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