El reconocimiento facial pasa al frente de las modalidades biométricas
21 March, 2016
category: Biometría, Facial, Finanzas, Identificación digital, Pagos biométricos
La tecnología ha recorrido un largo camino después del 9/11
El reconocimiento facial está ganando en popularidad entre las diferentes formas biométricas de autenticación. Microsoft ha habilitado este método para los usuarios de Windows 10 para el acceso con Hello, MasterCard quiere emplearlo para verificar los pagos, y otras instituciones financieras lo utilizan para autenticar a los clientes en los dispositivos móviles. Su uso para detectar sospechosos en las multitudes, y proteger los aeropuertos y las fronteras, sigue siendo el mayor beneficio para los profesionales de la seguridad.
Los algoritmos de reconocimiento facial se remontan a la década de 1970, cuando el interés era la robótica. Resurgió en los días siguientes a los ataques del 11 de septiembre de 2001. En esos tiempos se anunciaba como una tecnología que podía detectar individuos en una multitud y evitar que los terroristas entraran al país. Hasta cierto punto esto funcionó bien, si los sujetos eran cooperativos y las imágenes eran de buena calidad, algo que no era lo habitual en los aeropuertos y estadios deportivos donde se probaba la tecnología.
Alrededor del 9/11 el reconocimiento facial aún se consideraba como una modalidad biométrica incipiente, pese a que realmente no era inmadura. “Ya las laptops IBM tenían incorporado el bloqueo con reconocimiento facial”, señala Brian Martin, director de Investigación y Tecnología de MorphoTrust. “Después del 9/11 el enfoque pasó a ese tipo de caso de uso del ‘tipo malo’ en que se trata de encontrar a alguien en una lista de vigilancia. En esos momentos la tecnología no era lo bastante exacta como para cubrir las expectativas de la gente”.
Entonces las cámaras tenían mucha menos resolución y la potencia computacional de las computadoras era mucho menor de lo que es hoy día. “Ahora las cámaras están dondequiera. Cada teléfono móvil tiene un par de cámaras incorporadas. El teléfono es tan poderoso como lo era la computadora hace diez años. O sea, que es un cambio de juego”, apunta Martin. “Realmente se puede realizar reconocimiento facial con un teléfono móvil y lograr una buena precisión”.
Actualmente las imágenes de mayor resolución permiten comparar las pequeñas arrugas y la textura de la piel. Con la computación en nube, los datos disponibles en Internet son infinitos. “Ahora uno puede entrenar los algoritmos de reconocimiento facial mucho mejor que lo que podía lograrse hace 10 o 15 años. Esto ha producido una drástica diferencia en la precisión porque el aprendizaje de la máquina requiere muchísimos datos para aprender cómo resolver un problema”, explica Martin.
Gran parte del uso del reconocimiento facial hoy en día implica comparar una persona contra un solo registro, en lugar de tratar de identificar un sujeto desconocido en una gran base de datos. Este reconocimiento facial uno a uno es más sencillo de realizar y hace que las aplicaciones como el inicio de sesión en el teléfono sean viables.
“Es importante destacar este concepto de cómo el reconocimiento facial pasó de la detección de los tipos malos hacia permitir que los chicos buenos puedan realizar acciones”, señala.
Los retos y la precisión
La era post-9/11 generó una importante labor de investigación en el empleo del reconocimiento facial para la vigilancia y control de fronteras. “El reconocimiento de imágenes logra un impulso considerable gracias a las tecnologías de inteligencia artificial y las inversiones en el aprendizaje de máquina”, explica Rajiv Dholakia, vicepresidente de Desarrollo y Gestión de Producto de Nok Nok Labs. “Aún así, pienso que un adversario puede considerar que estos sistemas son algo fáciles de derrotar”.
Usar reconocimiento facial para aplicaciones de vigilancia o control de fronteras es muy diferente de lo que es emplearlo para la autenticación de usuario. “Estás tratando de evitar que los malos actores burlen un sistema y eso es más manejable que en el caso de la vigilancia o el control fronterizo”, explica Dholakia.
Uno de los problemas que se ha confrontado en el reconocimiento facial es la detección de vida, asegurándose que el algoritmo pueda detectar la diferencia entre una fotografía y una persona real. Los sistemas anteriores eran vulnerables a un ataque de reproducción, en el se presenta una fotografía para la autenticación. Los sistemas modernos utilizan capas de tecnología para diferenciar con mayor precisión entre sujetos vivos e imágenes de video.
Digital Signal Corporation, desarrollador de reconocimiento facial, usa video y detector óptico Light Detection and Ranging (LIDAR) para producir escaneados faciales tridimensionales a cierta distancia. Los fundadores estaba empleando la tecnología LIDAR en la industria aeronáutica, pero después del 9/11 vieron la necesidad de emplearlo con fines de seguridad.
“Si podían redirigirlo para el reconocimiento facial, posiblemente podrían prevenir un futuro ataque”, dice Harry Choi, vicepresidente de Desarrollo de Negocios en Digital Signal Corp.
Choi considera que muchas de las limitaciones del reconocimiento facial han sido por basarse en cámaras de video bidimensionales y la incapacidad de estas para funcionar en condiciones variables de iluminación. “Tratan de reconocer un rostro que está en movimiento y tiene algunos niveles de oclusión, como las gafas de sol”, señala. “Se pueden detectar mucho mejor los rostros utilizando un conjunto tridimensional de datos”.
La tecnología de reconocimiento facial avanza
Mientras que las huellas digitales siguen predominando en la biometría móvil, el reconocimiento facial crece en popularidad. No hay que oprimir botones, y un pestañazo hace el truco. El reconocimiento facial suele emplearse con otras capas de seguridad, como la información de localización por GPS, los dispositivos registrados y los códigos de un solo uso, y es una gran promesa para reducir el fraude.
Actualmente ha surgido un enfoque para realizar reconocimiento facial en torno a redes neuronales convolucionales. La imagen completa del rostro se pasa a través de una red neuronal artificial. Estas redes se entrenan utilizando muchas imágenes de una persona conocida de los medios sociales y otras fuentes disponibles. Pero es preciso realizar muchos ensayos por parte de investigadores independientes. “La mayoría de los resultados son reportados por el propio desarrollador que autovalora su precisión”, dice Patrick Grother, un científico informático del Instituto Nacional de Estándares y Tecnología.
“Así, en estos momentos se desarrolla un enorme trabajo en esa área y esto ha sido posible por el advenimiento de la cámara digital, la invención de las redes neuronales convolucionales, y la disponibilidad de datos a escala de Internet”, explica Grother.