DeepTeeth : Un système d’identification biométrique qui utilise les dents

Des chercheurs indiens ont proposé un système biométrique pour utiliser les dents comme jeton d’authentification pour les systèmes sécurisés sur les appareils mobiles. Appelé DeepTeeth, le système surmonte les obstacles que les tentatives précédentes dans ce but ont rencontrés, tels que des temps de formation excessifs ou des exigences de formation de données élevées ou irréalistes, pour atteindre un taux de précision rapporté de 100%.

Il est également spécifiquement destiné aux environnements mobiles frugaux et aux scénarios d’authentification utilisateur occasionnels, plutôt qu’à l’utilisation plus courante de ces techniques dans un contexte d’analyse forensique coûteuse.

La nouvelle pré-impression, des chercheurs de l’Institut de technologie et de sciences Birla de Pilani à Rajasthan, utilise une taille d’image de données de seulement 75×75 pixels, est un cadre de quelques coups de feu, et a des besoins de ressources locales minimaux par rapport aux tentatives précédentes pour les systèmes d’authentification de reconnaissance de dents basés sur l’apprentissage automatique.

L’utilisation proposée pour l’authentification basée sur DeepTeeth. Source: https://arxiv.org/pdf/2107.13217.pdf

Les dents comme signifiants d’identification

Bien que les dents puissent être considérées comme la caractéristique faciale la plus volatile, en raison de la fréquence des interventions chirurgicales par rapport aux autres types de chirurgie esthétique ou de reconstruction faciale, l’article note que, à long terme et en moyenne, elles restent la caractéristique d’identification faciale la plus cohérente

Peut-être le plus célèbre, la résilience de nos configurations dentaires est exemplifiée dans la fréquence à laquelle elles sont utilisées pour l’identification post-mortem, où tous les autres tissus ont succombé au feu ou à d’autres formes extrêmes de traumatisme. De plus, les dents sont le dernier composant du corps à se dégrader après la mort.

Alors que les ensembles de données pour ce type de médecine légale dentaire sont spécialisés et nécessitent un équipement de balayage personnalisé (généralement avec un composant radiographique), DeepTeeth nécessite seulement une série de « selfies dentaires » faciles pour établir une identification de base.

De plus, les chercheurs de l’article ont constaté que leur cadre d’identification basé sur les dents est résistant aux types d’attaques de contrefaçon qui ont été efficacement lancées contre les méthodes d’authentification par empreinte digitale et par reconnaissance faciale.

Images de région d’intérêt normalisée (RoI) et leurs améliorations correspondantes dans le flux de travail automatisé DeepTeeth.

Capture, traitement et formation

Le système DeepTeeth fonctionne dans une application Android, avec le sujet fournissant plusieurs captures. Les photos des dents peuvent être prises sous différents angles et dans diverses conditions d’éclairage, et sont traitées localement pour une inférence ultérieure au moment de l’authentification.

Pour générer la base de données de formation principale, les chercheurs ont collecté des images de dents de 51 volontaires. Les volontaires ont utilisé une version bêta de l’application Android pour obtenir les images eux-mêmes. L’application identifie et localise la zone des dents qu’elle cherche à acquérir. Chaque utilisateur a soumis quatre exemples d’images de dents dans un espace de 3-4 jours.

Les données ont été testées dans un réseau de Siamese où elles ont également été exécutées contre une méthode concurrente plus ancienne – le FaceNet de Google en 2015. La formation a utilisé une taille de lot de 16 sur un optimiseur Adam. Le modèle a été formé sur un Dell Inspiron-15-5577 avec une carte graphique Nvidia GTX 1050, la formation prenant légèrement moins de 25 minutes pour générer un vecteur de fonctionnalités de 256 dimensions.

L’approche DeepTeeth passe les images brutes coupées prises par l’utilisateur à travers un cadre d’amélioration pour une extraction de fonctionnalités ultérieure avant le traitement sur appareil via un réseau local pré-formé générique.

Bien que la section des dents capturée et coupée mesure initialement 1416 x 510 pixels, une taille ingérable même pour la formation de l’apprentissage automatique basée sur le serveur, les images en échelle de gris plus petites dérivées de ces captures sont celles qui passent par le système, avec les données plus grandes supprimées.

La fonction de perte utilisée pour la formation du réseau de classification est SoftMax, qui est légère et suffisamment robuste pour l’environnement de fonctionnement ciblé.

L’architecture de la fonction de perte de DeepTeeth.

Résultats

Les chercheurs ont utilisé cinq paramètres de performance distincts pour évaluer DeepTeeth, et ont constaté que le système fonctionne de manière optimale avec une taille d’entrée minuscule de 75 pixels carrés, atteignant un taux de réussite de 100%.

Les tentatives précédentes pour utiliser les dents comme indicateur biométrique incluent l’étude de 2008 Multimodal biometric authentication using teeth image and voice in mobile environment, qui a essentiellement ajouté les dents comme méthode de sauvegarde pour l’identification basée sur la voix.

Un autre prétendant, de 2020, était le cadre SmileAuth proposé par des chercheurs de l’Université de Hunan en Chine, une collaboration avec l’Université d’État du Michigan et l’Université du Massachusetts. Les résultats expérimentaux au moment de la publication de l’article suggéraient que le système SmileAuth pouvait atteindre un taux de précision allant jusqu’à 99,74 %. Le système utilisait la forêt aléatoire pour l’extraction de fonctionnalités.

Les chercheurs soutiennent que DeepTeeth améliore toutes les tentatives précédentes dans ce domaine de niche de la biométrie, et fait de la reconnaissance dentaire un axe de recherche viable pour l’authentification d’identification basée sur le visage au-delà de la sphère forensique.