Kasvojentunnistukseen kohdistuvat imitaatiohyökkäykset ja niiden estäminen

Abstract

Tässä työssä tarkastellaan kasvojentunnistusohjelmien sabotointia kohdistetuilla imitaatiohyökkäyksillä ja niiltä suojautumista. Kohdistetussa imitaatiohyökkäyksessä hyökkääjä pyrkii sabotoimaan kasvojentunnistusohjelman toimintaa ja saaden sen tunnistamaan hyökkääjän imitoinnin kohteena olevaksi henkilöksi. Tutkielmaa varten kerättiin erilaisia imitaatiohyökkäyksiä käsittelevistä artikkeleista aineisto, jonka perusteella osoitettaan kohdistettujen imitaatiohyökkäysten olevan mahdollisia toteuttaa kaikkiin kasvojentunnistusprosessin vaiheisiin, jotka ovat imitaation kannalta merkittäviä. Tämän lisäksi tarkastellaan erilaisia imitaatiohyökkäysten tunnistamisen ja estämisen keinoja. Aineistossa ja muissa lähteissä esitettyjä suojauskeinoja arvioidaan niiden sisältämien heikkouksien, kustannusten ja käyttöönoton sujuvuuden perusteella. Merkittävänä havaintona esille nousi havainto usean suojauskeinon pystyvän tehokkaasti tunnistamaan vain yhden tyypin hyökkäyksiä. Erilaisten imitaatiohyökkäysten läpikäynnin sekä suojauskeinojen arvioinnin aikana esille tuotujen havaintojen pohjalta todetaan fuusiomallien olevan tehokas suojauskeino imitaatiohyökkäyksiltä. Fuusiomallit yhdistävät useita imitaatiohyökkäyksen tunnistamisen ja estämisen metodeja ja täten kattavat suuren joukon erilaisia hyökkäyksiä, mutta niiden kehittäminen ja käyttöönotto vaativat aikaa. Toisena merkittävänä suojauskeinona esille nousee ihmistarkastaja, joka on nopeasti käyttöönotettavana ja samalla tehokas suojauskeino, jos käsiteltävän datan määrä ei ole suuri.

This work examines sabotaging face recognition systems with targeted impersonation attacks and defensive techniques against them. A targeted impersonation attack aims to sabotage a face recognition system in a manner that makes the attacker appear as the target of impersonation to the system. Articles covering different impersonation attacks were gathered as material for the thesis which showed that impersonation attack can be aimed at any part of the recognition process that are relevant for impersonation attacks. In addition different methods for identifying and preventing impersonation attacks were examined. Defense methods presented in the material and in other sources are evaluated based on their weaknesses, cost and ease of implementation. A notable observation was the limitation in the coverage of different attacks present in multiple defensive methods. The observations made while examining different impersonation attacks and defensive methods showed that fusion models are effective protection method from impersonation attacks. Fusion models combine multiple methods for identifying and preventing impersonation attacks and therefore provide a large coverage of different attacks but their development and implementation demand time. A second notable protection method to stand out is human inspector which can be implemented quickly and is an effective defense method as long as the amount of data isn't large.