Irisskannern kan skilja döda ögonglober från levande

Filmen från 1993 Rivningsman utspelar sig i 2030-talets fiktiva framtid, där människor får tillgång till mer eller mindre allt via irisskanning. Det leder till en föga överraskande handlingsanordning där en fånge flyr från fängelset genom att skära ut vaktmästarens ögonglob och använda den för att förfalska de biometriska skannrarna.

Detta väcker en intressant fråga. Är det möjligt för en skanner att se skillnad på en levande iris och en död?

Idag får vi svar tack vare Mateusz Trokielewiczs arbete vid Warszawas tekniska universitet i Polen och ett par av hans kollegor. De här killarna har skapat en databas med irisskanningar från levande människor och från döda kroppar och sedan tränat en maskininlärningsalgoritm för att upptäcka skillnaden.

De säger att deras algoritm kan skilja en levande iris från och en död med 99 procents noggrannhet. Men deras resultat erbjuder brottslingar ett potentiellt sätt att slå detektionssystemet.

Först lite bakgrund. Ögonläkare har länge insett att irisens invecklade struktur är unik för varje individ. Detaljerna är särskilt uppenbara i nära-infraröda irisbilder, och irisbilder med denna våglängd används ofta i olika säkerhetsapplikationer.

Men systemet är inte perfekt. Förra året låste hackare upp en iris-skannande Samsung-smartphone genom att skriva ut en bild av ägarens iris på en kontaktlins och sedan placera kontaktlinsen på en dummyöga.

Det mer gruvliga hacket från Rivningsman är ett annat sätt att kringgå dessa system. Men ingen har räknat ut om denna form av attack kan upptäckas, förrän nu.

Forskningen möjliggörs av en ovanlig databas – Warszawa BioBase PostMortem Iris-dataset, som inkluderar 574 nära-infraröda irisbilder som samlats in från 17 personer vid olika tidpunkter efter att de har dött. Bilderna är från fem timmar till 34 dagar efter döden.

Teamet samlade också in 256 bilder av levande iris. De passade på att använda samma iriskamera som användes på kadavern så att maskininlärningsalgoritmen inte kunde luras att känna igen bilder baserat på egenskaperna hos olika kameror.

Teamet kontrollerade också datamängden för uppenbar bias i bilderna, såsom skillnader i hur olika operatörer kan ta bilder och hur detta påverkar bildintensiteten. De fann att det var lite som särskiljde bilderna i detta avseende.

Det finns dock en uppenbar skillnad i hur levande och döda iris ofta ser ut på bilder. Detta beror på att ögonlocken på kadaver ofta hålls öppna med hjälp av metallupprullare, till skillnad från de flesta levande irisbilder. Dessa är lätta för en maskinseendealgoritm att upptäcka. Av denna anledning beskär teamet bilderna för att bara visa irisen.

Slutligen använde de det mesta av datamängden för att träna ett maskininlärningssystem för att känna igen döda och levande iris. De använde resten av datamängden för att testa algoritmen.

Resultaten tyder på att algoritmen exakt upptäcker alla döda irisar och sällan felklassificerar levande sådana. Inget obduktionsprov klassificeras av misstag som ett levande, med en sannolikhet för att felklassificera ett levande prov som ett dött är omkring 1 procent, säger teamet.

Det finns dock en varning. Denna noggrannhet gäller endast för iris som har varit döda i 16 timmar eller mer. Prover som samlas in kort efter döden (dvs fem timmar i vår studie) kan misslyckas med att ge obduktionsförändringar som är tillräckligt uttalade för att fungera som ledtrådar för att upptäcka livlighet, säger Trokielewicz och co.

Det ger dessa ohyggliga hackare ett fönster av möjligheter eftersom nyplockade ögonglober borde vara en njutning. Bekymrade läsare kan säkert ta lite tröst av vetskapen om att ögonglober tappar sin hackningsförmåga bara några timmar senare.

Ref: arxiv.org/abs/1807.04058 : Presentation Attack Detection for Cadaver Iris

Dölj