Intelligent Signature Verification System Using Hybrid Deep Learning with WOA-GGO Driven Feature Selection

Durante siglos, la firma manuscrita ha servido como un sello personal de confianza, una marca única que vincula a una persona con un documento, un cheque bancario o un acuerdo legal. En el mundo moderno, este simple acto de firmar el nombre propio sigue siendo una piedra angular de la seguridad, incluso a medida que las transacciones digitales se vuelven más comunes. Sin embargo, verificar si una firma es genuina o una falsificación ingeniosa es una tarea difícil para los humanos, quienes pueden ser engañados por imitadores hábiles o confundidos por las variaciones naturales en la propia caligrafía de una persona. Para resolver esto, los investigadores han recurrido a las computadoras, construyendo sistemas que pueden analizar la forma, el flujo y la textura de una firma para decidir si es real. Estos sistemas funcionan descomponiendo una firma en sus partes visuales más pequeñas, buscando patrones que son consistentes en una firma real pero rotos o inconsistentes en una falsa. El desafío radica en enseñar a una computadora a ver estas sutiles diferencias sin confundirse con el ruido, como manchas en el papel o la iluminación desigual de una fotografía.

Un equipo de investigadores ha desarrollado un nuevo y altamente efectivo sistema diseñado para enfrentar este desafío. Su enfoque trata el proceso de verificación como un viaje de cuatro pasos, comenzando con la limpieza de la imagen de la firma. Descubrieron que los métodos estándar para eliminar el ruido a menudo difuminan las líneas finas de la escritura, por lo que crearon una técnica de filtrado mejorada que suaviza el fondo mientras mantiene intactos los bordes nítidos de los trazos del bolígrafo. Una vez que la imagen está clara, el sistema comienza a extraer la "huella dactilar" de la firma. En lugar de depender de una sola forma de mirar la imagen, utiliza tres perspectivas diferentes simultáneamente. Captura los patrones profundos y complejos ocultos dentro de la tinta utilizando una poderosa herramienta de análisis de imágenes, mide la forma y el tamaño general de toda la firma, y también calcula distancias específicas entre puntos clave dentro de los trazos. Esta combinación asegura que la computadora vea tanto el panorama general como los detalles diminutos.

El siguiente paso consiste en clasificar esta enorme colección de puntos de datos para encontrar los que más importan. Los investigadores utilizaron un método de búsqueda inteligente inspirado en la naturaleza para cribar las características y seleccionar solo las más útiles, descartando el resto para hacer el sistema más rápido y preciso. Este proceso de selección es guiado por dos estrategias distintas que trabajan juntas, imitando los comportamientos de morsas y gansos para explorar diferentes posibilidades y establecerse en la mejor solución. Con las características más importantes seleccionadas, el sistema se mueve a la etapa final de toma de decisiones. Aquí, emplea dos tipos diferentes de inteligencia artificial que trabajan en tándem. Un tipo es excelente recordando el orden de los eventos, como la secuencia de trazos en una firma, mientras que el otro es hábil en comprender el contexto tanto del principio como del final de la escritura. Al combinar los juicios de estos dos expertos, el sistema produce una puntuación final que indica si la firma es genuina o falsificada.

Los investigadores probaron este nuevo marco en dos grandes colecciones de imágenes de firmas, una que contenía más de 8,000 muestras y otra con más de 2,600. Los resultados mostraron que su sistema fue notablemente preciso, identificando correctamente las firmas genuinas y detectando las falsificaciones con una tasa de éxito de más del 97 por ciento en el primer conjunto de datos y casi el 97 por ciento en el segundo. Al compararse con otros métodos avanzados actualmente en uso, su sistema los superó consistentemente, cometiendo menos errores tanto al rechazar firmas reales como al aceptar las falsas. El sistema también demostró ser robusto, manteniendo su alta precisión incluso cuando las imágenes eran ruidosas o de menor calidad. Al integrar estas diferentes etapas de limpieza, análisis, selección y decisión, los investigadores han creado una herramienta de verificación que no solo es más precisa, sino también más confiable que intentos anteriores, ofreciendo un escudo más fuerte contra el fraude en un mundo que todavía depende fuertemente de la marca manuscrita.