VIII Ciclo de Conferencias

UPM TASSI
Aplicaciones de la Biometra a la
Seguridad
Carmen Snchez vila

Grupo de Biometra, Bioseales y Seguridad
Centro de Domtica Integral (CEDINT)
Universidad Politcnica de Madrid
Email: carmen.sanchez.avila@upm.es
Web: http://www.gb2s.es/

Carmen Snchez vila
ndice
1. Introduccin a la Biometra
2. Principales sistemas biomtricos basados en:
Huella dactilar
Iris
Mano
Cara
3. Algunas aplicaciones de la Biometra
4. Problemas abiertos y tendencias futuras
Carmen Snchez vila
Biometra
Objetivo: la identificacin de una persona mediante sus
caractersticas biofsicas o de comportamiento
Tcnicas biomtricas ms conocidas:
Huella dactilar
Caractersticas del ojo: iris y retina
Geometra de la mano e imagen vascular
Caractersticas faciales
Composicin qumica del olor corporal
Lneas de la mano

Escritura manuscrita
Voz
Tecleo
Gesto y movimiento corporal
Carmen Snchez vila
Reconocimiento
facial
Reconocimiento de huellas
dactilares
Reconocimiento
biomtrico de la
geometra de la
mano
Reconocimiento
de retina
Reconocimiento
biomtrico de la firma
Reconocimiento de voz
Reconocimiento de
dinmica de tecleo
Reconocimiento de
ADN
Reconocimiento de
iris
Biometra: tcnicas biomtricas ms conocidas
Carmen Snchez vila
Biometra dinmica
Medida de diferentes comportamientos
de cada persona
Biometra esttica
Medida de rasgos fsicos de la persona
Biometra multimodal
Combinacin de medidas, tanto fsicas
como de comportamiento
Biometra
Carmen Snchez vila
Los requisitos bsicos que deben reunir las
caractersticas biomtricas son:
Universalidad: todos los usuarios la tienen
Singularidad o univocidad: carcter distintivo
Permanencia: en el tiempo y condiciones ambientales
diversas
Colectividad: ha de ser mensurable cuantitativamente
Rendimiento o actuacin: elevado nivel de exactitud
Aceptacin: por parte del usuario
Resistencia a fraude o usurpacin

Biometra
Carmen Snchez vila
Bloques y etapas de un sistema biomtrico
Biometra
Carmen Snchez vila
Esquemas de Funcionamiento:
Reconocimiento: (quin es?) Se compara la
muestra con todos los patrones almacenados de los
distintos usuarios del sistema
Autenticacin: (es quin dice ser?) Se compara la
muestra con el patrn del usuario que reclama su
identidad.
Etapas:
Captura de los datos biomtricos
Preprocesado de los datos capturados
Extraccin de las caractersticas propias del usuario
Comparacin con el patrn almacenado:
Clasificador (reconocimiento biomtrico): 1 N
Verificador (autenticacin biomtrica): 1 1
Biometra
Carmen Snchez vila
PROCESO DE INSCRIPCIN
Biometra
Carmen Snchez vila
Biometra
Carmen Snchez vila
Biometra
Carmen Snchez vila
Biometra
Carmen Snchez vila
Tasa de falsos positivos TFP (False Match Rate, FMR)
Proporcin de muestras falsamente asignadas a un usuario al
que no le pertenecen
Tasa de falsos negativos TFN (False Non Match Rate,
FNMR)
Proporcin de muestras falsamente rechazadas como
pertenecientes al cliente al que pertenecen
Tasa de Falsa Aceptacin (FAR)
Proporcin de veces que se acepta a un intruso como usuario
del sistema
Tasa de Falso rechazo (FRR)
Proporcin de veces que se rechaza a un usuario legtimo del
sistema
Tasa de Igual Error (EER)
Valor para el que FAR=FRR
Biometra: rendimiento de los sistemas
Carmen Snchez vila
FAR
FRR
Umbral
%

E
r
r
o
r

EER
Biometra: rendimiento de los sistemas
Carmen Snchez vila
Curva ROC (Receiver Operating Characteristics)
Muestra la variacin de la TFP y al tasa de verdaderos positivos (1-TFN)
con respecto a un determinado umbral
Curva DET (Detection Error Tradeoff)
Muestra el nmero de desviaciones normales en la distribucin normal
estndar correspondiente a las probabilidades de FP y de FN
Curva ROC
Curva DET
Tasa de falsos positivos (TFP)
Tasa de falsos positivos (TFP FMR)
T
a
s
a

d
e

v
e
r
d
a
d
e
r
o
s

p
o
s
i
t
i
v
o
s

(
1
-
T
F
N
)

T
a
s
a

d
e

f
a
l
s
o
s

n
e
g
a
t
i
v
o
s

(
T
F
N

F
N
M
R
)

0 100
100
0
30
30 0.1 0.5 2 20
0.1
0.5
2
20
Biometra: rendimiento de los sistemas
Carmen Snchez vila
Referencia: T. Mansfield et al., Biometric Product Testing Final Report,
Centre for Mathematics and Scientific Computing, National Physical Laboratory, 2002.
Biometra: rendimiento de los sistemas (curva DET)
Carmen Snchez vila
Biometra: rendimiento de los sistemas
Carmen Snchez vila
Necesidad de un compromiso en el valor del umbral que haga que los valores tanto
de FAR, como de FRR, permitan funcionar al sistema de manera correcta.
Umbral FAR & FRR
Umbral FAR & FRR
El valor depender en gran parte de las necesidades de seguridad de la aplicacin
en cuestin.
Biometra: rendimiento de los sistemas
Carmen Snchez vila
Evaluaciones objetivas realizadas por laboratorios
independientes con el fin de medir el estado de la tecnologa
biomtrica
Utilizan bases de datos estndar y generalmente son abiertas
Ejemplos:
FVC (Fingerprint Verification Competition)
https://biolab.csr.unibo.it/fvcongoing/UI/Form/Home.aspx
FRVT (Face Recognition Vendor Test)
http://www.frvt.org/FRVT2006/default.aspx
FRGC (Face Recognition Gran Challenge)
http://www.frvt.org/FRGC/Default.aspx
NIST Speaker Recognition Evaluation (voz)
http://www.nist.gov/speech/tests/spk/index.htm
ICE (Iris Challenge Evaluation)
http://iris.nist.gov/ICE/
Biometra: evaluacin estndar de la tecnologa
Carmen Snchez vila
Biometra: cuota de mercado en tecnologa biomtrica
Carmen Snchez vila
Algunas tcnicas biomtricas
Carmen Snchez vila
Huella dactilar
Carmen Snchez vila
Universalidad (media-alta)
Ms de un 96% de la poblacin tiene una huella legible
Univocidad (alta)
Incluso gemelos idnticos tienen huellas diferentes
Permanencia (alta)
La huella se forma en la etapa fetal y permanece
estructuralmente inalterable a lo largo de la vida
Rendimiento (alto)
Es una de las tcnicas biomtricas con mejor rendimiento
Mayor compromiso entre comodidad y seguridad
Aceptacin (media)
La captura de la imagen de la huella no es intrusiva
Posee implicaciones legales

Huella dactilar: propiedades
Carmen Snchez vila
Manual
Consiste en la inspeccin visual, de texturas y de
minucias, adems de la experiencia del experto
Tcnicas basadas en imagen
Utilizan slo la apariencia visual de la imagen
Es necesario almacenar la imagen completa
Mtodos basados en texturas
Tratan la huella como una imagen de texturas
orientadas
Menos preciso que las tcnicas basadas en minucias
Tcnicas basadas en minucias
Utilizan las posiciones relativas de las minucias
Es el mtodo ms conocido y preciso
Huella dactilar: paradigmas
Carmen Snchez vila
Preprocesado
Estimacin del campo de orientacin y realce de la
imagen
Binarizacin (de 8 bits/pxel a 1 bit/pxel)
Extraccin de la regin de inters (ROI)
Adelgazamiento y depuracin de la imagen
Extraccin de caractersticas: minucias
Establecimiento del patrn de huella: datos que
corresponden a la disposicin de las minucias
(300 bytes)
Etapa de comparacin
Huella dactilar: tcnica basada en minucias
Carmen Snchez vila
Huella dactilar: tcnica basada en minucias
Carmen Snchez vila
Se convierten todas las minucias (modelo y muestra) a
coordenadas polares. Centro: la minucia de referencia
Se representan (patrn y muestra) mediante cadenas de puntos








Se aplica la distancia de disimilaridad entre las dos cadenas:
muestra y patrn

r: distancia radial
e: ngulo radial
: orientacin respecto a la
minucia de referencia
Huella dactilar: tcnica basada en minucias
Carmen Snchez vila
Huella dactilar: tcnica basada en minucias
Carmen Snchez vila
Terminales completos de identificacin por huella
Lectores integrados (con software de soporte)
Sensores:
pticos
V: Elevada resolucin
D: Deformacin no lineal del sensor
Estado slido (sensores de tipo capacitivo, trmicos y
piezoelctricos)
V: Bajo consumo y reducido tamao del dispositivo sensor
D: Elevada sensibilidad a variaciones de humedad de la huella
Ultrasnicos
V: Lectura tridimensional de la huella. Eliminacin de ruido
D: Elevado precio y menor resolucin que los sensores pticos
Importante: es recomendable que el rea de la huella sea de 1 pulgada
cuadrada y que la resolucin de la imagen sea igual o superior a 500 dpi y
256 niveles de grises (100-500 Kbytes).
Huella dactilar: dispositivos de captura
Carmen Snchez vila
Huella dactilar: sensores
Carmen Snchez vila
Huella dactilar: dispositivos de control de acceso
Carmen Snchez vila
Ventajas:
Tcnica muy desarrollada
Gran aceptacin (para determinadas aplicaciones)
Sistemas de captura no invasivos y de bajo coste con posibilidad de incorporar
fcilmente un sistema de deteccin de sujeto vivo
Facilidad de integracin en diferentes entornos
Unicidad y estabilidad de la huella
Desventajas:
Implicaciones policiales y judiciales
Necesidad de elevada calidad de la imagen digital
Necesidad de contacto fsico con la superficie del sensor

Huella dactilar: estado actual de la tecnologa
Resultados satisfactorios con los sistemas actuales (FVC- onGoing 2009):
Green Bit S.p.A.:
EER = 1,046%
FRR = 2,210% para FAR 0,1% y FRR = 3,152% para FAR 0,01%
Tiempo medio de verificacin: 3 msg.
Neurotechnology:
EER = 1,528%
FRR = 3,043% para FAR 0,1% y FRR = 4,079% para FAR 0,01%
Tiempo medio de verificacin: 3 msg.
Carmen Snchez vila
Iris
Carmen Snchez vila
Potencialidad para la Identificacin:
Mayor unicidad que la huella
Parmetros accesibles desde el exterior, a travs de
proteccin dada por la crnea
Textura del iris
Acceso visual a la retina a travs de la pupila
rgano estable (en muchos de sus parmetros):
Con la edad
Frente a accidentes (debido a la crnea)
Fcil deteccin de sujeto vivo
Por variaciones del tamao de la pupila frente a cambios de
iluminacin
Manipulacin compleja
Conllevara potenciales riesgos en la visin del individuo

Inconvenientes:
Utilizacin de elementos externos por parte de los usuarios
Iris: principales caractersticas
Carmen Snchez vila
1936: Frank Burch (oftalmlogo) proporciona la idea de que el iris se puede
utilizar para identificar a una persona

1987: Leonard Flom y Aran Safir (oftalmlogos) patentan la idea de Burch
Contactan con John G. Daugman (profesor de la Universidad de
Harvard) para que les desarrolle los algoritmos necesarios

1993: Publicacin de parte de los algoritmos
J.G. Daugman, "High Confidence Visual Recognition of Persons by a Test
of Statistical Independence", IEEE Transactions on Pattern Analysis and
Machine Intelligence, vol. 15, n. 11, pp.: 1148-1161, 1993

1994: Patente de los algoritmos y fundacin de IriScan Corp., empresa que
se encargar de la explotacin de las patentes. Se licencia la patente a
diversas empresas, entre ellas Sensar Corp., NCR, Panasonic, etc.

A partir del 2001, IriScan y Sensar deciden fusionarse creando la empresa
Iridian Technologies (http://www.iridiantech.com/) que es la actual
encargada de explotar las patentes
Iris: orgenes
Carmen Snchez vila
La captura se realiza de forma no invasiva
Se realiza mediante una cmara digital o de video de
alta resolucin con un objetivo de aproximacin,
para enfocar en el ojo a una distancia del sujeto que
no le resulte incmoda a ste

Se requiere interaccin por parte del usuario
Localizacin del ojo dentro de un campo de visin
En algunos sistemas se localiza el ojo en una escena
y posteriormente se enfoca (de forma automtica)

Sin informacin de color
Luz infrarroja

Iris: captura
Carmen Snchez vila

Cmara de acceso fsico:
LG
Panasonic
OKI
Senex
Evermedia
Jirix
Cmara de PC:
Panasonic
Cmara de Mano:
OKI (IrisPass-h)
Iris: sistemas comerciales
Carmen Snchez vila
Iris: captura
Carmen Snchez vila
Iris: localizacin
Carmen Snchez vila
Filtros de Gabor en coordenadas polares
Demodulacin y cuantificacin de la fase
( )
2
2
0
2
2
0
0
) (
) (
) (
,
|
u u
o
u u e
u

=
j
r r
j
e e e r G
| |
|
| u
o

| u e
|
d d e e e I g
j
r
j
2
2
0
2
2
0
0
) (
) (
) (
Im} {Re, Im} {Re,
) , ( sgn

} }
=
Iris: extraccin del patrn
Carmen Snchez vila
Patrn de iris (Iris Code)
2048 bits
(resumen la informacin de la
textura del iris)
Iris: extraccin del patrn
Carmen Snchez vila
Aeropuerto de Frankfurt
Tokyo

Aeropuerto
de Schiphol
Emiratos rabes
Iris: sistemas actuales
Fuente:
http://iris.nist.gov/ice
Iris: rendimiento de los sistemas
Carmen Snchez vila
Fuente: http://iris.nist.gov/ice
Iris: rendimiento de los sistemas
Carmen Snchez vila
Carmen Snchez vila
Caractersticas de la mano
Carmen Snchez vila
Unicidad: media. No existen estudios detallados que
demuestre su unicidad.
En el sector: correcta
Estabilidad: media, ya que los cambios de peso de una
persona pueden modificar la geometra de la mano.
Solucin: tomar medidas relativas
Coste: bajo. Slo se precisa una cmara de media/baja
calidad y una plataforma diseada al efecto
Aceptabilidad: muy alta (no tiene implicaciones legales y
es muy fcil de usar)
Tamao del patrn: muy pequeo (decenas de bytes)
Mano: caractersticas principales
Carmen Snchez vila
Mano: dispositivos de captura
Carmen Snchez vila
a) El sistema toma 3muestras de la silueta de la mano
b) Forma un patrn de 9 bytes tomando el promedio de las 3 muestras
Mano: extraccin del patrn
Carmen Snchez vila
Mano: extraccin del patrn
a) Plataforma con 6 topes y espejo colocado 60 sobre la superficie
b) Colocacin de la mano
c) Imagen obtenida de 640x480 y 256 colores
Carmen Snchez vila
Mano: extraccin del patrn
Caractersticas: algunas
anchuras interdedo, dedos y
mano
Medida de disimilaridad:
distancia eucldea

MSU
Caractersticas: anchuras
interdedo, dedos y mano,
desviaciones y alturas
Medida de disimilaridad:
GMMs

GUTI-GBTNI
Carmen Snchez vila
Mano: algunos resultados
MSU
96 % 15
97 % 21
96 % 25
GMMs N
Caractersticas
GUTI-GBTNI
96 % 15
97 % 21
96 % 25
GMMs N
Caractersticas
GUTI-GBTNI
96 % 15
97 % 21
96 % 25
GMMs N
Caractersticas
Carmen Snchez vila
Sistema Palm Secure
(Fujitsu)
Mano: imagen vascular de la palma
Regin palmar
Captura y pre-procesado
Mano: regin palmar
Carmen Snchez vila
Proceso de extraccin de las lneas de la palma de la
mano
Mano: regin palmar
Carmen Snchez vila
Algoritmos de verificacin

Aproximaciones basadas en lneas
Operadores de deteccin de bordes (Canny, Sobel, etc)
Algoritmos de comparacin (distancia eucldea, HMMs, distancia de
Haussdorf, redes neuronales, etc.)

Aproximaciones basadas en subespacios
Extraccin de caractersticas: filtros de Gabor, DCT, wavelets, etc.
Proyeccin en subespacios (LDA, PCA, ICA, etc.)

Aproximaciones estadsticas
Estadsticos locales (Gabor, wavelets, etc y media, varianzas locales)
Estadsticos globales (momentos, centros de gravedad, etc.. calculados
directamente sobre la imagen completa)

Otras aproximaciones
Mtodos de codificacin basados en orientacin (CompCode, POC, RLOC,
BOCV, etc)
..

Mano: regin palmar
Carmen Snchez vila
Mano: regin palmar
Carmen Snchez vila
Identificacin
Tipos de regiones palmar: primera aproximacin
Mano: regin palmar
Carmen Snchez vila
Algunos resultados en
Verificacin
Fuente: W. Jiaa, D.-S. Huanga, D. Zhang, Palmprint verification based on robust
line orientation code, Pattern Recognition 41 (2008) 1504 1513.



Mano: regin palmar
Carmen Snchez vila
Carmen Snchez vila
Caractersticas faciales
Carmen Snchez vila
Caractersticas faciales
Unicidad: media. No existen estudios detallados que
demuestre su unicidad
Estabilidad: media, ya que influyen muchos factores:
cambios en iluminacin, pose, etc.
Coste: bajo. Slo se precisa una cmara de captura y
una plataforma diseada al efecto
Aceptabilidad: alta (no tiene implicaciones legales, es
fcil de usar y no es invasivo
Tamao del patrn: medio (dependiendo del mtodo
utilizado)
Fiabilidad: media
Propiedades principales
Carmen Snchez vila
Redes neuronales
Tcnicas de backpropagation
Ms indicadas para deteccin y localizacin de caras en
imgenes, no para identificacin
Anlisis de la geometra facial
Localizacin de las diferentes caractersticas
Distancias entre ellas
Geometra de las mismas
Comparacin de grafos
Construcccin de un grafo alrededor de la cara
Localizacin de las caractersticas de la misma
Inclusin de otros datos (color de la piel, textura)
Autocaras
Teora de la Informacin
Extrae componentes discriminantes de la identidad
Fisherface
Utiliza informacin intra-clase para maximizar la separacin
entre clases

Caractersticas faciales: algunos mtodos 2D
Carmen Snchez vila
Caractersticas faciales: algunos resultados
Resultados en identificacin con PCA y SVM
(ncleo gaussiano)
95,8 %
Carmen Snchez vila
Caractersticas faciales: algunos resultados
Resultados en autenticacin con PCA y SVM
(ncleo gaussiano)
EER = 3,76 %
Carmen Snchez vila
Caractersticas faciales: algunos sistemas comerciales
Cognitec
FaceVACS Entry Access Control
A4Vision
Vision Access 3D Face Reader
Viisage
Face PASS
Dreams MIRH
MIRH Eye ACS
Identix
FaceIt Argus
ABIS
Geometrix
FaceVision 3D


http://www.frvt.org/
Carmen Snchez vila
No es tan fiable como otro tipo de caracterstica biomtrica
Requiere alta capacidad de almacenamiento
Se precisan imgenes de buena calidad
Problemas:
Iluminacin
Los cambios de iluminacin afectan al rendimiento del sistema
Saturacin de la imagen
Poses y expresiones
Diferencias en la orientacin de la cabeza y las diferentes
expresiones
Calidad de imagen
Las cmaras actuales (CCTV, etc.) no ofrecen a menudo la calidad
necesaria
Caractersticas faciales: algunas desventajas
Carmen Snchez vila
Caractersticas faciales: sistemas 3D
Ventajas:
Incrementa la fiabilidad del sistema
Elimina los problemas de iluminacin y
poses
Posee suficiente informacin invariante
frente a cambios en la expresin,
utilizacin de gafas, etc.


Una alternativa: reconocimiento facial 3D
Paradigmas:
Comparacin de perfiles
Modelos 3D basados en firmas de puntos
Comparacin mediante segmentacin de la
superficie
AURA (Advanced Uncertain Reasoning
Architecture)


Fuente:
http://iris.nist.gov/ice
Resultados con control de iluminacin
Carmen Snchez vila
Caractersticas faciales: resultados
Fuente:
http://iris.nist.gov/ice
Resultados sin control de iluminacin
Carmen Snchez vila
Caractersticas faciales: resultados
Fuente:
http://iris.nist.gov/ice
Resumen de resultados para algoritmos de reconocimiento facial 3D
Carmen Snchez vila
Caractersticas faciales: resultados
Carmen Snchez vila
Algunas aplicaciones de la Biometra
Carmen Snchez vila
Comerciales
Control de acceso fsico o lgico (edificios, ordenadores, telefonos, PDAs, etc)
Comercio electrnico
ATMs
Gestin de historiales mdicos
Gubernamentales
Tarjeta de identificacin nacional
Carnet de conducir
Tarjetas de seguridad social
Control de Pasaportes
Forenses
Investigaciones policiales
Identificacin de terroristas
Identificacin de personas desaparecidas
Podemos dividirlas en tres grandes grupos:
Algunas aplicaciones de la Biometra
Carmen Snchez vila
Algunas aplicaciones de la Biometra: sistemas actuales
Carmen Snchez vila
Tendencias futuras en Biometra

Tasas de error en Biometra unimodal
En una instalacin con 200.000 usuarios diarios, tendramos:
4.000 usuarios errneamente rechazados al da si utilizaran
identificacin por huella, 60 si se utiliza iris, 1.000 si se utiliza
cara, 6.000 si utiliza mano y 30.000 (aprox.) si utilizan slo voz.
200 usuarios errneamente aceptados con huella, 2 con iris, 2
con cara, 6.000 con mano y 7000 (aprox.) con voz.
FRR FAR
Huella 2% 0,1%
Iris 0,03% 0,001%
Cara 0,5% 0,001%
Mano 3% 3%
Voz 10-20% 2-5%
Biometra multimodal
Carmen Snchez vila
Carmen Snchez vila
Mltiples
caractersticas (5)
Mltiples sensores (2)
Mltiples
representaciones (3)
Mltiples capturas (1)
Sistemas
multimodales
Mltiples
unidades (4)
Biometra multimodal: posibilidades
Carmen Snchez vila
Biometra multimodal: niveles de fusin
Carmen Snchez vila
Sistemas Match-on-Card
Combinacin de las tecnologas biomtricas y de tarjeta
inteligente
Proceso de comparacin dentro de la tarjeta
El patrn no viaja fuera de la tarjeta en la que se
almacena de forma segura

Cripto-Biometra
Combinacin de la Criptografa y la Biometra
Implementacin de sistemas Cripto-Biomtricos de clave
pblica
Patrn biomtrico como clave privada

Otras lneas futuras de trabajo
Carmen Snchez vila
A. K. Jain, R. Bolle and S. Pankanti (eds.), Biometrics: Personal Identification
in a Networked Society, Kluwer Academic Press, 1999.
J. L. Wayman, A. K. Jain, D. Maltoni and D. Maio (eds.), Biometric Systems.
Technology, Design and Performance Evaluation, Springer, 2005.
M. Tapiador y J. A. Sigenza (coord.), Tcnicas biomtricas aplicadas a la
seguridad, Ra-Ma, 2005.
S. Z. Li and A. K. Jain (eds.), Handbook of Face Recognition, Springer, 2005.
D. Maltoni, D. Maio, A. K. Jain and S. Prabhakar, Handbook of Fingerprint
Recognition, Springer, 2005.
A.K. Jain, P. Flynn, A. Ross (eds.), Handbook of Biometrics, Springer, 2008.

Enlaces de inters:
http://www.biometrics.org/
http://www.eubiometricforum.com/
http://www.bioapi.org/
Bibliografa