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