Door computer gegenereerde vingerafdrukken blijken niet van echt te onderscheiden

Yoeri Nijs  | Deel:  
Artikel-plaatje

Wetenschappers van de New York University hebben aangetoond dat het met kunstmatige intelligentie mogelijk is om vingerafdrukscanners om de tuin te leiden. Dit kan serieuze gevolgen hebben voor de beveiliging van ondere andere telefoons, kantoorgebouwen en banken.

LEES OOK: Brightmaven wint met 'digitale rechercheur' Sjerlok award bij Den Bosch Data Week

Scanners niet accuraat
De scanners kunnen voor de gek worden gehouden doordat de vingerafdrukken die ze controleren niet helemaal accuraat hoeven te zijn. Vanuit gebruiksgemak staan scanners namelijk toe dat iemand zijn vinger maar gedeeltelijk hoeft te scannen, schrijven de wetenschappers in hun paper [pdf].

De foutmarge is er, omdat vanuit gebruiksgemak het niet altijd mogelijk is om de hele vinger helemaal te scannen. Dit zou anders betekenen dat bij bijvoorbeeld het ontgrendelen van een moderne smartphone, de vingerafdruk precies op de scanner moet worden gehouden. Dit is niet handig als de telefoon maar met één hand wordt vastgehouden.

Verder bleken de scanners de vingerafdrukken die ze moeten checken, ook niet juist te controleren. In plaats van het vergelijken van de gedeeltelijke afdruk met de hele referentie-afdruk, toetsen ze slecht één deel. Dit betekent bijvoorbeeld dat, als iemand alleen de zijkant van zijn vinger scant, het apparaat de beeltenis alleen vergelijkt met dat deel van het opgeslagen exemplaar.

Generative adversarial network
De Amerikaanse onderzoekers maakten dankbaar gebruik van de ontwerpfout in vingerafdrukscanners. Met een zogenoemde generative adversarial network kregen ze het voor elkaar om op basis van échte vingerafdrukken nieuwe, iets afwijkende afdrukken te maken. De scanners konden deze afdrukken, die de wetenschappers DeepMasterPrints noemen, in één op de vijf gevallen niet van echt onderscheiden.

Afbeelding 1. Een schematische weergave van het onderzoek.

Een generative adversarial network is in de basis, zoals veel vormen van kunstmatige intelligentie, een neuraal netwerk. Dat is een netwerk van neuronen die met elkaar samenwerken om bijvoorbeeld een probleem op te lossen. Een generative adversarial network werkt echter iets anders dan een 'normaal' neuraal netwerk. Hierdoor is het erg krachtig om op basis van iets bestaands juist iets nieuws te genereren. Zoals een schilderij van vier ton.

LEES OOK: Zo worden kostbare kunstwerken gemaakt met kunstmatige intelligentie

'Weinig onderzoek'
De onderzoekers schrijven dat er weinig onderzoek is gedaan naar de gevolgen van door computers gegenereerde afbeeldingen. “Dit idee is verrassend genoeg onontdekt en kan nuttig zijn in onderzoek naar creatieve computertoepassingen, en in onderzoek binnen het beveiligingsdomein.”




Wil je deelnemen aan dit gesprek? Log in of meld je aan.