DeepMasterPrints: des empreintes générées artificiellement peuvent tromper les systèmes biométriques les plus sécurisés

En exploitant une technique de machine learning, des chercheurs de l'Université de New York ont réussi à générer de fausses empreintes digitales qui peuvent tromper les systèmes biométriques les plus sécurisés.

DeepMasterPrints: des empreintes générées artificiellement 

Selon un article présenté lors d'une conférence sur la sécurité à Los Angeles, des recherches dirigées par Philip Bontrager, de l'Université de New York, ont permis de générer artificiellement des empreintes digitales, appelées "DeepMasterPrints". 

DeepMasterPrints enregistrent un taux de réussite de 77% sur des scanners dont le taux de faux positif toléré est de 1%.

DeepMasterPrints: comment ça marche ?

Réellement DeepMasterPrints tire partie de deux propriétés des systèmes d'authentification par empreinte digitale. La première propriété est que pour des raisons d'ergonomie, la plupart des lecteurs d'empreintes digitales ne lisent pas tout le doigt à la fois, mais plutôt la partie du doigt qui touche le scanner. Ainsi, ces appareils comparent simplement l'analyse partielle du doigt en question à ses enregistrements partiels. Cela signifie que l'empreinte digitale d'un attaquant ne doit correspondre qu’à une ou plusieurs dizaines ou centaines d’empreintes digitales partielles enregistrées pour pouvoir accéder au système.

La deuxième caractéristique exploitée par les chercheurs est que certaines caractéristiques des empreintes digitales sont plus courantes que d’autres. Cela signifie qu'une fausse empreinte contenant de nombreuses caractéristiques très communes a plus de chance de correspondre à d'autres empreintes digitales que le pur hasard ne laisserait penser.

DeepMasterPrints: les réseaux antagonistes génératifs (GANs) pour générer de fausses-vraies empreintes

Sur la base de ces informations, les chercheurs ont utilisé une technique de machine learning et en particulier d'apprentissage non supervisé, connue sous le nom de "réseaux antagonistes génératifs". Cette technique de réseaux de neurone profonds introduite par Ian Goodfellow en 2014 permet de générer des images avec un fort degré de réalisme. Les développeurs de DeepMasterPrints ont ainsi exploité ces algorithmes pour créer artificiellement de nouvelles empreintes digitales approchant le plus possible les empreintes partielles.

Le résultat est donc surprenant car les images d’empreintes digitales totalement fake qui ont été générées automatiquement par le réseau de neurones sont très similaires à de véritables empreintes digitales qui trompent même l'œil humain.

Pour en savoir plus sur les GANs et sur DeepMasterPrints:

• L'article de recherche scientifique publié: DeepMasterPrints: Generating MasterPrints for Dictionary Attacks via Latent Variable Evolution
• GAN: Un guide pour débutants (en anglais) 

[via: The Guardian]