Print Attack چیست و سازوکار احراز هویت دیجیتال چطور با آن مقابله می‌کند؟

احراز هویت دیجیتال یکی از مهم‌ترین زیرساخت‌های خدمات آنلاین است. به‌کمک این فناوری این روزها کاربران بدون مراجعه حضوری می‌توانند برای افتتاح حساب بانکی، ثبت‌نام در پلتفرم‌های مختلف، ساخت کیف‌پول، امضای قراردادها و بسیاری از کارهای دیگر، فقط با استفاده از دوربین موبایل و اسکن چهره، احراز هویت کنند.

این فناوری تجربه کاربری را سریع‌تر و ساده‌تر کرده، اما هم‌زمان چالشی جدی هم به وجود آورده است: اگر قرار است سیستم فقط با «دیدن چهره» تصمیم بگیرد، چطور مطمئن می‌شود که پشت دوربین واقعاً یک انسان حضور دارد؟

این سؤال نقطه آغاز بسیاری از حمله‌های جعل هویت در سیستم‌های بایومتریک است. یکی از قدیمی‌ترین و شناخته‌شده‌ترین این حمله‌ها نیز سازوکاری است که به آن Print Attack می‌گویند. در این نوع از حمله‌ مهاجم تلاش می‌کند با استفاده از تصویر چاپ‌شده چهره یک فرد سیستم تشخیص چهره را فریب دهد. 

شاید در نگاه اول این روش بیش‌ازحد ساده به نظر برسد، اما واقعیت این است که حتی امروزه هم بسیاری از سیستم‌های احراز هویت ضعیف یا بی‌بهره از مکانیسم‌های ضدجعل ممکن است دربرابر نسخه‌های پیشرفته‌ی این حمله آسیب‌پذیر باشند.

در ادامه انواع Print Attack را بررسی می‌کنیم و توضیح می‌دهیم چگونه انجام می‌شود، چرا هنوز اهمیت دارد و سیستم‌های احراز هویت دیجیتال چگونه با آن مقابله می‌کنند.

Print Attack چیست؟

Print Attack یکی از رایج‌ترین انواع حمله به سیستم‌های احراز هویت مبتنی بر چهره است. در این حمله مهاجم، به‌جای حضور واقعی فرد، تصویر چاپ‌شده چهره او را مقابل دوربین قرار می‌دهد تا سیستم تصور کند یک کاربر واقعی در حال احراز هویت است. اگر سیستم فقط شباهت چهره را بررسی کند و سازوکاری برای تشخیص زنده‌بودن کاربر نداشته باشد، ممکن است این حمله موفق شود.

Print Attack زیرمجموعه‌ای از حمله‌های بزرگتری است که در استانداردهای امنیت بایومتریک با نام Presentation Attack شناخته می‌شوند، یعنی حملاتی که در آن مهاجم تلاش می‌کند داده بایومتریک جعلی را به حسگر ارائه کند.

چرا Print Attack همچنان اهمیت دارد؟

ممکن است تصور شود حمله با عکس چاپی دیگر کاربردی ندارد و به نسل قدیمی سیستم‌های تشخیص چهره مربوط است، اما واقعیت این است که موضوع به این سادگی نیست. این روزها حجم بسیار زیادی از تصویرهای کاربران در فضای آنلاین وجود دارد، از تصویرهای موجود در شبکه‌های اجتماعی گرفته تا تصویر پروفایل‌ها، ویدئوها، جلسه‌های آنلاین، تصاویر منتشرشده در رسانه‌ها یا حتی داده‌های نشت‌کرده.

از طرفی در بسیاری از موارد مهاجم برای اجرای یک حمله ساده اصلاً به دسترسی پیچیده یا نفوذ فنی نیازی ندارد؛ یک تصویر باکیفیت از چهره فرد کافی است؛ از طرف دیگر، همه سیستم‌های احراز هویت هم در یک سطح امنیتی قرار ندارند؛ بعضی سرویس‌ها همچنان فقط عملیات Face Matching انجام می‌دهند (یعنی بررسی می‌کنند آیا تصویر ورودی شبیه تصویر مرجع هست یا نه).

در چنین وضعیتی، اگر تصویر چاپ‌شده کیفیت مناسبی داشته باشد، احتمال فریب سیستم وجود دارد؛ به‌همین دلیل، مقابله با حملات مبتنی بر تصویر چاپی هنوز هم یکی از موضوع‌های مهم در امنیت احراز هویت دیجیتال محسوب می‌شود.

Print Attack چگونه انجام می‌شود؟

یک حمله Print Attack در ساده‌ترین و ابتدایی‌ترین شکل به‌این صورت رخ می‌دهد:

• به‌دست آوردن تصویر چهره قربانی
• چاپ تصویر با کیفیت مناسب
• نمایش تصویر مقابل دوربین دستگاه
• تلاش برای عبور از فرایند احراز هویت

در سیستم‌هایی که سازوکار تشخیص زنده‌بودن تصویر ندارند، همین فرایند ممکن است کافی باشد، اما مهاجمان حرفه‌ای‌تر معمولاً به همین نسخه ساده اکتفا نمی‌کنند.

پس از پیشرفته‌ترشدن سیستم‌های تشخیص چهره روش‌های حمله هم پیچیده‌تر شده‌اند. این روزها Print Attack فقط به‌معنی چاپ یک عکس روی کاغذ معمولی نیست و می‌تواند طی این سناریوها انجام شود:

سناریوهای به‌روزشده Print Attack

• استفاده از تصویرهای با وضوح بسیار بالا: هرچه کیفیت تصویر بیشتر باشد، جزئیات چهره بهتر بازتولید می‌شود، از خطوط پوست گرفته تا جزئیات چشم و اطراف آن، بافت صورت و مرز اجزای چهره. در بعضی حمله‌ها حتی از دوربین‌های حرفه‌ای و تصویرهای با رزولوشن بسیار بالا استفاده می‌شود تا شباهت تصویر چاپی به چهره واقعی بیشتر شود.
• چاپ روی کاغذ براق: یکی از روش‌های رایج‌تر استفاده از کاغذهای براق یا Glossy است. دلیلش هم ساده است: سطح براق می‌تواند بازتاب نور را تا حدی شبیه پوست واقعی نشان دهد. برخی الگوریتم‌های ساده تشخیص چهره ممکن است این بازتاب‌ها را طبیعی تلقی کنند.
• حمله با تصویر خمیده: صورت انسان کاملاً تخت نیست؛ مهاجمان برای شبیه‌سازی ساختار سه‌بعدی چهره گاهی تصویر چاپ‌شده را کمی خم می‌کنند تا حس عمق مصنوعی ایجاد شود. این روش که با نام Curved Print Attack شناخته می‌شود می‌تواند بعضی سیستم‌های ضعیف تشخیص عمق را فریب دهد.
• ایجاد حرکت مصنوعی: ناحیه چشم یا دهان تصویر در بعضی سناریوهای حمله بریده می‌شود تا فرد مهاجم بتواند از پشت تصویر: پلک بزند، حرکت جزئی ایجاد کند یا تغییرات محدودی را در چهره شبیه‌سازی کند.

البته سیستم‌های مدرن معمولاً دربرابر این روش‌ها مقاوم‌ترند، اما همچنان بخشی از سناریوهای شناخته‌شده حمله محسوب می‌شوند.

چرا سیستم‌های ساده دربرابر Print Attack آسیب‌پذیرند؟

ریشه اصلی مشکل در سیستم‌های ساده احراز هویت اینجاست که تشخیص چهره لزوماً به‌معنی تشخیص «انسان واقعی» نیست. بسیاری از سیستم‌های ابتدایی فقط بررسی می‌کنند که «آیا تصویر ورودی شبیه تصویر مرجع هست یا نه».

امنیت واقعی زمانی ایجاد می‌شود که سیستم بتواند پاسخ سؤال دیگری را هم تشخیص دهد: «آیا این تصویر متعلق به یک فرد زنده و حاضر مقابل دوربین است یا نه».

اگر این مرحله وجود نداشته باشد، تصویر چاپی می‌تواند برای فریب سیستم کافی باشد؛ به‌همین دلیل، امروزه تقریباً تمامی سرویس‌های حرفه‌ای احراز هویت بایومتریک از سازوکارهایی برای تشخیص زنده‌بودن تصویر کاربر استفاده می‌کنند. اینجاست که نقش فناوری‌های کلیدی در KYC و ازجمله آن‌ها تشخیص زنده‌بودن تصویر یا Liveness Detection پررنگ‌تر می‌شود.

Liveness Detection چیست؟

Liveness Detection یا تشخیص زنده‌بودن تصویر مجموعه‌ای از فناوری‌ها و الگوریتم‌هاست که تلاش می‌کنند واقعی‌بودن کاربر را تشخیص دهند و از حمله‌های جعل هویت جلوگیری کنند.

هدف این فناوری فقط تشخیص چهره نیست، بلکه اطمینان از این است که یک انسان واقعی، به‌صورت زنده و در لحظه احراز هویت مقابل دوربین حضور دارد.

روش‌های تشخیص زنده‌بودن تصویر معمولاً به دو صورت Passive Liveness Detection و Active Liveness Detection عمل می‌کنند.

• Passive Liveness Detection: روش Passive بدون نیاز به اقدام خاص از سمت کاربر نشانه‌های زنده بودن را تحلیل می‌کند؛ برای مثال، بافت طبیعی پوست، بازتاب نور، جزئیات عمق تصویر، حرکت‌های میکروسکوپی صورت یا رفتار طبیعی نور روی چهره را بررسی می‌کند.
• Active Liveness Detection: سیستم در روش Active از کاربر می‌خواهد عملی انجام دهد، مثلاً پلک بزند، سر را حرکت دهد، لبخند بزند یا به جهت خاصی نگاه کند. هدف این فرایند این است که تصاویر ثابت یا محتوای جعلی نتوانند رفتار طبیعی انسان را بازتولید کنند.

مزیت روش اول تجربه کاربری ساده‌تر و سریع‌تر و کاهش نرخ ریزش کاربر در زمان احراز هویت است؛ چون کاربر نیازی به انجام حرکت خاص ندارد. مزیت روش دوم امنیت و رسیدن به قطعیت بیشتر است.

سیستم‌های مدرن چگونه Print Attack را تشخیص می‌دهند؟

مقابله با حملات چاپی امروز فقط به یک تکنیک محدود نیست؛ سیستم‌های پیشرفته معمولاً از ترکیبی از الگوریتم‌ها و مدل‌های هوش مصنوعی استفاده می‌کنند:

• تحلیل بافت تصویر: سطح پوست انسان الگوهای بسیار پیچیده‌ای دارد که در چاپ بازتولید کامل آن‌ها دشوار است. الگوریتم‌های ضدجعل می‌توانند نویز ناشی از چاپ، الگوهای جوهر یا بافت‌های سطح کاغذ را شناسایی کنند.
• تحلیل بازتاب نور: نور روی پوست واقعی و سطح چاپ‌شده رفتار متفاوتی دارد؛ برای مثال، بازتاب نور روی کاغذ معمولاً یکنواخت‌تر است، درخشش غیرطبیعی ایجاد می‌کند یا رفتار متفاوتی نسبت به بافت پوست دارد. سیستم‌های پیشرفته می‌توانند این تفاوت‌ها را تشخیص دهند.
• تحلیل عمق تصویر: چهره انسان ساختار سه‌بعدی دارد، اما تصویر چاپی معمولاً سطحی تخت است. برخی سیستم‌ها با تحلیل حرکت سر، تغییر زاویه‌دید یا داده‌های ژرف (depth) می‌توانند تفاوت میان چهره واقعی و تصویر چاپی را تشخیص دهند.
• تحلیل چندفریمی: بعضی نشانه‌های جعل فقط در یک تصویر مشخص نمی‌شوند و به بررسی چند فریم متوالی نیاز دارند. تحلیل ویدئویی می‌تواند رفتارهای غیرطبیعی، حرکت‌های مصنوعی یا الگوهای تکرارشونده را شناسایی کند.

نقش هوش مصنوعی در مقابله با Print Attack

هوش مصنوعی، در سال‌های اخیر، نقش مهمی در توسعه سیستم‌های Face Anti-Spoofing داشته است. این روزها مدل‌های یادگیری عمیق می‌توانند تفاوت میان چهره واقعی، تصویر چاپی، نمایشگر یا حتی ماسک‌های سه‌بعدی را با دقت بالاتری تشخیص دهند.

این مدل‌ها معمولاً روی حجم بزرگی از داده‌های واقعی و سناریوهای حمله آموزش می‌بینند تا الگوهایی را شناسایی کنند که حتی برای انسان هم قابل‌تشخیص نیستند.

البته همان‌طور که فناوری دفاعی پیشرفته‌تر می‌شود، روش‌های حمله هم پیچیده‌تر می‌شوند؛ امروزه مهاجمان از چاپ‌های فوق‌واقعی، متریال‌های خاص یا تصاویر بسیار باکیفیت استفاده می‌کنند تا احتمال موفقیت حمله را افزایش دهند.

در این مطلب درباره نقش فناوری‌های مبتنی بر هوش مصنوعی در مقابله با Spoofing توضیح داده‌ایم:

Spoofing چیست و احراز هویت آنلاین جیبیت برای مقابله با آن چه می‌کند؟

آیا Print Attack هنوز تهدید جدی محسوب می‌شود؟

موفقیت حملات چاپی برای سیستم‌های مدرن و مجهز به فناوری‌های ضدجعل، در مقایسه با گذشته، دشوارتر شده است، اما این به‌معنی ازمیان‌رفتن تهدید نیست.

هر سیستمی که سازوکار Anti-Spoofing ضعیف داشته باشد، تشخیص زنده‌بودن انجام ندهد یا صرفاً بر تطبیق تصویر متکی باشد ممکن است دربرابر حملات چاپی آسیب‌پذیر باشد؛ به‌ویژه که این روزها دسترسی گسترده به تصویرهای کاربران اجرای این حمله‌ها را از همیشه ساده‌تر کرده است؛ به‌همین دلیل، مقابله با Print Attack همچنان یکی از بخش‌های مهم امنیت احراز هویت بایومتریک محسوب می‌شود.

سرویس احراز هویت دیجیتال جیبیت چگونه با Print Attack مقابله می‌کند؟

در سرویس احراز هویت دیجیتال جیبیت امنیت صرفاً به تطبیق تصویر چهره محدود نمی‌شود؛ علاوه بر Face Matching، سازوکارهای ضدجعل نیز برای کاهش ریسک حملات مبتنی بر تصویر چاپی استفاده می‌شوند.

این سازوکارها شامل تحلیل زنده‌بودن تصویر چهره، بررسی رفتار طبیعی نور روی صورت، تحلیل چندفریمی، تشخیص الگوهای غیرطبیعی تصویر و شناسایی دیگر نشانه‌های رایج حملات چاپی می‌شوند. هدف این است که سیستم فقط به شباهت ظاهری اکتفا نکند، بلکه بتواند حضور واقعی کاربر را نیز ارزیابی کند.

این موضوع به‌ویژه در فرایندهای حساس، مانند افتتاح حساب آنلاین، احراز هویت مالی، ثبت‌نام خدمات بانکی یا امضای دیجیتال اهمیت بسیار زیادی دارد.