादरीकरण-हल्ले आणि मॉर्फिंग यांच्या मधोमध बसणारा, या प्रकारचा पहिला भौतिक हल्ला म्हणून मांडतात.

प्रयोगशाळेतील काळजीपूर्वक चाचणी

संशोधकांनी जिवंत व्यक्ती वापरल्या नाहीत. खरे चेहरे म्हणजे एका प्रमाणित संशोधन-डेटाबेसमधील छायाचित्रे होती, जी पडद्यावर दाखवून पुन्हा चित्रित केली गेली; “भुताची” ओळख दुसऱ्या पडद्यावरून येऊन काचेत परावर्तित होत होती. यामुळे कार्यपद्धती पुनरुत्पादनक्षम राहते, आणि जिवंत व्यक्ती वापरल्याने निष्कर्ष बदलणार नाहीत, असा लेखकांचा युक्तिवाद आहे. त्यांनी लिंग, मूळ आणि वय यांत वैविध्य असलेल्या 100 ओळखींचा GhostFace नावाचा डेटासंच तयार केला, जो हल्ल्याची तीव्रता वाढवत नोंदवला गेला.

मग त्यांनी तो मोठ्या प्रमाणावर वापरल्या जाणाऱ्या मुक्त-स्रोत प्रणालींवर चालवला: पाच चेहरा-जुळवणी प्रणाली, तीन बनावटगिरी-शोधक आणि चार मॉर्फ शोधक, आंतरराष्ट्रीय चाचणी-मानकांनुसार.

तीन पहारेकरी, तिन्ही फसले

• बनावटगिरी-शोधकांनी पूर्ण तीव्रतेच्या हल्ल्याच्या प्रतिमांपैकी 80% ते 96% प्रतिमा जिवंत, खरे चेहरे म्हणून वर्गीकृत केल्या. सर्वाधिक प्रतिसाद देणाऱ्या शोधकानेही साधारण पाचपैकी चार प्रतिमा आत जाऊ दिल्या.
• डिजिटल मॉर्फवर प्रशिक्षित मॉर्फ शोधकांनी कडक सेटिंगवर हल्ल्याच्या 16% ते 61% प्रतिमा चुकवल्या, आणि एकाही खऱ्या चेहऱ्याला चुकीने ध्वजांकित केले नाही. डिजिटल मिश्रणांवर प्रशिक्षित प्रारूपे प्रकाशीय (optical) मिश्रणे विश्वासार्हपणे पकडत नाहीत, असा लेखकांचा निष्कर्ष आहे.
• चेहरा-जुळवणी प्रणालींनी वेगवेगळ्या प्रमाणात तोतये स्वीकारले. सर्वाधिक असुरक्षित, ArcFace, ने चाचणी केलेल्या उंबरठ्यावर हल्ल्याच्या 32.75% प्रतिमा लक्ष्य-व्यक्ती म्हणून स्वीकारल्या, आणि 100 पैकी 99 हल्ला-व्हिडिओंमध्ये किमान एक प्रतिमा स्वीकारली. चाचणी केलेल्या सर्वात नव्या प्रारूपानेही अधिक कडक उंबरठ्यावर 7% स्वीकारल्या. सर्वाधिक प्रतिकारक्षम, MagFace, जी आपल्या निर्णयांत प्रतिमेच्या गुणवत्तेचा विचार करते, हिने 1% पेक्षा कमी स्वीकारल्या.

कधीकधी मिसळलेला चेहरा दोघांपैकी कोणत्याच व्यक्तीचा म्हणून ओळखला गेला नाही, तर डेटाबेसमधील एका तिसऱ्याच ओळखीचा म्हणून ओळखला गेला.

आंधळा कोपरा बंद करताना

लेखक एका महत्त्वाच्या आंधळ्या कोपऱ्याचे वर्णन करतात: सध्याच्या बायोमेट्रिक प्रणाली पारदर्शक प्रक्षेपणांचा विचारच करत नाहीत, आणि शोधनिबंध पोतावर आधारित जिवंतपणा-तपासण्या आणि फक्त डिजिटल प्रतिमांवर प्रशिक्षित मॉर्फ शोधक या दोन्हींच्या मर्यादा दाखवतो. हा अभ्यास मुक्त-स्रोत प्रारूपे आणि पुन्हा चित्रित केलेली छायाचित्रे वापरून केलेले प्रयोगशाळेतील प्रात्यक्षिकच आहे. पुढील संशोधनाला हातभार म्हणून लेखक GhostFace डेटासंच इतर गटांना विनंतीवरून देतात, चेहरा-ओळख, बनावटगिरी-शोध आणि मॉर्फ-शोध यांची एकत्र चाचणी घेण्यासाठी एक नवा मानदंड (benchmark) म्हणून.