Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo. La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro. Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.
¿Eres realmente tú? Explorando escenarios de verificación biométrica en videos fotorrealistas de avatares de cabezas parlantes.
Created by
Haebom
Autor
Laura Pedrouzo-Rodríguez, Pedro Delgado-DeRobles, Luis F. Gómez, Rubén Tolosana, Rubén Vera-Rodríguez, Aythami Morales, Julián Fierrez
Describir
Este artículo se centra en los riesgos de robo de identidad que plantea el auge de los avatares realistas con cabezas parlantes. Dado que la detección de fraudes basada únicamente en la apariencia y la voz del avatar es difícil, proponemos un método biométrico para la verificación de identidad mediante patrones de movimiento facial. Construimos un nuevo conjunto de datos de vídeos de avatares realistas generados mediante un modelo de generación de avatares de vanguardia (GAGAvatar) y proponemos una arquitectura de red convolucional de grafos espaciotemporales (GCN) ligera y explicable que utiliza la agrupación de atención temporal. Los resultados experimentales demuestran que las señales de movimiento facial logran un rendimiento significativo en la verificación de identidad, con un área bajo la curva (AUC) cercana al 80 %. El punto de referencia y el sistema biométrico propuestos se ponen a disposición de la comunidad investigadora, lo que resalta la necesidad de defensas biométricas conductuales más avanzadas en los sistemas de comunicación basados en avatares.
Takeaways, Limitations
•
Takeaways:
◦
Una nueva perspectiva sobre los riesgos de robo de identidad en los sistemas de comunicación basados en avatares y exploración de soluciones.
◦
Validación de la efectividad de la biometría conductual utilizando patrones de movimiento facial y logro de alto rendimiento.
◦
Permitir la investigación proporcionando un nuevo conjunto de datos de vídeo de avatar y un sistema biométrico liviano y explicable.
◦
Proporciona Takeaways importante para mejorar la seguridad de los sistemas basados en avatares.
•
Limitations:
◦
Un valor de AUC del 80% no es un sistema perfecto y se necesita más investigación para lograr una mayor precisión.
◦
Puede haber limitaciones en la diversidad y escala del conjunto de datos (por ejemplo, diferentes razas, edades, expresiones faciales, etc.).
◦
Se requiere una mayor validación de la aplicación del sistema propuesto en entornos del mundo real (por ejemplo, cambios en la iluminación, ángulos de cámara, etc.).
◦
Es necesario revisar la vulnerabilidad del sistema a las técnicas de camuflaje complejas.
