کلاهبردارها چطور تشخیص چهره رو دور میزنن
هوش مصنوعیخلاصهٔ کاملتر
از همون اول که احراز هویت با چهره راه افتاد، کلاهبردارها هم دنبال راه دور زدنش بودن؛ از ماسک کاغذی ساده تا دیپفیک پیشرفته. تو این مقاله از Sumsub اومده که طبق تحقیق این شرکت، تقلب با اسناد هویتی مصنوعی تو آمریکای شمالی نسبت به سال قبل ۳۱۱ درصد و تقلب با دیپفیک ۱۱۰۰ درصد رشد کرده. به گفتهٔ نویسنده، رسانهٔ ساختگی داره به سلاح اصلی کلاهبردارها علیه بانکها و موسسات مالی تبدیل میشه.
اول باید فرق دو تا مفهوم رو بدونی: تشخیص چهره (recognition) چهرهها رو تو یه پایگاه داده میگرده تا آدمها رو شناسایی کنه، ولی احراز هویت با چهره (verification) یه تصویر زنده رو با یه رکورد مشخص مثل عکس روی کارت شناسایی مطابقت میده. این دومی تو فرایند ثبتنام، ورود به حساب و بررسیهای KYC تو بانک، فینتک، کریپتو و گیمینگ خیلی استفاده میشه و دقیقاً همین جاهاست که هدف حمله قرار میگیره.
نویسنده حملهها رو به دو دسته تقسیم میکنه. دستهٔ اول حملهٔ ارائه (presentation attack) یا همون جعل چهرهست: کلاهبردار یه چیزی شبیه چهرهٔ واقعی جلوی دوربین میذاره. این میتونه عکس دزدیدهشده از شبکههای اجتماعی، ویدیوی از پیش ضبطشده برای تقلید پلکزدن و سرتکوندادن، یا ماسک سیلیکونی فوقواقعی باشه. مقاله به یه پروندهٔ واقعی اشاره میکنه که کلاهبردارها با ماسک سیلیکونی خودشونو جای وزیر دفاع فرانسه جا زدن و حدود ۵۵ تا ۸۰ میلیون یورو کلاهبرداری کردن.
اما خطرناکترین شکل حملهٔ ارائه، نوع مبتنی بر هوش مصنوعیه. حالا دیگه کلاهبردار نیازی به مهارت فنی بالا یا تجهیزات گرون نداره؛ با ابزارهای رایگان میتونه چهره بسازه، ویدیو دستکاری کنه و صدا کلون کنه. دو تکنیک رایج هست: دیپفیک که چهرهٔ قربانی رو روی یه ویدیو سوار میکنه تا نشانههای زندهبودن مثل پلکزدن رو تقلید کنه، و چهرهٔ مصنوعی که اصلاً متعلق به آدم واقعی نیست و معمولاً با یه سند جعلی و اطلاعات دزدی ترکیب میشه. تو ویتنام یه باند ۱۴ نفره با همین روش حدود ۳۸ میلیون دلار پولشویی کرده بود.
دستهٔ دوم حملههای سطح سیستمی هستن که اصلاً چهرهٔ جعلی به دوربین نشون نمیدن، بلکه به خود مسیر احراز هویت حمله میکنن. تو حملهٔ تزریق (injection) مهاجم به جای دوربین، دادههای زیستی جعلی رو مستقیم به اپ یا API میفرسته، مثلاً جریان دوربین رو با فوتیج از پیش ضبطشده عوض میکنه یا از دستگاه روتشده و شبیهساز استفاده میکنه. تو حملهٔ بازپخش (relay) هم یه آدم واقعی حرکتهای لازم رو انجام میده ولی تعامل از یه مکان دیگه به سیستم منتقل میشه، مثلاً قربانی رو با مهندسی اجتماعی به یه تماس تصویری میکشونن.
نویسنده میگه راهحل اصلی تشخیص زندهبودن (liveness detection) هست که بررسی میکنه چهره به یه آدم واقعیِ حاضر تعلق داره، نه عکس و ماسک و دیپفیک. سیستمهای قوی چند سیگنال رو با هم میسنجن: حرکتهای میکروی غیرارادی صورت، بافت و انعکاس نور روی پوست، عمق و ساختار سهبعدی، و حتی الگوی جریان خون از روی تغییرات ریز رنگ پوست (rPPG). تأکید مقاله اینه که هیچ سیگنالی بهتنهایی کافی نیست و لایهلایهکردن این بررسیها هزینهٔ حمله رو بالا میبره چون مهاجم باید همه رو همزمان شکست بده.
نکات کلیدی:
- تقلب با دیپفیک تو یک سال ۱۱۰۰ درصد و اسناد هویتی مصنوعی ۳۱۱ درصد رشد کرده.
- حملهها دو دستهان: حملهٔ ارائه (عکس، ویدیو، ماسک، دیپفیک، چهرهٔ مصنوعی) و حملهٔ سطح سیستمی (تزریق و بازپخش).
- فقط تطبیق دو چهره کافی نیست؛ باید مطمئن شد طرف یه آدم زندهٔ حاضره و رسانهش دستکاری نشده.
- تشخیص زندهبودن با سنجش حرکت ریز، بافت پوست، عمق و جریان خون کار میکنه.
- دفاع واقعی چندلایهست: liveness در کنار تشخیص دیپفیک، بررسی دستگاه و سند و سیگنالهای رفتاری.
