DeepTeeth: un sistema di identificazione biometrica che utilizza i denti

I ricercatori dell’India hanno proposto un sistema biometrico per utilizzare i denti come token di autenticazione per sistemi sicuri su dispositivi mobili. Chiamato DeepTeeth, il sistema supera gli ostacoli che gli sforzi precedenti verso questo obiettivo hanno incontrato, come ad esempio il tempo di formazione eccessivo o le esigenze di dati di formazione elevate o irrealistiche, per raggiungere un tasso di accuratezza segnalato del 100%.

È anche specificamente rivolto ad ambienti mobili frugali e scenari di autenticazione dell’utente casuale, piuttosto che l’uso più comune di tali tecniche in un contesto di analisi forense costosa.

Il nuovo pre-stampa, dei ricercatori del Birla Institute of Technology and Science Pilani a Rajasthan, utilizza una dimensione dell’immagine dei dati di soli 75×75 pixel, è un framework end-to-end a pochi shot e ha esigenze di risorse locali minime rispetto ai precedenti tentativi di sistemi di autenticazione basati su macchina per il riconoscimento dei denti.

Il flusso di dati proposto per l’autenticazione basata su DeepTeeth. Fonte: https://arxiv.org/pdf/2107.13217.pdf

I denti come identificatori

Sebbene i denti possano essere considerati la caratteristica facciale più volatile, a causa della frequenza di interventi chirurgici rispetto ad altri tipi di chirurgia estetica o di ricostruzione facciale, il documento nota che a lungo termine e in media, rimangono la caratteristica di identificazione facciale più coerente

Forse il più famoso, la resilienza delle nostre configurazioni dentali è esemplificata nel modo in cui vengono utilizzate frequentemente per l’identificazione post-mortem, dove tutti gli altri tessuti sono stati vittime del fuoco o di altre forme estreme di trauma. Inoltre, i denti sono l’ultimo componente del corpo a decomporsi dopo la morte.

Mentre i set di dati per questo tipo di odontoiatria forense sono specializzati e richiedono attrezzature di scansione personalizzate (di solito con un componente a raggi X), DeepTeeth richiede solo una serie di “selfie dentali” facili per stabilire un ID di base.

Inoltre, i ricercatori del documento hanno scoperto che il loro framework di identificazione basato sui denti è resistente al tipo di attacchi di spoofing che sono stati efficacemente lanciati contro metodi di autenticazione basati su impronte digitali e riconoscimento facciale.

Immagini della Region of Interest (RoI) normalizzate e i loro miglioramenti corrispondenti nel flusso di lavoro automatizzato di DeepTeeth.

Cattura, elaborazione e formazione

Il sistema DeepTeeth opera in un’app Android, con il soggetto che fornisce più catture. Le foto dei denti possono essere scattate da vari angoli e in diverse condizioni di illuminazione, e vengono elaborate localmente per un’inferenza successiva al momento dell’autenticazione.

Per generare il database di formazione principale, i ricercatori hanno raccolto immagini dei denti da 51 volontari. I volontari hanno utilizzato una versione beta dell’app Android per ottenere le immagini da soli. L’app identifica e localizza l’area dei denti che sta cercando di acquisire. Ogni utente ha inviato quattro immagini di esempio dei denti all’interno di uno spazio di 3-4 giorni.

I dati sono stati testati in una rete Siamese dove è stato anche eseguito contro un metodo concorrente più vecchio – il FaceNet di Google del 2015. La formazione ha utilizzato una dimensione del batch di 16 su un ottimizzatore Adam. Il modello è stato addestrato su un Dell Inspiron-15-5577 con una scheda grafica Nvidia GTX 1050, con la formazione che ha richiesto poco meno di 25 minuti per generare un vettore di caratteristiche a 256 dimensioni.

L’approccio DeepTeeth passa le immagini crude dei denti dell’utente attraverso un framework di miglioramento per l’estrazione successiva delle caratteristiche prima dell’elaborazione sul dispositivo attraverso una rete locale pre-addestrata generica.

Sebbene le sezioni dei denti catturate e ritagliate inizialmente misurino 1416 x 510 pixel, una dimensione ingombrante anche per la formazione del machine learning basata sul server, le immagini in scala di grigi più piccole derivate da queste catture sono quelle che passano attraverso il sistema, con i dati più grandi scartati.

La funzione di perdita utilizzata per la formazione della rete di classificazione è SoftMax, che è leggera e sufficientemente resistente per l’ambiente di esecuzione target.

L’architettura della funzione di perdita di DeepTeeth.

Risultati

I ricercatori hanno utilizzato cinque parametri di prestazione separati per valutare DeepTeeth e hanno scoperto che il sistema opera ottimamente con una dimensione di input di 75 pixel quadrati, raggiungendo un tasso di successo del 100%.

I precedenti tentativi di utilizzare i denti come indicatore biometrico includono lo studio Autenticazione biometrica multimodale utilizzando immagini dei denti e voce in ambiente mobile del 2008, che ha essenzialmente aggiunto i denti come metodo di backup per l’identificazione basata sulla voce.

Un altro concorrente, del 2020, è stato il framework SmileAuth proposto da ricercatori dell’Università di Hunan in Cina, in collaborazione con l’Università del Michigan e l’Università del Massachusetts. I risultati sperimentali al momento della pubblicazione del documento suggerivano che il sistema SmileAuth potesse raggiungere un tasso di accuratezza fino al 99,74%. Il sistema utilizzava Random Forest per l’estrazione delle caratteristiche.

I ricercatori sostengono che DeepTeeth migliora tutti i precedenti tentativi in questo settore di nicchia della biometria e porta il riconoscimento dentale al di là della sfera forense come una via potenzialmente valida per l’autenticazione dell’ID basata sul viso.