Detecção de ataques de apresentação facial utilizando redes neurais convolucionais e informações de contexto

• Ano de defesa: 2019
• Autor(a) principal: Santos, Raphael Ruschel dos
• Orientador(a): Scharcanski, Jacob
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Reconhecimento facial; Redes neurais; Aprendizado de máquina
• Palavras-chave em Inglês: Facial spoofing; Convolutional neural networks; Transfer learning; Deep learning; Presentation attack detection
• Link de acesso: http://hdl.handle.net/10183/200601

Sistemas de autenticação baseados em biometria são fortes candidatos a substituírem métodos de acesso tradicionais que utilizam nome de usuário e senha. Reconhecimento facial tem se tornado bastante popular nos últimos anos, e muitos dispositivos existentes já contam com uma câmera embutida, colaborando para sua popularização e tornando esta tecnologia fácil de ser utilizada. No entanto, sistemas de reconhecimento facial são suscetíveis a falhas de segurança, como os ataques de apresentação facial, onde um impostor tenta ganhar acesso ao sistema se disfarçando como um usuário genuíno, apesar de simples, estes ataques costumam ser bem-sucedidos. Na grande maioria dos trabalhos presentes na literatura, os autores utilizam apenas características faciais para realizar a detecção destes ataques. No entanto, este trabalho propõe que o quadro inteiro seja utilizado para o treinamento das redes neurais, visto que as informações dos arredores, como presença de dedos e molduras podem auxiliar a rede a discriminar estre um acesso genuíno e um impostor. Os resultados são positivos, utilizando a arquitetura GoogLeNet como base e usando o quadro inteiro, foi obtido um ganho de 4% em relação ao uso apenas das faces nos conjuntos de dados CASIA e NUAA, resultando em uma taxa de classificação correta média de 99%, superando os métodos da literatura que foram usados como referência.