DeepTeeth: Um Sistema de ID Biométrico que Usa Dentes

Pesquisadores da Índia propuseram um sistema biométrico para usar dentes como um token de autenticação para sistemas seguros em dispositivos móveis. Chamado de DeepTeeth, o sistema supera obstáculos que esforços anteriores para este objetivo encontraram, como tempo de treinamento excessivo ou requisitos de treinamento de dados altos ou irrealistas, para alcançar uma taxa de precisão relatada de 100%.

Ele também é especificamente direcionado a ambientes móveis frugais e cenários de autenticação de usuário casual, em vez do uso mais comum dessas técnicas em um contexto de análise forense cara.

O novo pré-impressão, de pesquisadores do Birla Institute of Technology and Science Pilani em Rajasthan, utiliza um tamanho de imagem de dados de apenas 75×75 pixels, é um framework de poucos disparos de ponta a ponta e tem necessidades de recursos locais mínimas em comparação com tentativas anteriores de sistemas de autenticação de aprendizado de máquina baseados em dentes.

O uso proposto para autenticação baseada em DeepTeeth. Fonte: https://arxiv.org/pdf/2107.13217.pdf

Dentes como Identificadores de ID

Embora os dentes possam ser considerados a característica facial mais volátil, devido à frequência de intervenção cirúrgica em comparação com outros tipos de cirurgia cosmética ou de reconstrução facial, o artigo observa que, a longo prazo e em média, eles permanecem a característica de identificação facial mais consistente

Talvez o mais famoso, a resiliência de nossas configurações dentárias é exemplificada em como frequentemente elas são usadas para identificação post-mortem, onde todos os outros tecidos foram vítimas de fogo ou outros tipos extremos de trauma. Além disso, os dentes são o último componente do corpo a se degradar após a morte.

Enquanto conjuntos de dados para esse tipo de odontologia forense são especializados e exigem equipamentos de digitalização personalizados (usualmente com um componente de raios-X), o DeepTeeth exige apenas uma série de “selfies dentários” fáceis para estabelecer um ID de base.

Além disso, os pesquisadores do artigo encontraram que seu framework de ID baseado em dentes é resistente ao tipo de ataques de spoofing que foram eficazmente direcionados a métodos de autenticação de impressão digital e facial.

Imagens de Região de Interesse (RoI) normalizadas e suas correspondentes melhorias no fluxo de trabalho automatizado do DeepTeeth.

Captura, Processamento e Treinamento

O sistema DeepTeeth opera em um aplicativo Android, com o assunto fornecendo múltiplas capturas. Fotos dos dentes podem ser tiradas de vários ângulos e em uma variedade de condições de iluminação, e são processadas localmente para inferência posterior no momento da autenticação.

Para gerar o banco de dados de treinamento central, os pesquisadores coletaram imagens de dentes de 51 voluntários. Os voluntários usaram uma versão beta do aplicativo Android para obter as imagens eles mesmos. O aplicativo identifica e localiza a área dos dentes que ele está buscando adquirir. Cada usuário enviou quatro imagens de exemplo de dentes dentro de um espaço de 3-4 dias.

Os dados foram testados em uma rede Siamese onde também foi executado contra um método competidor mais antigo – o FaceNet da Google de 2015. O treinamento usou um tamanho de lote de 16 em um otimizador Adam. O modelo foi treinado em um Dell Inspiron-15-5577 usando um GPU Nvidia GTX 1050, com o treinamento levando ligeiramente menos de 25 minutos para gerar um vetor de recurso de 256 dimensões.

A abordagem DeepTeeth passa imagens cruas recortadas de usuário por um framework de melhoria para extração subsequente de recursos antes do processamento no dispositivo por meio de uma rede local pré-treinada genérica.

Embora a seção de dentes inicialmente capturada e recortada medida 1416 x 510 pixels, um tamanho desajeitado mesmo para treinamento de aprendizado de máquina baseado em servidor, as imagens em escala de cinza menores derivadas dessas capturas são o que passa pelo sistema, com os dados maiores descartados.

A função de perda usada para treinar a rede de classificação é SoftMax, que é leve e resiliente o suficiente para o ambiente de operação alvo.

A arquitetura da função de perda do DeepTeeth.

Resultados

Os pesquisadores usaram cinco parâmetros de desempenho separados para avaliar o DeepTeeth e encontraram que o sistema opera de forma ótima com um tamanho de entrada minguante de 75 pixels quadrados, alcançando uma taxa de sucesso de 100%.

Tentativas anteriores de usar dentes como um indicador biométrico incluem o estudo Autenticação biométrica multimodal usando imagem de dentes e voz em ambiente móvel de 2008, que essencialmente adicionou dentes como um método de backup para identificação baseada em voz.

Outro concorrente, de 2020, foi o framework SmileAuth proposto por pesquisadores da Universidade de Hunan, na China, em colaboração com a Universidade Estadual de Michigan e a Universidade de Massachusetts. Os resultados experimentais na época da publicação do artigo sugeriram que o sistema SmileAuth poderia alcançar uma taxa de precisão de até 99,74%. O sistema usou Random Forest para extração de recursos.

Os pesquisadores defendem que o DeepTeeth melhora todas as tentativas anteriores nessa área de nicho de biometria e leva o reconhecimento dental além da esfera forense como uma via potencial viável para autenticação de ID baseada em face.