سیستم‌های احراز هویت زیست‌سنجی به یکی از حیاتی‌ترین بخش‌های تجربه کاربری در تلفن‌های هوشمند تبدیل شده‌اند. تلفن‌های همراه امروزی دیگر صرفا ابزاری برای برقراری تماس یا مرور شبکه‌های اجتماعی نیستند، بلکه گذرگاه اصلی دسترسی به حساب‌های بانکی، مدارک هویتی، اطلاعات شغلی و ارتباطات خصوصی افراد به شمار می‌روند. همین مسئله باعث شده تا شیوه ایمن‌سازی دستگاه به یکی از دغدغه‌های اصلی خریداران تبدیل شود. در این میان، انتخاب بین آیفون و گوشی‌های مختلف اندرویدی کاربران را در برابر یک الگوی تصمیم‌گیری درباره کارایی فیس آیدی یا فیس آنلاک قرار می‌دهد. با وجود آنکه در نگاه نخست ممکن است هر دو راهکار ابزاری ساده برای قفل‌گشایی به نظر برسند، بررسی زیربنای فنی آن‌ها تفاوت‌های عمیقی را در سطح امنیت و پایداری عملکرد آشکار می‌سازد.
در این مطلب می خوانید
راهکار اپل بر پایه سنجش دقیق عمق و نگاشت سه بعدی هندسه چهره استوار است، در حالی که اکثریت قاطع گوشی‌های اندرویدی برای احراز هویت به تصاویر دو بعدی ثبت‌شده توسط دوربین سلفی متکی هستند. این تفاوت بنیادی تعیین می‌کند که آیا سیستم می‌تواند در برابر روش‌های مختلف جعل مانند عکس‌های چاپ‌شده یا ویدیوهای باکیفیت مقاومت کند یا خیر. علاوه بر این، ارزیابی این زیرساخت‌ها تعیین‌کننده سطح اعتماد برنامه‌های مالی و سیستم‌های پرداخت بانکی به هویت زیست‌سنجی کاربر است. درک دقیق الگوریتم‌ها و قطعات سخت‌افزاری به‌کاررفته در هر دو پلتفرم نشان می‌دهد که چرا سرعت قفل‌گشایی نباید تنها معیار ارزیابی باشد.
چرا ساختار فنی فیس آیدی یا فیس آنلاک متفاوت است؟
تحول بزرگ در ساختار بیومتریک اپل در سال 1396 با رونمایی از آیفون X و کنار گذاشتن حسگر اثر انگشت رخ داد. تحلیل‌های کارشناسان نشان داد که علت حذف دکمه هوم آیفون ایجاد فضای لازم برای جادادن ماژول سنسورهای پیچیده در بالای نمایشگر بوده است. این سیستم که با نام TrueDepth شناخته می‌شود، از سه بخش اصلی شامل پروژکتور نقطه‌ای، تابش‌گر مادون قرمز و دوربین اختصاصی مادون قرمز تشکیل شده است. هنگام فعال‌سازی، پروژکتور نقطه‌ای بیش از 30000 نقطه مادون قرمز نامرئی را روی صورت کاربر پخش می‌کند. داده‌های حاصل از بازتاب این نقاط توسط دوربین مادون قرمز ثبت شده و یک مدل سه بعدی دقیق از ساختار استخوانی و برآمدگی‌های چهره می‌سازد.
اطلاعات ریاضی به‌دست‌آمده به فرمت رمزنگاری‌شده تبدیل شده و در بخشی ایزوله از پردازنده تحت عنوان ناحیه امن ذخیره می‌گردند. به همین دلیل، عملکرد این سیستم به نور محیط وابسته نیست و در تاریکی مطلق، هنگام استفاده از عینک یا کلاه و حتی با تغییر آرایش صورت به صورت پایدار کار می‌کند. طبق مستندات فنی اپل، نرخ خطای این سیستم 1 در 1000000 است. البته احتمال تایید اشتباه در میان دوقلوهای همسان یا کودکان زیر 13 سال که ساختار استخوانی چهره آن‌ها هنوز به تکامل کامل نرسیده، اندکی بالاتر است. همچنین به دلیل سنجش جهت نگاه کاربر، دستگاه با چشمان بسته باز نمی‌شود تا امکان سوءاستفاده در زمان خواب وجود نداشته باشد.
در مقابل، اکثر گوشی‌های اندرویدی موجود در بازار برای ارائه قفل‌گشایی با چهره تنها از همان دوربین سلفی استاندارد استفاده می‌کنند. این رویکرد کاملا متکی بر نرم‌افزار است و هیچ‌گونه داده مربوط به عمق یا تصویربرداری مادون قرمز جمع‌آوری نمی‌کند. دوربین سلفی یک عکس دو بعدی مسطح می‌گیرد و الگوریتم‌های پردازش تصویر، تراکم پیکسل‌ها و فاصله نسبی اجزای چهره را با الگوی اولیه ذخیره‌شده مطابقت می‌دهند. اگرچه این فرایند بسیار سریع انجام می‌شود، اما خطرات امنیتی جدی به همراه دارد.
تست‌های تخصصی انجام‌شده توسط موسسه Which? بر روی طیف وسیعی از گوشی‌ها نشان داد که از بین 208 مدل اندرویدی مورد آزمایش، 133 گوشی یعنی معادل 64 درصد آن‌ها به راحتی توسط یک تصویر چاپ‌شده دو بعدی باکیفیت باز شدند. تولیدکنندگانی نظیر سامسونگ، موتورولا، ایسوس، وان‌پلاس و ناثینگ در بخش قابل‌توجهی از محصولات اقتصادی و میان‌رده خود از این فناوری دو بعدی ساده استفاده می‌کنند. عدم وجود سنسور مادون قرمز علاوه بر کاهش امنیت، کارایی دستگاه را در محیط‌های کم‌نور مختل می‌سازد، به‌طوری که برخی گوشی‌ها برای جبران نور مجبور به افزایش ناگهانی روشنایی صفحه نمایش می‌شوند.
سطوح امنیتی بیومتریک و مجوز برنامه‌های بانکی در اندروید
برای کلاسه کردن این تفاوت‌ها و جلوگیری از مخاطرات امنیتی، گوگل چارچوب مشخصی را برای سیستم‌عامل خود تدوین کرده است. در این طبقه‌بندی، مکانیزم‌های احراز هویت بیومتریک به سه رده کلاس 1، کلاس 2 و کلاس 3 تقسیم می‌شوند. بر اساس قوانین گوگل، تنها سیستم‌هایی که موفق به کسب تاییدیه کلاس 3 شوند اجازه ورود به برنامه‌های بانکی، تایید پرداخت‌های مالی و کیف پول دیجیتال را دارند. معیار اصلی برای دستیابی به این رتبه، داشتن نرخ پذیرش اسپوف یا همان ضریب جعل کمتر از 7 درصد است.
سیستم‌های دو بعدی استاندارد به دلیل آسیب‌پذیری بالا در برابر عکس و ویدیو، معمولا در کلاس 1 یا 2 جای می‌گیرند و به همین دلیل سیستم‌عامل اجازه تایید تراکنش‌های مالی را به آن‌ها نمی‌دهد. با این حال، گوگل در نسل‌های جدید محصولات خود مانند گوگل پیکسل 8 و مدل‌های پس از آن موفق شده است بدون استفاده از سنسورهای سه بعدی سخت‌افزاری حجیم، به استاندارد امنیتی کلاس 3 دست یابد. این دستاورد با تکیه بر الگوریتم‌های پیشرفته یادگیری ماشینی و پردازش داده‌ها روی پردازنده اختصاصی تنسور امکان‌پذیر شده است.
گنجاندن شبکه‌های عصبی عمیق در فرایند پردازش تصویر باعث می‌شود که سیستم حتی از روی یک فریم دو بعدی، جزییاتی مانند نوسانات بسیار ریز نور، بافت پوست و تغییرات زوایای چهره را تحلیل کرده و زنده بودن سوژه را احراز کند. تلاش برای ارتقای امنیت هویت دیجیتال اندروید نشان‌دهنده اهمیت این موضوع در رقابت پلتفرم‌هاست. البته پردازش نرم‌افزاری سنگین روی پردازنده اصلی باعث درگیر شدن منابع سیستمی می‌شود و می‌تواند در طولانی‌مدت بر میزان مصرف انرژی و تولید حرارت دستگاه تاثیر بگذارد، در حالی که ماژول‌های اختصاصی سخت‌افزاری بار پردازشی متفاوتی دارند.
سایر شرکت‌های بزرگ نظیر سامسونگ نیز در پرچمدارانی مانند سامسونگ گلکسی S26 الگوریتم‌های تشخیص هویت را ارتقا داده‌اند، اما تمرکز اصلی اکوسیستم اندروید برای احراز هویت امن همچنان بر پایه حسگرهای اثر انگشت اولتراسونیک یا نوری زیر صفحه نمایش استوار است. تمایل سازندگان اندروید به حذف حاشیه‌های اطراف نمایشگر و ارائه صفحه‌نمایش یکدست با حفره کوچک، مانع از تعبیه سنسورهای حجیم مادون قرمز شد و مسیر آن‌ها را از اپل جدا ساخت.
چالش‌های سخت‌افزاری و هزینه تعمیرات سیستم‌های احراز هویت چهره
بیش از جنبه‌های امنیتی و الگوریتم‌ها، دوام سخت‌افزاری و هزینه‌های تعمیرات نیز از اهمیت بالایی برخوردار است. سیستم TrueDepth اپل به دلیل ساختار پیچیده، ماژول‌های حساس و وابستگی رمزنگاری‌شده به مادربرد دستگاه، در برابر ضربات شدید یا نفوذ آب آسیب‌پذیر است. اگر آیفون دچار صدمه فیزیکی شود یا تعویض نمایشگر در مراکز نامعتبر انجام گیرد، عملکرد فیس آیدی به طور کامل از دست می‌رود. این مسئله هزینه تعمیرات را به شدت افزایش داده و ارزش بازفروش دستگاه در بازار دست دوم را کاهش می‌دهد.
در مقابل، سادگی ساختار دو بعدی در اکثر گوشی‌های اندرویدی باعث می‌شود که تعویض قطعات جلویی دستگاه بسیار ارزان‌تر و آسان‌تر باشد، زیرا هیچ ماژول بیومتریک اختصاصی در بخش بالایی نمایشگر تعبیه نشده است. با این حال، کارشناسان امنیت همواره تاکید می‌کنند کاربرانی که از گوشی‌های میان‌رده اندروید استفاده می‌کنند، نباید به سیستم تشخیص چهره دو بعدی به عنوان یک سپر حمایتی قوی نگاه کنند. توصیه اصلی این است که در دستگاه‌های میان‌رده، حسگر اثر انگشت یا رمزهای ترکیبی به عنوان روش اولیه احراز هویت تنظیم شوند.
با پیشرفت سریع ابزارهای هوش مصنوعی و امکان تولید عکس‌ها و ویدیوهای عمیقا واقع‌گرایانه، چالش‌های پیش روی الگوریتم‌های دو بعدی پیچیده‌تر خواهد شد. آیا هوش مصنوعی نرم‌افزاری می‌تواند در سال‌های آینده جایگزین کامل سنسورهای فیزیکی سنجش عمق شود یا پیشرفت متدهای جعل مجددا سازندگان تلفن‌های هوشمند را به سمت استفاده از ماژول‌های اختصاصی سه بعدی سوق خواهد داد؟ پاسخ این سوال مسیر آینده امنیت بیومتریک را در تلفن‌های همراه مشخص خواهد کرد.
