Nova metodologia combate essas fraudes e ainda melhora a experiência do usuário ao dar mais rapidez à identificação (Stefan Rousseau/PA Images via Getty Images)/Getty Images)
Bússola
Publicado em 24 de dezembro de 2021 às 15h30.
Por Bússola
É possível falsificar um rosto para burlar sistemas de biometria facial? A resposta é sim, mas a boa notícia é que também estão sendo criados cada vez mais métodos para detectar este tipo de fraude, chamada de spoofing facial.
A tentativa de spoofing ocorre quando um golpista tenta se passar por uma outra pessoa para acessar informações sigilosas em busca de ganhos, como os financeiros. Para inibir este tipo de fraude, os pesquisadores do Sidia Instituto de Ciência e Tecnologia, os doutores Aasim Khurshid e Ricardo Grunitzki, criaram um método de anti-spoofing facial mais rápido e eficiente.
A pesquisa “Uma análise experimental de estratégias anti-spoofing facial para aplicativos em tempo real”, desenvolvida por Khurshid e Grunitzki, foi apresentada na 23ª Conferência Internacional Human-Computer Interaction (HCI International 2021). Eles propuseram um novo método de detecção de spoofing facial e conduziram uma análise experimental das principais estratégias anti-spoofing.
“Nossa proposta foi oferecer um método eficiente tanto na assertividade de detecção da fraude quanto no tempo de processamento”, explica Aasim Khurshid. O método proposto é baseado em Rede Neural Convolucional (Convolutional Neural Network — CNN), dentro de um contexto de inteligência artificial e aprendizagem de máquina.
Ricardo Grunitzki ressalta que muitos métodos para prevenir ataques de spoofing já foram criados com excelentes resultados em termos de assertividade na detecção de fraude. No entanto, envolvem um maior custo computacional, impactando diretamente a experiência do usuário no sistema de autenticação facial, principalmente quando a verificação de fraude é processada em dispositivos móveis (tablets e smartphones), que possuem poder de processamento reduzido.
“Empregamos uma estratégia de aprendizagem de máquina que combina uma CNN de arquitetura GoogleNet, transferência de aprendizagem e métodos baseados em textura, a qual resultou em uma taxa de assertividade na detecção de fraude próxima a 99%; e aproximadamente 50% mais rápida (em termos de tempo de processamento) que as demais estratégias analisadas”, diz Khurshid.
Cybercrimes
Entre os métodos de fraudes mais utilizados estão o uso de fotos impressas da pessoa; vídeos e até máscaras de 3D. O acesso indevido permite o roubo de dados, levando prejuízo a empresas, que podem aceitar usuários com documentação falsa, e aos verdadeiros donos da identidade, prejudicados com possíveis perdas financeiras.
A nova metodologia combate essas fraudes e ainda melhora a experiência do usuário ao dar mais rapidez à identificação.
Siga a Bússola nas redes: Instagram | LinkedIn | Twitter | Facebook | Youtube