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

Depuis des siècles, la signature manuscrite sert de sceau de confiance personnel, une marque unique qui lie une personne à un document, un chèque bancaire ou un accord juridique. Dans le monde moderne, cet acte simple de signer son nom demeure une pierre angulaire de la sécurité, alors même que les transactions numériques se généralisent. Cependant, vérifier si une signature est authentique ou s'il s'agit d'une imitation habile est une tâche difficile pour les humains, qui peuvent être trompés par des imitateurs talentueux ou confondus par les variations naturelles de la propre écriture d'une personne. Pour résoudre ce problème, les chercheurs se sont tournés vers l'informatique, en construisant des systèmes capables d'analyser la forme, le flux et la texture d'une signature pour décider si elle est réelle. Ces systèmes fonctionnent en décomposant une signature en ses plus petites parties visuelles, à la recherche de motifs qui sont cohérents dans une signature réelle mais brisés ou incohérents dans une fausse. Le défi consiste à apprendre à un ordinateur à percevoir ces différences subtiles sans être perturbé par le bruit, tel que les taches sur le papier ou l'éclairage inégal d'une photographie.

Une équipe de chercheurs a développé un nouveau système hautement efficace conçu pour relever ce défi. Leur approche traite le processus de vérification comme un voyage en quatre étapes, commençant par le nettoyage de l'image de la signature. Ils ont constaté que les méthodes standards de suppression du bruit estompaient souvent les lignes fines de l'écriture, ils ont donc créé une technique de filtrage améliorée qui lisse l'arrière-plan tout en préservant les bords nets des traits de plume. Une fois l'image nette, le système commence à extraire l'« empreinte digitale » de la signature. Au lieu de s'appuyer sur une seule façon de regarder l'image, il utilise simultanément trois perspectives différentes. Il capture les motifs profonds et complexes cachés dans l'encre à l'aide d'un puissant outil d'analyse d'image, mesure la forme et la taille globales de l'ensemble de la signature, et calcule également des distances spécifiques entre des points clés au sein des traits. Cette combinaison garantit que l'ordinateur perçoit à la fois la vue d'ensemble et les détails infimes.

L'étape suivante consiste à trier cette vaste collection de points de données pour trouver ceux qui comptent le plus. Les chercheurs ont utilisé une méthode de recherche intelligente, inspirée de la nature, pour passer au crible les caractéristiques et ne sélectionner que les plus utiles, écartant les autres pour rendre le système plus rapide et plus précis. Ce processus de sélection est guidé par deux stratégies distinctes travaillant de concert, imitant les comportements des morse et des oies pour explorer différentes possibilités et parvenir à la meilleure solution. Une fois les caractéristiques les plus importantes sélectionnées, le système passe à l'étape finale de prise de décision. Ici, il emploie deux types différents d'intelligence artificielle qui travaillent en tandem. L'un est excellent pour mémoriser l'ordre des événements, comme la séquence des traits d'une signature, tandis que l'autre est compétent pour comprendre le contexte à partir du début et de la fin de l'écriture. En combinant les jugements de ces deux experts, le système produit un score final qui indique si la signature est authentique ou contrefaite.

Les chercheurs ont testé ce nouveau cadre sur deux grandes collections d'images de signatures, l'une contenant plus de 8 000 échantillons et l'autre plus de 2 600. Les résultats ont montré que leur système était remarquablement précis, identifiant correctement les signatures authentiques et repérant les contrefaçons avec un taux de réussite de plus de 97 % sur le premier ensemble de données et de près de 97 % sur le second. Comparé à d'autres méthodes avancées actuellement en usage, leur système les a systématiquement surpassées, commettant moins d'erreurs tant dans le rejet des signatures réelles que dans l'acceptation des fausses. Le système s'est également avéré robuste, maintenant sa haute précision même lorsque les images étaient bruitées ou de moindre qualité. En intégrant ces différentes étapes de nettoyage, d'analyse, de sélection et de décision, les chercheurs ont créé un outil de vérification qui est non seulement plus précis, mais aussi plus fiable que les tentatives précédentes, offrant un bouclier plus fort contre la fraude dans un monde qui dépend encore lourdement de la marque manuscrite.