微軟號稱“永不會被逆向”的圖像加密算法，現(xiàn)在被 MIT 一位碩士小哥輕松破解了。
只用幾行代碼，原本被加密為一串數(shù)字的圖片便“原形畢露”，可以看清其大致輪廓。
要知道，谷歌、Facebook、Twitter 等大平臺對圖像加密，用的都是微軟這一方法。
如今這么輕松就能逆向？讓人細思極恐啊。
而無獨有偶，此前蘋果號稱不會被逆向的圖像加密算法，也曾被“破解”。
前不久，F(xiàn)acebook 搞出了讓用戶上傳果照保護隱私的“清奇方法”，用到的也是類似原理。
這不禁讓人深思，F(xiàn)acebook 上傳的果照，還安全嗎……
目前這一方法已經(jīng)在 GitHub 上開源。
利用泄露編譯碼破解
小哥破解的是微軟在 2009 年時提出的圖像加密算法 PhotoDNA，是業(yè)內(nèi)最具代表性、最早出現(xiàn)的技術(shù)之一。
這一方法是微軟與達特茅斯學院 Hany Farid 教授共同研發(fā)，以識別刪除網(wǎng)絡(luò)上流傳的兒童受害的照片。
通過將圖片數(shù)據(jù)打亂混合、重新創(chuàng)建一個哈希值（hash values），它可以給每張照片匹配一個獨特的“數(shù)字指紋”。
由此，系統(tǒng)只需將已經(jīng)標記為兒童被侵害圖片的哈希值與其他圖片的值對比，一旦找到相同的數(shù)字串，便可判別其為非法圖片。
這種手段一方面可以很好保護用戶的隱私，同時還能快速甄別出網(wǎng)絡(luò)上流傳的違規(guī)圖片。
但其關(guān)鍵就在于：該方法不可逆向，否則所有圖片信息其實都在“裸奔”。
為此，微軟一直未透露 PhotoDNA 的算法細節(jié)。
不過隨著前段時間蘋果 NeuralHash 算法被逆向，一個可計算 PhotoDNA 哈希值的編譯庫也被泄露了。
在此基礎(chǔ)上，MIT 的這位小哥提出了名為“Ribosome （核糖體）”的逆向方法。
它將 PhotoDNA 看作一個黑盒，然后用機器學習的方法攻擊哈希函數(shù)。
因為編譯庫已經(jīng)被泄露，所以可以生成圖像與哈希值對應(yīng)的數(shù)據(jù)集。
在這一數(shù)據(jù)集上訓練神經(jīng)網(wǎng)絡(luò)后，該方法便能根據(jù)哈希值來逆向圖像了。
小哥表示，PhotoDNA 的哈希值是 144 元素的字節(jié)向量，他使用了類似于 DCGAN 和 Fast Style Transfer 的神經(jīng)網(wǎng)絡(luò)，在縮小卷積步長后使用殘差塊，從而轉(zhuǎn)換出 100×100 的圖像來。
在開源項目中，小哥已經(jīng)上傳了 4 個預(yù)訓練模型。
現(xiàn)在只需通過一行訓練命令，就能實現(xiàn)從哈希值到圖像的轉(zhuǎn)換。
python infer.py [--model MODEL] [--output OUTPUT] hash
具體結(jié)果如何？
小哥在不同數(shù)據(jù)集上都試驗了一下，可以看出大部分情況下都能還原出圖像輪廓。
而且先驗越好，結(jié)果就會越好。比如在 CelebA 人臉數(shù)據(jù)集中，還原人臉的效果明顯最好（第二行第一個），而它在還原別的圖像時，也會傾向于給出類似于人像的結(jié)果（如第一行第一個）。
不過此方法也有失敗的時候，比如 Reddit 數(shù)據(jù)集中，有些生成圖像會存在偽影。
One More Thing
事實上，除了微軟之外，還有不少科技巨頭都在用哈希算法來加密圖像。
比如我們前文提到的蘋果。
前段時間，他們推出了一種叫做 NeuralHash 的加密技術(shù)來遠程掃描用戶照片，以此來控制虐童照片的傳播。
彼時蘋果一再強調(diào)該技術(shù)的安全性和隱私性。
但是不到半個月的時間，該方法就被一位程序員破解，還被另一位英特爾的工程師發(fā)現(xiàn)了 bug。
前段時間，F(xiàn)acebook 聲稱要讓用戶上傳果照保護隱私，用到的也是這種方法。
Facebook 表示，他們會將你自己上傳果照的哈希值標記，如果在網(wǎng)上發(fā)現(xiàn)了相同的數(shù)值，就會對該圖片做刪除處理。
但隨著這類方法不斷被成功逆向，其安全系數(shù)或許還有待人們考證。
參考鏈接：
[1]https://www.anishathalye.com/2021/12/20/inverting-photodna/
[2]https://github.com/anishathalye/ribosome
[3]https://www.reddit.com/r/MachineLearning/comments/rkrcyh/p_inverting_photodna_with_machine_learning/
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。