Apple照片掃描的AI演算法被逆向工程，Intel工程師發現漏洞

月初，蘋果表示將在iOS 15、macOS 12中加入對使用者照片的檢測，目的是遏制兒童色情與虐童照片的傳播。蘋果還一再強調這項技術的安全性和準確性。

現在，不到半個月的時間，蘋果的這項技術已經被一位名為Asuhariet Ygvar程式師「破解」了。

他成功將這個尚未正式發佈的AI模型逆向工程，並在GitHub上提供轉化成Python的教程。幾個小時後，另一位來自Intel的工程師就發現了該模型的一個bug。這讓蘋果十分尷尬。

Ygvar發現，其實早在iOS 11.3、macOS 11.4開始，就已經在系統中加入了照片檢測模型NeuralHash，只不過尚未啟用。

因此任何可以下載到蘋果系統韌體的人，都可以輕鬆將NeuralHash模型提取出來。

如何提取NeuralHash模型

對於macOS用戶或者已經越獄的iOS使用者來說，找到NeuralHash模型檔非常方便，就在以下路徑中：

/System/Library/Frameworks/Vision.framework/Resources/ （macOS）

/System/Library/Frameworks/Vision.framework/ （iOS）

你會發現neuralhash開頭的4個文件：

至於未越獄的用戶，可以下載ipsw格式刷機檔案，找到其中最大的dmg檔，從這個鏡像中找到模型。

由於步驟較多，在此不再贅述，具體操作看參照文末GitHub說明操作。

如何逆向工程

在這4個檔中，net和shape結尾的檔都是json格式，使用蘋果開源技術LZFSE壓縮；weights保存的是權重。

解壓前首先需安裝LZFSE解壓工具：

brew install lzfse

將net和shape解壓，和權重檔案放在一個資料夾中：

dd if=NeuralHashv3b-current.espresso.net bs=4 skip=7 | lzfse -decode -o model.espresso.net
dd if=NeuralHashv3b-current.espresso.shape bs=4 skip=7 | lzfse -decode -o model.espresso.shape
cp NeuralHashv3b-current.espresso.weights model.espresso.weights

為了把模型轉換為ONNX格式，還要安裝以下依賴項：

pip install onnx coremltools

轉換模型時，Ygvar使用了騰訊優圖實驗室的TNN，這是一款可以轉換多種AI模型的開源工具，可以將蘋果的Core ML轉為ONNX格式。

cd ..
git clone https://github.com/AsuharietYgvar/TNN.git
cd TNN
python3 tools/onnx2tnn/onnx-coreml/coreml2onnx.py ../NeuralHash

模型轉化為ONNX格式後，就可以算出任何圖片的96bit神經雜湊值。

ab14febaa837b6c1484c35e6

NeuralHash如何工作

說到這裡，蘋果的NeuralHash具體是如何產生圖片雜湊值的？

NeuralHash是一種基於神經網路的圖像感知雜湊（perceptual hashing）方法，具體步驟如下：

將圖像轉換為RGB；
將圖像大小調整為360x360；
將RGB值歸一化到[-1, 1]範圍；
用NeuralHash模型進行推理；
將運算得到128個浮點數的向量與96x128矩陣相乘；
對產生的96個浮點向量使用單位階躍函數；
將1.0和0.0的向量轉換為位，產生96位二進位資料。

這項技術保證圖像被壓縮或者大小被調整的情況下，雜湊值依舊不變。

▲ 經過黑白處理的圖片和原圖片具有相同雜湊值

幾小時後就被找到bug

但是Ygvar發現，雖然NeuralHash可以承受圖像大小調整和壓縮，但如果圖像遭裁剪或旋轉，雜湊值則會發生改變。

這也意味著，不法分子可以透過後兩種編輯圖片的方法，逃過圖片審核。

在Ygvar發佈逆向工程的模型幾個小時後，另一位高手就發現了NeuralHash的一個bug。

Intel工程師Cory Cornelius發現其中存在雜湊值衝突漏洞，請看下面兩張圖：

只能說二者毫不相干，但是用NeuralHash模型計算一下卻發現，二者的雜湊值完全一樣。

$ python3 nnhash.py NeuralHash/model.onnx neuralhash_128x96_seed1.dat beagle360.png
59a34eabe31910abfb06f308
$ python3 nnhash.py NeuralHash/model.onnx neuralhash_128x96_seed1.dat collision.png
59a34eabe31910abfb06f308

其實早在11天前，另一位名叫unrealwill的GitHub使用者就上傳了雜湊值衝突攻擊的程式碼，用來產生和原圖雜湊值一樣的圖片。

外媒TechCrunch針對這個漏洞詢問了蘋果。蘋果還表示，現在被逆向工程的NeuralHash是早期版本，而不是即將推出的完整版本。

但蘋果回避了雜湊值衝突問題，強調有人工審核防止該功能被濫用。

破解NeuralHash的Ygvar表示，他的目的是希望説明我們更好地瞭解該演算法，在所有iOS設備上啟用之前發現潛在的問題。

不知下個月的iOS 15正式版是否真有重大改進。

資料來源：