Ugrás a fő tartalomra

Túlélheti a KYC a deepfake-korszakot? Így változik a modern személyazonosság-ellenőrzés

Somkuti András ·

A távoli személyazonosság-ellenőrzés sokáig egy viszonylag egyszerű logikára épült: ha egy szervezet megbízható személyazonosító okmányokat tud ellenőrizni, és meg tud bizonyosodni arról, hogy azokat valóban a jogos tulajdonosuk mutatja be, akkor a személyes jelenléthez kapcsolódó bizalom jelentős része digitális környezetben is megteremthető. A generatív mesterséges intelligencia ezt az alapelvet nem tette érvénytelenné, azt azonban alaposan átírta, hogy mit értünk azon: valóban az adott személy „mutatja be” magát.

A modern személyazonosság-ellenőrzés ezért egyre kevésbé építhet arra, hogy egyetlen, rendkívül pontos biometrikus összehasonlítás eldönti a kérdést. A valódi kihívást ma már a teljes adatfelvételi és ellenőrzési környezet integritásának biztosítása jelenti.

A deepfake-ek érthető módon nagy figyelmet kapnak a médiában: látványosak, könnyen értelmezhetők, és jól mutatják, mire képes ma a generatív mesterséges intelligencia. A digitális személyazonosság-ellenőrzés szempontjából azonban egy meggyőzően generált arc csak egy a lehetséges támadási formák közül.

Az úgynevezett presentation attack során a támadó valamilyen manipulált vagy mesterséges elemet közvetlenül a biometrikus érzékelő elé helyez. Ez lehet például kinyomtatott fénykép, előre rögzített videó, egy másik kijelzőn megjelenített felvétel, maszk vagy más fizikai eszköz. A Presentation Attack Detection, röviden PAD célja annak felismerése, hogy valódi személy van-e jelen az adatfelvétel pillanatában, vagy valamilyen manipulációval próbálják megtéveszteni a rendszert.

A modern szakmai iránymutatások ugyanakkor külön kezelik az úgynevezett digitális injection attackokat. Ilyenkor a manipulált kép- vagy videótartalom nem feltétlenül a kamera előtt jelenik meg, hanem digitális úton kerül be az adatfolyamba az eredeti rögzítési pont és az összehasonlítást végző rendszer között.

Ez lényeges különbség, hiszen, ha egy hamisított videót közvetlenül a digitális adatfolyamba illesztenek, a támadónak akár magát a kamerát sem kell megtévesztenie.

A NIST digitális személyazonosságra vonatkozó aktuális iránymutatása egyaránt foglalkozik a presentation attack veszélyével és a manipulált médiatartalmak digitális beinjektálásával. A szakmai megközelítés arra is rámutat, hogy a távoli személyazonosság-ellenőrzési folyamat több ponton sebezhető, és a biometrikus összehasonlítás önmagában nem képes minden ilyen manipuláció kivédésére.

A liveness detection fontos, de önmagában nem csodafegyver

A „liveness detection”, vagyis az élő jelenlét ellenőrzése a távoli onboarding egyik legismertebb fogalmává vált. A gyakorlatban ez a presentation attack detection tágabb területéhez kapcsolódik: különböző jelek alapján próbálja eldönteni, hogy a biometrikus minta valóban egy, az adatfelvétel pillanatában jelen lévő személytől származik-e.

Léteznek aktív megoldások, amelyek valamilyen konkrét cselekvést kérnek a felhasználótól, és passzív módszerek is, amelyek külön beavatkozás nélkül elemeznek bizonyos jellemzőket. Az egyes kontrollok értékét azonban jelentősen befolyásolja a támadás fejlettsége. Egy olyan megoldás, amely képes megkülönböztetni egy fényképet egy valódi arctól, egészen más típusú fenyegetés ellen nyújt védelmet, mint amilyet például egy kifejezetten az elvárt liveness-viselkedések utánzására létrehozott, mesterséges videó jelent.

Ezért ma már nem az a legfontosabb kérdés, hogy egy KYC-megoldás rendelkezik-e liveness technológiával. Sokkal inkább az, hogy milyen támadási modellekkel számol az ellenőrzési architektúra, és hogyan egészítik ki egymást az egymástól független kontrollok akkor is, ha valamelyik védelmi réteget sikerül kijátszani.

A csalásfelderítés egyre inkább kontextusalapúvá válik

Egy technológiai szempontból meggyőző személyazonosítási folyamatban is lehetnek olyan viselkedési vagy környezeti jelek, amelyek gyanúra adhatnak okot.

Ezek a jelek önmagukban természetesen nem bizonyítják egy személy identitását, és a nehezen átlátható kockázati pontszámokra való túlzott támaszkodás is új problémákat teremthet. Olyan kontextust azonban biztosíthatnak, amelyet egyetlen arckép-összehasonlítás nem képes megadni. A kialakuló modell ezért egyre inkább hasonlít a kiberbiztonság más területein alkalmazott többrétegű csalásfelderítésre: minden egyes kontroll hozzátesz egy újabb bizonyítékot, a megbízhatóság pedig nem egyetlen jelből, hanem ezek együttes mintázatából születik.

A jövő nem a tökéletes deepfake-detektor

Kézenfekvő elképzelés, hogy az identity providerek idővel kifejlesztenek majd egy olyan rendszert, amely megbízhatóan felismer valamennyi mesterséges arcot, hamis dokumentumot vagy manipulált videót. A támadó és védekező technológiák fejlődése azonban nem egy véges, lezárható folyamat. Ahogy egyre jobbá válnak a generatív technológiák, úgy fejlődnek a felismerésükre szolgáló megoldások is. Erre válaszul a támadók új módszereket dolgoznak ki, amelyekhez a detektálási technológiáknak ismét alkalmazkodniuk kell. Ez egy folyamatosan változó technológiai verseny.

Egy ellenállóbb személyazonosság-ellenőrzési architektúra ezért eleve abból indul ki, hogy hosszú távon egyetlen algoritmus vagy osztályozó sem marad önmagában döntő jelentőségű. A megbízható identity proofing ehelyett több, egymástól részben független kapcsolat egyidejű ellenőrzésére épül: összetartozik-e a személy és az általa bemutatott okmány; összhangban vannak-e az okmány adatai a hiteles adatforrásokkal; valódi fizikai környezetből származik-e a biometrikus minta; konzisztens-e az eszköz és az adott munkamenet kapcsolata; illetve beleillik-e maga a munkamenet a tágabb viselkedési és kockázati környezetbe.

A deepfake-technológia kétségtelenül átalakította a KYC-t, de bizonyos szempontból hasznos tanulsággal is szolgált. Rávilágított arra, hogy egy személy identitását nem lehet pusztán arra a kérdésre leegyszerűsíteni, hogy két kép eléggé hasonlít-e egymásra.

Mondja el nekünk, miben segíthet vállalkozásának a Netlock

Megmutatjuk a leggyorsabb utat az induláshoz – egyetlen munkafolyamattól a szervezet egészére kiterjedő bizonyítási rétegig.

Regisztrálok ingyen