VIII Ciclo de Conferencias UPM TASSI Aplicaciones de la...

VIII Ciclo de Conferencias

UPM TASSI

Aplicaciones de la Biometra a la Seguridad

Carmen Snchez vila

Grupo de Biometra, Bioseales y Seguridad Centro de Domtica Integral (CEDINT)

Universidad Politcnica de Madrid Email: [email protected]

Web: http://www.gb2s.es/

Carmen Snchez vila

ndice

1. Introduccin a la Biometra

2. Principales sistemas biomtricos basados en:

Huella dactilar

Iris

Mano

Cara

3. Algunas aplicaciones de la Biometra

4. Problemas abiertos y tendencias futuras

Carmen Snchez vila

Biometra

Objetivo: la identificacin de una persona mediante sus

caractersticas biofsicas o de comportamiento

Tcnicas biomtricas ms conocidas:

Huella dactilar

Caractersticas del ojo: iris y retina

Geometra de la mano e imagen vascular

Caractersticas faciales

Composicin qumica del olor corporal

Lneas de la mano

Escritura manuscrita

Voz

Tecleo

Gesto y movimiento corporal

Carmen Snchez vila

Reconocimiento

facial

Reconocimiento de huellas

dactilares

Reconocimiento

biomtrico de la

geometra de la

mano

Reconocimiento

de retina

Reconocimiento

biomtrico de la firma

Reconocimiento de voz

Reconocimiento de

dinmica de tecleo

Reconocimiento de

ADN

Reconocimiento de

iris

Biometra: tcnicas biomtricas ms conocidas

Carmen Snchez vila

Biometra dinmica

Medida de diferentes comportamientos

de cada persona Biometra esttica

Medida de rasgos fsicos de la persona

Biometra multimodal

Combinacin de medidas, tanto fsicas

como de comportamiento

Biometra

Carmen Snchez vila

Los requisitos bsicos que deben reunir las

caractersticas biomtricas son:

Universalidad: todos los usuarios la tienen

Singularidad o univocidad: carcter distintivo

Permanencia: en el tiempo y condiciones ambientales diversas

Colectividad: ha de ser mensurable cuantitativamente

Rendimiento o actuacin: elevado nivel de exactitud

Aceptacin: por parte del usuario

Resistencia a fraude o usurpacin

Biometra

Carmen Snchez vila

Bloques y etapas de un sistema biomtrico

Biometra

Carmen Snchez vila

Esquemas de Funcionamiento: Reconocimiento: (quin es?) Se compara la

muestra con todos los patrones almacenados de los distintos usuarios del sistema

Autenticacin: (es quin dice ser?) Se compara la muestra con el patrn del usuario que reclama su identidad.

Etapas: Captura de los datos biomtricos

Preprocesado de los datos capturados

Extraccin de las caractersticas propias del usuario

Comparacin con el patrn almacenado:

Clasificador (reconocimiento biomtrico): 1 N

Verificador (autenticacin biomtrica): 1 1

Biometra

Carmen Snchez vila

PROCESO DE INSCRIPCIN

Biometra

Carmen Snchez vila

Biometra

Carmen Snchez vila

Tasa de falsos positivos TFP (False Match Rate, FMR) Proporcin de muestras falsamente asignadas a un usuario al

que no le pertenecen

Tasa de falsos negativos TFN (False Non Match Rate, FNMR)

Proporcin de muestras falsamente rechazadas como pertenecientes al cliente al que pertenecen

Tasa de Falsa Aceptacin (FAR) Proporcin de veces que se acepta a un intruso como usuario del sistema

Tasa de Falso rechazo (FRR) Proporcin de veces que se rechaza a un usuario legtimo del sistema

Tasa de Igual Error (EER) Valor para el que FAR=FRR

Biometra: rendimiento de los sistemas

Carmen Snchez vila

FAR FRR

Umbral

% E

rror

EER


Carmen Snchez vila

Curva ROC (Receiver Operating Characteristics) Muestra la variacin de la TFP y al tasa de verdaderos positivos (1-TFN)

con respecto a un determinado umbral

Curva DET (Detection Error Tradeoff) Muestra el nmero de desviaciones normales en la distribucin normal

estndar correspondiente a las probabilidades de FP y de FN

Curva ROC Curva DET

Tasa de falsos positivos (TFP) Tasa de falsos positivos (TFP FMR)

Tasa d

e v

erd

adero

s

positiv

os (

1-T

FN

)

Ta

sa

de

fa

lso

s n

eg

ativo

s

(TF

N

FN

MR

)

0 100

100

0

30

30 0.1 0.5 2 20

0.1

0.5

2

20


Carmen Snchez vila

Referencia: T. Mansfield et al., Biometric Product Testing Final Report,

Centre for Mathematics and Scientific Computing, National Physical Laboratory, 2002.

Biometra: rendimiento de los sistemas (curva DET)

Carmen Snchez vila


Carmen Snchez vila

Necesidad de un compromiso en el valor del umbral que haga que los valores tanto

de FAR, como de FRR, permitan funcionar al sistema de manera correcta.

Umbral FAR & FRR

Umbral FAR & FRR El valor depender en gran parte de las necesidades de seguridad de la aplicacin

en cuestin.


Carmen Snchez vila

Evaluaciones objetivas realizadas por laboratorios independientes con el fin de medir el estado de la tecnologa biomtrica

Utilizan bases de datos estndar y generalmente son abiertas Ejemplos:

FVC (Fingerprint Verification Competition)

https://biolab.csr.unibo.it/fvcongoing/UI/Form/Home.aspx FRVT (Face Recognition Vendor Test)

http://www.frvt.org/FRVT2006/default.aspx FRGC (Face Recognition Gran Challenge)

http://www.frvt.org/FRGC/Default.aspx NIST Speaker Recognition Evaluation (voz)

http://www.nist.gov/speech/tests/spk/index.htm ICE (Iris Challenge Evaluation)

http://iris.nist.gov/ICE/

Biometra: evaluacin estndar de la tecnologa

Carmen Snchez vila

Biometra: cuota de mercado en tecnologa biomtrica

Carmen Snchez vila

Algunas tcnicas biomtricas

Carmen Snchez vila

Huella dactilar

Carmen Snchez vila

Universalidad (media-alta) Ms de un 96% de la poblacin tiene una huella legible

Univocidad (alta) Incluso gemelos idnticos tienen huellas diferentes

Permanencia (alta) La huella se forma en la etapa fetal y permanece

estructuralmente inalterable a lo largo de la vida

Rendimiento (alto) Es una de las tcnicas biomtricas con mejor rendimiento Mayor compromiso entre comodidad y seguridad

Aceptacin (media) La captura de la imagen de la huella no es intrusiva Posee implicaciones legales

Huella dactilar: propiedades

Carmen Snchez vila

Manual Consiste en la inspeccin visual, de texturas y de

minucias, adems de la experiencia del experto

Tcnicas basadas en imagen Utilizan slo la apariencia visual de la imagen

Es necesario almacenar la imagen completa

Mtodos basados en texturas Tratan la huella como una imagen de texturas

orientadas

Menos preciso que las tcnicas basadas en minucias

Tcnicas basadas en minucias Utilizan las posiciones relativas de las minucias

Es el mtodo ms conocido y preciso

Huella dactilar: paradigmas

Carmen Snchez vila

Preprocesado

Estimacin del campo de orientacin y realce de la imagen

Binarizacin (de 8 bits/pxel a 1 bit/pxel)

Extraccin de la regin de inters (ROI)

Adelgazamiento y depuracin de la imagen

Extraccin de caractersticas: minucias

Establecimiento del patrn de huella: datos que corresponden a la disposicin de las minucias (300 bytes)

Etapa de comparacin

Huella dactilar: tcnica basada en minucias

Carmen Snchez vila


Carmen Snchez vila

Se convierten todas las minucias (modelo y muestra) a coordenadas polares. Centro: la minucia de referencia

Se representan (patrn y muestra) mediante cadenas de puntos

Se aplica la distancia de disimilaridad entre las dos cadenas: muestra y patrn

r: distancia radial

e: ngulo radial

: orientacin respecto a la minucia de referencia


Carmen Snchez vila


Carmen Snchez vila

Terminales completos de identificacin por huella

Lectores integrados (con software de soporte)

Sensores:

pticos

V: Elevada resolucin

D: Deformacin no lineal del sensor

Estado slido (sensores de tipo capacitivo, trmicos y piezoelctricos)

V: Bajo consumo y reducido tamao del dispositivo sensor

D: Elevada sensibilidad a variaciones de humedad de la huella

Ultrasnicos

V: Lectura tridimensional de la huella. Eliminacin de ruido

D: Elevado precio y menor resolucin que los sensores pticos

Importante: es recomendable que el rea de la huella sea de 1 pulgada

cuadrada y que la resolucin de la imagen sea igual o superior a 500 dpi y

256 niveles de grises (100-500 Kbytes).

Huella dactilar: dispositivos de captura

Carmen Snchez vila

Huella dactilar: sensores

Carmen Snchez vila

Huella dactilar: dispositivos de control de acceso

Carmen Snchez vila

Ventajas: Tcnica muy desarrollada

Gran aceptacin (para determinadas aplicaciones)

Sistemas de captura no invasivos y de bajo coste con posibilidad de incorporar fcilmente un sistema de deteccin de sujeto vivo

Facilidad de integracin en diferentes entornos

Unicidad y estabilidad de la huella

Desventajas: Implicaciones policiales y judiciales

Necesidad de elevada calidad de la imagen digital

Necesidad de contacto fsico con la superficie del sensor

Huella dactilar: estado actual de la tecnologa

Resultados satisfactorios con los sistemas actuales (FVC- onGoing 2009): Green Bit S.p.A.:

EER = 1,046% FRR = 2,210% para FAR 0,1% y FRR = 3,152% para FAR 0,01% Tiempo medio de verificacin: 3 msg.

Neurotechnology: EER = 1,528% FRR = 3,043% para FAR 0,1% y FRR = 4,079% para FAR 0,01% Tiempo medio de verificacin: 3 msg.

Carmen Snchez vila

Iris

Carmen Snchez vila

Potencialidad para la Identificacin: Mayor unicidad que la huella Parmetros accesibles desde el exterior, a travs de

proteccin dada por la crnea Textura del iris Acceso visual a la retina a travs de la pupila

rgano estable (en muchos de sus parmetros): Con la edad Frente a accidentes (debido a la crnea)

Fcil deteccin de sujeto vivo Por variaciones del tamao de la pupila frente a cambios de

iluminacin

Manipulacin compleja Conllevara potenciales riesgos en la visin del individuo

Inconvenientes: Utilizacin de elementos externos por parte de los usuarios

Iris: principales caractersticas

Carmen Snchez vila

1936: Frank Burch (oftalmlogo) proporciona la idea de que el iris se puede utilizar para identificar a una persona

1987: Leonard Flom y Aran Safir (oftalmlogos) patentan la idea de Burch

Contactan con John G. Daugman (profesor de la Universidad de Harvard) para que les desarrolle los algoritmos necesarios

1993: Publicacin de parte de los algoritmos

J.G. Daugman, "High Confidence Visual Recognition of Persons by a Test of Statistical Independence", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 15, n. 11, pp.: 1148-1161, 1993

1994: Patente de los algoritmos y fundacin de IriScan Corp., empresa que

se encargar de la explotacin de las patentes. Se licencia la patente a diversas empresas, entre ellas Sensar Corp., NCR, Panasonic, etc.

A partir del 2001, IriScan y Sensar deciden fusionarse creando la empresa Iridian Technologies (http://www.iridiantech.com/) que es la actual encargada de explotar las patentes

Iris: orgenes

Carmen Snchez vila

La captura se realiza de forma no invasiva

Se realiza mediante una cmara digital o de video de alta resolucin con un objetivo de aproximacin, para enfocar en el ojo a una distancia del sujeto que no le resulte incmoda a ste

Se requiere interaccin por parte del usuario

Localizacin del ojo dentro de un campo de visin

En algunos sistemas se localiza el ojo en una escena y posteriormente se enfoca (de forma automtica)

Sin informacin de color

Luz infrarroja

Iris: captura

Carmen Snchez vila

Cmara de acceso fsico:

LG

Panasonic

OKI

Senex

Evermedia

Jirix

Cmara de PC:

Panasonic

Cmara de Mano:

OKI (IrisPass-h)

Iris: sistemas comerciales

Carmen Snchez vila

Iris: captura

Carmen Snchez vila

Iris: localizacin

Carmen Snchez vila

Filtros de Gabor en coordenadas polares

Demodulacin y cuantificacin de la fase

2

20

2

20

0

)()(

)(,

jrr

jeeerG

ddeeeIgj

r

j 2

20

2

20

0

)()(

)(

Im}{Re,Im}{Re, ),(sgn

Iris: extraccin del patrn

Carmen Snchez vila

Patrn de iris (Iris Code)

2048 bits

(resumen la informacin de la

textura del iris)

Iris: extraccin del patrn

Carmen Snchez vila

Aeropuerto de Frankfurt

Tokyo

Aeropuerto de Schiphol

Emiratos rabes

Iris: sistemas actuales

Fuente: http://iris.nist.gov/ice

Iris: rendimiento de los sistemas

Carmen Snchez vila

http://iris.nist.gov/ice

Carmen Snchez vila

Caractersticas de la mano

Carmen Snchez vila

Unicidad: media. No existen estudios detallados que demuestre su unicidad.

En el sector: correcta

Estabilidad: media, ya que los cambios de peso de una persona pueden modificar la geometra de la mano.

Solucin: tomar medidas relativas

Coste: bajo. Slo se precisa una cmara de media/baja calidad y una plataforma diseada al efecto

Aceptabilidad: muy alta (no tiene implicaciones legales y es muy fcil de usar)

Tamao del patrn: muy pequeo (decenas de bytes)

Mano: caractersticas principales

Carmen Snchez vila

Mano: dispositivos de captura

Carmen Snchez vila

a) El sistema toma 3muestras de la silueta de la mano

b) Forma un patrn de 9 bytes tomando el promedio de las 3 muestras

Mano: extraccin del patrn

Carmen Snchez vila


a) Plataforma con 6 topes y espejo colocado 60 sobre la superficie

b) Colocacin de la mano

c) Imagen obtenida de 640x480 y 256 colores

Carmen Snchez vila


Caractersticas: algunas anchuras interdedo, dedos y mano

Medida de disimilaridad: distancia eucldea

MSU

Caractersticas: anchuras interdedo, dedos y mano, desviaciones y alturas

Medida de disimilaridad: GMMs

GUTI-GBTNI

Carmen Snchez vila

Mano: algunos resultados

MSU

96 % 15

97 % 21

96 % 25

GMMs N Caractersticas

GUTI-GBTNI

96 % 15

97 % 21

96 % 25


GUTI-GBTNI

96 % 15

97 % 21

96 % 25


Carmen Snchez vila

Sistema Palm Secure

(Fujitsu)

Mano: imagen vascular de la palma

Regin palmar

Captura y pre-procesado

Mano: regin palmar

Carmen Snchez vila

Proceso de extraccin de las lneas de la palma de la mano

Mano: regin palmar

Carmen Snchez vila

Algoritmos de verificacin Aproximaciones basadas en lneas

Operadores de deteccin de bordes (Canny, Sobel, etc) Algoritmos de comparacin (distancia eucldea, HMMs, distancia de

Haussdorf, redes neuronales, etc.)

Aproximaciones basadas en subespacios Extraccin de caractersticas: filtros de Gabor, DCT, wavelets, etc. Proyeccin en subespacios (LDA, PCA, ICA, etc.)

Aproximaciones estadsticas Estadsticos locales (Gabor, wavelets, etc y media, varianzas locales) Estadsticos globales (momentos, centros de gravedad, etc.. calculados

directamente sobre la imagen completa)

Otras aproximaciones Mtodos de codificacin basados en orientacin (CompCode, POC, RLOC,

BOCV, etc) ..

Mano: regin palmar

Carmen Snchez vila

Mano: regin palmar

Carmen Snchez vila

Identificacin

Tipos de regiones palmar: primera aproximacin

Mano: regin palmar

Carmen Snchez vila

Algunos resultados en Verificacin

Fuente: W. Jiaa, D.-S. Huanga, D. Zhang, Palmprint verification based on robust line orientation code, Pattern Recognition 41 (2008) 1504 1513.

Mano: regin palmar

Carmen Snchez vila

Carmen Snchez vila


Carmen Snchez vila


Unicidad: media. No existen estudios detallados que demuestre su unicidad

Estabilidad: media, ya que influyen muchos factores: cambios en iluminacin, pose, etc.

Coste: bajo. Slo se precisa una cmara de captura y una plataforma diseada al efecto

Aceptabilidad: alta (no tiene implicaciones legales, es fcil de usar y no es invasivo

Tamao del patrn: medio (dependiendo del mtodo utilizado)

Fiabilidad: media

Propiedades principales

Carmen Snchez vila

Redes neuronales Tcnicas de backpropagation

Ms indicadas para deteccin y localizacin de caras en imgenes, no para identificacin

Anlisis de la geometra facial Localizacin de las diferentes caractersticas

Distancias entre ellas

Geometra de las mismas

Comparacin de grafos Construcccin de un grafo alrededor de la cara

Localizacin de las caractersticas de la misma

Inclusin de otros datos (color de la piel, textura)

Autocaras Teora de la Informacin

Extrae componentes discriminantes de la identidad

Fisherface Utiliza informacin intra-clase para maximizar la separacin

entre clases

Caractersticas faciales: algunos mtodos 2D

Carmen Snchez vila

Caractersticas faciales: algunos resultados

Resultados en identificacin con PCA y SVM

(ncleo gaussiano)

95,8 %

Carmen Snchez vila

Caractersticas faciales: algunos resultados

Resultados en autenticacin con PCA y SVM

(ncleo gaussiano)

EER = 3,76 %

Carmen Snchez vila

Caractersticas faciales: algunos sistemas comerciales

Cognitec FaceVACS Entry Access Control

A4Vision Vision Access 3D Face Reader

Viisage Face PASS

Dreams MIRH MIRH Eye ACS

Identix FaceIt Argus ABIS

Geometrix FaceVision 3D

http://www.frvt.org/

Carmen Snchez vila

No es tan fiable como otro tipo de caracterstica biomtrica

Requiere alta capacidad de almacenamiento

Se precisan imgenes de buena calidad

Problemas:

Iluminacin Los cambios de iluminacin afectan al rendimiento del sistema

Saturacin de la imagen

Poses y expresiones Diferencias en la orientacin de la cabeza y las diferentes

expresiones

Calidad de imagen Las cmaras actuales (CCTV, etc.) no ofrecen a menudo la calidad

necesaria

Caractersticas faciales: algunas desventajas

Carmen Snchez vila

Caractersticas faciales: sistemas 3D

Ventajas: Incrementa la fiabilidad del sistema

Elimina los problemas de iluminacin y poses

Posee suficiente informacin invariante frente a cambios en la expresin, utilizacin de gafas, etc.

Una alternativa: reconocimiento facial 3D

Paradigmas: Comparacin de perfiles

Modelos 3D basados en firmas de puntos

Comparacin mediante segmentacin de la superficie

AURA (Advanced Uncertain Reasoning Architecture)


Resultados con control de iluminacin

Carmen Snchez vila

Caractersticas faciales: resultados



Resultados sin control de iluminacin

Carmen Snchez vila




Resumen de resultados para algoritmos de reconocimiento facial 3D

Carmen Snchez vila



Carmen Snchez vila

Algunas aplicaciones de la Biometra

Carmen Snchez vila

Comerciales Control de acceso fsico o lgico (edificios, ordenadores, telefonos, PDAs, etc)

Comercio electrnico

ATMs

Gestin de historiales mdicos

Gubernamentales Tarjeta de identificacin nacional

Carnet de conducir

Tarjetas de seguridad social

Control de Pasaportes

Forenses Investigaciones policiales

Identificacin de terroristas

Identificacin de personas desaparecidas

Podemos dividirlas en tres grandes grupos:

Algunas aplicaciones de la Biometra

Carmen Snchez vila

Algunas aplicaciones de la Biometra: sistemas actuales

Carmen Snchez vila

Tendencias futuras en Biometra

Tasas de error en Biometra unimodal

En una instalacin con 200.000 usuarios diarios, tendramos:

4.000 usuarios errneamente rechazados al da si utilizaran identificacin por huella, 60 si se utiliza iris, 1.000 si se utiliza cara, 6.000 si utiliza mano y 30.000 (aprox.) si utilizan slo voz.

200 usuarios errneamente aceptados con huella, 2 con iris, 2 con cara, 6.000 con mano y 7000 (aprox.) con voz.

FRR FAR

Huella 2% 0,1%

Iris 0,03% 0,001%

Cara 0,5% 0,001%

Mano 3% 3%

Voz 10-20% 2-5%

Biometra multimodal

Carmen Snchez vila

Carmen Snchez vila

Mltiples

caractersticas (5)

Mltiples sensores (2)

Mltiples

representaciones (3)

Mltiples capturas (1)

Sistemas

multimodales

Mltiples

unidades (4)

Biometra multimodal: posibilidades

Carmen Snchez vila

Biometra multimodal: niveles de fusin

Carmen Snchez vila

Sistemas Match-on-Card Combinacin de las tecnologas biomtricas y de tarjeta

inteligente

Proceso de comparacin dentro de la tarjeta

El patrn no viaja fuera de la tarjeta en la que se almacena de forma segura

Cripto-Biometra Combinacin de la Criptografa y la Biometra

Implementacin de sistemas Cripto-Biomtricos de clave pblica

Patrn biomtrico como clave privada

Otras lneas futuras de trabajo

Carmen Snchez vila

A. K. Jain, R. Bolle and S. Pankanti (eds.), Biometrics: Personal Identification

in a Networked Society, Kluwer Academic Press, 1999.

J. L. Wayman, A. K. Jain, D. Maltoni and D. Maio (eds.), Biometric Systems.

Technology, Design and Performance Evaluation, Springer, 2005.

M. Tapiador y J. A. Sigenza (coord.), Tcnicas biomtricas aplicadas a la

seguridad, Ra-Ma, 2005.

S. Z. Li and A. K. Jain (eds.), Handbook of Face Recognition, Springer, 2005.

D. Maltoni, D. Maio, A. K. Jain and S. Prabhakar, Handbook of Fingerprint

Recognition, Springer, 2005.

A.K. Jain, P. Flynn, A. Ross (eds.), Handbook of Biometrics, Springer, 2008.

Enlaces de inters:

http://www.biometrics.org/

http://www.eubiometricforum.com/

http://www.bioapi.org/

Bibliografa

VIII Ciclo de Conferencias UPM TASSI Aplicaciones de la...

Documents

Transcript of VIII Ciclo de Conferencias UPM TASSI Aplicaciones de la...