On the Study of Biometric Spoofing Detection using Deep Learning

Resumen Técnico: Estudio de la Detección de Suplantación Biométrica mediante Aprendizaje Profundo

Planteamiento del Problema
Los sistemas biométricos, particularmente el reconocimiento facial, se despliegan cada vez más para la seguridad, pero siguen siendo vulnerables a ataques de suplantación (spoofing). Los atacantes utilizan datos falsificados —como fotografías impresas, videos reproducidos y sofisticadas máscaras 3D— para engañar a los sistemas, lo que conduce al acceso no autorizado y a la seguridad comprometida. Si bien existen métodos de anti-suplantación tradicionales (por ejemplo, soluciones basadas en hardware o extracción de características manuales como LBP y HOG), estos suelen tener dificultades para adaptarse a nuevos ataques, variaciones de iluminación y técnicas de suplantación complejas. Además, los enfoques actuales de aprendizaje profundo enfrentan desafíos no resueltos relacionados con la adaptación de dominio, la robustez adversarial y la compensación entre la eficiencia computacional y la precisión de detección.

Metodología
La investigación evalúa la efectividad de cuatro modelos de aprendizaje profundo de vanguardia para detectar ataques de suplantación dentro de los sistemas de reconocimiento facial:

1. MobileNetV2: Una arquitectura ligera diseñada para la eficiencia computacional.
2. DenseNet-121: Un modelo que utiliza conexiones densas para una mejora en la reutilización de características.
3. Inception-v3: Un CNN conocido por la extracción de patrones espaciales a múltiples escalas.
4. Spoof Trace Disentanglement (STD): Un modelo especializado diseñado para aislar artefactos específicos de la suplantación.

El estudio emplea un flujo de trabajo estructurado de aprendizaje automático que involucra el preprocesamiento de datos (redimensionamiento a 224x224, normalización y aumentación), el entrenamiento del modelo y la evaluación.

• Conjuntos de Datos: El conjunto de datos principal para entrenamiento y evaluación es CelebA-Spoof (625,537 imágenes), que incluye diversos tipos de ataques (impresiones 2D, máscaras 3D, reproducciones de video). Para evaluar la generalizabilidad, se realiza una validación cruzada de conjuntos de datos en el conjunto MSU-MFSD, el cual se enfoca en escenarios de suplantación específicos para dispositivos móviles.
• Estrategia de Entrenamiento: Los modelos fueron entrenados utilizando el optimizador Adam con pérdida de entropía cruzada (cross-entropy loss), dropout (0.5) y normalización por lotes (batch normalization) en un clúster de GPUs NVIDIA A100. El conjunto de datos se dividió en 70% para entrenamiento, 20% para validación y 10% para prueba.
• Métricas: El rendimiento se midió mediante exactitud (accuracy), precisión, exhaustividad (recall), puntuación F1 y la Tasa de Verdaderos Positivos (TPR) en umbrales específicos de Tasa de Falsos Positivos (FPR) (1e-3, 5e-3, 1e-4).

Resultos Clave
Los resultados experimentales resaltan distintas compensaciones entre exactitud y eficiencia:

• MobileNetV2 surgió como el modelo más eficiente, logrando un 92% de exactitud, 96% de precisión y 93% de exhaustividad en el conjunto de datos CelebA-Spoof. Demostró el mejor equilibrio para aplicaciones en tiempo real y dispositivos periféricos (edge devices), aunque mostró un ligero declive en el rendimiento durante la validación cruzada de conjuntos de datos.
• ResNet-18 (utilizada como línea base) alcanzó un 89.5% de exactitud, pero fue considerada computacionalmente costosa para el despliegue en tiempo real.
• DenseNet-121 logró un 84.89% de exactitud, pero sufrió debido a una alta huella de memoria y desafíos en la generalización de conjuntos de datos cruzados.
• Inception-v3 registró un 82.48% de exactitud. Aunque es efectiva para capturar características multiescala, es computacionalmente intensiva y mostró susceptibilidad a ataques adversariales.
• Spoof Trace Disentanglement (STD) alcanzó la exactitud más baja (78.69%) y tuvo dificultades significativas con la generalización entre conjuntos de datos, a pesar de su diseño especializado.

Validación Cruzada de Conjuntos de Datos
Cuando se evaluaron en el conjunto de datos no visto MSU-MFSD, todos los modelos experimentaron una degradación del rendimiento, subrayando el problema de la "brecha de dominio". MobileNetV2 mantuvo una exactitud relativamente alta del 85% en este conjunto de datos, mientras que Inception-v3 y DenseNet-121 cayeron al 78% y 75%, respectivamente. Esto indica que, si bien los modelos funcionan bien en los datos de entrenamiento, su capacidad para generalizarse a entornos y vectores de ataque no vistos sigue siendo una limitación crítica.

Significancia y Reivindicaciones
El artículo afirma que MobileNetV2 representa la opción óptima para sistemas de seguridad biométrica prácticos en el mundo real debido a su capacidad para equilibrar una alta exactitud de detección con una baja carga computacional, lo que la hace adecuada para entornos móviles y embebidos.

El estudio enfatiza que, aunque el aprendizaje profundo ha avanzado en la detección de suplantación, persisten desafíos significativos relacionados con:

1. Generalización: Los modelos entrenados en conjuntos de datos específicos luchan por adaptarse a nuevos dominios sin técnicas de adaptación de dominio.
2. Robustez Adversarial: Los modelos basados en CNN siguen siendo vulnerables a perturbaciones imperceptibles.
3. Eficiencia vs. Exactitud: Existe una compensación necesaria donde los modelos más profundos ofrecen mayor robustez pero carecen de la eficiencia requerida para el despliegue en tiempo real.

Los autores concluyen que los avances futuros deben centrarse en la integración de técnicas de adaptación de dominio, la exploración de arquitecturas híbridas y el refinamiento de modelos ligeros para mejorar la resiliencia de los sistemas biométricos frente a las amenazas de suplantación en evolución.