DeepTeeth: Биометрическая система идентификации, использующая зубы

Исследователи из Индии предложили биометрическую систему для использования зубов в качестве токена аутентификации для безопасных систем на мобильных устройствах. Называемая DeepTeeth, система преодолевает препятствия, с которыми столкнулись предыдущие попытки достижения этой цели, такие как чрезмерное время обучения или высокие или нереалистичные требования к обучающим данным, и достигает заявленной точности 100%.

Она также специально предназначена для бережливых мобильных сред и сценариев аутентификации пользователей, а не для более распространенного использования таких методов в контексте дорогостояного форензического анализа.

Новая предварительная публикация исследователей из Института технологий и науки Бирла в Раджастхане использует размер изображения данных только 75×75 пикселей, является рамкой конца в конце с несколькими выстрелами и имеет минимальные местные требования к ресурсам по сравнению с предыдущими попытками систем аутентификации на основе зубов.

Предлагаемое использование для аутентификации на основе DeepTeeth. Источник: https://arxiv.org/pdf/2107.13217.pdf

Зубы в качестве идентификаторов

Хотя зубы могут считаться наиболее изменчивыми чертами лица из-за частоты хирургического вмешательства по сравнению с другими типами косметической или реконструктивной хирургии лица, статья отмечает, что в долгосрочной перспективе и в среднем они остаются наиболее последовательными характеристиками идентификации лица.

Возможно, наиболее известно, что устойчивость наших зубных конфигураций демонстрируется в том, как часто они используются для идентификации после смерти, когда все другие ткани подверглись воздействию огня или других экстремальных форм травмы. Кроме того, зубы являются последней составляющей тела, которая разрушается после смерти.

В то время как наборы данных для этого типа форензической стоматологии специализированы и требуют специального сканирующего оборудования (обычно с компонентом рентгена), DeepTeeth требует только серии простых “зубных селфи”, чтобы установить базовую идентификацию.

Более того, исследователи обнаружили, что их основанная на зубах рамка идентификации устойчива к тому типу атак-спуфов, которые были эффективно применены к методам аутентификации на основе отпечатков пальцев и лица.

Нормализованные изображения области интереса (RoI) и их соответствующие улучшения в автоматизированном рабочем процессе DeepTeeth.

Получение, обработка и обучение

Система DeepTeeth работает в приложении для Android, где субъект предоставляет несколько захватов. Фотографии зубов можно снимать с различных углов и в различных условиях освещения, и обрабатываются локально для последующего вывода во время аутентификации.

Чтобы сгенерировать основную базу данных обучения, исследователи собрали изображения зубов от 51 добровольца. Добровольцы использовали бета-версию приложения для Android, чтобы получить изображения самих себя. Приложение идентифицирует и локализует область зубов, которую оно стремится получить. Каждый пользователь представил четыре образца изображений зубов в течение 3-4 дней.

Данные были протестированы в сетевой структуре Siamese, где они также были протестированы против конкурирующего, более старого метода – FaceNet от Google 2015 года. Обучение использовало размер пакета 16 на оптимизаторе Adam. Модель была обучена на Dell Inspiron-15-5577 с графическим процессором Nvidia GTX 1050, и обучение заняло чуть менее 25 минут, чтобы сгенерировать 256-мерный вектор особенностей.

Подход DeepTeeth проходит обрезанные сырые изображения, сделанные пользователем, через рамку улучшения для последующего извлечения особенностей перед обработкой на устройстве через обобщенную предварительно обученную локальную сеть.

Хотя изначально захваченная и обрезанная секция зубов имеет размер 1416 x 510 пикселей, размер, который даже для серверного обучения машинного обучения является неуклюжим, меньшие изображения в оттенках серого, полученные из этих захватов, проходят через систему, и более крупные данные отбрасываются.

Функция потерь, используемая для обучения классификационной сети, является SoftMax, которая является легкой и достаточно устойчивой для целевой операционной среды.

Архитектура функции потерь DeepTeeth.

Результаты

Исследователи использовали пять отдельных параметров производительности, чтобы оценить DeepTeeth, и обнаружили, что система работает оптимально с скудным размером входных данных 75 пикселей квадратных, достигая 100% успеха.

Предыдущие попытки использовать зубы в качестве биометрического индикатора включают исследование 2008 года Мультимодальная биометрическая аутентификация, использующая изображения зубов и голос в мобильной среде, которое по сути добавило зубы в качестве резервного метода для голосовой идентификации.

Другой претендент, из 2020 года, был фреймворком SmileAuth, предложенным исследователями из Университета Хунана в Китае, в сотрудничестве с Университетом штата Мичиган и Университетом Массачусетса. Экспериментальные результаты на момент публикации статьи показали, что система SmileAuth может достичь точности до 99,74%. Система использовала случайный лес для извлечения особенностей.

Исследователи утверждают, что DeepTeeth улучшает все предыдущие попытки в этой нишевой области биометрии и выводит распознавание зубов за пределы форензической сферы как жизнеспособный потенциальный путь для аутентификации на основе лица.