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. Systém nazvaný DeepTeeth překonává překážky, se kterými se setkaly předchozí pokusy o dosažení tohoto cíle, jako je nadměrná doba trénování nebo vysoké a nerealistické požadavky na trénovací data, a dosahuje hlášené přesnosti 100%.

Cílem je také specificky zaměřeno na úsporná mobilní prostředí a běžné scénáře ověřování uživatelů, spíše než na běžné použití těchto technik v drahém kontextu forenzní analýzy.

Nová předtisk od výzkumníků z Birla Institute of Technology and Science Pilani v Rádžasthánu využívá velikost datového obrazu pouze 75×75 pixelů, je koncovým frameworkem s několika snímky a má minimální lokální požadavky na zdroje ve srovnání s předchozími pokusy o systémy strojového učení pro ověřování zubů.

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

Zuby jako identifikační znaky

Ačkoli zuby mohou být považovány za nejvolatilnější z našich obličejových rysů, kvůli frekvenci chirurgických zásahů ve srovnání s jinými typy kosmetických nebo obličejových rekonstrukčních operací, článek uvádí, že zuby zůstávají v dlouhodobém horizontu a v průměru nejvíce konzistentními z našich obličejových identifikačních znaků.

Možná nejznámější je odolnost našich dentálních konfigurací demonstrována tím, jak často se používají pro identifikaci po smrti, kde všechny ostatní tkáně podlehly ohni nebo jiným extrémním formám traumatu. Kromě toho jsou zuby posledním komponentem těla, který 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 “zubních selfie” pro stanovení základního ID.

Dále výzkumníci zjistili, že jejich framework založený na zubech je odolný vůči typům útoků na ověřování, které byly úspěšně použity proti metodám ověřování otisků prstů a obličeje.

Normalizované oblasti zájmu (RoI) a jejich odpovídající vylepšení v automatizovaném pracovním postupu DeepTeeth.

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 lokálně pro pozdější inferenci při ověřování.

Pro generování základního trénovacího databáze výzkumníci 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 rámci 3-4 dnů.

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

Přístup DeepTeeth prochází ořezané surové uživatelské snímky prostřednictvím frameworku pro vylepšení pro následnou extrakci rysů 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 trénování strojového učení neúnosná, jsou menší šedé snímky odvozené z těchto snímků ty, které procházejí systémem, přičemž větší data jsou odstraněna.

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

Architektura funkce ztráty DeepTeeth.

Výsledky

Výzkumníci použili pět samostatných výkonových parametrů pro vyhodnocení DeepTeeth a zjistili, že systém funguje optimálně s minimální velikostí vstupu 75 pixelů čtverečních, 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.

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

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