Examinando por Autor "Gallardo Cava, Roberto"

Mostrando 1 - 3 de 3

Building robust morphing attacks for face recognition systems
(Institute Of Electrical And Electronics Engineers Inc., 2023) Gallardo Cava, Roberto; Ortega del Campo, David; Palacios Alonso, Daniel; Conde, Cristina; Moguerza, Javier M.; Cabello, Enrique
En este artículo se presenta un método para construir un ataque de morphing robusto a un sistema de verificación facial. El método propuesto ha sido desarrollado para investigar la robustez y el impacto de los ataques de morphing en los sistemas de reconocimiento facial. En este tipo de ataque, un impostor accede a un sistema de reconocimiento facial (FRS) que compara su imagen en tiempo real con una imagen morphed almacenada, construida con el impostor y un usuario legítimo. El ataque tiene éxito cuando el FRS acepta al impostor y accede al sistema. El enfoque actual ofrece un método para construir un ataque robusto al FRS, en el sentido de que la imagen morphed estará más cerca del umbral de decisión. Los ataques de morphing suelen evaluarse solo con imágenes en las que ambos sujetos contribuyen de la misma manera a las imágenes morphed. La base de datos de imágenes considerada, la Base de Datos FRAV, estaba compuesta por 200 imágenes. Asimismo, se llevaron a cabo dos etapas. La primera etapa fue diseñada para construir una referencia de línea base: se probó un sistema FRS (entrenado solo con usuarios legítimos) con imágenes morphed. Una contribución de este artículo es que esta prueba, que generalmente solo considera una fusión del 50% entre dos imágenes, se ha enriquecido y se han considerado algunas contribuciones de fusión. Se realizaron pruebas con contribuciones del 20%, 40%, 50%, 60% y 80% de cada imagen a la imagen morphed. La comparación de la tasa de error igual (EER) lograda mostrará qué contribución define el mejor ataque plausible. Es importante destacar que el ataque que logra las mejores tasas con la mínima perturbación de las imágenes. La segunda etapa consistió en el refuerzo del FRS, entrenándolo con el conjunto de contribuciones definido en la etapa anterior. Los resultados obtenidos lograron mejoras del 3% en las puntuaciones de EER.
Creating Realistic Presentation Attacks for Facial Impersonation Step-by-Step
(Editorial Institute Of Electrical And Electronics Engineers Inc., 2023) Gallardo Cava, Roberto; Ortega del Campo, David; Guillen García, Julio; Palacios-Alonso, Daniel; Conde, Cristina
Los ataques de presentación son uno de los muchos peligros a los que se enfrentan hoy en día las fuerzas del orden. Además la ciencia de los materiales avanza constantemente y los delincuentes, conscientes de este hecho, aprovechan los nuevos compuestos para fabricar nuevos artefactos que les permitan cruzar fronteras burlando los puntos de control fronterizo. Este artículo presenta la creación de varios ataques de presentación utilizando maquillaje, látex hiperrealista y máscaras protésicas. Cabe señalar que este tipo de ataques no recibe la atención adecuada, debido a la dificultad en su elaboración. Se requiere el trabajo de profesionales del sector del maquillaje. Cada etapa de la elaboración se se analiza para detectar cualquier artefacto que facilite la detección del ataque, utilizando un enfoque multiespectral enlos espectros visible y térmico. La metodología evalúa tres sistemas diferentes de reconocimiento facial (FRS), las diferentes etapas de la suplantación, es decir, cuando una parte específica de la cara como la nariz, los pómulos, la mandíbula, o los ojos. Los resultados muestran que determinadas partes de la cara mejoran la suplantación y dificultan más difícil para los algoritmos detectar una posible suplantación. Sin embargo, otras partes de la cara, como la mandíbula, no sólo no mejoran la suplantación sino que empeoran significativamente el rendimiento. Utilizando OpenFace como ejemplo de FRS, que es uno de los FRS empleados en este trabajo de investigación, la comparación de buena fe de el objetivo arroja una puntuación de 0,304, mientras que con el ataque de maquillaje antes de aplicar maquillaje a la mandíbula, da 0,291, y después de aplicar el maquillaje, da 0,421.
Inteligencia Artificial Explicable (XAI) para ataques de presentación en sistemas biométricos
(Universidad Rey Juan Carlos, 2024) Gallardo Cava, Roberto