Ницан Гуета и др. / arXiv.org, 2021 г.   Израелски и японски изследователи са разработили нов метод за измама на системи за разпознаване на лица, инсталирани на обществени места, като използват маскировки, които са невидими за обикновените хора, включително например охранителите. Моделът на невронната мрежа идентифицира областите на лицето, които оказват най -голямо влияние върху резултата от разпознаването, и дигитално избира грим за тези области, помагайки да се заблуди системата, а след това същият грим се повтаря на истинското лице. Тестовете върху 20 доброволци показват, че методът намалява точността на разпознаване на лица от 47,5 на 1,2 процента. Статията е достъпна на адрес arXiv.org.   Стотици милиони камери за видеонаблюдение са инсталирани на обществени места по света, много от които са свързани със системи за разпознаване на лица. Изследователите търсят както начини за подобряване на тяхната точност, така и начини за заблуда, които от своя страна могат да се използват и за подобряване на алгоритмите за разпознаване. Има няколко подхода за измама на системи за разпознаване на лица в реалния свят (не цифрови). Най -очевидното е да се използва някакъв камуфлаж, който предотвратява алгоритмите да разпознават местоположението на ключови точки по лицето. Миналата година редакторите на N + 1 тестваха на практика няколко вида камуфлаж и се опитаха да излъжат системата за разпознаване на лица FindFace. Има и по -специфични методи, например, базирани на състезателни атаки, които експлоатират една от основните уязвимости на алгоритмите на невронните мрежи. Те ви позволяват да заблудите алгоритмите за разпознаване на лица с помощта на ярки очила или дори да попречите на системата да види човек в кадъра, защото той държи „киселинна“ картина в ръцете си.   Но и двата подхода само мамят компютърните системи, като същевременно привличат вниманието на хората. Изследователи, ръководени от Ювал Еловичи от университета Бен-Гурион, са разработили метод, който ви позволява да подвеждате алгоритмите за разпознаване на лица, без да ги отделяте от тълпата. Техният алгоритъм работи на няколко етапа и използва два модела за разпознаване на лица: един собствен тип (авторите го наричат ​​сурогат) и цел (която трябва да бъде измамена) от друг тип, с очакването, че обучението по един модел ще позволи измама на друг. Първо, той прави няколко снимки на атакувания човек и случайни хора от същия пол. След това, преминавайки изображения през модела и други манипулации, той изчислява топлинна карта, показваща кои области на лицето играят ключова роля при разпознаването.     Принципът на метода   Ницан Гуета и др. / arXiv.org, 2021 г.   Споделя това     След това, въз основа на топлинната карта, се създава изображение с нанесен грим и се изпраща за разпознаване на сурогатен модел. Тези стъпки се повтарят, докато моделът не може да разпознае правилно лицето. След това изборът на грим се признава за успешен и той се пресъздава в действителност, нанася се върху лицето. Тестовете бяха проведени върху 20 доброволци и две камери, заснемащи лицата на хора, преминаващи от различни ъгли. Тестовете показаха, че без грим целевият модел правилно разпознава лица на 47,57 процента от кадрите. С нанесения грим процентът на разпознаване падна до 1.22, докато този грим е почти невидим за външен наблюдател. Авторите тестваха и произволен грим, но той само намали точността до 33,73 процента, което показва ефективността на новия метод.   Изследователите също търсят начини за защита срещу системи за разпознаване на лица в цифровата среда. Например, те предлагат да се заменят истински лица в снимки или видеоклипове с дълбоки фалшификати, за да се запази поверителността.   Григорий Копиев
https://nplus1.ru/

... Когато преди няколко години купих на малката ми дъщеря нов телефон, тя много се зарадва. ... и почти веднага си активира лицевото разпознаване. За да не глупее, баща и я снима с телефона си и го показа на нейния както бе заключен.

на моя телефон?