Agenda • • • • • • Alessandro L. Koerich • IEEE Computer Society Distinguished Visitors Program Lecture • • 3o Congreso de Electrónica, Robótica y Mecánica Automotriz (CERMA) • Cuernavaca, Morelos, México Septiembre 2006 •

Sistemas Biométricos

Identificación por Humanos • Como las personas reconocen unas as otras? • Usando características como: – Rostros – Voz – Etc.

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

Tecnologías de Autenticación por Máquinas

Definición Formal de Biometría

Ejemplos 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

Iris

Vasos Sanguíneos

Geometría de la Mano

Termal

Huella Digital

Rostro

Retina

Firma

Modo de Andar

Voz

Biometrías Emergentes

Características Necesarias de Biometría

• Mapeo venal • Termografía facial • DNA • Reconocimiento de patrones de piel • Reconocimiento del modo de andar • Reconocimiento da forma da oreja

• 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?

Taxonomia

• 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.

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 Extracción de Características

Bloques Básicos

Biometria del Usuario

Registro o Matriculación del Usuario

Datos del Usuario

D E

Base de Datos de Modelos

Extracción de Características

Comparador

Si / Non

Biometria del Usuario

Señal de Entrada

Tecnología de Adquisición de Datos

S E Ñ A L

Construcción de Modelos

• 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

Autenticación

E N T R A D A

Extracción de Características • Extraer invariantes de un señal de entrada • Debe retener lo poder de discriminación Tecnología de Extracción de Características

• Debe reducir la dimensionalidad de la entrada • Depende estrechamente de la biometría

Extracción de Características (Ejemplo)

Extracción de Características (Resultado)

Terminación Bifurcación Lago

• Lo resultad de la extracción de características es un modelo (template). • Generalmente en la forma de vectores de números reales.

Aislada Isla Espurio Cruzamiento Ejemplo: Bifurcaciones en huellas digitales.

Construcción de Modelos

Comparación • Representación de los conjuntos de características es utilizada para calcular un grado de similaridad Tecnología de Comparación

• Non es posible una análisis teórica puesto que la distribución de lo patrón non es conocida • Algoritmo de comparación depende de la biometría

Comparación (Ejemplo)

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 con todos os vectores en la base de datos

Modelos Guardados Comparación

Cual vector en la base es más similar a el vector T? Características Extraídas

HUELLAS DIGITALES

El grado de similitud es aceptable/confiable?

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

Tecnologías de Sensores

• 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

Sensores de Huelles Digital

Dispositivos Comerciales

Dispositivos Comerciales

Pré-Procesamiento de la Imagen

Pré-Procesamiento de la Imagen

Extracción de Características

Terminación

Segmentación

Afinamiento

Identificación de Ramificaciones

Bifurcación

Características

IRIS

• 2 características principales son utilizadas en sistemas automáticos: bifurcaciones y puntos termináis • Características complexas Terminación son consideradas como Bifurcación combinaciones de estas. Lago Aislada Isla Espurio Cruzamiento

Reconocimiento por la Iris

Aspectos Principales

• Iris: Área entre la córnea y la pupila • Poseí una textura distintiva

• Patrones espaciales (musculatura e vascularidad) en la iris son únicos

Pupila

Iris

Esclera

• Considerada más precisa • Identificación non evasiva

Histórico

Sistema de Reconocimiento Basado en la Iris

• 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)

Adquisición de la Imagen

Localización de la Iris

Extracción de Características Identificación o Verificación

Comparación

Base de Datos Biométrica

Scanners de Iris

Adquisición de la Imagen • Parte más difícil de un sistema – Bajo contraste en iris escuras – Sensitividad a la luz – Reflexión especular de la córnea > US$ 1000

< US$ 200

• 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

Ubicación de la Iris

• 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

• 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

Extracción de Características

• Establece correspondencia pelo alineamiento • Compensa desplazamiento, escalamiento y rotación • Desplazamiento es compensado por la localización • Compensación de lo escalamiento y rotación

• 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

Avaluación de Desempeño (Curva ROC)

– 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

Tasa de Falsa Aceptación

• Daugman

Mejor

Tasa de Falsa Rechazo

Avaluación de Desempeño (Terminología)

Orígenes de los Errores

• Tasa de Falsa Aceptación (FAR ou Error Tipo II)

• Lo poder de discriminación del señal biométrico es limitado por:

– aceptar un usuario non registrado

• Tasa de Falsa Rechazo (FRR o Error Tipo I): – rechazar un usuario registrado

– Ruido en el señal – Errores en la presentación – Cuantización y resolución – Confiabilidad en la extracción de características

• Representación ROC

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

Biometría Ideal?

• 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 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

Reconocimiento de Rostros

• Identificación o Verificación a partir da apariencia facial • Típicamente una imagen de lo rostro

• Aceptabilidad • Dispositivo de captura común • Muchas bases de dados legadas • Verificable por humanos • Captura remota y sin obstrucción (vigilancia) • Pero:

– Foto o vídeo – Colorida o Negro y Blanco • Espectro non visible (termograma facial)

– Técnicas 3D • Stereo • Luz estructurada

Obstáculos • Iluminación • Pose • Edad • Expresión Facial • Apariencia Facial – Anteojos – Maquillaje – Estilo de lo Cabello – Bigote, Barba

– Sensible a muchas variaciones – Fácil de burlar – Non es la biometría más precisa

Detección de Rostros

Técnicas

Eigenfaces

• Varias soluciones diferentes • Divididas entre soluciones basadas en la apariencia y geometría

• 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.

Reconocimento de Rostros

Basados en Apariencia

Eigenfaces

Local

Global

Gabor Eigenfeatures

Eigenfaces Fisherfaces

Geométricos

2D

3D

Eigenfeatures

Medir las distancias entre características

Verificación de Locutor

Aplicaciones

• Identificar una persona por medio de características de suya habla • Algo que las personas hacen naturalmente todo lo tiempo:

• Particularmente en telefonía

– Mismo en condiciones difíciles de ruido – Generalmente emplea algún contexto.

– 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

Dominios

• Ventajas:

• Texto Fijo

– Dispositivo biométrico de menor costo – Sin contacto – Bien acepto – Adquisición puede ser pasiva, mismo oculta

• Desventajas – Fácil de gravar y reproducir – Sujeta a ruidos

– 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

Verificación de el Movimiento de los Labios

• Sinal muestreado y digitalizado (PCM) • Característica patrón que codifica la distribución de frecuencia de la energía sonora en pequeños pedazos (cuadros) de voz

• 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

Adquisición de la Asignatura

• Verifica la identidad de una persona por medio de la asignatura

• Off-Line

– Equivalente a la verificación de locutor con texto fijo

– 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

Avances Actuales y Futuros

• Biometría más comúnmente capturada

• Novas biometrías sendo planeadas • Mejor tecnología de sensores

– Cheques – Tarjeta de crédito – Identidad – Pasaporte, etc.

• Normalmente non es verificada a menos que una transacción sea cuestionada.

Biometrías Múltiplas

– 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:

Extracción de Características

Comparador

Biometria del Usuario Combinación

– Diferentes situaciones:

Base de Datos Biométrica

• Voz e faz para home banking y ATMs (Terminal bancaria)

– Diferentes personas Extracción de Características

• Personas con huellas digitales comprometidas

– Explorar la continuidad de la identidad para integrar informaciones a el longo del tiempo.

Biometria del Usuario

Comparador

Si / Non

Continuidad da Identidad

Mercado

• 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

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

Presentación • Esta presentación estará disponible en: www.alekoe.org • Contacto [email protected] [email protected] [email protected]

Hong Kong Iraq

Holland