PPGEE

Programa de Pós-graduação
em Engenharia Elétrica

UFRGS

Defesa Pública da Dissertação de Mestrado do Engenheiro de Computação Raphael Ruschel dos Santos

Data: 26/04/2019 - sexta-feira
Horário: 14h00min
Local: Salão de Eventos do Instituto Eletrotécnico da UFRGS (Av. Osvaldo Aranha, nº 103 - 1º andar - Campus Centro)

Banca examinadora:

Profa. Dra. Letícia Vieira Guimarães - Cursos de Engenharia de Computação, Energia e Tecnologia em Automação e Controle - UERGS
Prof. Dr. Cristiano Bonatto Both - Programa de Pós-Graduação em Computação Aplicada - UNISINOS
Prof. Dr. Valner João Brusamarello - PPGEE - UFRGS
Orientador: Prof. Dr. Jacob Scharcanski - PPGEE - UFRGS

Título da Dissertação: "CONDICIONAMENTO DE DADOS PARA DETECÇÃO DE ATAQUES DE APRESENTAÇÃO FACIAL UTILIZANDO APRENDIZADO PROFUNDO DE REDES NEURAIS CONVOLUCIONAIS"

Resumo:
"Sistemas de autenticação baseados em biometria são fortes candidatos a substituírem métodos de acesso tradicionais que utilizam nome de usuário e senha. Reconhecimento facial tem se tornado bastante popular nos últimos anos, e muitos dispositivos existentes já contam com uma câmera embutida, tornando esta tecnologia fácil de ser utilizada. No entanto, sistemas de reconhecimento facial são suscetíveis a falhas de segurança, como os ataques de apresentação facial, aonde um impostor tenta ganhar acesso ao sistema se disfarçando como um usuário genuíno. Na grande maioria dos trabalhos presentes na literatura, os autores utilizam apenas características facial para realizar a detecção destes ataques. No entanto, este trabalho apresenta um novo método de treinamento de Redes Neurais onde o quadro inteiro é utilizado como entrada, visto que a informação dos arredores do sujeito pode conter informações relevantes para a detecção de ataques de apresentação. Os resultados são positivos, utilizando a arquitetura GoogLeNet como base, foi encontrado uma taxa de acertos superior a 96%, batendo diversos métodos encontrados na literatura.

Palavras-chave: Ataques de apresentação facial, Redes neurais, Aprendizado de máquina, Transferência de aprendizado."