DeepTeeth: Biometrický systém ID, který využívá zuby

Výzkumníci z Indie navrhli biometrický systém pro použití zubů jako ověřovací token pro zabezpečené systémy na mobilních zařízeních. Nazvaný DeepTeeth, systém překonává překážky, se kterými se setkaly předchozí pokusy o dosažení tohoto cíle, jako je nadměrná doba trénování nebo vysoké a nereálné požadavky na trénovací data, a dosahuje hlášené přesnosti 100%.

Je zaměřen zejména na úsporná mobilní prostředí a scénáře ověřování uživatelů, spíše než na běžné použití těchto technik v drahé forenzní analýze.

Nový pre-print, od výzkumníků z Birla Institute of Technology and Science Pilani v Rádžasthánu, využívá velikost datového obrazu pouze 75×75 pixelů, je koncový framework s několika snímky a má minimální lokální požadavky na zdroje ve srovnání s předchozími pokusy o systémy strojového učení pro ověřování založené na zubech.

Navrhované použití pro DeepTeeth-based ověřování. Source: https://arxiv.org/pdf/2107.13217.pdf

Zuby jako identifikátory

Ačkoli zuby mohou být považovány za nejvolatilnější z obličejových rysů, kvůli frekvenci chirurgických zásahů ve srovnání s jinými typy kosmetických nebo obličejových rekonstrukčních operací, článek uvádí, že v dlouhodobém horizontu a průměrně zůstávají nejvíce konzistentními našimi obličejovými identifikačními charakteristikami.

Možná nejznámější je odolnost našich dentálních konfigurací ukázána v tom, jak často se používají pro identifikaci po smrti, kde všechny ostatní tkáně podlehly ohni nebo jiným extrémním formám traumy. Kromě toho jsou zuby poslední součástí těla, která se rozkládá po smrti.

Zatímco datové sady pro tento typ forenzní stomatologie jsou specializované a vyžadují speciální skenovací zařízení (obvykle s rentgenovou komponentou), DeepTeeth vyžaduje pouze řadu jednoduchých “dentálních selfie” pro stanovení základního ID.

Kromě toho autoři článku zjistili, že jejich rámcový systém založený na zubech je odolný vůči typům útoků na podvod, které byly účinně zaměřeny na metody ověřování otisků prstů a obličejových ID.

Normalizované obrázky Region of Interest (RoI) a jejich entsprechající vylepšení v automatizovaném DeepTeeth workflow.

Zachycení, zpracování a trénování

Systém DeepTeeth funguje v aplikaci pro Android, kde uživatel poskytuje několik snímků. Fotografie zubů lze pořídit z různých úhlů a za různých světelných podmínek a jsou zpracovány místně pro pozdější inferenci při ověřování.

Pro generování základního trénovacího databáze autoři článku shromáždili snímky zubů od 51 dobrovolníků. Dobrovolníci použili beta verze aplikace pro Android k získání snímků sami. Aplikace identifikuje a lokalizuje oblast zubů, kterou se snaží získat. Každý uživatel odeslal čtyři ukázkové snímky zubů v rozmezí 3-4 dnů.

Data byla testována v Siamese síti, kde byla také spuštěna proti starší metodě – Google’s 2015 FaceNet. Trénování používalo velikost dávky 16 na Adam optimalizátoru. Model byl trénován na Dell Inspiron-15-5577 pomocí Nvidia GTX 1050 GPU, přičemž trénování trvalo mírně méně než 25 minut k vygenerování 256-rozměrného vektoru funkcí.

DeepTeeth přístup prochází ořezané surové uživatelské snímky prostřednictvím frameworku pro vylepšení pro následnou extrakci funkcí před zpracováním na zařízení prostřednictvím obecné předem trénované lokální sítě.

Ačkoli počátečně zachycené a ořezané části zubů měří 1416 x 510 pixelů, velikost, která je i pro serverové strojové učení nevhodná, jsou menší šedé snímky odvozené z těchto snímků, které procházejí systémem, přičemž větší data jsou odstraněna.

Funkce ztráty použité pro trénování klasifikační sítě je SoftMax, která je lehká a dostatečně odolná pro cílové provozní prostředí.

Architektura funkce ztráty DeepTeeth.

Výsledky

Autoři článku použili pět samostatných výkonových parametrů k vyhodnocení DeepTeeth a zjistili, že systém funguje optimálně s vstupy o velikosti 75 pixelů čtverečních, přičemž dosahuje 100% úspěšnosti.

Předchozí pokusy o použití zubů jako biometrického indikátoru zahrnují studii z roku 2008 Multimodal biometric authentication using teeth image and voice in mobile environment, která基本ně přidala zuby jako záložní metodu pro ověřování založené na hlasu.

Jiný uchazeč, z roku 2020, byl SmileAuth framework navrhnutý výzkumníky z Hunan University v Číně, spolupráce s Michigan State University a University of Massachusetts. Experimentální výsledky v době zveřejnění článku naznačovaly, že systém SmileAuth může dosáhnout přesnosti až 99,74%. Systém používal Random Forest pro extrakci funkcí.

Autoři článku tvrdí, že DeepTeeth překonává všechny předchozí pokusy v této oblasti biometrie a rozšiřuje rozpoznávání zubů za hranice forenzní sféry jako životaschopnou potenciální cestu pro ověřování založené na obličeji.