Tipuri de Atacuri de Falsificare Biometrică

Falsificarea biometrică, numită și atac de prezentare, este orice încercare de a păcăli un sistem biometric prezentând o versiune falsă sau manipulată a trăsăturii unei persoane, în loc de proba reală, live. Înțelegerea gamei de tipuri de atacuri — de la simple fotografii printate la deepfake-uri generate de AI — este un context esențial pentru a înțelege de ce detecția vitalității a devenit o parte critică a securității biometrice moderne.

Atacurile de prezentare variază mult ca sofisticare și cost, crescând în general în eficacitate pe măsură ce cresc în complexitate:

• Atacuri cu print: o fotografie printată sau o imagine de rezoluție înaltă ținută în fața unei camere de recunoaștere facială
• Atacuri de tip replay: o fotografie sau un video afișat pe un ecran (telefon sau tabletă) arătat senzorului în locul unui print fizic
• Amprente false: mulaje sau tipare făcute din gelatină, silicon sau alte materiale care replică modelele de creste ridicate de pe o suprafață sau dintr-o imagine de amprentă furată
• Măști: măști printate 2D sau 3D, uneori foarte detaliate, concepute pentru a păcăli camerele de recunoaștere facială, inclusiv unele sisteme cu detecție de adâncime
• Clonarea și sintetizarea vocii: vorbire generată de AI care imită caracteristicile vocii unei ținte suficient de bine încât să păcălească sistemele de recunoaștere vocală
• Deepfake-uri: video sau imagini generate de AI care simulează convingător fața și expresiile unei persoane reale, folosite din ce în ce mai mult pentru a încerca fraude de verificare a identității la distanță

Atacurile de prezentare vizează punctul în care un senzor biometric captează date din lumea fizică, ceea ce înseamnă că atacatorul are nevoie de proximitate fizică sau virtuală față de dispozitivul de captură. Scenariile comune includ deblocarea unui telefon furat, încercarea de a ocoli o poartă de acces cu recunoaștere facială, sau înfrângerea verificării de identitate la distanță în timpul deschiderii unui cont prin prezentarea unui video selfie fals sau sintetic în loc de o persoană live. Aceasta este diferită de atacurile asupra șabloanelor stocate sau bazelor de date de potrivire, care sunt probleme de securitate a datelor, nu atacuri de prezentare.

Detecția vitalității există special pentru a contracara atacurile de prezentare, verificând că proba provine de la o persoană vie, prezentă, nu de la o reproducere statică sau sintetică. Verificările de vitalitate activă — cerând utilizatorului să clipească, să întoarcă capul sau să rostească o frază aleatorie — pot învinge atacurile de bază cu print și replay, în timp ce tehnicile pasive mai avansate care analizează adâncimea, textura și micro-mișcările sunt necesare pentru a prinde măști 3D sofisticate și deepfake-uri din ce în ce mai convingătoare. Pe măsură ce tehnicile de atac evoluează, în special odată cu AI-ul generativ care îmbunătățește calitatea deepfake-urilor și clonării vocii, detecția vitalității trebuie să avanseze corespunzător pentru a ține pasul.

Modalități diferite se confruntă cu tipuri de atac dominante diferite: recunoașterea facială și recunoașterea vocală prezentate în altă parte pe acest site sunt vizate din ce în ce mai mult de deepfake-uri generate de AI și voci clonate, în timp ce recunoașterea amprentei rămâne mai des vizată de falsuri fizice bazate pe mulaje. Modalitățile mai greu de observat sau replicat extern, precum recunoașterea modelului venelor, sunt inerent mai rezistente la atacurile de prezentare pur și simplu deoarece trăsătura de bază nu este vizibilă sau capturabilă de la distanță.

Pe măsură ce generarea de media sintetică devine mai ieftină și mai accesibilă, cursa înarmării dintre tehnicile de falsificare și detecția vitalității se intensifică, împingând industria către verificare multimodală și monitorizare continuă, mai degrabă decât să se bazeze pe o singură verificare statică anti-falsificare.