Um sistema capaz de detectar se uma impressão digital é verdadeira ou falsa, a partir da vivacidade da amostra, foi desenvolvida por meio de uma parceria entre a Faculdade de Engenharia Elétrica e de Computação (FEEC) da Unicamp e o Centro de Tecnologia da Informação Renato Archer (CTI) e está disponível para licenciamento. Uma vez que sistemas baseados em impressões digitais podem ser burlados com falsificações em gelatina ou silicone, além de distinguir corretamente uma impressão digital falsa de uma verdadeira, a tecnologia, que apresenta 95% de precisão, é capaz de detectar novas técnicas de falsificações cada vez que estas são apresentadas ao sistema. Ou seja, adapta-se a novas técnicas de falsificação de impressões e gera o aumento artificial de dados.
O professor Roberto de Alencar Lotufo, responsável pelo desenvolvimento do software, conta que o sistema avalia se uma dada impressão digital é artificial ou não – ou seja, verifica se a impressão digital pertence à uma pessoa de fato. Em caso negativo, por meio da análise da imagem, identifica se aquela impressão digital foi feita de gelatina ou de cera ou de outros materiais, sem precisar ter um sensor distinto para realizar esta tarefa, podendo se adaptar a novos tipos de falsificações. "Você vai ao banco, coloca o seu dedo. Se você estiver utilizando um dedo com gelatina, ele vai detectar que se trata de uma impressão falsa. Quando o sistema detecta que não há vivacidade na impressão digital, ele identifica que se trata de uma impressão falsa. O sistema mostra qual a probabilidade de ela ser falsa. Se o número for muito alto, ele recusa", explica.
"Primeiramente um sistema classificador (mais especificamente, uma rede neural convolucional) é treinado para diferenciar 1000 tipos de objetos – como pessoas, gatos, cachorros, carros, etc – usando milhões de imagens. Uma vez que ele aprende a "enxergar" esses tipos de objetos, fica mais fácil aprender novas tarefas, como a detecção de impressões digitais falsas e verdadeiras. O sistema é então treinado com milhares de exemplos de impressões falsas e verdadeiras. O resultado é um classificador que é o estado da arte nesta tarefa", corrobora Rodrigo Frassetto Nogueira, que participou do desenvolvimento do método, durante o mestrado.
A tecnologia é inovadora pois oferece uma funcionalidade a mais para os sistemas existentes hoje em dia, ocasionando maior segurança e possibilitando um sistema ainda mais preciso. "Os sistemas atuais já mostram se aquela impressão digital corresponde à determinada pessoa. Porém, um exemplo de ataques que tem ocorrido atualmente são aqueles feitos com dedos de silicone, que apresentam uma impressão digital clonada. E os sistemas atuais não identificam isso. Ou seja, o sistema em questão representa um estágio anterior ao de identificar se a impressão digital é correspondente à pessoa", completa Rubens Campos Machado, da área de Robótica e Visão Computacional do CTI e que também atuou no desenvolvimento do software.
Tecnologia baseada em deep learning
O sistema utiliza o chamado aprendizado profundo de máquina, ou deep learning, mecanismo que faz com que as máquinas possam "aprender e interpretar", num processo de aprendizagem hierárquica. "O deep learning permite o reconhecimento de face e de voz e, por isso, decidimos adotar essa metodologia para o fingerprint. Temos que relembrar que se trata de reconhecimento de falsos e não de fingerprint", frisa o professor Lotufo. Também incluso no deep learning, o sistema apresenta também um outro aspecto importante, que é a reutilização do conhecimento.
"A técnica do deep learning tenta aprender as características que melhor diferenciam uma imagem de uma impressão digital falsa de uma verdadeira, utilizando quase nenhuma informação previamente fornecida pelo programador sobre o problema. O classificador tenta aprender, automaticamente, quais são os melhores parâmetros do sistema e para isso ele necessita de muitas horas de treinamento e computadores de alto desempenho. Em outras palavras, ao invés do desenvolvedor gastar horas projetando e configurando o sistema, nossa técnica transfere essa tarefa aos computadores", revela Nogueira.
É justamente por utilizar o deep learning – mecanismo utilizado por empresas como o Google e o Facebook, por exemplo – que o sistema obteve taxa de precisão tão alta, o que é também o principal diferencial da tecnologia, de acordo com o docente. "É um sistema classificador mais preciso que utiliza tecnologia de aprendizado profundo de máquina – com transferência de conhecimento gerada por outras redes -, se adapta a novas técnicas de falsificação, é executável em computador e na nuvem", defende o professor.
Vale lembrar ainda que este método de detecção de vivacidade de impressões digitais foi o grande vencedor, concorrendo com outras 11 tecnologias da área, do LivDet, Liveness Detection Competitions – Fingerprint 2015, maior competição mundial sobre o tema. "Essa tecnologia é a que melhor se adapta a diversidade e apresenta também uma abordagem diferenciada para ataques ainda não conhecidos e vistos. E acredito que essa seja também uma das razões pela qual nós ganhamos. No concurso, eles utilizam um sensor e um ataque que você desconhece. Nossa solução teve a capacidade de identificar novos tipos de falsificações em novos sensores. Nós chamamos isso de generalizar. A tecnologia generaliza com outros tipos de ataques e outros tipos de sensores", conclui o docente.
Interessados no licenciamento da tecnologia devem entrar em contato com o Setor de Parcerias da Agência de Inovação Inova Unicamp, pelo endereço parcerias@inova.unicamp.br ou pelos telefones (19) 3521-2552 ou 3521-2607. As informações são da Agência Unicamp.
