Dorsal Hand Images for Immersive (XR) and Privacy-preserving Age Assurance and Child Safety

Resumen Técnico: Imágenes del Dorso de la Mano para la Garantía de Edad Inmersiva (XR) y Preservación de la Privacidad

1. Planteamiento del Problema

Garantizar el acceso adecuado según la edad en entornos de Realidad Extendida (XR) es un desafío regulatorio y de seguridad crítico. Los mecanismos actuales de garantía de edad dependen de la estimación basada en el rostro, lo cual es impracticable para la XR debido a restricciones arquitectónicas: los visores de XR utilizan cámaras de paso (pass-through) orientadas hacia el exterior que no pueden capturar el rostro del usuario durante una sesión. En consecuencia, la verificación basada en el rostro requiere que los usuarios se quiten los visores y capturen imágenes propias mediante aplicaciones móviles de terceros. Este proceso rompe la inmersión, limita la frecuencia de las verificaciones (aumentando los riesgos de intercambio de cuentas) e introduce riesgos significativos de privacidad al requerir que se compartan biometría facial con terceros. Además, los conjuntos de datos y estudios existentes sobre el dorso de la mano se centran en poblaciones adultas bajo condiciones controladas de laboratorio, dejando sin caracterizar y sin probar la discriminación de menores frente a adultos (el límite menor-adulto) bajo condiciones reales y no restringidas.

2. Metodología

Los autores proponen aprovechar el dorso (parte posterior) de la mano como una modalidad biométrica que preserva la privacidad, utilizando las cámaras RGB y de profundidad inherentes a los visores de XR para capturar la morfometría de la mano durante la interacción normal.

Recolección de Datos:

• Participantes: Se recolectó un conjunto de datos diseñado específicamente de 436 participantes (edades 10–67), estratificado por edad y sexo para asegurar una cobertura equilibrada alrededor del umbral legal de 18 años. La cohorte incluye un 45.9% de menores (10–17) y un 54.1% de adultos.
• Demografía: El conjunto de datos abarca todo el espectro de tonos de piel (grados de Fitzpatrick I–VII), categorizados en grupos de Claro (23.6%), Medio (36.0%) y Oscuro (40.4%) basándose en cálculos del Ángulo de Tipología Individual (ITA).
• Condiciones de Captura: A diferencia de los estudios clínicos previos, las imágenes se capturaron bajo condiciones no restringidas representativas del uso de XR de consumo. Los participantes sostuvieron sus manos libremente dentro de un frustum de captura definido, guiados por una retroalimentación de sombreador de profundidad visual.
• Protocolo: Cada participante se sometió a 16 capturas (dos manos × 4 posiciones × 2 intensidades de iluminación) a través de 8 condiciones de iluminación distintas, produciendo 6,790 imágenes del dorso de la mano.
• Preprocesamiento: Los píxeles del fondo se eliminaron utilizando el flujo de profundidad del visor; los modelos reciben únicamente la región de la mano.

Configuración Experimental:

• Modelos: Se evaluaron cuatro arquitecturas de redes neuronales: ResNet-50, EfficientNetV2-S, Swin Transformer V2-B y MobileNetV3-Large.
• Tareas:
  1. Regresión de Edad Continua: Predicción de la edad cronológica.
  2. Puerta de Edad Binaria (Age Gate): Clasificación de los participantes como "menor" (<18) o "adulto" (≥18).
• Entrenamiento: Los modelos fueron entrenados utilizando validación cruzada de 5 pliegues (5-fold) estratificada por participante. El objetivo de entrenamiento fue la Verosimilitud Negativa Logarítmica Gaussiana (NLL), que devuelve una media ($\mu$) y una varianza logarítmica ($\log \sigma^2$) para permitir la estimación probabilística de la incertidumbre. Se aplicó un pesaje de frecuencia inversa para abordar los desequilibrios en la distribución de edad.
• Umbralización de Decisiones: Se derivó una decisión binaria a partir de la salida Gaussiana ($P(a \ge 18)$). Los umbrales se seleccionaron para equilibrar las Tasas de Falsos Positivos (FPR) para menores frente a las Tasas de Verdaderos Positivos (TPR) para adultos, mapeando con los marcos de trabajo NIST FATE "Challenge-T".

3. Resultados Clave

Regresión de Edad:

• El Swin Transformer V2-B logró el mejor rendimiento con un Error Absoluto Medio (MAE) de 5.78 ± 0.64 años y un RMSE de 7.47 ± 0.72 años.
• EfficientNetV2-S le siguió con un MAE de 6.01 ± 0.11 años. MobileNetV3-Large tuvo el peor desempeño (MAE 6.96 años).
• El rendimiento fue robusto en todos los grupos de tonos de piel, sin diferencias estadísticamente significativas en la capacidad de discriminación entre los tonos de piel Claro, Medio y Oscuro.

Puerta de Edad (Clasificación Binaria):

• El SwinV2-B fue seleccionado como el modelo recomendado para el despliegue debido a su rendimiento superior en la región crítica de seguridad de baja falsa aceptación (pAUC@0.1 = 0.0587).
• Puntos de Operación:
  • Con un umbral de $\tau=0.923$ (equivalente a NIST Challenge-28), el sistema logró un FPR del 6% para jóvenes de 16–17 años y una tasa de paso de adultos del 48%.
  • Con un umbral más estricto de $\tau=0.960$ (equivalente a NIST Challenge-31), el sistema logró cero admisión de menores (0% de FPR para menores), aunque esto aumentó la Tasa de Falsos Negativos (FNR) para adultos al 63%.
• Agregación de Múltiples Capturas: La agregación de puntuaciones de múltiples capturas (por ejemplo, $n=4$) mejoró significamente el rendimiento. Con $\tau=0.923$, la agregación de 4 capturas redujo el FPR de 16–17 años del 6% al 0%, manteniendo la tasa de paso de adultos en aproximadamente el 48%.

4. Significado y Reivindicaciones

El artículo afirma proporcionar la primera evidencia empírica de que las imágenes RGB del dorso de la mano pueden soportar la garantía de edad de seguridad crítica a través del límite menor-adulto bajo condiciones no restringidas y ecológicamente válidas.

• Preservación de la Privacidad: El enfoque ofrece una alternativa pasiva y dentro de la sesión a la verificación basada en el rostro. Evita que los usuarios se quiten los visores o compartan biometría facial con terceros, reduiendo así los riesgos de reidentificación. Los autores señalan que, si bien las manos son datos biométricos, carecen de la extensa infraestructura de los conjuntos de datos faciales (ej. redes sociales, CCTV) que facilitan el vínculo de los datos biométricos con individuos específicos.
• Viabilidad Regulatoria: La formulación probabilística se mapea directamente con los marcos establecidos de garantía de edad (NIST FATE Challenge-T). El sistema se posiciona no como un reemplazo para todos los métodos de verificación, sino como un primer filtro viable que puede escalar casos limítrofes a una verificación basada en documentos de mayor fricción o permitir controles de seguridad adaptativos (ej. silenciar el chat de voz para menores) sin interrumpir la experiencia del usuario.
• Generalizabilidad: Al incluir una cohorte etnodiversa de menores y adultos bajo iluminación variable, el estudio aborda una brecha crítica dejada por la investigación previa centrada solo en adultos y en entornos de laboratorio.

Los autores conclizan que la morfometría del dorso de la mano representa una modalidad biométrica efectiva y que preserva la privacidad para la garantía de edad en XR, capaz de lograr cero admisión de menores en puntos de operación estrictos mientras mantiene la robustez ante la variación del tono de piel.