بحران آستانهٔ اقلیدسی: چرا احراز هویت بیومتریک تا سال ۲۰۲۶ منسوخ می‌شود

تصور کنید سیستمی که برای سال‌ها با اطمینان کامل چهره یا صدای شما را می‌شناخت، حالا نمی‌تواند تفاوت شما را با یک کپی دیجیتال تشخیص دهد. این کابوس امنیتی دیگر یک پیش‌بینی نیست؛ بلکه واقعیتی است که تا ۲۸ جولای ۲۰۲۶، احراز هویت بیومتریک را به نقطه شکست رسانده است.

برای سال‌ها، تیم‌های امنیتی به داده‌های بیومتریک به‌عنوان کلیدی تغییرناپذیر اعتماد می‌کردند. اما تغییر رویکرد از شبکه‌های مولد تخاصمی (GAN) به مدل انتشار (Diffusion Model) — که شبیه به مجسمه‌سازی است که ابتدا یک توده از نویز را می‌سازد و سپس ذره‌ذره جزئیات را می‌تراشد تا به تصویر نهایی برسد — یک «شکاف تعمیم» ایجاد کرده است. به گزارش منابع فنی، کتابخانه‌های تشخیص جعل سنتی دیگر نمی‌توانند با سرعت شبیه‌سازی این مدل‌ها رقابت کنند.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های مولد اشاره کردیم، سرعت تکامل ابزارهای جعل از سرعت به‌روزرسانی APIهای امنیتی بیشتر است. طبق تحلیل فنی CaraComp، این بحران در مقایسه چهره تحت عنوان «بحران آستانه اقلیدسی» شناخته می‌شود؛ وضعیتی که در آن آواتارهای مصنوعی، نقاط گره‌ای (Nodal Points) را به‌گونه‌ای تولید می‌کنند که دقیقاً در فاصله ریاضیِ بردار ویژگی‌های یک فرد واقعی قرار می‌گیرند.

این چالش‌های فنی اکنون با پیچیدگی‌های قانونی نیز گره خورده‌اند؛ به‌طوری که قانون هوش مصنوعی اتحادیه اروپا با وضع جریمه‌های سنگین برای جست‌وجوی بیومتریک، استانداردهای سخت‌گیرانه‌ای را برای توسعه‌دهندگان تعریف کرده است.

بر اساس مستندات فنی، شکست‌های کلیدی در این حوزه عبارتند از:

• تحلیل MFCC: ضرایب کپسترال فرکانس-مل که زمانی استاندارد اثر انگشت صوتی بودند، دیگر در برابر الگوریتم‌های جدید شبیه‌سازی صدا کارایی ندارند.
• فاصله اقلیدسی: چهره‌های مصنوعی با دقت بالا اکنون با تقلید از نقاط گره‌ای خاص، باعث تحریک پاسخ «مثبت واقعی» (True Positive) در الگوریتم‌های مقایسه چهره می‌شوند.
• تأخیر در تشخیص: پنجره کلاهبرداری باز می‌ماند زیرا ابزارهای شبیه‌سازی سریع‌تر از APIهای تشخیص جعل تکامل می‌یابند.

این تغییر، فرض بنیادین این حوزه را دگرگون می‌کند: ما باید از «تشخیص چهره» (کشف هویت) به سمت «مقایسه چهره» (بررسی سلامت جنایی) حرکت کنیم. داده‌های بیومتریک دیگر نمی‌توانند به عنوان «هویت» پذیرفته شوند، بلکه باید به عنوان «محتوایی» دیده شوند که نیاز به تاییدیه خارجی دارد.

برای بقا در این گذار، توسعه‌دهندگان باید احراز هویت چندوجهی (Multimodal) را پیاده‌سازی کنند و به سمت اثبات‌های دانایی-صفر (Zero-Knowledge Proofs) یا تأییدات خارج از باند (Out-of-band) بروند. در واقع، بیومتریک تک‌عاملی اکنون به یک نقطه شکست واحد تبدیل شده است.

گزارش‌های جنایی دیجیتال نیز باید تکامل یابند. به جای درصد ساده‌ی «تطابق/عدم تطابق»، ابزارها اکنون به زمینه‌های ریاضی قابل ارائه در دادگاه نیاز دارند تا بازرسان انسانی بتوانند منبع رسانه را تأیید کنند.

گام بعدی شما

• گردش‌کارهای «اثبات زنده بودن» (Proof of Liveness) خود را بررسی کنید تا ببینید آیا با ورودی‌های مصنوعی با کیفیت بالا قابل دور زدن هستند یا خیر.
• استراتژی احراز هویت خود را از تک‌عاملی به مدل‌های ترکیبی تغییر دهید.
• برای داده‌های حساس، لایه‌های تاییدیه خارج از باند (مانند توکن‌های سخت‌افزاری) را اضافه کنید.

اما این تنها بخشی از چالشی است که معماران امنیت با آن روبروند؛ اثر این جعل‌های کامل بر اعتماد در تراکنش‌های مالی را در گزارش بعدی بررسی خواهیم کرد.