Autenticación Basada en Huella Digital - SABIA-Group...

Autenticación Basada en Huella Digital

Ricardo Iglesias Meijome Iván Gómez Merayo

IntroducciIntroduccióónn

� Indentificar:– Por lo que sabe

– Por lo que tiene

– Por lo que es

·· IntroducciIntroduccióónn

--Por qué la huella digital

-Características

-Historia

· Adquisición de la huella

·Análisis y Representación

· Emparejamiento de huellas dactilares

· Fallos en un sistema biométrico

· Aplicaciones

· FVC

· Ejemplo

¿¿Por quPor quéé la huella digital?la huella digital?

� Iris:– Engorroso y molesto. Caro. Poca aceptación

� Voz– Influyen Diversos factores. Poco seguro, alta negación.

� Cara– Complicado al aire libre. Baja fiabilidad y calidad, alta negación.

� Palma de la mano– Muy alta falsa aceptación (FAR)

� Firma manuscrita– Influyen Diversos factores. Bajo rendimiento.

� Huella Digital– Fiable

– Rápido

– Seguro

– Barato

– Cómodo


--Por quPor quéé la huella la huella

digitaldigital

-Características

-Historia





· Aplicaciones

· FVC

· Ejemplo

CaracterCaracteríísticassticas

� Perennes

� Inmutables

� Diversiformes



--CaracterCaracteríísticassticas

-Historia





· Aplicaciones

· FVC

· Ejemplo

AltaEstabilidad

MediaAceptación

AltaPrevención de ataques

AltaFacilidad de uso

AltaFiabilidad


� Crestas y Valles·· IntroducciIntroduccióónn



-Historia





· Aplicaciones

· FVC

· Ejemplo


� Minucia·· IntroducciIntroduccióónn



-Historia





· Aplicaciones

· FVC

· Ejemplo


� Núcleo y Delta·· IntroducciIntroduccióónn



-Historia





· Aplicaciones

· FVC

· Ejemplo

HistoriaHistoria

� Babilonia: Arcilla

� s XIV - Persia: Firmas

� s XIX – Henry Faulds: Estudio de homínidos

– Le preguntó a Sir Charles Darwin

– Propuesta a la Policía de Londres

� Sir Francis Galton:

– Perennes

– Diversiformes

� s XX - Juan Vucetich, Criminalista en Buenos Aires:

– Procedimientos

– Clasificación

– Difusión como técnica identificatoria

� Identificación manual es un proceso largo y tedioso

– Automatización

– Sólo se usan Terminaciones y Bifurcaciones



-Características

--Historia Historia





· Aplicaciones

· FVC

· Ejemplo

AdquisiciAdquisicióón de la Huellan de la Huella

� Métodos de Adquisición offline

– Impresión en tinta� Pérdida de información

– Huella dactilar latente

� Métodos de Adquisición live-scan

– Sensores ópticos

– Sensores de estado sólido

– Sensores por ultrasonidos

· Introducción

·· AdquisiciAdquisicióón de la huellan de la huella

--MMéétodos de todos de

adquisiciadquisicióón n offlineoffline

-Métodos de adquisición live-scan

-Almacenamiento de las imágenes de las huellas digitales




· Aplicaciones

· FVC

· Ejemplo

AdquisiciAdquisicióón n LiveLive--scanscan

� Sensores ópticos

� La luz introducida

– es reflejada por los valles ( brillantes )

– absorbida por las crestas (aparecen oscuras)

� La luz reflejada

– Enfocada hacia un sensor de imagen CCD o CMOS

· Introducción


-Métodos de adquisición offline


adquisiciadquisicióón n livelive--scanscan





· Aplicaciones

· FVC

· Ejemplo


� Sensores de estado sólido– Array de píxeles diminutos

� Tipos:– Capacitivo : miden la capacidad a través de las placas– Térmico : generan corriente basada en temperatura

diferncial– Piezoeléctrico : Generan corriente eléctrica en función

de la presión ejercida sobre el sensor

· Introducción









· Aplicaciones

· FVC

· Ejemplo


� Sensores por ultrasonidos

– Similar a los realizado en una ecografía

– Uso de señales acústicas en distinta frecuencia para captar la estructura

– penetran la suciedad hasta alcanzar la superficie del dedo

· Introducción









· Aplicaciones

· FVC

· Ejemplo

Sistemas automSistemas automááticosticos

� Sistemas AFAS:– Entrada: una identidad y una huella

– Respuesta: Booleano indicando si la huella pertenece a la identidad proporcionada

� Sistemas AFIS:– Entrada:Una huella

– Salida: Lista de identidades con una puntuación de correspondencia

� Sistema IAFIS del FBI

· Introducción




--Almacenamiento de Almacenamiento de

las imlas imáágenes de las genes de las

huellas digitaleshuellas digitales




· Aplicaciones

· FVC

· Ejemplo

AlmacenamientoAlmacenamiento

� Sistema AFAS– No supone un problema

– Número limitado de usuarios que pueden ser autenticados

� Sistema AFIS– Millones de huellas almacenadas

– Supone un problema tanto de almacenamiento como de transmisión por un canal de comunicación

– Necesidad de algoritmos de compresión que no afecte n a la calidad de la huella

� Wavelet Scalar Quantization (WSQ) , comprime en un factor entre 10 y 25.

· Introducción




--Almacenamiento de Almacenamiento de

las imlas imáágenes de las genes de las

huellas digitaleshuellas digitales




· Aplicaciones

· FVC

· Ejemplo

OrientaciOrientacióón local de crestasn local de crestas

� Se calcula el ángulo que forma la cresta con el eje horizontal

� No se calcula para cada píxel: Uso de ventanas de NxN.

� Valor rij :fiabilidad– Bajo para zonas con ruido– Alto para zonas de buena calidad

· Introducción


·AnAnáálisis y Representacilisis y Representacióónn

--OrientaciOrientacióón local de n local de

crestascrestas

-Detección de singularidades

-Detección del núcleo

-Mejora de imágenes

-Detección de minucias



· Aplicaciones

· FVC

· Ejemplo

DetecciDeteccióón de singularidadesn de singularidades

� Calculo del índice de Poincaré– Solución matemática

– El valor devuelto es un ángulo que nos permite clasificar un punto en:

� Espiral� Bucle � Delta � Ninguna singularidad

· Introducción



-Orientación local de crestas

--DetecciDeteccióón de n de

singularidadessingularidades






· Aplicaciones

· FVC

· Ejemplo

DetecciDeteccióón del nn del núúcleocleo

� Se calcula a partir del paso de detección de singularidades

� Se localiza como el punto más al norte de la singularidad bucle

� Puede ser un paso crítico

� Es posible calcularlo mediante aproximaciones

· Introducción





-DetecciDeteccióón del n del

nnúúcleocleo





· Aplicaciones

· FVC

· Ejemplo

Mejora de imMejora de imáágenesgenes

� Las técnicas de detección de huellas dependen en buena medida de la calidad de la imagen

� Baja calidad:– Cortes, humedad de la piel…

– Ruido en el sensor

– Incorrecta presión

� Necesidad de aplicar filtros para mejorar la imagen

· Introducción






-Mejora de Mejora de

imimáágenesgenes




· Aplicaciones

· FVC

· Ejemplo

DetecciDeteccióón de minuciasn de minucias

� La mayoría de métodos de comparación basados en emparejamiento de minucias

� Preprocesado– Binarización

– Adelgazamiento

� Detección de minucias

� Filtrado de minucias para eliminar falsas minucias

· Introducción







--DetecciDeteccióón de n de

minuciasminucias



· Aplicaciones

· FVC

· Ejemplo

EmparejamientoEmparejamiento

� Diferentes impresiones del mismo dedo

– Diferentes rotaciones o desplazamientos en distintas adquisiciones.

– parte de la huella cae fuera del “campo de visión”

– distorsiones no lineales producidas por la elasticidad de la piel.

– presión indebida del dedo o una condición de la piel inadecuada (suciedad, humedad, sequedad...).

– ruido introducido por el escáner.

– errores durante la extracción de características.

� Dedos distintos parecen similares

– Los algoritmos, en raras ocaciones, establecen que las minucias encajan aunque no coincidan perfectamente

· Introducción



· Emparejamiento de Emparejamiento de

huellas dactilareshuellas dactilares

-Basado en correlación

-Basado en minucias

-Orientación y rotación de la huella


· Aplicaciones

· FVC

· Ejemplo

EmparejamientoEmparejamiento

� Diferentes impresiones del mismo dedo

� Dedos distintos que podrían parecer el mismo

· Introducción






-Basado en minucias



· Aplicaciones

· FVC

· Ejemplo

TTéécnicas de Correlacicnicas de Correlacióónn

� Correlación de 2 imágenes

� Se comparan gráficamente

� Problemas:

– Desplazamiento, rotación

– Distorsión no lineal

– Brillo y Contraste

� Presión del dedo

� Estado de la piel

– Computacionalmente muy caro

� Se compara por pequeñas regiones,que rodean a las minucias

· Introducción





--Basado en Basado en

correlacicorrelacióónn

-Basado en minucias



· Aplicaciones

· FVC

· Ejemplo

TTéécnicas de Minuciascnicas de Minucias

� Método más famoso

� Gran diversidad de algoritmos

� Se comparan secuencias de vectores, no imágenes

� 5-tupla {T,x,y,θ,W}

– Tipo de minucia

– Coordenadas x,y

– Ángulo θ

– Confianza debido a la calidad de la imagen

� Se extraen de 10 a 100 minucias

� Positivo si hay correlación en 7 a 20 minucias

� Problema de traslación y rotación

· Introducción






--Basado en minuciasBasado en minucias



· Aplicaciones

· FVC

· Ejemplo

TTéécnicas de Minuciascnicas de Minucias

· Introducción






--Basado en minuciasBasado en minucias



· Aplicaciones

· FVC

· Ejemplo

OrientaciOrientacióón y Rotacin y Rotacióónn

� Pre-alineación absoluta

– En la plantilla al almacenarla

– En la huella candidata al comparar

· Introducción






-Basado en minucias

--OrientaciOrientacióón y n y

rotacirotacióón de la huellan de la huella


· Aplicaciones

· FVC

· Ejemplo

ResumenResumen

� Mejora

� Orientación de las crestas

� Núcleo

� Orientación de la huella

· Introducción






-Basado en minucias



· Aplicaciones

· FVC

· Ejemplo

� Binarización

� Adelgazamiento

� Minucias

– Filtrado

– Emparejamiento

� Correlación– Imágen

– Emparejamiento

Fallos en un Sistema Fallos en un Sistema

BiomBioméétricotrico· Introducción




· Fallos en un sistema Fallos en un sistema

biombioméétricotrico

· Aplicaciones

· FVC

· Ejemplo

Fallos a nivel deFallos a nivel de sensorsensor

� Suplantación por CAMUFLAJE!

� La Huella dactilar no varía

· Introducción






Fallos a nivel de Fallos a nivel de

sensorsensor

· Aplicaciones

· FVC

· Ejemplo

Fallos a nivel deFallos a nivel de sensorsensor

� Coacción– Uso de violencia

– Uso de drogas

– Amenazas

– Soborno

� Utilizar un dedo cortado– Robo de coches en Malasia, en el año 2005

– Se debe detectar si el dedo esta vivo o no

� Fallos producidos por ruído , humedad, reflejos de luz en el escáner

· Introducción






Fallos a nivel de Fallos a nivel de

sensorsensor

· Aplicaciones

· FVC

· Ejemplo

FabricaciFabricacióón de un n de un ““gummygummy””

� A partir de un dedo “vivo”· Introducción






Fallos a nivel de Fallos a nivel de sensorsensor

FabricaciFabricacióón de un n de un

dedo artificialdedo artificial

· Aplicaciones

· FVC

· Ejemplo


� Se consiguen huellas muy similares

· Introducción






Fallos a nivel deFallos a nivel desensorsensor



· Aplicaciones

· FVC

· Ejemplo


� Fabricación a partir de una huella residual· Introducción









· Aplicaciones

· FVC

· Ejemplo


� Resultados

· Introducción









· Aplicaciones

· FVC

· Ejemplo

AplicacionesAplicaciones

� Adiós a las claves: Lector de huellas para PC

· Introducción





·· AplicacionesAplicaciones

--Aplicaciones para Aplicaciones para

PCPC

-Control de acceso-DNIe

· FVC

· Ejemplo


� Adiós a las claves: Lector de huellas en el Ratón

· Introducción







PCPC


· FVC

· Ejemplo


� Memoria USB con protección por huella dactilar

· Introducción







PCPC


· FVC

· Ejemplo

Control de AccesoControl de Acceso

� Zonas restringidas· Introducción






-Aplicaciones paraPC--Control de accesoControl de acceso

-DNIe

· FVC

· Ejemplo


� Asistencia Laboral· Introducción







-DNIe

· FVC

· Ejemplo


� Combinación de varios sistemas de Seguridad

· Introducción







-DNIe

· FVC

· Ejemplo

Multitud de AplicacionesMultitud de Aplicaciones

� Control de acceso a centros deportivos, habitaciones de hotel, salas de servidores informáticos

� Control de asistencia laboral en oficinas, control de presencia, control

� laboral y control de producción

� Medio de pago con huella digital

� Fidelización de clientes

� Quioscos, puntos de información y cajeros automáticos…

� Bibliotecas y Colegios (Reino Unido).

· Introducción







-DNIe

· FVC

· Ejemplo

DNIelectrDNIelectróóniconico

· Introducción






-Aplicaciones paraPC-Control de acceso--DNIeDNIe

· FVC

· Ejemplo

FVC 2006FVC 2006

� Fingerprint Verification Competition

� Competición cada 2 años

� Sofware de Verificación de huellas digitales (sólo emparejamiento)

� Motivación:– Investigación constante

– State of the art de la industria

· Introducción





· Aplicaciones

·· FVCFVC

--OverviewOverview

-Datos

-Evaluación

-Categorías

· Ejemplo

FVC 2006FVC 2006


about 500 dpi288x384 (108 Kpixels)SFinGe v3.0

500 dpi400x500 (200 Kpixels)Thermal sweeping Sensor

569 dpi400x560 (224Kpixels)Optical Sensor

250 dpi96x96 (9Kpixels)Electric Field Sensor

ResolutionResolutionImageImage SizeSizeSensor Sensor TypeType

· Introducción





· Aplicaciones

·· FVCFVC

-Overview

--DatosDatos

-Evaluación

-Categorías

· Ejemplo

FVC 2006FVC 2006


� Evaluación:– Precisión (% aciertos)

– Falsos Positivos (FRR)

– Falsos Negativos (FAR)

– Tiempo ( Average Time enroll/Time match )

– Memoria usada

– Tamaño de la plantilla, etc…

· Introducción





· Aplicaciones

·· FVCFVC

-Overview

-Datos

--EvaluaciEvaluacióónn

-Categorías

· Ejemplo

FVC 2006FVC 2006


� Categorías

4 MbytesNo limitMemory limit

2 KbytesNo limitModel size limit

0.1 seconds3 secondsMatch time limit

0.3 seconds5 secondsEnroll time limit

LightOpen

· Introducción





· Aplicaciones

·· FVCFVC

-Overview

-Datos

-Evaluación

--CategorCategorííasas

· Ejemplo

LiveLive ActionAction

� ¿Voluntarios por favor?· Introducción





· Aplicaciones

· FVC

·· EjemploEjemplo

Gracias por su atenciGracias por su atencióónn

�¿Preguntas?

· Introducción





· Aplicaciones

· FVC

· Ejemplo

Autenticación Basada en Huella Digital - SABIA-Group...

Documents

Transcript of Autenticación Basada en Huella Digital - SABIA-Group...