Ataques adversariais em caixa-preta conseguem falsificar biometria neural baseada em EEG
Pesquisadores desenvolvem algoritmos de ataque adaptativo que falsificam sistemas de autenticacao biometrica baseados em sinais EEG (eletroencefalograma) a partir de registros roubados, sem exigir nenhum conhecimento interno do classificador alvo -- um cenario mais realista do que estudos anteriores, que assumiam acesso total ao modelo. Testes em seis bases de dados publicas e tres condicoes de gravacao mostram que a vulnerabilidade varia muito conforme a abordagem de assinatura neural usada e a tarefa realizada durante a coleta do sinal.
Sinais de EEG vem sendo propostos como credencial biometrica por serem dificeis de observar ou roubar em circunstancias normais e, supostamente, dificeis de falsificar. A pesquisa existente sobre a seguranca desses sistemas, porem, se concentrou quase exclusivamente em classificadores baseados em deep learning e assumiu que o atacante tem acesso completo ao modelo de autenticacao (cenario white-box) -- uma premissa pouco realista para a maioria dos ataques do mundo real, alem de deixar de fora outras familias populares de metodos de assinatura neural.
Este trabalho preenche essa lacuna desenvolvendo uma familia de algoritmos de ataque adaptativo que aprendem a enganar um sistema de autenticacao por meio de alteracoes direcionadas em gravacoes de EEG roubadas, sem nenhum conhecimento do classificador em si (cenario black-box). Os autores testaram a abordagem contra seis bases de dados publicas, cobrindo tres condicoes distintas de gravacao: reacao a estimulos visuais, imaginacao de movimento das maos e estado de repouso, alem de varias familias diferentes de metodos de assinatura neural, nao apenas classificadores profundos.
Os resultados mostram que a vulnerabilidade a falsificacao varia significativamente entre as diferentes abordagens de assinatura neural testadas, e que a condicao de gravacao usada no momento da coleta do EEG tem impacto direto na robustez do sistema -- ou seja, a mesma pessoa pode estar mais ou menos vulneravel a falsificacao dependendo da tarefa mental que estava realizando quando seu sinal biometrico de referencia foi capturado. Isso e um achado pratico importante para quem projeta esses sistemas, pois sugere que a escolha do protocolo de coleta nao e apenas uma questao de usabilidade, mas tambem de seguranca.
Como biometria neural ainda esta em fase inicial de adocao comercial e regulatoria, o trabalho chega em um momento oportuno: ele demonstra empiricamente que a suposicao de que sinais EEG sao inerentemente dificeis de falsificar nao se sustenta sob um modelo de ameaca realista, e fornece uma base concreta para que fabricantes desses sistemas avaliem e melhorem sua robustez antes de uma adocao mais ampla em cenarios de alto risco, como controle de acesso fisico ou autenticacao financeira.