DeepTeeth: Ένα Συστημα Βιομετρικής Ταυτοποίησης που Χρησιμοποιεί τα Δόντια

Ερευνητές από την Ινδία έχουν προτείνει ένα σύστημα βιομετρικής ταυτοποίησης που χρησιμοποιεί τα δόντια ως token αυθεντικοποίησης για ασφαλή συστήματα σε κινητές συσκευές. Το σύστημα, που ονομάζεται DeepTeeth, υπερβαίνει τα εμπόδια που είχαν συναντήσει προηγούμενες προσπάθειες για αυτό το σκοπό, όπως η υπερβολική διάρκεια εκπαίδευσης ή οι υψηλές απαιτήσεις δεδομένων, και επιτυγχάνει einen αναφερόμενο δείκτη ακριβείας 100%.

Είναι επίσης ειδικά σχεδιασμένο για φειδωλά περιβάλλοντα κινητών συσκευών και scenaria αυθεντικοποίησης για καθημερινούς χρήστες, αντί για τη συνηθισμένη χρήση τέτοιων τεχνικών σε ένα ακριβό περιβάλλον ανάλυσης.

Η νέα πρόωρη έκδοση, από ερευνητές στο Birla Institute of Technology and Science Pilani στο Rajasthan, χρησιμοποιεί ένα μέγεθος εικόνας δεδομένων μόνο 75×75 pixels, είναι ένα πλαίσιο few-shot από άκρου σε άκρο, και έχει ελάχιστες τοπικές απαιτήσεις πόρων σε σύγκριση με προηγούμενες προσπάθειες για συστήματα αυθεντικοποίησης με βάση τα δόντια.

Η προτεινόμενη χρήση για DeepTeeth-βασισμένη αυθεντικοποίηση. Source: https://arxiv.org/pdf/2107.13217.pdf

Τα Δόντια ως Δείκτες Ταυτοποίησης

Αν και τα δόντια μπορεί να θεωρηθούν τα πιο εύθραυστα χαρακτηριστικά του προσώπου, λόγω της συχνότητας χειρουργικής επέμβασης σε σύγκριση με άλλα είδη αισθητικής ή αναπλαστικής χειρουργικής, η εργασία σημειώνει ότι σε μακροπρόθεσμη βάση και κατά μέσο όρο, παραμένουν το πιο σταθερό χαρακτηριστικό της ταυτοποίησης του προσώπου

Πιθανότατα, η ανθεκτικότητα των οδοντικών μας διαμορφώσεων αποδεικνύεται στο πώς συχνά χρησιμοποιούνται για την ταυτοποίηση μετά θάνατον, όπου όλα τα άλλα ιστό έχουν πέσει θύματα πυρός ή άλλων ακραίων μορφών τραύματος. Επιπλέον, τα δόντια είναι το τελευταίο συστατικό του σώματος που αποσυνθέτει μετά θάνατον.

Ενώ τα σύνολα δεδομένων για αυτό το είδος της νομικής οδοντιατρικής είναι εξειδικευμένα και απαιτούν ειδικό εξοπλισμό σάρωσης (συνήθως με компонент x-ray), το DeepTeeth απαιτεί μόνο μια σειρά από εύκολες ‘οδοντικές.selfies’ για να καθορίσει μια βασική ταυτοποίηση.

Επιπλέον, οι ερευνητές της εργασίας βρήκαν ότι το πλαίσιο ταυτοποίησης με βάση τα δόντια είναι ανθεκτικό στα είδη επιθέσεων που έχουν επιβληθεί αποτελεσματικά στα μέθοδοι αυθεντικοποίησης με βάση τα δακτυλικά αποτυπώματα και τα χαρακτηριστικά του προσώπου.

Εικονογραφημένες Περιοχές Ενδιαφέροντος (RoI) και οι αντίστοιχες ενισχύσεις στην αυτοματοποιημένη ροή εργασίας DeepTeeth.

Καταγραφή, Επεξεργασία και Εκπαίδευση

Το σύστημα DeepTeeth λειτουργεί σε μια εφαρμογή Android, με το υποκείμενο να παρέχει πολλαπλές καταγραφές. Οι φωτογραφίες των δοντιών μπορούν να ληφθούν από διάφορες γωνίες και σε διάφορες συνθήκες φωτισμού, και επεξεργάζονται τοπικά για μεταγενέστερη εκτίμηση κατά την время αυθεντικοποίησης.

Για τη δημιουργία της βασικής βάσης δεδομένων εκπαίδευσης, οι ερευνητές συλλέγαν εικόνες δοντιών από 51 εθελοντές. Οι εθελοντές χρησιμοποίησαν μια beta της εφαρμογής Android για να λάβουν τις εικόνες τους. Η εφαρμογή αναγνωρίζει και τοποθετεί την περιοχή των δοντιών που επιθυμεί να αποκτήσει. Κάθε χρήστης υπέβαλε τέσσερις εικόνες δοντιών μέσα σε ένα διάστημα 3-4 ημερών.

Τα δεδομένα δοκιμάστηκαν σε ένα δίκτυο Siamese όπου επίσης τρέχουν ενάντια σε μια παλαιότερη μέθοδο – το FaceNet του Google το 2015. Η εκπαίδευση χρησιμοποιούσε ένα μέγεθος batch 16 σε einen βελτιωτή Adam. Το μοντέλο εκπαιδεύτηκε σε einen Dell Inspiron-15-5577 με einen Nvidia GTX 1050 GPU, με την εκπαίδευση να διαρκεί λίγο λιγότερο από 25 λεπτά για να παράγει einen 256-διαστατικό διανυσματικό χαρακτηριστικό.

Η προσέγγιση DeepTeeth περνά τις कटμένες εικόνες χρήστη через ένα πλαίσιο ενίσχυσης για την επακόλουθη εξαγωγή χαρακτηριστικών πριν από την επεξεργασία στην συσκευή μέσω ενός γενικού προ-εκπαιδευμένου τοπικού δικτύου.

Αν και οι αρχικά καταγεγραμμένες και कटμένες περιοχές δοντιών μετρά 1416 x 510 pixels, ένα ακαταμάχητο μέγεθος ακόμη και για εκπαίδευση μηχανικής μάθησης σε διακομιστή, οι μικρότερες εικόνες σε κλίμακα του γκρι που προέρχονται από αυτές τις καταγραφές είναι αυτές που τρέχουν через το σύστημα, με τα μεγαλύτερα δεδομένα να απορρίπτονται.

Η συνάρτηση απώλειας που χρησιμοποιείται για την εκπαίδευση του δικτύου ταξινόμησης είναι SoftMax, η οποία είναι ελαφριά και ανθεκτική đủ για το στόχο περιβάλλον λειτουργίας.

Η αρχιτεκτονική της συνάρτησης απώλειας του DeepTeeth.

Αποτελέσματα

Οι ερευνητές χρησιμοποίησαν πέντε ξεχωριστά παραμέτρους απόδοσης για να αξιολογήσουν το DeepTeeth, και βρήκαν ότι το σύστημα λειτουργεί ιδανικά με ένα μικρό μέγεθος εισόδου 75 pixels, επιτυγχάνοντας einen δείκτη επιτυχίας 100%.

Προηγούμενες προσπάθειες για χρήση των δοντιών ως βιομετρικού δείκτη περιλαμβάνουν την μελέτη Μultimodal βιομετρική αυθεντικοποίηση χρησιμοποιώντας εικόνες δοντιών και φωνή σε κινητό περιβάλλον, η οποία ουσιαστικά πρόσθεσε τα δόντια ως μέθοδο αναπληρωματικής ταυτοποίησης για φωνητική ταυτοποίηση.

Ένας άλλος διεκδικητής, από το 2020, ήταν το πλαίσιο SmileAuth που προτάθηκε από ερευνητές στο Hunan University στην Κίνα, μια συνεργασία με το Michigan State University και το University of Massachusetts. Πειραματικά αποτελέσματα κατά την время της δημοσίευσης της εργασίας δείχνουν ότι το σύστημα SmileAuth μπορεί να επιτύχει einen δείκτη ακριβείας μέχρι 99.74%. Το σύστημα χρησιμοποιούσε Random Forest για εξαγωγή χαρακτηριστικών.

Οι ερευνητές υποστηρίζουν ότι το DeepTeeth βελτιώνει όλες τις προηγούμενες προσπάθειες σε αυτό το είδος της βιομετρικής, και μεταφέρει την αναγνώριση δοντιών πέρα από τη σφαίρα της νομικής οδοντιατρικής ως einen δυνητικά εφικτό δρόμο για αυθεντικοποίηση με βάση το πρόσωπο.