研究人員提出針對基于人工智能的人臉識別引擎的對抗攻擊Demo。
近日，Adversa公司研究人員分析發現了攻擊面部識別系統的新方法——ADVERSARIAL OCTOPUS。研究發現當前基于人工智能的面部識別工具易被攻擊，可能會引發嚴重的后果。此外，許多面部識別系統都存在偏見，可能會產生錯誤的結果。
攻擊細節
研究人員開發了一個針對人工智能驅動的人臉識別系統的攻擊方式，只需將照片做出修改，就可以讓人工智能系統錯誤識別為其他人。產生這種情況的原因是當前人臉識別算法和應用存在不足，攻擊可以用于基于計算機視覺算法的投毒攻擊場景和繞過場景等。
這種新型攻擊可以繞過人臉識別服務、應用和API，其中包括當前最先進的人臉識別算法引擎——PimEyes。主要的特征是其融合了不同的方法來提高效率。
針對PimEyes的攻擊框架是基于以下方法：
為提高可遷移性，用不同的面部識別模型以及隨機噪聲來進行訓練；
為提高準確率，計算審計網絡每層的對抗變化，并使用隨機面部檢測幀；
此外，還對每個像素進行微小變化，并使用特殊的函數來平滑對抗噪聲。
攻擊demo
研究人員提出的攻擊方式是黑盒的、一次性成功的、靜默的、可遷移的，可以繞過人臉識別AI模型和API，其中包括目前最先進的在線人臉識別搜索引擎PimEye.com。
誰可以利用這些漏洞？
該攻擊是一種黑客攻擊方法，也就是說對搜索引擎的算法沒有任何的了解，該漏洞利用是可遷移的，可以應用于其他使用人臉的人工智能應用。攻擊者可以對個人照片進行修改來對許多算法進行投毒和繞過。犯罪分子可以竊取個人身份，并繞過銀行、貿易平臺和其他遠程認證系統使用的基于人工智能的生物認證或身份驗證系統。犯罪分子還可以使用該攻擊將其活動隱藏在社交媒體中。
攻擊的適用范圍是什么？
該攻擊的主要特征是適用于多個不同的AI實現，其中包括在線API和物理設備。此外，攻擊還可以針對不同的目標環境來進行調整。這也就是起名Adversarial Octopus的原因。
如何應對此類攻擊？
為應對此類攻擊，研究人員建議：
首先是對抗測試。類似針對人工智能系統的傳統滲透測試。對抗測試對于所有的人工智能系統來說都應該是必須的。
通過對抗訓練、模型加固、數據清洗和其他防御手段來在對抗場景下開發和訓練人工智能。
檢測人工智能在關鍵決策應用中的新威脅，并持續追蹤對抗機器學習最新進展。
