Redes de aprendizado profundo e seleção de características para detecção de fraudes em sistemas de autenticação biométrica por voz

Com o barateamento de determinados dispositivos eletrônicos, a utilização de sistemas de autenticação biométrica de usuário vem se tornando cada vez mais comum. Em especial, o uso de gravadores para reconhecimento de usuário é uma realidade para muitas pessoas nas mais corriqueiras tarefas, tais como acessar o próprio aparelho celular ou, ainda, a própria conta bancária em um caixa eletrônico. Entretanto, trabalhos recentes demonstram que a prática de fraudes como a apresentação indevida de uma gravação de um usuário autêntico ao sistema de reconhecimento pode configurar uma ameaça à segurança desses sistemas. Como contramedida a tais práticas, técnicas de detecção de vida surgiram com a intenção de assegurar que o sinal apresentado ao sistema é proveniente do trato vocal de um ser humano e não de uma gravação. Técnicas baseadas na análise de espectrogramas, que consistem em uma representação matricial da relação entre a frequência do sinal pela sua duração temporal, são muito utilizadas neste tema. Entretanto, pouco estudo foi realizado sobre o uso de operadores de mapeamento sobre tais representações a fim de se confeccionar vetores de características pertencentes ao $\mathbb{R}^n$ e, consequentemente, facilitar sua definição e utilização na maioria dos classificadores binários. Neste trabalho, fazemos uma análise experimental sobre diferentes operadores de mapeamento aplicados na construção de \textit{handcrafted features} sobre espectrogramas calculados por várias técnicas. Além disso, também analisamos o efeito da fusão e da projeção de tais \textit{features}. Como consequência, pudemos observar que, com o uso do material proposto, que consiste em um ferramental de simples definição e de baixa complexidade, obtivemos resultados competitivos àqueles apresentados pelos \textit{baselines} do tema. Finalmente, ressaltamos que, durante a execução deste projeto de pós-doutorado, o pesquisador foi protagonista direto, sendo primeiro autor ou autor correspondente, de 14 resultados no tema de pesquisa proposto, os quais foram aceitos e/ou publicados em periódicos e conferências de reconhecida relevância. Ainda, o material desenvolvido neste projeto encontra-se em avaliação na \textit{Liveness Detection Competition} de 2025. O término deste projeto de pós-doutorado precisou ser adiantado, pois o pesquisador foi convocado para assumir uma vaga de professor adjunto A, efetivo, na Universidade Federal de São Paulo, \textit{campus} de São josé dos Campos - SP.

Palavras-chave

Processamento de sinais , Redes Neurais , Biometria , Otimização , Aprendizado de máquina

Idioma

Português

Citação

CONTRERAS, Rodrigo Colnago. Redes de aprendizado profundo e seleção de características para detecção de fraudes em sistemas de autenticação biométrica por voz. (Relatório de Pós doutorado). 2026. Universidade Estadual Paulista (Unesp), Instituto de Biociências Letras e Ciências Exatas (Ibilce), São José do Rio Preto, 2026.