|
Paper Abstract:
|
Embora o desempenho de Sistemas de Reconhecimento Facial (SRF) na identificação de usuários seja atualmente satisfatório, no que se refere às aplicações de controle de acesso, o aumento do uso de biometria falsa representa uma ameaça significativa à confiabilidade e segurança desses sistemas biométricos. Garantir a autenticidade dos usuários e desenvolver técnicas robustas de detecção de autenticidade, do inglês liveness detection, são aspectos cruciais para aprimorar a resistência contra tentativas de falsificação, do inglês spoofing, garantindo, assim, a eficácia contínua desses sistemas. O desafio de diferenciar uma biometria autêntica de uma biométrica falsa tem se tornado objeto de pesquisa e desenvolvimento. Este artigo propõe como mecanismo de prevenção de falsificação em sistemas de reconhecimento facial a aplicação de técnicas de incorporação, do inglês embeddings, seguidas de formas de agrupamento conforme o algoritmo t-distributed Stochastic Neighbor Embedding (t-SNE) para formação clusters a partir dessas incorporações. Ao contrário de outras técnicas de redução de dimensionalidade, o t-SNE mantém a estrutura local e global dos dados, tornando-o ideal para interpretar a distribuição complexa de imagens faciais. Nossa abordagem vai além da simples identificação de faces, estendendo-se à compreensão de toda a imagem, capturando assim as sutilezas e discrepâncias ambientais potencialmente associadas a tentativas de falsificação. Nossos resultados experimentais revelam que a combinação de incorporações de imagens e clusterização com t-SNE melhora significativamente a detecção de ataques de falsificação em sistemas de reconhecimento facial, representando um passo substancial no combate às tentativas de falsificação. |
