DergiYazılım

Tarayıcıyla Sahte Parmak İzi Tespit Edilebilecek

Biyometrik sistem haberlerine göre; sahte parmak izleri gerçek olanları taklit edebilir. Bir sinir ağı, sahte parmak izlerini çıkarmayı başardı. Çalışma, Los Angeles’taki biyometrik güvenlik konferansında araştırmacılar tarafından sunuldu. Araştırmalarının temelinde, sahte parmak izlerini araştıran bir makine öğrenme tekniği olan DeepMasterPrints yer alıyor. Araştırmacılar, üç farklı parmak izi eşleştiricisi ve iki farklı veri kümesi ile yapılan deneyler sonucunda;  yöntemin sağlam olduğunu , belirli bir parmak izi eşleştiricisinin veya veri kümesinin kalıntılarına bağlı olmadığını gösteriyor.

The Guardian’ın teknoloji muhabiri Alex Hern; “Çoğu parmak izi okuyucusu, parmağı bir kerede okumaz. Karşılaştırmada kısmi kayıtlara karşı kısmi tarama yapılmıştır. Bu bir saldırganın, erişim izni sağlayabilmesi için onlarca veya yüzlerce kayıtlı kısmi parmak izinin bir tanesini eşleştirmek zorunda olduğu anlamına geldiğini” söyledi. Oysa sahte girişimlerinde etkili olan başka bir faktör ise; parmak izlerinin bazı özelliklerinin diğerlerinden daha yaygın olduğu yönündedir. Hern, “Bu, çok fazla ortak özellik içeren sahte bir parmak izinin, diğer parmak izleriyle eşleşmesinin, saf şansın öngördüğünden daha muhtemel olduğu anlamına gelir.”

Bu zayıflıklara rağmen kullandıkları teknik onların çalışmasını destekledi. Yarattıkları sahte parmak izi, insan gözüne gerçek bir parmak izi gibi ikna edici görünüyordu. Hern; ” Bu, bir önceki teknik bir tarayıcıyı kandırabilecek ama görsel bir inceleme yapamayacak şekilde pürüzlü, dik açılı parmak izleri yarattığı için dikkate değerdir.”

Makine öğrenme tekniği, Generative Adversarial Network (GAN)*; mümkün olduğunca çok sayıda kısmi parmak izi ile eşleşen parmak izlerinin yaratılmasında başarılı oldu. Prasad Ramesh: “Bir GAN (Çekişmeli Üretici Ağlar) ağı parmak izi veri kümesi üzerinde eğitilmiştir. Daha sonra LVE, eşleşme şansını en üst düzeye çıkaran bir parmak izi görüntüsü için jeneratör ağının gizli değişkenlerini arar. Bu eşleşme sadece çok sayıda farklı kimlik söz konusu olduğunda başarılı olur. Bu durum da, belirli bireysel saldırıların çok olası olmadığı anlamına gelir.”

Bu yöntem, bir bilgisayar korsanının bir güvenlik sistemine karşı önceden oluşturulmuş ortak şifreler listesini çalıştırdığı şifrelere karşı bir “sözlük saldırısı” ile karşılaştırılır. Hern’in belirttiği gibi, saldırılar belirli hesaplara giremeyebilir, ancak hesaplara karşı kullanıldığında, çabaya değer olmak için yeterli başarılar üretirler.

Parmak İzlerini Bir Kimlik Aracı Olarak Görmemeli Miyiz?

Sam Medley; “Hayır, araştırma bulguları parmak izi tarayıcılarını güvenlik önlemi olarak geçersiz kılmaz. Araştırmacılar, birisinin bir akıllı telefon veya bilgisayar gibi bir şeye girmesi için DeepMasterPrints gibi bir programı serbestçe kullanabileceğini kabul ediyorlar ancak belirli bir sistem için AI’yı optimize etmekte çok fazla çalışma yapmaları gerekmektedir. ”

DeepMasterPrints oluşturma uygulamasının ötesinde, bu raporda, belirli bir amacı karşılayan resimler veya diğer yapay nesneler için bir jeneratör ağının gizli alanını aramada yararı gösterilmiştir. Bu fikir şaşırtıcı bir şekilde keşfedilmemiş ve diğer yaratıcı etki alanlarının yanı sıra hesaplamalı yaratıcılık araştırmalarında da yararlı olabilir.

 

 

*Generative adversarial networks (GAN): Çekişmeli Üretici Ağlar; sıfır toplamlı bir oyun çerçevesinde birbiriyle yarışan iki sinir ağının bir sistemi tarafından uygulanan, denetimsiz makine öğrenmede kullanılan bir yapay zeka algoritmaları sınıfıdır. Ağlardan biri üretirken (generatif) diğeri onları değerlendirir(ayırt edici). Tipik olarak, generatif ağ, gizli bir alandan, ilgilenilen belirli bir veri dağılımına eşlenmeyi öğrenirken, ayırt edici ağ, gerçek veri dağıtımından örnekler ile jeneratör tarafından üretilen adaylar arasında ayrım yapar. Generatif ağın eğitim hedefi, ayrımcı ağın hata oranını (yani, gerçek veri dağıtımından gelmiş gibi görünen yeni sentezlenmiş örnekler üreterek, diskriminatör ağını “kandırmak”) arttırmaktır. Zamanla generatif ağ sahte veri üretmekte uzamanlaşırken ayırt edici ağ ise sahteyi gerçekten ayırmakta uzmanlaşır.

Kaynak:
TechXplore
Etiketler
1 Oy2 Oy3 Oy4 Oy5 Oy (3 oy verildi, Ortalama: 5 üzerinden 5,00 oy )
Loading...

Benzer Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Close