Your SlideShare is downloading. ×
Autenticación biométrica de firma manuscrita sobre dispositivos móviles de captura (UAM) - II Encuentro nacional sobre firma y administración electrónica
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Autenticación biométrica de firma manuscrita sobre dispositivos móviles de captura (UAM) - II Encuentro nacional sobre firma y administración electrónica

265
views

Published on

Autenticación biométrica de firma manuscrita sobre dispositivos móviles de captura (UAM) - II Encuentro nacional sobre firma y administración electrónica

Autenticación biométrica de firma manuscrita sobre dispositivos móviles de captura (UAM) - II Encuentro nacional sobre firma y administración electrónica

Published in: Technology

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
265
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
15
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Autenticación Biométrica de Firma Manuscrita sobre Dispositivos Móviles de Captura Dr. Javier Ortega-Garcia Catedrático de Teoría de la Señal y Comunicaciones Director del Grupo de Reconocimiento Biométrico - ATVS II Encuentro Nacional sobre la Firma Electrónica en los Servicios Públicos EPS/UAM, 15-16 Octubre 2013 Biometric Recognition Group – ATVS (http://atvs.ii.uam.es) Escuela Politécnica Superior Universidad Autónoma de Madrid
  • 2. Esquema de la Presentación 0. ¿Quiénes Somos? 1. Introducción 2. Autenticación Biométrica 2. Evaluación de Sistemas 3. Avances Recientes 4. Conclusiones J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 2/53
  • 3. Grupo ATVS (i) El grupo ATVS se crea en 1992 en la UPM, iniciado por los catedráticos Javier Ortega García y Joaquín González Rodríguez Sus actividades de I+D+i abarcan diversos aspectos de los campos de las tecnologías del habla y el tratamiento de señales biométricas Firma manuscrita y escritura, reconocimiento de huella dactilar y palmar, autenticación de iris y de geometría de la mano, aplicaciones forenses y de seguridad. Actualmente, el grupo está formado por más de 30 personas, entre profesores / investigadores de plantilla, investigadores pre- y post-doctorales, y otros investigadores, J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 3/53
  • 4. Contratos y Proyectos (selección) J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 4/53
  • 5. Contratos y Proyectos (selección)  BEAT; TABULA RASA (FP7 EU, STREPs) • • Participants: ATVS + 8 European institutions November 2010 – May 2014: BIOMETRIC SECURITY  TeraSense (Consolider-Ingenio 2010) • • Participants : 16 Spanish Universities December 2008 – November 2013: BIOMETRICS BEYOND THE VISIBLE  Bio-Residence, BBfor2 (FP6-FP7 EU, Marie Curie Actions) • • Participants : ATVS, Michigan State University, + 8 European institutions April 2007 – December 2013: RESEARCH MOBILITY IN BIOMETRICS  BioSec, BioSecure (FP6 EU, IP and NoE) • • Participants : 29 European institutions, incl. ATVS December 2003 – September 2007: BIOMETRIC DATABASES AND RESOURCES  COST IC-1106, COST-275, COST-2101 (ESF EU, COST Actions) • • Participants : +15 European Countries May 2001 – September 2010: BIOMETRIC RESEARCH NETWORKING COST Action IC-1106  CONTEXTS (Comunidad de Madrid) • • Participants: ATVS, UAH, UPM, UC3M January 2010 – December 2013: NEW BIOMETRIC APPLICATIONS  MCYT Bimodal, Biosecur-ID, Bio-Pass, Bio-Challenge (Spanish Ministry of Science and Technology) • • Participants : ATVS, EUP Mataró, U País Vasco, U Valladolid December 2000 – November 2012: BASIC RESEARCH IN BIOMETRICS J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 5/53
  • 6. Contratos y Proyectos (selección)  Cátedra Telefónica – UAM • 2010-2014  Common Criteria Development • Funding from: Ministerio de Defensa • Period: January 2009 – December 2010  Automatic Writer & Latent Fingerprint ID • Funding from: Ministerio del Interior • Period: January 2009 – December 2010  Touchless sensor • Funding from: TBS • Period: 2007 –2008  Piramid Multimodal Biometrics • Funding from: Mina Software, S.L. • Period: March 2007 – October 2008  Signature Verification over TabletPC • Period : October 2004 – March 2005 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 6/53
  • 7. 1.Introducción J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 7/53
  • 8. Introducción  La firma es un rasgo biométrico que cuenta con una alta aceptación social por parte de los usuarios, habiendo sido utilizada durante siglos como medio de autenticación de documentos legales y de transacciones y contratos civiles  El reconocimiento automático de firma manuscrita se enfrenta a varios retos tecnológicos:  Variabilidad intra-usuario alta (variabilidad conductual, inter-sessión)  Dificultad para modelarla; necesidad de gran cantidad de datos vs. escasez de los mismos  Baja variabilidad inter-usuario (especialmente en caso de imitaciones) El grado de bondad en las imitaciones es impredecible Muestras de un mismo usuario Alta variabilidad J. Ortega-Garcia Imitación Baja variabilidad Autenticación Biométrica de Firma Manuscrita© 8/53
  • 9. Introducción J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 9/53
  • 10. Dispositivos y Escenarios de Adquisición  La mayoría de dispositivos móviles permiten la adquisición de escritura  La activación de esquemas de reconocimiento automático supone cambios menores en las arquitecturas y sistemas  La potencia de estos esquemas estriba en la I+D desarrollada en el laboratorio, y pueden ser implementados con coste computacional moderado y ocupación de memoria reducida F. Alonso-Fernandez, J. Fierrez-Aguilar, J. Ortega-Garcia and J. Gonzalez-Rodriguez, “Secure Access System using Signature Verification over Tablet PC”, IEEE Aerospace and Electronic Systems Magazine, Vol. 22, n. 4, pp. 3-8, April 2007. M. Martinez-Diaz, J. Fierrez, J. Galbally, F. Alonso-Fernandez and J. Ortega-Garcia, "Signature verification on handheld devices", in Proc. MADRINET Workshop, pp. 87-95, Salamanca, Spain, November 2007 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 10/53
  • 11. Dispositivos y Escenarios de Adquisición  Los dispositivos móviles representan un escenario novedoso, con desafíos propios: o Calidad de adquisición heterogénea o Ergonomía singular • El usuario debe sostener el dispositivo • El útil y la pantalla son pequeñas o La superficie de firma no es familiar o No siempre es posible capturar la presión, los trazos aéreos o la orientación del útil o Carga computacional limitada M. Martinez-Diaz, J. Fierrez, J. Galbally and J. Ortega-Garcia, “Towards Mobile Authentication Using Dynamic Signature Verification: Useful Features and Performance Evaluation”, Intl. Conf. on Pattern Recognition, ICPR 2008, Florida, USA J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 11/53
  • 12. Escenarios de Aplicación  Log in / activación de cuentas • • •  Pago en transacciones comerciales • •  Documentos / certificados legales Aplicaciones de Administración electrónica Validación de clientes •  Wireless (WIFI, GPRS…) o Punto de Venta Acceso ubicuo a transacciones comerciales, banca electrónica, etc. Transacciones legales • •  Control lógico de accesos (cuenta, LAN, etc.) Activación local o remota de sistemas Passwords gráficos Paquetería y mensajería urgente Acceso securizado • • Archivos médicos / información financiera Encriptado de datos J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 12/53
  • 13. 2. Proceso de Autenticación J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 13/53
  • 14. Etapas en el Proceso de Autenticación 1. Adquisición de Datos y Pre-Procesado 2. Extracción de Características 3. Cáculo de Similitud (Matching) J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 14/53
  • 15. Etapas en el Proceso de Autenticación 1. Adquisición de Datos y Pre-Procesado 2. Extracción de Características 3. Cálculo de Similitud (Matching) J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 15/53
  • 16. Adquisición de la Firma Adquisición de muestras de firma dinámica x 4000 2000 y 0 0 2000 Azimuth (0°-359°) 0 1000 z Altitude (0°-90°) 0° azimuth 180° 90° 100 150 200 250 300 350 400 50 100 150 200 250 300 350 400 50 100 150 200 250 300 350 400 50 100 150 200 250 300 350 400 50 100 150 200 250 300 350 400 500 0 0 1400 270° 50 1000 0 altitude  1200 1000 0 600 500 400 0 sample index J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 16/53
  • 17. Adquisición de la Firma: Muestreo Espacial La tableta captura muestras de la posición del útil a lo largo de la trayectoria de firma Los puntos están equiespaciados en el tiempo, no en su ubicación espacial J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 17/53
  • 18. Adquisición de Firma: Pre-Procesado  Normalización (necesaria siempre): • Invarianza a la traslación o coordenadas relativas al punto de comienzo, o al centro de masas … o coordenadas relativas al punto anterior (∆𝑥, ∆𝑦) • Invarianza con la escala o Ajuste a tamaño prefijado • Invarianza a la rotación o Detección y giro respecto a eje principal  Remuestreo (no siempre necesario): • Se reduce o se normaliza el número de muestras para obtener puntos equidistantes en el espacio. • Problemas: pérdida potencial de información • Solución: Inserción de puntos críticos (cambio de trayectoria, comienzo y final de firma, …) como guía de remuestreo.  ... J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 18/53
  • 19. Etapas en el Proceso de Autenticación 1. Adquisición de Datos y Pre-Procesado 2. Extracción de Características 3. Cálculo de Similitud (Matching) J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 19/53
  • 20. Representaciones de la Firma  Principales aproximaciones a las representaciones de firma Datos de firma dinámica Basada en Parámetros (“Características Globales”) Basada en Funciones (“Características Locales) Las firmas son descritas a través de vectores holísticos multidimensionales La firmas se describen a través de un conjunto de secuencias temporales (derivadas de las señales adquiridas por la tableta) E.g.: Duración, velocidad media, número de alzamientos, orientación inicial, etc. E.g.: trayectoria según x, trayectoria según y, presión, velocidad, aceleración, etc. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 20/53
  • 21. Representación por Características Globales Ejemplos de Características Globales Al Az P Y X  0 100 200 300 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 21/53
  • 22. Características Locales más Comunes Características espaciales (en cada punto de la trayectoria):       coordenadas 𝑥, 𝑦 respecto al centro de la firma desplazamiento 𝑥, 𝑦 entre puntos consecutivos seno / coseno del ángulo con el eje 𝑥 curvatura escala de grises en un entorno de 𝑛 × 𝑛 píxeles ... Características dinámicas (en cada punto de la trayectoria):        velocidad absoluta: (𝑝 𝑖 − 𝑝 𝑖−1 )/(𝑡 𝑖 − 𝑡 𝑖−1 ) velocidad relativa (respecto a la velocidad promedio) aceleración (tangencial, normal) presión instantánea ejercida trayectoria de los trazos aéreos posición angular del útil … J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 22/53
  • 23. Representación por Características Locales Ejemplos de Secuencias Temporales basadas en Características Locales Al Az P Y X  0 100 200 300 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 23/53
  • 24. Rendimiento según Secuencia Tasa de Falso Rechazo (%) 20 10 5 2 1 x,y,p,θ x,y,p,θ,v x,y,p,θ,v,ρ x,y,p,θ,v,ρ,a 40 Tasa de Falso Rechazo (%) x,y x,y,p x,y,p,γ x,y,p,Φ 40 20 10 5 2 1 0.5 0.5 0.2 0.2 0.2 0.5 1 2 5 10 20 40 Tasa de Falsa Aceptación (%) 0.2 0.5 1 2 5 10 20 40 Tasa de Falsa Aceptación (%) x, y x, y, p x, y, p, γ x, y, p, γ, Ф x, y, p, θ x, y, p, θ, v x, y, p, θ, v, ρ w = x, y, p, θ, v, ρ, a EER (%) [w, Δw] 0 2 4 6 8 10 12 S. Garcia-Salicetti, et al., “Biosecure Reference Systems for On-Line Signature Verification; A Study of Complementarity”, Annals of Telecommunications Journal, Vol. 62, Nos.: 1&2, Jan.-Feb. 2007 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 24/53
  • 25. Etapas en el Proceso de Autenticación 1. Adquisición de Datos y Pre-Procesado 2. Extracción de Características 3. Medida de Similitud (Matching) J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 25/53
  • 26. Matching/Autenticación ¿Cómo se lleva a cabo el reconocimiento de la firma?  En primer lugar, es necesario una medida de similitud/distancia.  Retos: • las firmas tienen longitud variable • La medida de distancia debe ser insensible a variaciones intra-clase en la forma o los tiempos de la firma  Entonces, se aceptará una firma como genuina si la distancia es pequeña (similitud alta), y se rechazará en caso contrario. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 26/53
  • 27. Medidas de Similitud en Firma  Cálculo de la similitud: enfoques principales Similitud en Firma Dinámica Basada en Parámetros (“Características Globales”) Clasificadores basados en Distancia • Euclídea Basada en Funciones (“Características Locales”) Regional (segmento a segmento) Local (punto a punto) • Mahalanobis Clasificadores Estadísticos / otros Matching de Secuencias Temporales • GMM • Modelos Ocultos de Markov (HMM) • Ventanas de Parzen • Alineamiento Temporal Dinámico (DTW) • Redes Neronales • Matching Estructural • Correlación Regional J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 27/53
  • 28. Matching basado en Características Cada firma es descrita mediante un igual número de características globales  Ej.: los vectores de características son todos ellos de igual longitud Medidas de Distancia:  Distancia Euclídea Entre al firma x y la y: Problema: La escala y la importancia de la dimensión individual del vector de características no se tiene en cuenta.  Distancia de Mahalanobis entre la firma x y un conjunto de referencia de media m, y matriz de covarianza S: 𝑁 𝑑 𝐱, 𝐲 = 𝐱 𝑖 − 𝐲𝑖 2 𝑖=1 𝑑 𝐱, 𝐦 = 𝐱 − 𝐦 𝑇 ∙ Σ −1 ∙ 𝐱 − 𝐦 Problema: Disponer de suficiente cantidad de datos para estimar la matriz de covarianzas. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 28/53
  • 29. Enfoques usando Secuencias Temporales Modelos Ocultos de Markov Modelado Estadístico de las Regiones de la Firma J. Ortega-Garcia Alineamiento Temporal Dinámico Correspondencia punto a punto Autenticación Biométrica de Firma Manuscrita© 29/53
  • 30. 3. Evaluación de Rendimiento J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 30/53
  • 31. Hitos en el Reconocimiento de Firma Dinámica 1982: Alineamiento Temporal Dinámic, DTW (Sato & Kogure) 1989: Estado del Arte (Plamondon & Lorette) 1995: Modelos Ocultos de Markov, modelado de segmentos (Yang et al.) 1996: Características Globales (Lee et al.) 2003: Modelos de Mezclas de Gaussianas, GMM(Richiardi and Drygajlo) 2003: Modelos Ocultos de Markov, secuencias temporales (Ortega-Garcia et al.) 2004: Signature Verification Competition SVC 2004 (Yeung et al.) 2007: Estandarización, formatos de intercambio (ISO/IEC 19794-7, -11) 2007: BioSecure Mobile Evaluation Campaign 2007 2009: BioSecure Signature Evaluation Campaign, PDA/Tablet, Calidad, Entropía J. Richiardi and A.et al., “Complete Signal Modeling and Score Normalization for Function-In J. Ortega-Garcia, Drygajlo. “Gaussian Mixture Models for on-line signature verification”. D. Plamondon “Application “Automatic Signature and Applications, WBMA, pages Proc. L. L. Yeung,K. Kogure. Onlineofon Biometric Methodsbased Signature Writer Identification Y. Yang, ACMetand “SVC2004: First “Reliable On-LineVerification andmotion and writing Y. et SIGMM and E. Aviczer, International Signature Verification Verification Signature Competition”, R. Sato and al., al.,G. Lorette,signatureMarkov Models Human shape, Verification”, Pattern Proc. Lee, T. Berger, Workshop Hidden verification for on658-667, Springer LNCS-2688, Basedof Dynamic Signature Verification”, Proc. of AVBPA, pp.: http://biometrics.it-sudparis.eu/BSEC2009/ 643-647, pp. 823–826, 1982. http://biometrics.it-sudparis.eu/BMEC2007 22, No. 2,1996. Recognition, Trans. on 2, pp.: 161-170, 1995. of ICBA, 2003.the Art”, PAMI, Recognition, Vol. Systems”,In Proc. of No.Intl. Conf. on No. 6, pressure.pp.: Vol. 28, 6thPatternVol. 18,Pattern pp. - The State of16-22. Springer LNCS-3072, 2004.Recognition, pp. 107-131, 1989. 115–122, IEEE 2003. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 31/53
  • 32. Evaluación del Rendimiento: Bases de Datos  Las bases de datos permiten la evaluación sistemática de los algoritmos de reconocimiento  Las bases de datos grandes y públicas son escasas, debido fundamentalmente a dos factores:  Cuestiones legales (datos de carácter personal) y de privacidad  Son necesarios enormes recursos para adquirir y procesar los datos  La base de datos MCYT ha sido la base más empleada desde 2003; alcanzándose con ella rendimientos sobre los 330 usuarios que llevan el EER por debajo del 1%.  Otras base de datos referenciadas incluyen SVC, Biomet, MyIdea, Susig  Más recientemente se han adquirido bases de datos con características adicionales (p. ej., BioSecure Multimodal Database) J. Ortega-Garcia, J. Fierrez et al., “MCYT Baseline Corpus: A Multimodal Biometric Database”, IEE Proceedings - Vision, Image and Signal Processing, Vol. 150, No. 6, pp. 395-401, December 2003. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 32/53
  • 33. Resultados: Global / Segmental y Fusión Con Imitaciones, HMM Con Imitaciones, Global Con Imitaciones, Fusión Sin Imitaciones, HMM Sin Imitaciones, Global Sin Imitaciones, Fusión Entrenamiento con 5 muestras Entrenamiento con 20 muestras 40 Tasa de Falso Rechazo (%) Tasa de Falso Rechazo (%) 40 20 10 5 2 1 0.5 20 10 5 2 1 0.5 0.2 0.2 0.1 0.1 0.1 0.2 0.5 1 2 5 10 20 Tasa de Falsa Aceptación /%) J. Ortega-Garcia 40 0.1 0.2 0.5 1 2 5 10 20 40 Tasa de Falsa Aceptación (%) Autenticación Biométrica de Firma Manuscrita© 33/53
  • 34. Signature Verification Competition, SVC-04 SVC-04 sin imitaciones SVC-04 con imitaciones Sistemas ATVS-UAM http://www.cs.ust.hk/svc2004/ J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 34/53
  • 35. Evaluación de Rendimiento: Bases de Datos  BioSecure Multimodal Database  667 donantes  Equilibrio entre géneros; 18~65, distribución de edades  Dos dispositivos de firma para todos los usuarios  Tablet  Dispositivo Móvil  2 sesiones separadas meses; cada uno dividida en 3 bloques de 5 firmas  Permite la comparación sistemática de ambos dispositivos de captura  Imitaciones de muy alta calidad  Las imitaciones se hicieron conociendo la dinámica específica de cada firma; incluso era posible firmar sobre la imagen de la firma objetivo. J. Ortega-Garcia, J. Fierrez, et al., “The Multi-Scenario Multi-Environment BioSecure Multimodal Database”, IEEE Trans. on Pattern Analysis and Machine Intelligence, 2010 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 35/53
  • 36. Evaluación de Rendimiento: Bases de Datos  Algunas muestras de ‘BioSecure Multimodal DB’: Tablet J. Ortega-Garcia Móvil Autenticación Biométrica de Firma Manuscrita© 36/53
  • 37. Evaluación de Rendimiento: Comparación  3 evaluaciones públicas de referencia  BioSecure Multimodal Evaluation Campaign, BMEC 2007 Evaluación sobre la ‘BioSecure Multimodal Database’ Firma dinámica capturada con dispositivo móvil Sin Imitaciones Con Imitaciones Incremento de EERs http://biometrics.it-sudparis.eu/BMEC2007/ J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 37/53
  • 38. Evaluación de Rendimiento: Comparación  3 evaluaciones públicas de referencia  BioSecure Signature Evaluation Campaign, BSEC 2009 Evaluación sobre la ‘BioSecure Multimodal Database’ Tarea 1: Móvil vs Tablet, interoperabilidad entre sensores http://biometrics.it-sudparis.eu/BSEC2009/ J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 38/53
  • 39. Performance Evaluation: Benchmarks  3 evaluaciones públicas de referencia  BioSecure Signature Evaluation Campaign, BSEC 2009 Evaluación sobre la ‘BioSecure Multimodal Database’ Tarea 2: Efecto de la variabilidad temporal http://biometrics.it-sudparis.eu/BSEC2009/ J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 39/53
  • 40. Performance Evaluation: Benchmarks  3 evaluaciones públicas de referencia  ICDAR 2009 Signature Verification Competition, SigComp 09 Condiciones (quasi)forenses, con datos estáticos y dinámicos Comparación 1:1 (sin modelos estadísticos de usuario) http://sigcomp09.arsforensica.org/ J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 40/53
  • 41. 4. Avances Recientes J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 41/53
  • 42. Avances Recientes  Los sistemas de reconocimiento de firma han sido estudiados de manera exhaustiva  Han aparecido nuevos ámbitos de interés: o Dispositivos móviles (smartphones) con calidad de adquisición heterogénea o Creciente interés en temas de seguridad y protección de la privacidad o Generación sintética de firmas, para compensar la escasez de datos o Mejor comprensión del proceso de generación de firma, para una mejor representación y modelado de la misma o Trabajos en complejidad y calidad de la firma o Multibiometría: comparación multi-algorítmica J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 42/53
  • 43. Avances Recientes Proceso de Producción de la Firma  Basado en la Teoría Cinemática de producción de movimientos manuscritos  La velocidad del útil entre dos puntos de control sigue un modelo sigmalognormal  Para secuencias de puntos de control, es necesario usar modelos más complejos (que pueden ser estimados de forma automática: p. ej., usando el algoritmo XZERO) A. Woch, R. Plamondon, “Using the Framework of the Kinematic Theory for the Definition of a Movement Primitive”, Motor Control, Vol. 8, pp.547-557, 2004. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 43/53
  • 44. Avances Recientes Proceso de Producción de la Firma  La firmas son descritas a través de secuencias de puntos de control  A signature can be described by a set of primitives, which are estimated by the XZERO algorithm. C. O’Reilly, R. Plamondon, “Automatic Extraction of Sigma-Lognormal Parameters on Signatures”, Intl. Conf. on Frontiers in Handwriting Recognition, ICFHR 2008, Montreal, Canada J. Galbally, J. Fierrez, J. Ortega-Garcia and R. Plamondon, “Synthetic On-Line Signature Generation. Part I (Methodology and Algorithms), Part II: (Experimental Validation)”, Pattern Recognition, Vol. 45, Iss. 7, pp. 2610-2621 & 2622-2632, July 2012. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 44/53
  • 45. Avances Recientes Información Contenida en la Firma  Recientemente, se ha propuesto una medida de la entropía del cliente, derivada de la Teoría de la Información  Esta medida está relacionada con la información contenida en la firma ( discriminabilidad  calidad)  Aplicaciones de las medidas de la entropía del cliente:  Categorización automática de las firmas  Análisis de bases de datos  Modelos de usuario específicos S. Garcia-Salicetti, N. Houmani, B. Dorizzi. “A Client-Entropy Measure for On-Line Signatures”, Biometrics Symposium, BSYM-08, pp. 83-88, 2008. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 45/53
  • 46. Avances Recientes Información Contenida en la Firma  La entropía del cliente aumenta normalmente con la ‘complejidad’ de la firma (dependiendo de la intra- e intervariabilidad del usuario) Complejidad Entropía + + F. Alonso-Fernandez, M. C. Fairhurst, J. Fierrez, J. Ortega-Garcia, “Impact of Signature Legibility and Signature Type in Off-Line Signature Verification”, in Proc. IEEE Biometrics Symposium, BSYM-07, Baltimore, Maryland, USA, September 2007. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 46/53
  • 47. Avances Recientes Seguridad y Protección de Plantillas  Los datos biométricos se pueden ver comprometidos si son almacenados directamente ‘en crudo’ (sin procesar)  Se han desarrollado esquemas de protección de plantillas para garantizar la privacidad  Criptosistemas biométricos: combinación de claves criptográficas y datos biométricos (p. ej., fuzzy vault, fuzzy commitment)  Esquemas basados en transformadas: aplicación de funciones noinvertibles sobre los datos biométricos (p. ej., biometría cancelable)  Abordar la variabilidad intrínseca es el principal reto en este área E. Maiorana, P. Campisi, and A. Neri, “User Adaptive Fuzzy Commitment for Signature Templates Protection and Renewability”, SPIE Journal of Electronic Imaging, Jan-March 2008. J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 47/53
  • 48. Avances Recientes Seguridad y Ataques  Ratha et al. describe la taxonomía de ataques sobre sistemas biométricos.  Ataques Directos, directamente sobre la entrada del sistema (p. ej., firmas imitadas, firmas sintéticas)  Ataques Indirectos, sobre partes internas del sistema (p. ej., ataques tipo ‘hill-climbing’)  Se ha demostrado que es factible atacar los sistemas de firma manuscrita mediante ataques indirectos:  Características globales: Galbally et al.  Secuencias temporales: Muramatsu et al. N. K. Ratha, J. H.. Connell, R. M. Bolle, “Enhancing Security and Privacy in Biometrics-Based Authentication Systems”, IBM Systems Journal, Vol. 40, No. 3, 2001 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 48/53
  • 49. Avances Recientes Ejemplo de ataque tipo ‘Hill-Climbing’  El proceso de ataque a una firma objetivo se produce de forma iterativa  En cada paso, la puntuación de similitud obtenida guía el proceso de adaptación paramétrica  La adaptación paramétrica empieza a partir de un modelo general y va progresando hacia la firma objetivo  Las puntuaciones se incrementan iterativamente hasta alcanzar el umbral de aceptación J. Galbally, J. Fierrez, J. Ortega-Garcia, "Bayesian Hill-Climbing Attack and its Application to Signature Verification", Proc. IAPR International Conference on Biometrics, ICB-07, Springer LNCS-4642, pp. 386-395, Seoul, Korea, August 2007 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 49/53
  • 50. Recientes Avances Passwords Gráficos / Firmas Cortas (Visé)  Dibujos: con el dedo sobre la pantalla  Firmas Cortas: repetición simplificada y repetitiva de la firma Cristina Martín Díaz, “Reconocimiento de Passwords Gráficos en Dispositivos Móviles”, Proyecto Fin de Carrera, Febrero 2010, EPS-UAM J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 50/53
  • 51. Recientes Avances Reconocimiento Forense de Escritura: Biógrafo v2.0 J. Galbally, S. Gonzalez-Dominguez, J. Fierrez, J. Ortega-Garcia, “Biografo: An Integrated Tool for Forensic Writer Identification”, Intl. Workshop on Biometrics and Forensic, IWBF-2012 J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 51/53
  • 52. 5. Conclusiones J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 52/53
  • 53. Conclusiones  Tradicionalmente, la investigación en reconocimiento de firma se ha centrado en la mejora del rendimiento.  La investigación en los algoritmos de reconocimiento sigue siendo un campo de gran actividad.  Han aparecido nuevos ámbitos de actividad, focalizados sobre:  Nuevos escenarios de aplicación  Interoperabilidad entre dispositivos  Evaluación comparativa de algoritmos  Generación sintética de muestras  Medidas sobre el contenido y la complejidad de la firma  Protección de datos y privacidad J. Ortega-Garcia Autenticación Biométrica de Firma Manuscrita© 53/53
  • 54. Autenticación Biométrica de Firma Manuscrita sobre Dispositivos Móviles de Captura Dr. Javier Ortega-Garcia Catedrático de Teoría de la Señal y Comunicaciones Director del Grupo de Reconocimiento Biométrico - ATVS II Encuentro Nacional sobre la Firma Electrónica en los Servicios Públicos EPS/UAM, 15-16 Octubre 2013 Biometric Recognition Group – ATVS (http://atvs.ii.uam.es) Escuela Politécnica Superior Universidad Autónoma de Madrid

×