View
220
Download
0
Category
Preview:
Citation preview
Sistemas BiométricosAlessandro L. KoerichIEEE Computer Society Distinguished Visitors Program Lecture
3o Congreso de Electrónica, Robótica y Mecánica Automotriz (CERMA)Cuernavaca, Morelos, México Septiembre 2006
Agenda
• Introducción• Reconocimiento de impresiones digitales• Reconocimiento de iris• Avaluación de desempeño• Cual biometría?• Reconocimiento de rostros• Reconocimiento de locutor• Reconocimiento de asignaturas• Multi-Biometrías• Mercado• Conclusiones
Identificación por Humanos
• Como las personas reconocen unas as otras?
• Usando características como:– Rostros
– Voz
– Etc.
Tecnologías de Autenticación por Máquinas
Definición Formal de Biometría
1. Estudio estadístico de observaciones biológicas o eventos
2. Una característica física o comportamental mensurable utilizada para reconocer la identidad o verificar la identidad invocada de un usuario registrado.
3. Identificación por medio de partes del cuerpo
Ejemplos de Biometría
Iris Geometría dela Mano
Huella Digital Retina Modo de Andar
Vasos Sanguíneos VozFirmaRostroTermal
Biometrías Emergentes
• Mapeo venal
• Termografía facial
• DNA
• Reconocimiento de patrones de piel
• Reconocimiento del modo de andar
• Reconocimiento da forma da oreja
Características Necesarias de Biometría
• Universalidad: todos tienen la biometría
• Exclusividad: la biometría é exclusiva o suficiente
• Permanencia: la biometría é invariante
• Colectabilidad: la biometría pode ser medida
• Circuvencion: no compartida y difícil de falsificar
• Aceptabilidad: estigma social / privacidad
Ninguna biometría realmente ofrece todas estas características
Por que Biometría?
• Muchas aplicaciones necesitan de identificación positiva y confiable.
• Non puede ser transferida, olvidada o perdida
• Difícil de copiar o adulterar
• Puede ser utilizada con o sin lo conocimiento de la persona.
• Muchas industrias incluyendo médica, financiera, comercio, viajes y gobierno están mucho interesados.
• Cada vez más, identificación necesita ser automatizada.
Taxonomia
Identificación X Verificación Dos Etapas
1. Registrar el usuario una vez usando una o más biometrías
• Registro implica identificación
2. Autenticar muchas veces• Autenticación implica verificación
Registro y Autenticación
Base de Datos de Modelos
Extracción de Características
Construcción de Modelos
Registro oMatriculacióndel Usuario
Extracción de Características Comparador Si / Non
Autenticación
Datos delUsuario
Biometria del Usuario
Biometria del Usuario
Bloques Básicos
SEÑAL
DE
ENTRADA
Señal de Entrada
• Capturar lo señal de forma confiable
• Única o múltiplas fuentes de entrada
• No debe interferir con el señal
• Diversas modalidades posibles– Señal 1–D
– Imagen 2–D
– Datos 3–D
– Infrarrojo, óptico, ultrasonido, calor
Tecnología de
Adquisición de Datos
Extracción de Características
• Extraer invariantes de un señal de entrada
• Debe retener lo poder de discriminación
• Debe reducir la dimensionalidad de la entrada
• Depende estrechamente de la biometría
Tecnología de Extracción de
Características
Extracción de Características (Ejemplo)
Cruzamiento
Espurio
Isla
Aislada
Lago
Bifurcación
Terminación
Extracción de Características (Resultado)
• Lo resultad de la extracción de características es un modelo (template).
• Generalmente en la forma de vectores de números reales.
Ejemplo: Bifurcaciones en huellas digitales.
Construcción de Modelos Comparación
• Representación de los conjuntos de características es utilizada para calcular un grado de similaridad
• Non es posible una análisis teórica puesto que la distribución de lo patrón non es conocida
• Algoritmo de comparación depende de la biometría
Tecnología de
Comparación
Comparación (Ejemplo)
• Alinear dos modelos y determinar lo mejor alineamiento geométrico de los puntos
• Compensar minucias faltantes, espurios y distorsión elástica
• Medir el grado de similaridad
Comparación
Características Extraídas
Modelos Guardados
Comparación (Ejemplo)
Comparación con todos os vectores en la base
de datos
Cual vector en la base es más similar a el vector T?
El grado de similitud es aceptable/confiable?
HUELLAS DIGITALES Huella Digital
• Más antigua biometría en uso
• En la práctica, un método manual detallado de comparación
• Altamente escalable
• Práctica para automación
• Rica en información
Sensores de Huellas Digital
• Óptico + Cámara CCD– FTIR -- Identix, Crosscheck, U.R.U– Fibra ótica -- Delsy
• Semiconductor– Capacitive -- Veridicom, ST Micro, Infineon– Térmicos -- Atmel– Campo Eléctrico -- Authentec
• Ultrasonido -- Ultra-scan• Táctil• Sin toque• Registros en papel: scanners
Tecnologías de Sensores
Sensores de Huelles Digital Dispositivos Comerciales
Dispositivos Comerciales Pré-Procesamiento de la Imagen
Pré-Procesamiento de la Imagen
Segmentación Afinamiento Identificación de Ramificaciones
Extracción de Características
BifurcaciónTerminación
Características
• 2 características principales son utilizadas en sistemas automáticos: bifurcaciones y puntos termináis
• Características complexas son consideradas como combinaciones de estas.
CruzamientoEspurioIslaAisladaLagoBifurcaciónTerminación
IRIS
Reconocimiento por la Iris
Pupila
Iris
Esclera
• Iris: Área entre la córnea y la pupila
• Poseí una textura distintiva
Aspectos Principales
• Patrones espaciales (musculatura e vascularidad) en la iris son únicos
• Considerada más precisa
• Identificación non evasiva
Histórico
• Usada pela primera vez en una Prisión en Paris en 1885 (Patrón de coloración de la iris)
• 1985: Patente Americana
• 1991: Primero artigo técnico (Johnson, LANL)
• 1993: Artigo de Daugman (IEEE PAMI)
• 1997: Artigo de Revisão Wildes (Proc. of IEEE)
Sistema de Reconocimiento Basado en la Iris
Comparación
Base de Datos
Biométrica
Extracción de Características
Identificacióno
Verificación
Adquisición de la Imagen
Localización de la Iris
Scanners de Iris
< US$ 200
> US$ 1000
Adquisición de la Imagen
• Parte más difícil de un sistema– Bajo contraste en iris escuras
– Sensitividad a la luz
– Reflexión especular de la córnea
• Sistema de Daugman– utiliza una fuente LED y una cámara de vídeo
• Sistemas de Wildes– Utiliza una fuente de luz difusa con un polarizador y una
cámara
Adquisición de la Imagen
• Distancia de la persona a la cámara: 15-46 cm.
• Sujeta a propia posición de la región del ojo en frente a la cámara
• Velocidad de captura debe levar en cuenta lo movimiento de los ojos
• Dimensión de la imagen: +- 200 pixels de diámetro
• Participación de operador durante el proceso de registro
Ubicación de la Iris
• Segmentar la iris de la pupila y pestañas
• Las pestañas pueden esconder partes de la iris
• Bordas calculadas pela primera derivada localizan las bordas de la iris
• Pupila es modelada como un patrón circular
• Pálpebra modelada como un par de arcos parabólicos
• Soluciones basadas en modelos deformables o modelos ajustables son utilizados para buscar los parámetros correctos.
Alineamiento de la Iris
• Establece correspondencia pelo alineamiento
• Compensa desplazamiento, escalamiento y rotación
• Desplazamiento es compensado por la localización
• Compensación de lo escalamiento y rotación
Extracción de Características
• Texturas presentadas en múltiplas escalas
• Wildes:– Imágenes en cuatro resoluciones usando pirámide
Laplaciana
• Daugman: – Filtros 2-D Gabor wavelet
– Cuantizar fase y ángulo local en un solo bit
– Una representación de 256 bytes es obtenida
Extracción de Características Comparación
• Calcula la distancia entre dos conjuntos (vectores) de características
• Daugman:– Distancia normalizada de Hamming de 256 bytes
• Wildes:– Correlación normalizada compensando variaciones locales
en pequeños bloques
– 4 escores sobre cuatro bandas
– Thresholds empíricos sobre los escores
Desempeño Reconocimiento de la Iris
• Daugman– 592 iris de 323 personas; 3 muestras por iris
– Tasa de cruzamiento (EER): 1 en 131,000
• Wildes– 60 iris de 40 personas; 10 muestras por iris
– 5 muestras iniciales; 5 muestras después de nueve meses
– Sin falso positivos, sin falso negativos
• Reporte Sandia 1996– Até 10% FRR
– Até 20% FTE
Avaluación de Desempeño (Curva ROC)
Tasa
de
Fals
a A
cept
ació
n
Tasa de Falsa Rechazo
Mejor
Avaluación de Desempeño (Terminología)
• Tasa de Falsa Aceptación (FAR ou Error Tipo II)– aceptar un usuario non registrado
• Tasa de Falsa Rechazo (FRR o Error Tipo I):– rechazar un usuario registrado
• Representación ROC
Orígenes de los Errores
• Lo poder de discriminación del señal biométrico es limitado por:– Ruido en el señal
– Errores en la presentación
– Cuantización y resolución
– Confiabilidad en la extracción de características
Errores de las Tecnologías Biométricas Verificación Biométrica
• Ejemplo: smartcard & huellas digitales (5% Falso Rechazo)– Asumiendo un sistema donde cada persona es verificada con
una referencia biométrica
– Se 5.000 personas por hora solicitaren acceso, en 14 horas, más de 3.500 personas serán verificadas con errores.
Identificación Biométrica
• Mismo se la probabilidad de falsa comparación fuera ajustada en un nivel muy bajo, “para causar lo menor trastorno posible” todavía habrán muchos falso positivos.
• Ejemplo: Verificación de rostros:– Asumiendo un sistema que verifique lo rostro de personas en una base de
datos de 25 sospechosos.– Usando lo mejor caso de tasa de falso positivo (FRR) para rostros: 1/1000
• Si 300 personas quisiesen tener acceso a un avión,– 7 de ellas producirán falso positivo.
– Como una tasa 1 en 1000 resulta en 300 falsos positivos?• 25 x 300 = 7500 comparaciones son realizadas !!!
Biometría Ideal?
Biometría y Seguridad
• Puede sustituir la utilización de PINs e contraseñas
• Puede ser mucho segura en combinación con smartcards
• Es mucho conveniente
• Puede ser integrada con técnicas de desafío /respuestas para mejorar la seguridad
• Diferentes tipos de ataques
Otras Biometrías
Reconocimiento de Rostros
• Identificación o Verificación a partir da apariencia facial
• Típicamente una imagen de lo rostro– Foto o vídeo
– Colorida o Negro y Blanco•Espectro non visible (termograma facial)
– Técnicas 3D•Stereo
•Luz estructurada
Reconocimiento de Rostros
• Aceptabilidad
• Dispositivo de captura común
• Muchas bases de dados legadas
• Verificable por humanos
• Captura remota y sin obstrucción (vigilancia)
• Pero:– Sensible a muchas variaciones
– Fácil de burlar
– Non es la biometría más precisa
Obstáculos
• Iluminación
• Pose
• Edad
• Expresión Facial
• Apariencia Facial– Anteojos
– Maquillaje
– Estilo de lo Cabello
– Bigote, Barba
Detección de Rostros
Técnicas
• Varias soluciones diferentes
• Divididas entre soluciones basadas en la apariencia y geometría
Reconocimento de Rostros
Geométricos
Local 2D
Basados en Apariencia
3DGlobal
EigenfacesFisherfaces
GaborEigenfeatures
Eigenfaces
• Eigenfaces es una técnica de representación para reducción de dimensionalidad y generalización.
• Normaliza y selecciona una región de lo rostro en varias imágenes
• Trata cada sub-imagen de lo rostro como un vector de intensidad y encuentra momentos de los vectores en una base de datos.
Eigenfaces Eigenfeatures
Medir las distancias entre características
Verificación de Locutor
• Identificar una persona por medio de características de suya habla
• Algo que las personas hacen naturalmente todo lo tiempo:– Mismo en condiciones difíciles de ruido
– Generalmente emplea algún contexto.
Aplicaciones
• Particularmente en telefonía– Verificación de transiciones telefónicas– Home banking, agentes de viajes
• Rotulación de locutor– Vigilancia– Indexación de vídeo– Telé conferencia
• Forenses– Es Osama Bin Laden?
• Acceso a computadores, acceso físico
Ventajas & Desventajas
• Ventajas:– Dispositivo biométrico de menor costo
– Sin contacto
– Bien acepto
– Adquisición puede ser pasiva, mismo oculta
• Desventajas– Fácil de gravar y reproducir
– Sujeta a ruidos
Dominios
• Texto Fijo– Usuario diz nombre, contraseña, etc.– Técnicas simples de comparación pueden ser usadas– Fácilmente falseado con repetición
• Texto Dinámico– Sistema genera un texto que lo usuario lee– Modelación más complexa– Ataques con repetición más difíciles
• Independiente de lo Texto– Solución pasiva usada durante una transacción– Independiente de la lengua
• Biometría Conversacional– Independiente de lo texto con cuestiones aleatórias
Características
• Sinal muestreado y digitalizado (PCM)
• Característica patrón que codifica la distribución de frecuencia de la energía sonora en pequeños pedazos (cuadros) de voz
Verificación de el Movimiento de los Labios
• Identifica una persona por medio de movimientos de los labios
• Puede ser combinada con reconocimiento de rostro y de locutor
• Torna la adulteración mucho difícil
Verificación de la Asignatura
• Verifica la identidad de una persona por medio de la asignatura– Equivalente a la verificación de locutor con texto fijo
Adquisición de la Asignatura
• Off-Line– Digitalizar un documento (scanner)
• On-Line– Capturada con un Bloc XY + pluma up
•Bloc para computación gráfica
•Terminal Ponto de Venda
•Dispositivo Handheld (PDA, FedEX, Correios, etc.)
– Capturar XY + pluma up + presión de la pluma
– Pluma especial sen bloc
– Seguir la trayectoria de la pluma por medio de vision
Aplicaciones
• Biometría más comúnmente capturada– Cheques
– Tarjeta de crédito
– Identidad
– Pasaporte, etc.
• Normalmente non es verificada a menos que una transacción sea cuestionada.
Avances Actuales y Futuros
• Novas biometrías sendo planeadas• Mejor tecnología de sensores
– Costos reducidos significativamente
• Más investigación• Adquisición más robusta y mejor manipulación de datos.• Integración con otros métodos de seguridad y autenticación• Más estudios de caso y experiencias prácticas• Combinación de biometrías
Biometrías Múltiplas
• Sistemas que usan evidencias de múltiplos sensores.– BioID: Faz, Voz, Movimiento de los labios– Difícil de trampear todos os modos simultáneamente
• Diferentes modos para:– Diferentes situaciones:
•Voz e faz para home banking y ATMs (Terminal bancaria)
– Diferentes personas•Personas con huellas digitales comprometidas
– Explorar la continuidad de la identidad para integrar informaciones a el longo del tiempo.
Biometrías Múltiplas
Base de Datos
Biométrica
Extracción de Características
Extracción de Características Comparador
Si / Non
Biometria del Usuario
Biometria del Usuario
Comparador
Combinación
Continuidad da Identidad
• Seguir una persona ao longo del tiempo
• Capturar múltiplas biometrías durante este período
• Permite integrar toda la información de identidad:– Múltiplas visiones de una faz
– Diferentes biometrías
– Otros métodos de autenticación
Mercado
Mercado Conclusiones
• Biometría es un modo esencial de autenticación
• Una área de pesquisa activa en computación
• Tiene muchas aplicaciones comerciales
• Utilización está ocurriendo lentamente
• Non existe una única biometría “mejor”
Aplicaciones Actuales Aplicaciones Actuales
Aplicaciones Actuales
Hong Kong
Iraq
Holland
Presentación
• Esta presentación estará disponible en:
www.alekoe.org
• Contacto
alekoe@computer.org
alekoe@ppgia.pucpr.br
alessandro@invisys.com.br
Recommended