Digital Library

cab1

 
Title:      PREVENÇÃO DE FALSIFICAÇÃO EM SISTEMAS DE RECONHECIMENTO FACIAL: UMA PROPOSTA BASEADA EM CLUSTERIZAÇÃO
Author(s):      Caio César Rodrigues Garcez, Gilmar dos Santos Marques, Edna Dias Canedo, Bruno Garcia Praciano, Francisco Lopes de Caldas Filho e Fábio Lúcio Lopes de Mendonça
ISBN:      978-989-8704-54-2
Editors:      Paula Miranda, Flávia Maria Santoro e Cristiano Costa
Year:      2023
Edition:      Single
Keywords:      Sistemas de Reconhecimento Facial, Detecção de Autenticidade, Técnicas de Clusterização
Type:      Full
First Page:      35
Last Page:      42
Cover:      cover          
Full Contents:      click to dowload Download
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.
   

Social Media Links

Search

Login