Ricercatori indiani hanno proposto un sistema biometrico per utilizzare i denti come token di autenticazione per sistemi sicuri su dispositivi mobili. Chiamato DeepTeeth , il sistema supera gli ostacoli incontrati dai precedenti sforzi verso questo obiettivo, come un tempo di addestramento eccessivo o requisiti di addestramento dei dati elevati o irrealistici, per raggiungere un tasso di accuratezza segnalato del 100%.
È inoltre specificamente rivolto ad ambienti mobili frugali e scenari di autenticazione di utenti casuali, piuttosto che all’uso più comune di tali tecniche in un costoso contesto di analisi forense.
La nuova prestampa , dei ricercatori del Birla Institute of Technology and Science Pilani del Rajasthan, utilizza una dimensione dell’immagine dei dati di soli 75×75 pixel, è un framework end-to-end di pochi scatti e ha esigenze minime di risorse locali rispetto ai precedenti tentativi di sistemi di autenticazione basati su machine learning basati sui denti .
L’utilizzo proposto per l’autenticazione basata su DeepTeeth. Fonte: https://arxiv.org/pdf/2107.13217.pdf
Denti come identificatori di identificazione
Sebbene i denti possano essere considerati le caratteristiche facciali più volatili, a causa della frequenza dell’intervento chirurgico rispetto ad altri tipi di interventi di chirurgia estetica o di ricostruzione facciale, l’articolo osserva che a lungo termine e in media, rimangono i più consistenti del nostro viso. caratteristiche di identificazione
Forse la cosa più famosa è che la resilienza delle nostre configurazioni dentali è esemplificata dalla frequenza con cui vengono utilizzate per l’identificazione post-mortem, dove tutti gli altri tessuti sono caduti vittima di incendi o altre forme estreme di trauma. Inoltre, i denti sono l’ultimo componente del corpo a degradarsi dopo la morte.
Mentre i set di dati per questo tipo di odontoiatria forense sono specializzati e richiedono apparecchiature di scansione personalizzate (di solito con un componente a raggi X), DeepTeeth richiede solo una serie di semplici “selfie dentali” per stabilire un ID di base.
Inoltre, i ricercatori del documento hanno scoperto che il loro framework ID basato sui denti è resistente al tipo di attacchi di spoofing che sono stati effettivamente livellati ai metodi di autenticazione dell’impronta digitale e dell’ID facciale .
Il sistema DeepTeeth funziona in un’app Android, con il soggetto che fornisce più acquisizioni. Le foto dei denti possono essere scattate da varie angolazioni e in una varietà di condizioni di illuminazione e vengono elaborate localmente per una successiva deduzione al momento dell’autenticazione.
Per generare il database di formazione di base, i ricercatori hanno raccolto immagini dei denti da 51 volontari. I volontari hanno utilizzato una versione beta dell’app Android per ottenere le immagini stesse. L’app identifica e localizza l’area dei denti che sta cercando di acquisire. Ogni utente ha inviato quattro immagini di denti di esempio in uno spazio di 3-4 giorni.
I dati sono stati testati in una rete siamese dove è stato anche eseguito contro un metodo concorrente e più vecchio: FaceNet 2015 di Google . La formazione ha utilizzato una dimensione batch di 16 su un ottimizzatore Adam. Il modello è stato addestrato su un Dell Inspiron-15-5577 utilizzando una GPU Nvidia GTX 1050, con l’addestramento che ha richiesto poco meno di 25 minuti per generare un vettore di caratteristiche a 256 dimensioni.
L’approccio DeepTeeth passa le immagini grezze scattate dall’utente ritagliate attraverso un framework di miglioramento per la successiva estrazione delle funzionalità prima dell’elaborazione sul dispositivo attraverso una rete locale generica pre-addestrata.
Sebbene la sezione dei denti inizialmente acquisita e ritagliata misuri 1416 x 510 pixel, una dimensione ingombrante anche per l’addestramento all’apprendimento automatico basato su server, le immagini in scala di grigi più piccole derivate da queste acquisizioni sono ciò che attraversa il sistema, con i dati più grandi scartati.
La funzione di perdita utilizzata per l’addestramento della rete di classificazione è SoftMax , che è abbastanza leggera e resiliente per l’ambiente operativo di destinazione.
L’architettura della funzione di perdita di DeepTeeth.
Risultati
I ricercatori hanno utilizzato cinque parametri di prestazione separati per valutare DeepTeeth e hanno scoperto che il sistema funziona in modo ottimale con una dimensione di input ridotta di 75 pixel quadrati, raggiungendo una percentuale di successo del 100%.
I precedenti tentativi di utilizzare i denti come indicatore biometrico includono lo studio del 2008 Autenticazione biometrica multimodale utilizzando l’immagine e la voce dei denti in ambiente mobile , che essenzialmente ha aggiunto i denti come metodo di backup per l’identificazione vocale.
Un altro contendente, dal 2020, è stato il framework SmileAuth proposto dai ricercatori della Hunan University in Cina, una collaborazione con la Michigan State University e l’Università del Massachusetts. I risultati sperimentali al momento della pubblicazione del documento hanno suggerito che il sistema SmileAuth potrebbe raggiungere un tasso di precisione fino al 99,74%. Il sistema ha utilizzato Random Forest per l’estrazione delle caratteristiche.
I ricercatori sostengono che DeepTeeth migliora tutti i precedenti tentativi in quest’area di nicchia della biometria e porta il riconoscimento dentale oltre la sfera forense come una via possibile per l’autenticazione dell’identità basata sul volto.
