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

Per secoli, la firma autografa ha servito come sigillo personale di fiducia, un segno unico che lega una persona a un documento, un assegno bancario o un accordo legale. Nel mondo moderno, questo semplice atto di firmare il proprio nome rimane un pilastro della sicurezza, anche mentre le transazioni digitali diventano più comuni. Tuttavia, verificare se una firma sia autentica o un'astuta falsificazione è un compito difficile per gli esseri umani, che possono essere ingannati da imitatori esperti o confusi dalle variazioni naturali nella propria calligrafia. Per risolvere questo problema, i ricercatori si sono rivolti ai computer, costruendo sistemi in grado di analizzare la forma, il flusso e la trama di una firma per decidere se sia reale o meno. Questi sistemi funzionano scomponendo una firma nelle sue più piccole parti visive, cercando modelli che siano coerenti in una firma reale ma interrotti o incoerenti in una falsa. La sfida consiste nell'insegnare a un computer a vedere queste sottili differenze senza confondersi con il rumore, come le macchie sulla carta o l'illuminazione irregolare di una fotografia.

Un team di ricercatori ha sviluppato un nuovo sistema altamente efficace progettato per affrontare questa sfida. Il loro approccio tratta il processo di verifica come un viaggio in quattro fasi, partendo dalla pulizia dell'immagine della firma. Hanno scoperto che i metodi standard per la rimozione del rumore spesso sfocano le linee sottili della scrittura, così hanno creato una tecnica di filtraggio migliorata che leviga lo sfondo mantenendo intatti i bordi netti dei tratti della penna. Una volta che l'immagine è nitida, il sistema inizia a estrarre l'"impronta digitale" della firma. Invece di affidarsi a un solo modo di guardare l'immagine, utilizza tre diverse prospettive simultaneamente. Cattura i modelli profondi e complessi nascosti nell'inchiostro utilizzando uno strumento potente di analisi delle immagini, misura la forma complessiva e la dimensione dell'intera firma e calcola anche distanze specifiche tra punti chiave all'interno dei tratti. Questa combinazione assicura che il computer veda sia il quadro generale che i minimi dettagli.

Il passaggio successivo prevede la selezione di questo enorme insieme di punti dati per trovare quelli che contano di più. I ricercatori hanno utilizzato un metodo di ricerca intelligente, ispirato alla natura, per setacciare le caratteristiche e selezionare solo quelle più utili, scartando il resto per rendere il sistema più veloce e accurato. Questo processo di selezione è guidato da due strategie distinte che lavorano insieme, imitando i comportamenti di morse e oche per esplorare diverse possibilità e stabilirsi sulla soluzione migliore. Con le caratteristiche più importanti selezionate, il sistema passa alla fase finale di decisione. Qui, impiega due diversi tipi di intelligenza artificiale che lavorano in tandem. Un tipo è eccellente nel ricordare l'ordine degli eventi, come la sequenza dei tratti in una firma, mentre l'altro è abile nel comprendere il contesto sia dall'inizio che dalla fine della scrittura. Combinando i giudizi di questi due esperti, il sistema produce un punteggio finale che indica se la firma sia autentica o contraffatta.

I ricercatori hanno testato questo nuovo framework su due grandi collezioni di immagini di firme, una contenente oltre 8.000 campioni e un'altra con più di 2.600. I risultati hanno mostrato che il loro sistema era straordinariamente accurato, identificando correttamente le firme autentiche e individuando le falsificazioni con un tasso di successo superiore al 97 percento sul primo dataset e quasi il 97 percento sul secondo. Confrontato con altri metodi avanzati attualmente in uso, il loro sistema ha costantemente superato le prestazioni di questi, commettendo meno errori sia nel rifiutare firme reali che nell'accettare quelle false. Il sistema si è anche dimostrato robusto, mantenendo la sua alta precisione anche quando le immagini erano rumorose o di qualità inferiore. Integrando queste diverse fasi di pulizia, analisi, selezione e decisione, i ricercatori hanno creato uno strumento di verifica che è non solo più accurato, ma anche più affidabile rispetto ai tentativi precedenti, offrendo uno scudo più forte contro le frodi in un mondo che dipende ancora pesantemente dal segno autografo.