Skaner tęczówki oka potrafi odróżnić martwe gałki oczne od żywych

Film z 1993 roku Człowiek demolka jest osadzona w fikcyjnej przyszłości lat 30. XX wieku, w której ludzie uzyskują dostęp do mniej więcej wszystkiego za pomocą skanów tęczówki. Prowadzi to do zaskakującego urządzenia fabularnego, w którym więzień ucieka z więzienia, odcinając strażnikowi gałkę oczną i używając jej do fałszowania skanerów biometrycznych.

Rodzi to interesujące pytanie. Czy skaner może odróżnić tęczówkę żywą od martwej?

Dziś otrzymujemy odpowiedź dzięki pracy Mateusza Trokielewicza z Politechniki Warszawskiej i kilku jego kolegów. Ci faceci stworzyli bazę danych skanów tęczówki żywych ludzi i martwych ciał, a następnie wyszkolili algorytm uczenia maszynowego, aby wykryć różnicę.

Mówią, że ich algorytm potrafi odróżnić żywą tęczówkę od martwej z 99-procentową dokładnością. Jednak ich wyniki oferują przestępcom potencjalny sposób na pokonanie systemu wykrywania.

Najpierw trochę tła. Okuliści od dawna uznają, że misterna budowa tęczówki jest wyjątkowa u każdego osobnika. Szczegóły są szczególnie widoczne na obrazach tęczówki w bliskiej podczerwieni, a obrazy tęczówki przy tej długości fali są szeroko stosowane w różnych zastosowaniach związanych z bezpieczeństwem.

Ale system nie jest doskonały. W zeszłym roku hakerzy odblokowali smartfon Samsunga skanujący tęczówkę, drukując obraz tęczówki właściciela na soczewce kontaktowej, a następnie umieszczając soczewkę kontaktową na atrapy gałki ocznej.

Bardziej makabryczny hack od Człowiek demolka to kolejny sposób na obejście tych systemów. Ale do tej pory nikt nie ustalił, czy ta forma ataku może zostać wykryta.

Badania są możliwe dzięki niezwykłej bazie danych — zbiorowi danych Warsaw BioBase PostMortem Iris, który zawiera 574 obrazy tęczówki w bliskiej podczerwieni zebrane od 17 osób w różnym czasie po ich śmierci. Obrazy pochodzą od pięciu godzin do 34 dni po śmierci.

Zespół zebrał również 256 zdjęć żywych tęczówek. Zadbali o to, aby użyć tej samej kamery tęczówki, która była używana na zwłokach, aby algorytm uczenia maszynowego nie mógł zostać oszukany do rozpoznawania obrazów na podstawie cech różnych kamer.

Zespół sprawdził również zestaw danych pod kątem oczywistych błędów w obrazach, takich jak różnice w sposobie robienia zdjęć przez różnych operatorów oraz sposób, w jaki wpływa to na intensywność obrazu. Okazało się, że pod tym względem obrazy niewiele można odróżnić.

Istnieje jednak oczywista różnica w sposobie, w jaki żywe i martwe tęczówki często wyglądają na obrazach. Dzieje się tak, ponieważ powieki zwłok są często utrzymywane otwarte za pomocą metalowych zwijaczy, w przeciwieństwie do większości żywych obrazów tęczówki. Są one łatwe do wykrycia przez algorytm widzenia maszynowego. Z tego powodu zespół przyciął obrazy, aby pokazać tylko tęczówkę.

Na koniec wykorzystali większość zbioru danych do wytrenowania systemu uczenia maszynowego do rozpoznawania martwych i żywych tęczówek. Wykorzystali resztę zestawu danych do przetestowania algorytmu.

Wyniki sugerują, że algorytm dokładnie wykrywa wszystkie martwe tęczówki i rzadko błędnie klasyfikuje te żywe. Żadna próbka pośmiertna nie jest błędnie klasyfikowana jako żywa, a prawdopodobieństwo błędnego zaklasyfikowania próbki żywej jako martwej wynosi około 1 procent, mówi zespół.

Jest jednak zastrzeżenie. Ta dokładność dotyczy tylko tęczówek, które były martwe od 16 godzin lub dłużej. Próbki pobrane krótko po śmierci (tj. pięć godzin w naszym badaniu) mogą nie dostarczyć zmian pośmiertnych, które są wystarczająco wyraźne, aby służyć jako wskazówka do wykrycia żywotności, mówią Trokielewicz i wsp.

Daje to tym makabrycznym hakerom szansę, ponieważ świeżo wyrwane gałki oczne powinny sprawić przyjemność. Zmartwieni czytelnicy z pewnością mogą pocieszyć się świadomością, że wyskubane gałki oczne tracą swoją moc hakowania zaledwie kilka godzin później.

Nr ref.: arxiv.org/abs/1807.04058 : Wykrywanie ataku na prezentację dla tęczówek zwłok

ukryć