Investigadores de India han propuesto un sistema biométrico para usar dientes como token de autenticación para sistemas seguros en dispositivos móviles. Llamado DeepTeeth, el sistema supera los escollos que han encontrado los esfuerzos anteriores para lograr este objetivo, como un tiempo de capacitación excesivo o requisitos de capacitación de datos altos o poco realistas, para lograr una tasa de precisión informada del 100 %.
También está específicamente dirigido a entornos móviles frugales y escenarios de autenticación de usuarios ocasionales, en lugar del uso más común de tales técnicas en un contexto de análisis forense costoso.
El nuevo preimpresiónde investigadores del Instituto Birla de Tecnología y Ciencia Pilani en Rajasthan, utiliza un tamaño de imagen de datos de solo 75 × 75 píxeles, es un marco integral de pocos disparos y tiene necesidades mínimas de recursos locales en comparación con intentos anteriores de Sistemas de autenticación de aprendizaje automático basados en dientes.
El uso propuesto para la autenticación basada en DeepTeeth. Fuente: https://arxiv.org/pdf/2107.13217.pdf
Los dientes como significantes de identificación
Aunque los dientes pueden considerarse los rasgos faciales más volátiles, debido a la frecuencia de la intervención quirúrgica en comparación con otros tipos de cirugía estética o de reconstrucción facial, el documento señala que, a largo plazo y en promedio, siguen siendo los más consistentes de nuestro rostro. características de identificación
Quizás lo más famoso es que la resistencia de nuestras configuraciones dentales se ejemplifica en la frecuencia con la que se utilizan para la identificación post-mortem, donde todos los demás tejidos han sido víctimas del fuego u otras formas extremas de trauma. Además, los dientes son el último componente del cuerpo en degradarse después de la muerte.
Mientras que los conjuntos de datos para este tipo de odontología forense son especializados y requieren un equipo de escaneo personalizado (generalmente con un componente de rayos X), DeepTeeth solo requiere una serie de ‘selfies dentales’ fáciles para establecer una identificación de referencia.
Además, los investigadores del artículo descubrieron que su marco de identificación basado en dientes es resistente al tipo de ataques falsos que se han dirigido efectivamente a huella dactilar y métodos de autenticación de identificación facial.
Imágenes normalizadas de región de interés (RoI) y sus correspondientes mejoras en el flujo de trabajo automatizado de DeepTeeth.
Captura, Procesamiento y Entrenamiento
El sistema DeepTeeth opera en una aplicación de Android, y el sujeto proporciona múltiples capturas. Las fotos de los dientes se pueden tomar desde varios ángulos y en una variedad de condiciones de iluminación, y se procesan localmente para su posterior inferencia en el momento de la autenticación.
Para generar la base de datos de capacitación central, los investigadores recolectaron imágenes de dientes de 51 voluntarios. Los voluntarios utilizaron una versión beta de la aplicación de Android para obtener las imágenes ellos mismos. La aplicación identifica y localiza el área de los dientes que busca adquirir. Cada usuario envió cuatro imágenes de dientes de ejemplo en un espacio de 3-4 días.
Los datos fueron probados en un red siamesa donde también se comparó con un método más antiguo de la competencia: Google’s 2015 FaceNet. La capacitación utilizó un tamaño de lote de 16 en un optimizador Adam. El modelo se entrenó en un Dell Inspiron-15-5577 con una GPU Nvidia GTX 1050, y el entrenamiento tomó un poco menos de 25 minutos para generar un vector de características de 256 dimensiones.
El enfoque de DeepTeeth pasa imágenes recortadas tomadas por el usuario sin procesar a través de un marco de mejora para la posterior extracción de características antes del procesamiento en el dispositivo a través de una red local genérica previamente entrenada.
Aunque la sección de dientes inicialmente capturada y recortada mide 1416 x 510 píxeles, un tamaño difícil de manejar incluso para el entrenamiento de aprendizaje automático basado en servidor, las imágenes en escala de grises más pequeñas derivadas de estas capturas son las que se ejecutan en el sistema, y los datos más grandes se descartan.
La función de pérdida utilizada para entrenar la red de clasificación es Soft Maxque es lo suficientemente ligero y resistente para el entorno operativo de destino.
La arquitectura de la función de pérdida de DeepTeeth.
Resultados
Los investigadores utilizaron cinco parámetros de rendimiento separados para evaluar DeepTeeth y descubrieron que el sistema funciona de manera óptima con un tamaño de entrada exiguo de 75 píxeles cuadrados, logrando una tasa de éxito del 100 %.
Los intentos anteriores de usar los dientes como indicador biométrico incluyen el 2008 estudiar Autenticación biométrica multimodal utilizando imagen de dientes y voz en un entorno móvil, que esencialmente agregó dientes como método de respaldo para la identificación basada en la voz.
Otro contendiente, de 2020, fue el SmileAuth marco propuesto por investigadores de la Universidad de Hunan en China, una colaboración con la Universidad Estatal de Michigan y la Universidad de Massachusetts. Los resultados experimentales en el momento de la publicación del artículo sugirieron que el sistema SmileAuth podría alcanzar una tasa de precisión de hasta el 99,74 %. El sistema utilizó Random Forest para la extracción de características.
Los investigadores sostienen que DeepTeeth mejora todos los intentos anteriores en esta área de nicho de la biometría y lleva el reconocimiento dental más allá de la esfera forense como una vía potencial viable para la autenticación de identificación basada en el rostro.