Sistemas BiométricosApresentação XII Escola Regional de InformáticaSociedade Brasileira de Computação 2004

Agenda

• Introdução• Reconhecimento de Impressões Digitais• Reconhecimento de Íris• Avaliação de Performance• Qual biometria?• Segurança & Privacidade• Biometria X Senhas• Reconhecimento de Faces• Reconhecimento de Locutor• Reconhecimento de Assinaturas• Multi-Biometrias• Mercado• Conclusões

Identificação por Humanos

• Como as pessoas reconhecem uma as outras?

• Usando características como:– Voz

– Face

– Modo de caminhar

– Cheiro

– Etc.

Tecnologias de Autenticação por Máquinas

Definição Formal

• Estudo estatístico de observações biológicas ou eventos

• Uma característica física ou comportamental mensurável utilizada para reconhecer a identidade ou verificar a identidade invocada de um usuário registrado.

• Identificação por meio de partes do corpo

Exemplos de Biometria

Biometrias Emergentes

• Mapeamento venal

• Termografia facial

• DNA

• Reconhecimento de padrão de pele

• Reconhecimento do modo de caminhar

• Reconhecimento da forma da orelha

Características Necessárias de Biometria

• Universalidade: todos têm a biometria• Exclusividade: a biometria é exclusiva o suficiente• Permanência: a biometria é invariante• Coletabilidade: a biometria pode ser medida• Circuvenção: não compartilhável e difícil de

falsificar• Aceitabilidade: estigma social / privacidadeNenhuma biometria realmente oferece todas estas

características

Por que Biometria?

• Muitas aplicações necessitam de identificação positiva e confiável.

• Não pode ser transferida, esquecida ou perdida

• Difícil de copiar ou adulterar

• Pode ser utilizado com ou sem o conhecimento da pessoa.

• Muitas industrias incluindo médica, financeira, comércio, viagens e governo estão muito interessados.

• Cada vez mais, identificação precisa ser automatizada.

Características das Aplicações

• Evidente X Coberta

• Assistida X Não Assistida

• Remota X Local

• Cooperativa X Não Cooperativa

• Habitual X Não Habitual

• Conveniência X Precisão

• Facilidade de Uso X Segurança

Taxonomia Autenticação Biométrica

• Verificação

• Identificação Positiva

• Identificação Negativa (Screening)

• Base de dados abertas e fechadas

Identificação X Verificação Dois Estágios

• Registrar o usuário uma vez usando uma ou mais biometrias

• Registro envolve identificação

• Autenticar muitas vezes

• Autenticação envolve verificação

Registro e Autenticação Biometria Automatizada

• Biometria é um padrão• Automatizar biometria é equivalente a responder?

– Eu já vi este padrão ?

• Teste de hipóteses– Hipótese nula: P = P’– Hipótese alternativa: P ≠ P’

• Problema clássico de reconhecimento de padrões

Blocos Básicos Imagem de Entrada

• Capturar o sinal de forma confiável

• Única ou múltiplas fontes de entrada

• Não deve interferir com o sinal

• Diversas modalidades possíveis– Sinal 1–D

– Imagem 2–D

– Dados 3–D

– Infravermelho, ótico, ultra–som, calor

Extração de Características

• Extrair invariantes de uma imagem de entrada

• Deve reter o poder de discriminação

• Deve reduzir a dimensionalidade da entrada

• Depende fortemente da biometria

Extração de Característica (Exemplo)

Extração de Características (Resultado)

• O resultado da extração de características é um modelo (template).

• Geralmente na forma de vetores de números reais.

Exemplo: Bifurcações em impressões digitais.

Comparação

• Representação dos conjuntos de características é utilizado para calcular um grau de similaridade

• Envolve principalmente técnicas guiadas pelos dados

• Não é possível uma análise teórica pois a distribuição do padrão não é conhecida

• Algoritmo de comparação depende da biometria

• O escore de comparação pode também representar distância entre dois modelos

Comparação (Exemplo)

• Alinhar dois modelos e determinar o melhor alinhamento geométrico de pontos

• Compensar minúcias faltantes, espúrios e distorção elástica

• Medir o grau de similaridade

Comparação

Características Extraídas

Modelos Armazenados

IMPRESSÕES DIGITAIS

Impressões Digitais

• Mais antiga biometria em uso

• Na prática, um método manual detalhado de comparação

• Altamente escalável

• Prática para automação

• Rica em informação

Padrões em Impressões Digitais

Sensores de Impressão Digital

• Ótico + Câmera CCD– FTIR -- Identix, Crosscheck, U.R.U– Fibra ótica -- Delsy

• Semicondutor– Capacitância -- Veridicom, ST Micro, Infineon– Térmicos -- Atmel– Campo Elétrico -- Authentec

• Ultrasom- - Ultra- scan• Tátil• Sem toque• Registros em papel: scanners

Tecnologias de Sensores

Sensores de Impressão Digital Dispositivos Comerciais

Dispositivos Comerciais Pré-Processamento da Imagem

Pré-Processamento da Imagem

Segmentação Afinamento Identificação de Ramificações

Extração de Características

Características

• 2 características são usadas em sistemas automáticos: bifurcações e pontos terminais

• Características complexas são consideradas como combinações destas.

CruzamentoEspúrioIlhaIsoladaLagoBifurcaçãoTerminação

ÍRIS

Reconhecimento pela Íris

Pupila

Íris

Esclera

• Íris: Área entre a córnea e a pupila

• Possui uma textura distintiva

Aspectos Principais

• Padrões espaciais (musculatura e vascularidade) na íris são únicos.

• Sem dependência genética: textura única é resultado de um processo de morfogênese caótico

• Considerada mais precisa

• Identificação não–evasiva

Histórico

• Usada pela primeira vez em uma Prisão em Paris em 1885 (Padrão de coloração da íris)

• 1985: Patente Americana

• 1991: Primeiro artigo técnico (Johnson, LANL)

• 1993: Artigo de Daugman (IEEE PAMI)

• 1997: Artigo de Revisão Wildes (Proc. of IEEE)

Sistema de Reconhecimento Baseado em Íris

Scanners de Íris

< US$200> US$1000

Aquisição da Imagem

• Parte mais difícil de um sistema– Baixo contraste em íris escuras

– Sensitividade a luz

– Reflexão especular da córnea

• Sistema de Daugman– utiliza uma fonte LED e uma câmera de vídeo

• Sistemas de Wildes– Utiliza uma fonte de luz difusa com um polarizador e

uma câmera

Aquisição da Imagem

• Distância da pessoa a câmera: 15-46 cm

• Sujeita a própria posição da região do olho em frente a câmera

• Taxa de captura deve levar em conta o movimento dos olhos

• Tamanho da imagem: +- 200 pixel de diâmetro

• Participação de operador durante o processo de registro

Localização da Íris

• Segmentar a íris da pupila e cílios

• Os cílios podem esconder partes da íris

• Bordas calculadas pela primeira derivada localizam as bordas da íris

• Pupila é modelada como um padrão circular

• Pálpebra modelada como um par de arcos parabólicos

• Soluções baseadas em modelos deformáveis ou modelos ajustáveis são utilizadas para buscar os parâmetros corretos.

Alinhamento da Íris

• Estabelece correspondência pelo alinhamento

• Compensa deslocamento, escalamento e rotação

• Deslocamento é compensado pela localização

• Compensação de escalamento e rotação

Extração de Características

• Texturas apresentadas em múltiplas escalas

• Wildes:– Imagens em quatro resoluções usando pirâmide

Laplaciana

• Daugman: – Filtros 2- D Gabor wavelet

– Quantizar fase e ângulo local em um único to bit

– Uma representação de 256 bytes é obtida

Extração de Características Comparação

• Calcula a distância entre dois conjuntos (vetores) de características

• Daugman:– Distância normalizada de Hamming de 256 bytes

• Wildes:– Correlação normalizada compensando variações locais

em pequenos blocos

– 4 escores sobre quatro bandas

– Limiares empíricos sobre os escores

Performance Reconhecimento de Íris

• Daugman– 592 íris de 323 pessoas; 3 amostras por íris

– Taxa de cruzamento (EER): 1 em 131,000

• Wildes– 60 íris de 40 pessoas; 10 amostras por íris

– 5 amostras iniciais; 5 amostras após nove meses

– Sem falso positivos, sem falso negativos

• Relatório Sandia 1996– Até 10% FRR

– Até 20% FTE

Avaliação de Performance

Taxa de Erro

FRRFAR

Taxa de Erro Igual

Limiar (Threshold)

Receiver Operating Characteristics (ROC) Avaliação de Performance (Terminologia)

• Distribuição de Impostores• Distribuição de Autênticos• Limiar • Taxa de Falsa Aceitação (FAR)• Taxa de Falsa Rejeição (FRR)• Falso Positivo: Falsa Aceitação• Falso Negativo: Falsa Rejeição• Erros Tipo I (FRR) e Tipo II (FAR)• Taxa de Falsa Comparação (FAR)• Representação ROC• Erro Igual ou Taxa de Cruzamento

Outros Erros

• Falha na Aquisição (FTA)

• Falha no registro / cadastro (FTE)

• Falha na utilização (FTU)

Origens dos Erros

• O poder de discriminação do sinal biométrico é limitado por:

• Ruído no sinal

• Erros na apresentação

• Quantização e resolução

• Confiabilidade da extração de características

Projeto de Sistemas Biométricos

Parâmetros quantitativos: Taxas de erroPropriedades qualitativas: Segurança, privacidade, conveniência

Parâmetros de Projeto

• Precisão– FAR, FRR, EER, FTE, FTA

• Tamanho do modelo gerado• Tamanho do sensor• Disponibilidade e custo do sensor• Aspectos de segurança• Detecção de vida• Maturidade• Escalabilidade

Erros das Tecnologias Biométricas Verificação Biométrica

• Exemplo: smartcard & impressão digital (5% FRR)– Assumindo um sistema onde cada pessoa é verificada

com uma referência biométrica

– Se forem 5.000 pessoas* por hora solicitarem acesso, em 14 horas, mais de 3.500 pessoas serão verificadas com erros.

*Newark Airport hourly volume

Identificação Biométrica

• Mesmo se a probabilidade de falsa comparação for ajustada em um nível muito baixo, “para causar o menor transtorno possível” ainda assim haverão muitos falso positivos.

• Exemplo: Checagem de faces & base de dados do governo:– Assumindo um sistema que verifique a face de pessoas em uma base

de dados de 25 suspeitos.– Usando o melhor caso de taxa de falsa positivo para faces: 0.001

• Se 300 pessoas estiverem quiserem ter acesso a um avião,– 7 delas produzirão falso positivo.

– Como uma taxa 1 em 1000 resulta em 300 falsos positivos?• 25 x 300 = 7500 comparações são realizadas !!!

Sete Mitos sobre Biometria

• Biometria X é a melhor biometria para todas as aplicações

• Biometria X é única para cada indivíduo

• Grandes modelos significa melhor precisão

• Nosso sistema biométrico é “plug and play” e não necessita nenhum ajuste

• Precisão real é previsível

• O sistema apresentando melhores FAR e FRR é o sistema mais preciso

• Múltiplas biometrias superam uma única biometria

Mais Mitos sobre Biometria

• Nosso sistema biométrico não utiliza limiares

• Nossas características podem ser utilizadas com qualquer comparador

• Um único valor de erro quantifica a precisão do sistema

• Biometria pode prevenir terrorismo

• Biometria significa 100% de segurança

• Sistemas biométricos invadem a privacidade

Biometria Ideal?

Biometria e Segurança

• Pode substituir o uso de PINs e senhas

• Pode ser muito segura em combinação com smartcards

• É muito conveniente

• Pode ser integrado com técnicas de desafio/respostas para melhorar a segurança

• Diferentes tipos de ataques

Biometria X Senha

• Acesso biométrico não é tão diferente do tradicional acesso via senhas– Senha: cadeia de caracteres– Biometria: cadeia de caracteres mais longa

• A diferença é:– Exata x Comparação algorítmica– Não há necessidade de lembrar da biometria– Pode ser portada sem dificuldades– Não rejeitável– Difícil de compartilhar ou roubar– Irreversível

Outras Biometrias Reconhecimento de Faces

• Identificação ou Verificação a partir da aparência facial

• Tipicamente uma imagem da face– Foto ou vídeo

– Colorida ou Preto e Branco•Espectro não visível (termograma facial)

– Técnicas 3D•Stéreo

•Luz estruturada

Reconhecimento de Faces

• Aceitabilidade

• Dispositivo de captura comum

• Muitas bases de dados legadas

• Verificável por humanos

• Captura remota e sem obstrução (vigilância)

• Porém:– Sensível a muitas variações

– Fácil de burlar

– Não é a biometria mais precisa

Obstáculos

• Iluminação

• Pose

• Idade

• Expressão Facial

• Aparência Facial– Óculos

– Maquiagem

– Estilo do Cabelo

– Bigode, Barba

Aplicações

• Vigilância

• Acesso Físico / Lógico

• Customização passiva

• Identificação em Larga Escala (com assistência)

Detecção da Face

Técnicas

• Várias soluções diferentes

• Divididas entre soluções baseadas na aparência e geometria

Eigenfaces

• Eigenfaces é uma técnica de representação para redução de dimensionalidade e generalização.

• Normaliza e seleciona uma região da face em várias imagens

• Trata cada sub- imagem da face como um vetor de intensidade e encontra momentos dos vetores em uma base de dados.

Eigenfaces Eigenfeatures

Eigenfaces e Eigenfeatures Eigenfeatures

Exemplo Iluminação e Posição

• Controlar a iluminação e postura

• Capturar a variabilidade da iluminação

• Registrar múltiplas vistas

• Criar um modelo 3D

• Modelar a iluminação

Falsificação de Faces

• Primeiros sistemas eram vulneráveis a fotografias

• Detecção de faces “vivas”– Detectar movimentos faciais

– Testar dimensionalidade (3- D)

• Verificar simultaneamente outras biometrias

• Outras vistas

Reconhecimento de Faces para Watchlists

• Exemplo: identificando terroristas em aeroportos

• Performance não muito boa para sistemas automatizados– Falsos alarmes em demasia

– 25% FRR para 1% FAR ou seja, 3 alarmes falsos para um avião de 300 passageiros.

• Útil para auxiliar operadores humanos para casos de interesse.

Verificação de Locutor

• Identificar uma pessoa através de características de sua fala

• Algo que as pessoas fazem naturalmente todo o tempo:– Mesmo em condições difíceis de ruído, canal

– Geralmente emprega algum contexto.

Aplicações

• Particularmente em telefonia– Verificação de transações telefônicas– Home banking, agentes de viagens

• Rotulação de locutor– Vigilância– Indexação de vídeo– Teleconferência

• Forenses– É Osama Bin Laden?

• Acesso a computadores, acesso físico

Vantagens & Desvantagens

• Vantagens:– Dispositivo biométrico de menor custo

– Sem contato

– Bem aceito

– Aquisição pode ser passiva, mesmo oculta

• Desvantagens– Fácil de gravar e reproduzir

– Sujeita a ruídos

Domínios

• Texto Fixo– Usuário diz nome, senha, etc.– Técnicas simples de comparação podem ser usadas– Facilmente burlável com replay

• Texto Dinâmico– Sistema gera um texto que o usuário lê– Modelagem mais complexa– Ataques com replay mais difíceis

• Independente de Texto– Solução passiva usada durante uma transação– Independente da língua

• Biometria Conversacional– Independente de texto com questões aleatórias

Características

• Sinal amostrado e digitalizado (PCM)

• Característica padrão que codificam a distribuição de freqüência da energia sonora em pequenos pedaços (quadros) de voz

Verificação do Movimento dos Lábios

• Identifica uma pessoa através de movimentos dos lábios

• Pode ser combinada com reconhecimento de face e de locutor

• Torna a adulteração muito difícil

Verificação de Assinatura

• Verifica a identidade de uma pessoa através da assinatura– Equivalente a verificação de locutor com texto fixo

Aquisição da Assinatura

• Off-Line– Digitalizar um documento (scanner)

• On-Line– Capturada com um Tablet XY + pen up

•Tablet para computação gráfica

•Terminal Ponto de Venda

•Dispositivo Handheld (PDA, FedEX, Correios, etc.)

– Capturar XY + pen up + pressão da caneta

– Caneta especial sem tablet

– Seguir a trajetória da caneta através de visão

Aplicações

• Biometria mais comumente capturada– Cheques

– Cartão de crédito

– Identidade

– Passaporte, etc.

• Normalmente não é verificada a menos que uma transação seja questionada.

Avanços Atuais e Futuros

• Novas biometrias sendo planejadas

• Melhor tecnologia de sensores– Custos reduzidos significativamente

• Mais pesquisas

• Aquisição mais robusta e melhor manipulação de dados pobres.

• Integração com outros métodos de segurança e autenticação

• Mais estudos de caso e experiências práticas

• Combinação de biometrias

Biometrias Múltiplas

• Sistemas que usam evidências de múltiplos sensores.– BioID: Face, Voz, Movimento dos lábios– Difícil de fraudar todos os modos simultaneamente

• Diferentes modos para:– Diferentes situações:

•Voz e face para home banking e caixa eletrônico

– Diferentes pessoas•Pessoas com impressões digitais comprometidas

– Explorar continuidade da identidade para integrar informações ao longo do tempo.

Continuidade da Identidade

• Seguir uma pessoa ao longo do tempo

• Capturar múltiplas biometrias durante este período

• Permite integrar toda a informação de identidade:– Múltiplas visões de uma face

– Diferentes biometrias

– Outros métodos de autenticação

Mercado Mercado

Conclusões

• Biometria é um modo essencial de autenticação

• Uma área de pesquisa ativa em Inteligência Artificial

• Possui muitas aplicações comerciais

• Utilização prática está ocorrendo lentamente

• Não existe uma única biometria “melhor”

• Precisão mede somente erros acidentais e não ataques/fraudes

Aplicações Práticas

Aplicações Práticas Demos

Demos Demos (O que é a íris?)

Demos (O que é a íris?) Demos

Apresentação

• Esta apresentação estará disponível em:

www.ppgia.pucpr.br/~alekoe

• Contato

alekoe@computer.org

41 271-1668