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

Durante séculos, a assinatura manuscrita serviu como um selo pessoal de confiança, uma marca única que vincula uma pessoa a um documento, um cheque bancário ou um acordo legal. No mundo moderno, este simples ato de assinar o próprio nome permanece como uma pedra angular da segurança, mesmo à medida que as transações digitais se tornam mais comuns. No entanto, verificar se uma assinatura é genuína ou uma falsificação astuta é uma tarefa difícil para os seres humanos, que podem ser enganados por imitadores habilidosos ou confundidos pelas variações naturais na própria caligrafia de uma pessoa. Para resolver isso, pesquisadores recorreram aos computadores, construindo sistemas que podem analisar a forma, o fluxo e a textura de uma assinatura para decidir se ela é real. Esses sistemas funcionam decompondo uma assinatura em suas menores partes visuais, procurando padrões que são consistentes em uma assinatura real, mas quebrados ou inconsistentes em uma falsa. O desafio reside em ensinar um computador a enxergar essas diferenças sutis sem se confundir com o ruído, como manchas no papel ou a iluminação irregular de uma fotografia.

Uma equipe de pesquisadores desenvolveu um novo e altamente eficaz sistema projetado para enfrentar esse desafio. A abordagem deles trata o processo de verificação como uma jornada de quatro etapas, começando com a limpeza da imagem da assinatura. Eles descobriram que os métodos padrão para remover ruído frequentemente borram as linhas finas da escrita, por isso criaram uma técnica de filtragem aprimorada que suaviza o fundo enquanto mantém as bordas nítidas dos traços da caneta intactas. Uma vez que a imagem está clara, o sistema começa a extrair a "impressão digital" da assinatura. Em vez de depender de apenas uma maneira de observar a imagem, ele utiliza três perspectivas diferentes simultaneamente. Ele captura os padrões profundos e complexos escondidos dentro da tinta usando uma poderosa ferramenta de análise de imagem, mede a forma e o tamanho geral de toda a assinatura e também calcula distâncias específicas entre pontos-chave dentro dos traços. Essa combinação garante que o computador veja tanto o quadro geral quanto os detalhes minúsculos.

A próxima etapa envolve a triagem desta enorme coleção de pontos de dados para encontrar aqueles que mais importam. Os pesquisadores usaram um método de busca inteligente, inspirado na natureza, para filtrar as características e selecionar apenas as mais úteis, descartando o restante para tornar o sistema mais rápido e preciso. Este processo de seleção é guiado por duas estratégias distintas trabalhando juntas, imitando os comportos de morsas e gansos para explorar diferentes possibilidades e estabelecer a melhor solução. Com as características mais importantes selecionadas, o sistema avança para a etapa final de tomada de decisão. Aqui, ele emprega dois tipos diferentes de inteligência artificial que trabalham em conjunto. Um tipo é excelente em lembrar a ordem dos eventos, como a sequência de traços em uma assinatura, enquanto o outro é habilidoso em compreender o contexto tanto do início quanto do fim da escrita. Ao combinar os julgamentos desses dois especialistas, o sistema produz uma pontuação final que indica se a assinatura é genuína ou falsificada.

Os pesquisadores testaram este novo framework em duas grandes coleções de imagens de assinaturas, uma contendo mais de 8.000 amostras e outra com mais de 2.600. Os resultados mostraram que o sistema deles foi notavelmente preciso, identificando corretamente assinaturas genuínas e detectando falsificações com uma taxa de sucesso superior a 97 por cento no primeiro conjunto de dados e quase 97 por cento no segundo. Quando comparado a outros métodos avançados atualmente em uso, o sistema deles superou consistentemente esses métodos, cometendo menos erros tanto ao rejeitar assinaturas reais quanto ao aceitar as falsas. O sistema também provou ser robusto, mantendo sua alta precisão mesmo quando as imagens eram ruidosas ou de baixa qualidade. Ao integrar estas diferentes etapas de limpeza, análise, seleção e decisão, os pesquisadores criaram uma ferramenta de verificação que é não apenas mais precisa, mas também mais confiável do que tentativas anteriores, oferecendo um escudo mais forte contra a fraude em um mundo que ainda depende fortemente da marca manuscrita.