Detecção de impressões digitais falsas usando informações extraídas da rugosidade da pele

Abstract

O primeiro registro oficial de uma autenticação individual realizada por um europeu, usando os padrões gerados pelas saliências da pele encontradas nas palmas das mãos, data de 1858. Desde então, o trabalho de muitos pesquisadores contribuiu para o desenvolvimento das técnicas identificação de impressões digitais. Em 2009, os sistemas de reconhecimento baseados nessa tecnologia foram responsáveis por mais de 50% da receita de todo mercado biométrico. De fato, as aplicações dessa biometria estão presentes em muitos contextos da vida moderna, e.g., transações em caixas automáticos, registro eletrônico de ponto em empresas e até mesmo no processo eleitoral brasileiro. O principal método de comparação entre impressões digitais é baseado nas posições relativas de pequenos padrões, as minúcias, das biometrias. No entanto, estudos científicos comprovaram a possibilidade de construção de impressões digitais sintéticas, com a cópia das minúcias de um dedo autêntico, a partir de materiais simples, e.g., massa de modelar, silicone, cola de madeira, dentre outros. Diante do perigo iminente de fraude no acesso a tais sistemas, uma nova linha pesquisa surgiu nesta área: a detecção de impressões digitais falsas. Atualmente, as soluções propostas pela academia são baseadas em hardware ou em visão computacional. A segunda metodologia, implementada inteiramente em software, está associada a um menor custo de produção e de atualização dos dispositivos em comercialização no mercado. O presente trabalho concentra-se na detecção de impressões digitais falsas por meio de técnicas de visão computacional. A principal contribuição desse estudo é uma nova técnica na qual as fraudes são detectadas a partir da análise de informações extraídas da rugosidade da pele, a Análise Espacial de Rugosidade da Superfície (SSCA, do inglês Spatial Surface Coarseness Analysis). Além disso, uma segunda técnica é proposta, a Análise de Múltiplas Características (MCA, do inglês Multiple Characteristics Analysis), na qual diversas características biométricas apresentadas no estado da arte são utilizadas. E, ainda, é apresentada uma nova taxonomia capaz de organizar os elementos da biometria relevantes para a detecção de fraudes. Os experimentos conduzidos mostraram que, através das técnicas propostas, é possível alcançar uma detecção com performance 17,98% superior ao melhor resultado do estado da arte.