Morphing Attack Detection (MAD) von secunet
Zu den Betrugsarten gehört unter anderem der sogenannte Morphing-Angriffe: Zwei biometrische Passfotos unterschiedlicher Personen werden mithilfe von Bildbearbeitungssoftware zu einem einzigen Gesichtsbild verschmolzen. Reicht eine Person dieses Foto erfolgreich für die Beantragung eines Reisepasses ein, entsteht ein echtes, aber erschlichenes Ausweisdokument, das anschließend von beiden Personen genutzt werden kann unabhängig davon, ob beide am Betrug beteiligt sind oder nur eine Person die treibende Kraft dahinter ist. Ist der "Morph" gut gemacht, erkennen weder die Gesichtserkennungssoftware noch der Beamte am Grenzkontrollschalter den Unterschied zwischen der Person und dem gemorphten Bild.
Software-Algorithmen, die beschriebene "Morpth's" bei der automatisierten Grenzkontrolle erkennen, erhöhen die Grenzsicherheit. Daher arbeiten wir seit einigen Jahren verstärkt an MAD.
secunet hat seinen Algorithmus in letzter Version zur Erkennung von gemorphten Gesichtsbildern kürzlich beim unabhängigen und international anerkannten Face Analysis Technology Evaluation (FATE)-MORPH-Test des National Institute of Standards and Technology (NIST) eingereicht. Der Algorithmus von secunet implementiert einen Differentialansatz, der ein potenziell gemorphtes Gesichtsbild gegen ein zweites, in der Regel live aufgenommenes und damit vertrauenswürdiges Bild prüft. Das Ergebnis des NIST FATE-MORPH-Tests zeigt, dass die Erkennung von Morphing-Bildern ein Leistungsniveau erreicht hat, das den operativen Einsatz im Rahmen der Grenzkontrolle ermöglicht. Interessierte Leser können den vollständigen Bericht hier einsehen.
Insbesondere in der Kategorie "Hochwertige Morphs", z.B. für manuell erzeugte Morphs, wurden gute Ergebnisse erzielt: Bei einer Falsch-Positiv-Rate von ca. 4% (d.h. vier von hundert Gesichtsbildern werden fälschlicherweise als Morphs klassifiziert und müssen manuell verifiziert werden) erkannte der secunet Algorithmus 94% aller gemorphten Bilder. Bei einer Falsch-Positiv-Rate von ca. 1% erkannte der Algorithmus 82% aller gemorphten Bilder.
Die aktuelle Version des Algorithmus lässt sich nahtlos in weitere secunet Lösungen integriert, vorrangig im Bereich der Identitäten und Grenzkontrolle. In der automatisierten Grenzkontrolle, durch secunet easygate, ergänzt er so andere, bereits vorhandene Sicherheitsmaßnahmen im secunet Grenzkontrollportfolio. Diese Lösungen können die für den differenziellen Ansatz nötigen, hochwertigen Live-Bilder als vertrauenswürdige Vergleichsbilder liefern.
In einem nächsten Schritt identifiziert secunet fortlaufend Verbesserungsmöglichkeiten, um die Leistungsfähigkeit des Algorithmus weiter zu optimieren.
