Tcnicas biomtricas de identificacin personal

1
Técnicas biométricas de identificación personal
SEGURIDAD EN REDES TELEMÁTICAS Antonio Olivas
Molina Antolín Moral Caballero Curso 2003/2004
2
Técnicas biométricas de identificación personal
SEGURIDAD EN REDES TELEMÁTICAS Antonio Olivas
Molina Antolín Moral Caballero Curso 2003/2004
3
Introducción (I)

• Mayor problema de la seguridad autenticar al
  usuario sabiendo que es él y no otro
• Técnicas de seguridad de verificación de
  contraseñas requieren
• Recordar y llevarlas consigo
• Constante cambio de la misma
• Solución sistemas de seguridad basados en la
  biometría

4
Introducción (II)

• Comprueban
• Huella dactilar
• Voz
• Cara
• Iris
• Geometría manos y dedos
• Firma manuscrita
• Son los sistemas de seguridad del futuro

5
Introducción (III)

• Funcionamiento general
• Tomar características
• Procesarlas
• Almacenamiento en base de datos
• Comparar

6
HUELLA Extracción de características (I)

• Adelgazamiento reducir el grosor de las crestas
  en la imagen binaria a un solo píxel. Necesario
  para extraer las minucias de la huella digital.
• Eliminación de imperfecciones
• Eliminación crestas falsas
• Conexión de las crestas rotas

7
HUELLA Extracción de características (II)

• Extracción de minucias extraer puntos del
  patrón biométrico de la huella.
• píxel de la imagen adelgazada pertenece o no a
  una cresta?
• Si es así, se mira si pertenece a una
  bifurcación, principio o final de cresta.
• Patrón biométrico obtenido
• 80 - 90 para huellas de tinta NIST
• 30 - 45 para huellas con un escáner

8
HUELLA Extracción de características (III)

• (a) Huella original adquirida con escáner
  capacitivo.
• (b) Minucias detectadas sobre imagen adelgazada

9
HUELLA Empleo de la huella

• Existen varias formas de comparar huellas
  digitales
• Plantillas de huella digital basadas en minucias
• Plantillas de huella digital basadas en patrones

10
HUELLA Plantillas de huella digital basadas en
minucias (I)

• Elevada fiabilidad
• Formado por el conjunto de puntos que informan
  sobre la ubicación de las minucias de la imagen
• Minucia cualquier punto de la imagen que indica
  que una determinada cresta presenta un final, un
  comienzo o una bifurcación. Está determinada por
  sus coordenadas espaciales dentro de la imagen

11
HUELLA Plantillas de huella digital basadas en
minucias (II)

• Fases del proceso

12
HUELLA Plantillas de huella digital basadas en
minucias (III)

• Normalización de la imagen adapta el rango de
  variación de grises entre crestas y valles de la
  imagen
• Cálculo del campo de orientación conocer la
  orientación local de las crestas de la huella
• Elección de la zona de interés bloques con
  elevada varianza de los niveles de grises

13
HUELLA Plantillas de huella digital basadas en
minucias (IV)

• Extracción de crestas
• Filtrado de la imagen de la huella con unas
  máscaras adaptativas
• Si el nivel de gris de un píxel supera el umbral
  en las dos imágenes, pertenece a una cresta,
  obteniéndose una imagen binaria de la huella

14
HUELLA Plantillas de huella digital basadas en
minucias (V)

• Perfilado de crestas filtrado para perfilar las
  crestas de la huella y eliminar manchas

15
HUELLA Plantillas de huella digital basadas en
patrones (I)

• Se comparan dos patrones (test y base) y el
  algoritmo de reconocimiento de patrones determina
  si las huellas pertenecen al mismo individuo o no

16
HUELLA Plantillas de huella digital basadas en
patrones (II)

• Determinación de la minucia de referencia
  necesario una correspondencia punto a punto entre
  los dos patrones que se van a comparar.
• Análisis distribución espacial de los dos
  patrones de puntos
• Se determinan dos minucias, una por cada patrón
  (con mayor grado de semejanza entre sí)
• Se toma una de ellas como minucia de referencia

17
HUELLA Plantillas de huella digital basadas en
patrones (III)

• Cálculo de la traslación y rotación entre las dos
  minucias de referencia de la etapa anterior
• Aplicación de los parámetros de traslación y
  rotación traslación y giro de todas las minucias
  del patrón de prueba

18
HUELLA Plantillas de huella digital basadas en
patrones (IV)

• Comparación de patrones
• Transformación cadena patrón test en la cadena
  patrón base.
• Modelación de posibles modificaciones
  introducidas en la imagen durante la adquisición

19
HUELLA Dispositivos (I)
20
HUELLA Dispositivos (II)

• Identix Escáner One Touch

21
HUELLA Dispositivos (III)

• Hewlett-Packard
• Propone una identificación
• Sencilla
• Incrementando la seguridad
• Reduciendo el coste de programación
• Pack con software para controlar el acceso al PC
  o red. Una vez registrada la huella, el usuario
  únicamente tiene que poner su dedo sobre el
  lector para que el software verifique y
  autentifique su identidad.

22
HUELLA Aplicaciones futuras (I)

• Pago bancario
• Identificar a recién nacidos
• Uso médico
• Acceso a PCs y la información que contienen
• Identificación

23
VOZ Reconocimiento (I)

• Identificar una serie de sonidos y sus
  características para decidir si el usuario es
  quien dice ser
• Reconocimiento de locutor
• Identificación de Locutor asignar la identidad
  del individuo registrado que mejor se aproxime a
  las características de la señal de
• Verificación locutor (VL) decide si la persona
  que declara una identidad es o no quien dice ser

24
VOZ Reconocimiento (II)

• Se compara la pronunciación del locutor con el
  modelo del cliente ( ya declarada).
• Si coinciden dentro de los limites permitidos la
  identidad será aceptada
• No coinciden caso contrario será rechazada
• Todos los sistemas de VL tienen
• Base de datos de usuarios registrados (clientes)
• Modelos que representan las características del
  habla de cada uno de los clientes.
• Modelos se consiguen pronunciando varias frases

25
VOZ Reconocimiento de voz (III)

• Tipos de sistemas de VL
• Sistemas de texto dependientes
• Sistemas de texto independientes VL con
  cualquier palabra o frase
• Sistemas de pronunciación continua
• Sistemas de palabra aislada

26
VOZ Elementos lógicos para que un sistema pueda
reconocer la voz

• Dominio palabras que el sistema puede reconocer
• Inventario de pronunciación (fichero de
  referencia del usuario) base de datos que
  almacena elementos característicos de la
  pronunciación de los usuarios. Requiere
  aprendizaje
• Corpus base de datos estadística y estocástica
  que ayuda al motor de reconocimiento a determinar
  las palabras que deben reconocerse

27
Etapas en un sistema de VL (I)
28
VOZ Etapas en un sistema de VL (II)

• Pre-procesamiento
• Filtrado anti-aliasing
• Conversión analógica-digital
• Detección inicio-fin de la señal de voz útil
• Pre-enfase
• Extracción de parámetros
• División de la señal en cuadros o frames,
• Ponderación al interior de éstos por una ventana

29
VOZ Etapas en un sistema de VL (III)

• Entrenamiento de un modelo de referencia que
  represente al cliente
• Comparar los parámetros
• Límite de decisión
• Si verosimilitud calculada gt umbral de decisión
  definido para el cliente
• Identidad del locutor aceptada

30
VOZ problema de VL (ruido)

• Influye directamente en el sistema de VL
• Aplicación técnicas de cancelación de ruido
• ruido aditivo( n(t) ) se añade a la señal de voz
• y(t) s(t) n(t)
• ruido convolucional ( h(t) ) cumple
• y(t) s(t) h(t)

31
 VOZ Sensores para el reconocimiento de voz (I)

• Micrófonos ópticos unidireccionales
• Funcionamiento
• Luz de un diodo emitida sobre membrana reflectora
  a través de fibra óptica.
• Las ondas de sonido golpean a la membrana y
  vibra, cambiando las características de la luz
  reflejada
• Foto-detector registra la luz reflejada
• Con electrónica de procesamiento se obtiene una
  representación precisa de las ondas de sonido

32
 Sensores para el reconocimiento de voz (II)

• Micrófono Optico.

33
RECONOCIMIENTO DE FIRMA

• Estamos acostumbradas a firmar para
  identificarnos
• Buenas expectativas de aceptación social
• Existen dos líneas de investigación claramente
  diferenciadas
• reconocimiento de firma estática (off-line)
• reconocimiento de firma dinámica (on-line).

34
FIRMA OFF-LINE

• Se parte de firmas realizadas previamente
• La única información de que se dispone es la
  imagen de la firma.
• Las características extraídas de la firma son
• aproximaciones de la geometría de la firma
  mediante polígonos
• localización de inicio y final de trazos
• concavidad de los trazos,
• centro geométrico de la firma
• inclinación de los trazos verticales (slant),etc.

35
FIRMA ON-LINE

• La información se adquiere durante la realización
  de la misma por el firmante.
• Requiere el empleo de dispositivos como tabletas
  digitalizadoras, etc.
• Se dispone de información temporal
• duración total
• duración de levantamientos respecto a la total
• posiciones, velocidades y aceleraciones
  instantáneas, etc
• La información dinámica es la más difícil de
  falsificar.

36
VERIFICACIÓN DE PATRONES OCULARES

• Son los más seguros debido a la unicidad de los
  patrones
• Tejido del iris
• Venas de la retina
• Desventajas
• Caros
• Escasa aceptación social

37
VERIFICACIÓN DE PATRONES OCULARES
38
RECONOCIMIENTO DE IRIS

• Estructura muscular que controla la cantidad de
  luz que entra en el ojo
• Estructura compleja
• estrías, anillos, surcos, coronas y flecos que
  ofrecen infinitas variaciones
• incluso entre ambos ojos de la misma persona
• además, permanece constante con el tiempo.
• Se descompone rápidamente con la muerte del
  individuo

39
IRIS II FUNCIONAMIENTO

• Se capta la imagen del iris en blanco y negro
• Se extraen patrones que a su vez son sometidos a
  transformaciones matemáticas ? iriscode.
• La empresa IriScan tiene la patente mundial sobre
  esta tecnología

40
IRIS III FUNCIONAMIENTO
41
ESCANEADO DE RETINA

• Capa más interna -llena de vénulas o venillas- de
  la pared posterior del globo ocular.
• Bastante estable con el tiempo
• Puede resultar afectada por enfermedades
• Se escanea la retina con una radiación infrarroja
  de baja intensidad en forma de espiral
• Se detectan los nodos y ramas del área retinal
• La compañía EyeDentify posee la patente mundial
  para analizadores de vasculatura retinal

42
RECONOCIMIENTO DE LA CARA

• Es la manera más directa de identificar a los
  familiares, amigos, conocidos o celebridades.
• Buena aceptación social es como tomar una foto ?
  Técnica no intrusiva
• Es bastante barata
• Dificultades para conseguir altos niveles de
  funcionamiento

43
CARA IIINTRODUCCIÓN

• Tasas de reconocimiento se ven limitadas
• las imágenes de caras no son patrones tan
  estables como el ADN o las huellas dactilares.
• Fuentes de variabilidad
• las localizaciones u orientaciones
• los gestos
• El envejecimiento
• la iluminación
• los objetos artificiales (gafas de sol, sobrero)
• o naturales (bigote, barba), el envejecimiento,
  etc.

44
CARA III INTRODUCCIÓN
45
CARA IV FUNCIONAMIENTO

• Registro del usuario en el sistema
• captación de varias imágenes del mismo
• se procesa y se obtiene un código digital
• Se guarda en una base de datos
• Para la identificación de las personas cámaras
  captan la imagen de la persona
• En movimiento o imagen de perfil y de frente
• Se analiza la geometría de la cara
• Diferentes procesos matemáticos en función de la
  técnica empleada.

46
CARA V FUNCIONAMIENTO

• Su uso principal verificación
• no tanto a la identificación de uno entre muchos.
• Aplicaciones de venta por menor, pago de cheques,
  atención de salud, control de fronteras, etc.
• Técnicas
• Reducción de la dimensión del problema
• Análisis del contenido de la imagen (Gabor
  analysis). ?Elastic graph matching (EGM).

47
CARA VII REDUCCIÓN

• Se parte de base de datos de reconocimiento
• M imágenes de tamaño N (nº de píxeles)
• matriz de NxM Yy1, y2, yM
• Todas las imágenes de la cara son similares
• Todas contienen un objeto fijo (la cara) con una
  estructura fija (ojos, nariz, etc.)
• La verdadera dimensión del espacio-cara tiende a
  ser menor que M
• Objetivo preprocesar Y para reducir su dimensión
  de M a M (ltltM)

48
CARA VIII REDUCCIÓN

• Preprocesamiento
• Obtener los valores característicos de la cara ?
  eigenfaces.
• Eigenfaces M vectores que abarcan el
  espacio-cara.
• Definen el eje a lo largo del cual la variación
  de los datos es más importante.
• La importancia relativa de cada componente o
  eigenface es determinada por el eigenvalue
  asociado

49
CARA IX REDUCCIÓN

• La imagen se descompone en un conjunto de áreas
  de luz y sombras dentro de un determinado patrón.
  
• Ejemplo de eigenfaces

50
CARA X ELASTIC GRAPHS

• La cara se representa con un grafo etiquetado
• Nodos corresponden físicamente a la posición de
  las características faciales bien definidas
• Sistema de arcos que conectan los nodos
• Para incluir características de la textura en la
  descripción de cada nodo
• Vector jet en cada nodo
• Respuestas de un sistema de filtros Gabor

51
CARA XI ELASTIC GRAPHS
52
CARA CONCLUSIONES

• Sistemas muy buenos si las condiciones están muy
  controladas
• Reto sistemas compatibles con las exigencias de
  aplicaciones reales.
• Los sistemas clásicos trabajan sobre imágenes
  inmóviles de escala de grises de un tamaño fijo
• Nuevas fuentes de información color, naturaleza
  tridimensional de la cara, etc.

53
GEOMETRÍA DE LA MANO Y DEDOS

• Ventajas el bajo coste y la facilidad de uso
• Fue en el sistema de seguridad de los juegos
  Olímpicos de 1996

54
COMPARACIÓN VENTAJAS

• Huellas dactilares seguro y disponible
  especialmente para identificación.
• Voz Para aplicaciones de verificación local o
  remota siendo de bajo costo y no intrusivo.
• Firma Alto nivel de aceptación para verificación
  de un usuario determinado
• Iris y retina Muy seguro para aplicaciones de
  identificación de uno contra muchos.
• Manos Fácil de usar.

55
COMPARACIÓN DESVENTAJAS

• Huellas dactilares Resistencia al uso por
  connotaciones criminales.
• Voz Sujeto a cambios físicos y cierta facilidad
  de engaño con voces semejantes incluso con
  grabaciones en algunos casos.
• Firma Sujeta a cambios físicos.
• Iris Costoso, sensible a los movimientos del
  usuario y ocupa mucho espacio.
• Retina Costoso, no puede usarse con algunos
  usuarios por su sensibilidad a un escaneado
  infrarrojo o láser en los ojos.
• Caras Costoso y sujeto a engaños con fotos
  montadas sobre narices semejantes.
• Manos Sujeta a cambios físicos

56
USOS DE LA BIOMETRÍA

• Acceso físico es el principal uso hasta la
  actualidad
• Acceso virtual incorporación de técnicas
  biométricas a las passwd ya existentes para dar
  mayor seguridad
• Aplicaciones de e-comercio verificar más
  exactamente la identidad de la parte contratante
• Vigilancia secreta?

57
FUTURO DE LA BIOMETRÍA

• La industria se está desarrollando y emergiendo
  aún. Para guiar y apoyar el crecimiento de la
  biometría?Biometric Consortium.
• Estandarización
• Proporcionar un interfaz de software común para
• compartir plantillas biométricas
• permitir la comparación y la evaluación eficaces
  de diversas tecnologías biométricas.
• Ej BioAPI, Common Biometric Exchange File Format

58
FUTURO DE LA BIOMETRÍA II

• Uso de técnicas híbridas biometría tarjetas
  inteligentes PKI
• PKI ventajas sobre la biometría matemáticamente
  más seguro, y puede ser utilizado a través de
  Internet.
• La desventaja de PKI mantenimiento de la clave
  privada del usuario.
• La solución almacenar la clave privada en una
  tarjeta inteligente y proteger esta tarjeta con
  un sistema biométrico