Главная страница Case Studies Сбор Replay-атак для кибербезопасности

Сбор Replay-атак для кибербезопасности

В течение 26 месяцев мы ежемесячно собирали 40 000 уникальных Replay-атак для обучения Face ID-модели клиента. Через краудсорсинг и автоматизированную валидацию данных нам удалось значительно повысить точность системы в распознавании фальсификаций.

Индустрия:

Кибербезопасность
Объем:

40 000 реплей-атак в месяц
Продолжительность проекта:

26 месяцев

Задача:

Крупная компания, специализирующаяся на разработке систем биометрической идентификации, обратилась к нам для дообучения своей модели. Задача состояла в выявлении атак повторного воспроизведения (Replay-атак).

Реплей-атака предполагает попытку взлома с использованием фотографий пользователя вместо живого лица, например, когда мошенник демонстрирует изображение на экране телефона.

Задача состояла в сборе и классификации большого объема данных о подобных атаках, чтобы повысить точность определения фальсификаций в системе Face ID. Это требовало привлечения исполнителей, которые могли бы смоделировать разнообразные атаки и предоставить данные, отражающие возможные сценарии обмана системы.
Решение:

Краудсорсинг и создание обучающих примеров

Для выполнения задачи мы организовали краудсорсинговую кампанию. Исполнители демонстрировали фото лиц на экранах своих устройств, чтобы смоделировать атаки.

Важным условием была максимальная вариативность: разное освещение, всевозможные углы наклона и детали (например, искусственные блики или волосы). За наиболее сложные и полезные для модели примеры выплачивалась повышенная награда. Так мы мотивировали участников быть креативными.

Веб-платформа для управления проектом

Для проекта мы использовали веб-платформу, которая позволяла собирать данные в собственном интерфейсе и мгновенно отправлять их модели клиента. Исполнители в процессе выполнения задач видели оценку своих попыток в реальном времени и могли корректировать свои действия для достижения лучших результатов.

Подключение к модели клиента для автоматической валидации

Для автоматизации проверки мы подключились напрямую к модели клиента, которая оценивала каждое задание и определяла, насколько новые и ценные данные были собраны. Это помогло избежать дублирования знакомых системе сценариев и сфокусироваться на сборе уникальных атак.
Результаты:
1. Увеличение точности модели
  
  На распознавание Replay-атак за счет предоставленных данных.
2. 40 000 примеров атак
  
  Мы собираем в месяц.
3. Высокий уровень удовлетворенности клиента
  
  Благодаря комплексному подходу к работе.

Другие кейсы

Разметка медицинских данных: аксиальные срезы

Data Light успешно выполнила разметку 700 аксиальных срезов за месяц, собрав команду из опытных медиков. Это позволило эффективно обучить модель для определения фораминальных грыж.

Подробнее

Сбор данных для задач антиспуфинга

Для крупной биометрической компании мы собрали 2 000 фотографий, необходимых для защиты от спуфинг-атак. Благодаря широкой базе исполнителей клиент получил данные быстро, все они соответствовали строгим стандартам качества.

Подробнее

Все кейсы