ריטה אוסדצ'י

ריטה אוסדצ'י
	אין תמונה חופשית
ענף מדעי	מדעי המחשב
מקום לימודים	אוניברסיטת חיפה
מנחה לדוקטורט	Daniel Keren
מוסדות	אוניברסיטת חיפה
	rita.osadchy.net

מרגריטה (ריטה) אוסדצ'י היא פרופסור למדעי המחשב, המכהנת כראש החוג למדעי המחשב באוניברסיטת חיפה.^[1] תחומי המחקר שלה הם אבטחה ופרטיות של מידע ביומטרי ואלגוריתמי למידת מכונה, ראיה ממוחשבת, מדע הנתונים ולמידת מכונה.^[2]

ביוגרפיה[עריכת קוד מקור | עריכה]

למדה לתואר ראשון (1992–1994) ותואר שני (1994–1997) במתמטיקה ומדעי המחשב באוניברסיטת חיפה. במקביל ללימודי התואר השני ועד 2001, עבדה בחברת הביו-טק Biosense Webster, תחילה כמהנדסת תוכנה ובהמשך כמדענית.^[3]^[4]

בין 1998 ל-2002 למדה לתואר דוקטור במדעי המחשב ומתמטיקה באוניברסיטת חיפה, בהנחיית דניאל קרן.^[3] עבודת התזה שלה עסקה באלגוריתם חדש לזיהוי עצמים בתמונה. ניתן להשתמש באלגוריתם לזיהוי פרצופי אדם בתמונה, זיהוי עצמים מסוימים בתצלומי אוויר (למשל מטוסים בתצלום אווירי של נמל תעופה) וזיהוי אובייקט תלת-ממדי מזוויות שונות.^[5]

מ-2001 עד 2004 עבדה כמדענית בפוסט-דוקטורט במעבדות של תאגיד האלקטרוניקה ומערכות המידע NEC (אנ'), בפרינסטון, ניו ג'רזי. בנוסף פיתחה אלגוריתמי זיהוי וקיטלוג עצמים במשרת פוסט-דוקטורט בטכניון.^[3]^[4]

החל מ-2005 עובדת באוניברסיטת חיפה.^[3] נכון ל-2023, אוסדצ'י מכהנת כראש החוג למדעי המחשב.^[1] בנוסף מכהנת בוועדה המדעית המכווינה של המרכז לחקר סייבר משפט ומדיניות.^[6]

מחקר[עריכת קוד מקור | עריכה]

אבטחה של מידע ביומטרי[עריכת קוד מקור | עריכה]

התגברות השימוש במערכות זיהוי ביומטרי (כגון זיהוי טביעות אצבע וזיהוי פנים) הובילה לצורך גובר באבטחת המידע הביומטרי. אוסדצ'י פרסמה מספר מאמרים שעוסקים בתחום זה.

ב-2010 אוסדצ'י ושותפים פיתחו מערכת לזיהוי פנים באמצעות חישוב רב-משתתפים בטוח. במערכת זו שרת המכיל מאגר מסווג של פרצופי חשודים, ומצלמות שאוספות מידע ממקומות ציבוריים. כדי לשמור על פרטיותם של כל המשתתפים, על השרת לא להיחשף לווידאו שמגיע מהמצלמות (כדי לשמור על פרטיות הציבור), ועל המצלמות לא להחשף למאגר הפרצופים המסווג (כדי לשמור על המידע המסווג של הרשויות). למרות שכל צד חשוף רק לחלק מהמידע, המערכת השלמה מסוגלת לקבוע האם חשוד הופיע באחת מהמצלמות (למרות שהמצלמה לא תדע מיהו החשוד, והשרת לא יכיר את הווידאו). כדי להשיג מטרה זו, אוסדצ'י ושותפיה יצרו פרוטוקול מאובטח המתבסס על הצפנה הומומורפית והעברה עלומה, ובנוסף פיתחו אלגוריתם זיהוי פנים חדש המותאם לחישוב רב-משתתפים בטוח.^[7]

כמו כן, אוסדצ'י ושותפים פיתחו שיטות ליצירה של תמונות פנים מלאכותיות אך בעלות מאפיינים ריאליסטיים. אוסדצ'י יישמה שיטות אלה לטובת יצירת מאגר תמונות גדול לשם מדידת ביצועים של אלגוריתמי זיהוי פנים בטוחים (ראה נתונים סינתטיים (אנ')).^[8] בנוסף תיארה כיצד לבנות מערכת אימות מבוססת זיהוי פנים שתאגור תמונות פנים של משתמשים לצד תמונות פנים מלאכותיות, באופן שיקשה על פורץ להבדיל בין תמונות אמיתיות לתמונות מלאכותיות, ויאפשר לזהות את הפריצה ביותר קלות (שכן הפורץ עלול לנסות להזדהות באמצעות תמונת פנים מלאכותית, שהמערכת תדע לזהות).^[9]

למידת מכונה[עריכת קוד מקור | עריכה]

ב-2004 אוסדצ'י, מאט מילר ויאן לקון, פיתחו שיטה חדשה לזיהוי פנים והבעת הפנים. השיטה מתבססת על רשת קונבולוציה.^[10]

ב-2017 אוסדצ'י ושותפים פרסמו מאמר המתאר כיצד לייעל משמעותית ספקטרוסקופיית ראמאן (אנ') באמצעות רשת קונבולוציה עמוקה. ספקטרוסקופיית ראמאן היא שיטה לזיהוי חומרים באמצעות תנודות מולקולריות, שבשימוש לבקרה תעשייתית ולמחקר בתחומים כמו רפואה, כימיה, פיזיקה וגאולוגיה. לפני המחקר, ספקטרוסקופיית ראמאן דרשה תהליכי עיבוד-מקדים מסורבלים כדי לנקות רעש מהמדידות. המחקר הראה שניתן להפעיל רשת קונבולוציה עמוקה על המדידות ללא עיבוד-מקדים יקר, וכך להביא לייעול משמעותי.^[11]

בנוסף, אוסדצ'י עוסקת בייעול של למידת מכונה.^[12] למשל, ב-2020 פרסמה מאמר שמתאר דרך לכווץ רשתות נוירונים, במטרה לאפשר להריצם על מכשירים בעלי כוח חישוב מוגבל.^[13]

מנגנון CAPTCHA עמיד מול מודלי למידה עמוקה[עריכת קוד מקור | עריכה]

(a) - התמונה המקורית, שהמודל מסווג ככלב רועים שלטי. (b) - רעש שנוצר במטרה לבלבל את המודל. (c) - התמונה אחרי שהורעשה. כעת המודל מסווג את התמונה כאופניים דו-מושביים.

מודלי למידה עמוקה אפשרו למחשבים לפתור בעיות CAPTCHA קלאסיות, כגון זיהוי תווים וזיהוי עצמים.^[14]^[15] כחלק מהמאמץ להפיכת CAPTCHA לעמידה אל מול מודלי למידה עמוקה, אוסדצ'י פיתחה הוכחת היתכנות למערכת CAPTCHA מודרנית, המבוססת על סיווג אובייקטים, באופן כזה שמודלי למידה עמוקה לא יוכלו לעבור את המבחן. אוסדצ'י ושותפיה התבססו על טכניקות מתחום למידת מכונה אדברסרית (אנ') כדי להרעיש תמונות בצורה שתבלבל מודלי למידה עמוקה (אך לא בני אדם). השיטה חסינה לניסיונות להסרת הרעש, ובנוסף מאפשרת ליצור את התמונות המורעשות ביעילות.^[16]^[17]

קישורים חיצוניים[עריכת קוד מקור | עריכה]

אתר האינטרנט הרשמי של ריטה אוסדצ'י (באנגלית)
"ללמד מחשבים לראות", מאת ריטה אוסדצ'י, כחלק מ"מחקר בגובה העיניים" באתר הקרן הלאומית למדע
סרטון הדגמה של אלגוריתם זיהוי פנים מבוסס רשת קונבולוציה, שפיתחה אוסדצ'י ביחד עם יאן לקון ומאט מילר

ריטה אוסדצ'י, ברשת החברתית LinkedIn
ריטה אוסדצ'י, באתר פרויקט הגנאלוגיה במתמטיקה
ריטה אוסדצ'י, באתר dblp
ריטה אוסדצ'י, באתר ResearchGate
ריטה אוסדצ'י, באתר גוגל סקולר
ריטה אוסדצ'י, באתר Semantic Scholar
ריטה אוסדצ'י, באתר IEEE

הערות שוליים[עריכת קוד מקור | עריכה]

^ ¹ ² החוג למדעי המחשב, באתר cs.hevra.haifa.ac.il
^ Margarita Osadchy, rita.osadchy.net
^ ¹ ² ³ ⁴ קורות חיים - ריטה אוסדצ'י, באתר אישי, ‏2006 (באנגלית)
^ ¹ ² Margarita Osadchy, ברשת החברתית LinkedIn
^ Antifaces: A novel, fast method for image detection, scholar.google.com
^ Dr. Margarita Osadchy, cyber.haifa.ac.il
^ Margarita Osadchy, Benny Pinkas, Ayman Jarrous, Boaz Moskovich, SCiFI - A System for Secure Face Identification, IEEE Symposium on Security and Privacy, 2010
^ G en F ace: Improving Cyber Security Using Realistic Synthetic Face Generation, scholar.google.com
^ Mor Ohana, O. Dunkelman, S. Gibson, Margarita Osadchy, HoneyFaces: Increasing the Security and Privacy of Authentication Using Synthetic Facial Images, ArXiv, 2016-11-11
^ Synergistic face detection and pose estimation with energy-based models, scholar.google.com
^ Deep convolutional neural networks for Raman spectrum recognition: a unified solution, scholar.google.com
^ Haifa U: Neurotech Community Day, Brainstorm IL
^ Data-independent structured pruning of neural networks via coresets, scholar.google.com
^ Elie Bursztein, Jonathan Aigrain, Angelika Moscicki, John C. Mitchell, The end is nigh: generic solving of text-based CAPTCHAs, Proceedings of the 8th USENIX conference on Offensive Technologies, WOOT'14, USENIX Association, 2014-08-19, עמ' 3 doi: 10.5555/2671293.2671296
^ I. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, Vinay D. Shet, Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks, CoRR, 2013-12-20
^ Margarita Osadchy, Julio Hernandez-Castro, Stuart Gibson, Orr Dunkelman, Daniel Perez-Cabo, No Bot Expects the DeepCAPTCHA! Introducing Immutable Adversarial Examples, With Applications to CAPTCHA Generation, IEEE Transactions on Information Forensics and Security 12, 2017-11, עמ' 2640–2653 doi: 10.1109/TIFS.2017.2718479
^ Hacking Deep Learning: DeepCAPTCHA- Protection Mechanisms Based on Adversarial Example, ערוץ היוטיוב של מרכז המחקר לקריפטוגרפיה יישומית ואבטחת סייבר באוניברסיטת בר-אילן, ‏25 במרץ 2018 (באנגלית)

[ראשי-1] ¹ ² החוג למדעי המחשב, באתר cs.hevra.haifa.ac.il

[2] Margarita Osadchy, rita.osadchy.net

[קורות-3] ¹ ² ³ ⁴ קורות חיים - ריטה אוסדצ'י, באתר אישי, ‏2006 (באנגלית)

[לינקדאין-4] ¹ ² Margarita Osadchy, ברשת החברתית LinkedIn

[5] Antifaces: A novel, fast method for image detection, scholar.google.com

[6] Dr. Margarita Osadchy, cyber.haifa.ac.il

[7] Margarita Osadchy, Benny Pinkas, Ayman Jarrous, Boaz Moskovich, SCiFI - A System for Secure Face Identification, IEEE Symposium on Security and Privacy, 2010

[8] G en F ace: Improving Cyber Security Using Realistic Synthetic Face Generation, scholar.google.com

[9] Mor Ohana, O. Dunkelman, S. Gibson, Margarita Osadchy, HoneyFaces: Increasing the Security and Privacy of Authentication Using Synthetic Facial Images, ArXiv, 2016-11-11

[10] Synergistic face detection and pose estimation with energy-based models, scholar.google.com

[11] Deep convolutional neural networks for Raman spectrum recognition: a unified solution, scholar.google.com

[12] Haifa U: Neurotech Community Day, Brainstorm IL

[13] Data-independent structured pruning of neural networks via coresets, scholar.google.com

[14] Elie Bursztein, Jonathan Aigrain, Angelika Moscicki, John C. Mitchell, The end is nigh: generic solving of text-based CAPTCHAs, Proceedings of the 8th USENIX conference on Offensive Technologies, WOOT'14, USENIX Association, 2014-08-19, עמ' 3 doi: 10.5555/2671293.2671296

[15] I. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, Vinay D. Shet, Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks, CoRR, 2013-12-20

[16] Margarita Osadchy, Julio Hernandez-Castro, Stuart Gibson, Orr Dunkelman, Daniel Perez-Cabo, No Bot Expects the DeepCAPTCHA! Introducing Immutable Adversarial Examples, With Applications to CAPTCHA Generation, IEEE Transactions on Information Forensics and Security 12, 2017-11, עמ' 2640–2653 doi: 10.1109/TIFS.2017.2718479

[17] Hacking Deep Learning: DeepCAPTCHA- Protection Mechanisms Based on Adversarial Example, ערוץ היוטיוב של מרכז המחקר לקריפטוגרפיה יישומית ואבטחת סייבר באוניברסיטת בר-אילן, ‏25 במרץ 2018 (באנגלית)

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]