DeepTeeth: System identyfikacji biometrycznej, który wykorzystuje zęby

Naukowcy z Indii zaproponowali system biometryczny do wykorzystania zębów jako tokenu uwierzytelniania dla bezpiecznych systemów na urządzeniach mobilnych. Nazwany DeepTeeth, system pokonuje przeszkody, które poprzednie próby w tym celu napotkały, takie jak nadmierne czasy szkolenia lub wysokie i nierzeczywiste wymagania dotyczące danych szkoleniowych, aby osiągnąć zgłoszony wskaźnik dokładności 100%.

Jest również spécjalnie skierowany do oszczędnych środowisk mobilnych i sytuacji uwierzytelniania użytkowników, a nie do bardziej powszechnego wykorzystania takich technik w droższym kontekście analizy sądowej.

Nowy pre-print, z naukowcami z Birla Institute of Technology and Science Pilani w Radżastanie, wykorzystuje rozmiar obrazu danych o rozmiarze tylko 75×75 pikseli, jest to ramka końcowego szkolenia z niewielką liczbą prób, i ma minimalne potrzeby zasobów lokalnych w porównaniu z poprzednimi próbami systemów uwierzytelniania opartych na zębach.

Zaproponowane użycie uwierzytelniania opartego na DeepTeeth. Source: https://arxiv.org/pdf/2107.13217.pdf

Zęby jako identyfikatory

Chociaż zęby mogą być uważane za najbardziej zmienne cechy twarzy, ze względu na częstotliwość interwencji chirurgicznej w porównaniu z innymi typami chirurgii kosmetycznej lub rekonstrukcyjnej, artykuł zauważa, że w długiej perspektywie i średnio, pozostają one najbardziej spójnymi cechami identyfikacji twarzy.

Być może najbardziej znany, wytrzymałość naszych konfiguracji dentystycznych jest ilustrowana przez to, jak często są one używane do identyfikacji pośmiertnej, gdzie wszystkie inne tkanki uległy uszkodzeniu przez ogień lub inne ekstremalne formy urazu. Ponadto, zęby są ostatnim składnikiem ciała, który ulega degradacji po śmierci.

Podczas gdy zestawy danych dla tego typu stomatologii sądowej są specjalistyczne i wymagają specjalistycznego sprzętu skanującego (zwykle z komponentem rentgenowskim), DeepTeeth wymaga tylko serii łatwych “dentalnych selfie”, aby ustalić podstawową identyfikację.

Ponadto, naukowcy odkryli, że ich ramka identyfikacji opartej na zębach jest odporna na rodzaj ataków, które były skutecznie wymierzone w metody uwierzytelniania oparte na odciskach palców i twarzy.

Znormalizowane obrazy Region of Interest (RoI) i ich odpowiednie ulepszenia w automatycznym przepływie pracy DeepTeeth.

Pozyskiwanie, przetwarzanie i szkolenie

System DeepTeeth działa w aplikacji na Androida, z podmiotem dostarczającym wiele pozyskań. Zdjęcia zębów mogą być robione z różnych kątów i w różnych warunkach oświetlenia, i są przetwarzane lokalnie do późniejszej inferencji w czasie uwierzytelniania.

Aby wygenerować podstawową bazę danych szkoleniowych, naukowcy zebrali obrazy zębów od 51 wolontariuszy. Wolontariusze używali beta wersji aplikacji na Androida, aby uzyskać obrazy. Aplikacja identyfikuje i lokalizuje obszar zębów, który chce nabyć. Każdy użytkownik złożył cztery przykładowe obrazy zębów w ciągu 3-4 dni.

Dane były testowane w sieci Siamese, gdzie również były uruchamiane przeciwko starszej, konkurencyjnej metodzie – FaceNet z 2015 roku. Szkolenie używało rozmiaru partii 16 na optymalizatorze Adam. Model był szkolony na Dell Inspiron-15-5577 z kartą graficzną Nvidia GTX 1050, a szkolenie trwało nieco mniej niż 25 minut, aby wygenerować 256-wymiarowy wektor cech.

Podejście DeepTeeth przechodzi przez obrazy surowe, pobrane przez użytkownika, przez ramę ulepszeń, a następnie przez ekstrakcję cech przed przetwarzaniem na urządzeniu przez ogólną, wstępnie wytrenowaną sieć lokalną.

Chociaż początkowo pozyskane i obcięte sekcje zębów mają rozmiar 1416 x 510 pikseli, co jest niewygodnym rozmiarem nawet dla serwerowego szkolenia z użyciem maszyn, mniejsze obrazy w skali szarości pochodzące z tych pozyskań są tym, co przechodzi przez system, a większe dane są odrzucane.

Funkcja straty użyta do szkolenia sieci klasyfikacji jest SoftMax, która jest lekka i wystarczająco wytrzymała dla docelowego środowiska operacyjnego.

Architektura funkcji straty DeepTeeth.

Wyniki

Naukowcy użyli pięciu oddzielnych parametrów wydajności, aby ocenić DeepTeeth, i stwierdzili, że system działa optymalnie z niewielkim rozmiarem wejścia 75 pikseli kwadratowych, osiągając wskaźnik sukcesu 100%.

Poprzednie próby wykorzystania zębów jako wskaźnika biometrycznego obejmują badanie Multimodal biometric authentication using teeth image and voice in mobile environment z 2008 roku, które podstawowo dodało zęby jako metodę awaryjną dla identyfikacji opartej na głosie.

Inny kandydat, z 2020 roku, był SmileAuth framework proponowany przez naukowców z Uniwersytetu Hunan w Chinach, we współpracy z Uniwersytetem Stanu Michigan i Uniwersytetem Massachusetts. Wyniki eksperymentalne w czasie publikacji sugerowały, że system SmileAuth mógł osiągnąć wskaźnik dokładności do 99,74%. System wykorzystywał las losowy do ekstrakcji cech.

Naukowcy twierdzą, że DeepTeeth poprawia wszystkie poprzednie próby w tej niszy biometrii i przenosi rozpoznanie dentystyczne poza sferę sądową jako potencjalną drogę do uwierzytelniania opartego na twarzy.