Pesquisas anteriores em psicologia cognitiva sugerem que os movimentos dos olhos podem diferir substancialmente de um indivíduo para outro. Interessantemente, constatou-se que essas características individuais nos movimentos dos olhos são relativamente estáveis ​​ao longo do tempo e amplamente independentes do que se está olhando. Em outras palavras, as pessoas apresentam padrões diferentes na maneira como movem os olhos e esses 'movimentos oculares' exclusivos podem ser usados ​​como um meio de identificação.

Fascinado por essas observações, pesquisadores da Universidade de Potsdam, Na Alemanha, desenvolveram recentemente um novo método de identificação biométrica que funciona processando micromovimentos do olho. Em seu estudo, pré-publicado no arXiv, eles realizaram uma investigação completa dos movimentos oculares involuntários das pessoas e usaram suas descobertas para desenvolver DeepEyedentification, uma arquitetura de aprendizado profundo que pode identificar pessoas analisando sinais de rastreamento ocular.

A ideia de identificar indivíduos com base em seus movimentos oculares existe há mais de uma década, no entanto, os métodos propostos até agora apresentam limitações significativas. Por exemplo, a maioria desses métodos não são muito precisos ou demoram muito para chegar a uma conclusão (ou seja, exigem gravações de movimentos oculares longos de cerca de um minuto), o que os torna bastante impraticáveis ​​para aplicativos do mundo real.

"Na pesquisa psicológica, é padrão pré-processar os dados de movimento dos olhos em diferentes tipos de movimento dos olhos, "Lena Jäger, um dos pesquisadores que realizou o estudo, disse TechXplore. "Métodos biométricos anteriores adotaram essa prática ao custo de uma grande perda de informações que estão presentes nos dados brutos do movimento do olho, como um tremor de alta frequência do olho. Nossa ideia principal era fazer uso dessas características de alta frequência e não pré-processar dados, mas sim treinar uma rede convolucional profunda de ponta a ponta usando as amostras brutas coletadas a 1000 quadros por segundo como entrada. "

Em seu estudo, Jäger e seus colegas mostraram que os dados de rastreamento ocular não pré-processados ​​levam a uma precisão muito maior do que a alcançada pelas abordagens existentes, ao mesmo tempo que exige feeds de vídeo mais curtos. A taxa de erro da rede DeepEyedentication é menor em uma ordem de magnitude e a identificação é mais rápida em duas ordens de magnitude do que o método de melhor desempenho anterior.

Depois de registrar apenas um segundo de dados de movimento dos olhos, o modelo já havia alcançado a mesma precisão alcançada pelo modelo de melhor desempenho anterior após 100 segundos de registro. Além disso, após cinco segundos de gravação do movimento dos olhos, a taxa de erro foi 10 vezes menor. Os pesquisadores treinaram sua rede em dois conjuntos de dados diferentes, um que eles coletaram em um estudo anterior, onde os usuários leram vários textos, e outro coletado enquanto os participantes observavam um ponto pulando aleatoriamente na tela do computador.

"Ao visualizar algum estímulo em uma tela de computador (em nossos conjuntos de dados, um texto ou um ponto de salto), um dispositivo de rastreamento ocular baseado em câmera mede para onde o usuário está olhando, "Jäger explicou." Esses dados foram enviados a uma rede neural profunda que os transforma em uma representação idiossincrática do comportamento do movimento dos olhos do usuário, que é independente do estímulo específico na tela. "

Essencialmente, Jäger e seus colegas treinaram seu modelo para identificar características de dados de movimento ocular que são particularmente úteis para distinguir entre diferentes indivíduos. Seu modelo usa esta representação idiossincrática dos dados de entrada alimentados a ele, junto com outros dados do usuário armazenados no sistema, para identificar um usuário ou rejeitá-lo.

"Nós mostramos que a identificação biométrica baseada nos movimentos dos olhos tem o potencial de se tornar um sério competidor para outros métodos de identificação biométrica amplamente usados, como impressão digital, varredura da íris ou reconhecimento facial ou complementar essas técnicas, "Jäger disse." Crucialmente, a identificação biométrica dos movimentos dos olhos é intrinsecamente menos vulnerável a ataques de spoofing. Enquanto a íris faz a varredura, reconhecimento de rosto e impressões digitais podem ser falsificados por réplicas 2-D ou 3-D (por exemplo, imagens, lentes de contato impressas, ou réplicas 3-D, como um olho artificial, uma máscara facial ou uma impressão digital falsa), falsificar movimentos oculares exigiria um dispositivo capaz de exibir uma sequência de vídeo no espectro infravermelho a uma taxa de 1, 000 fotogramas por segundo. "

Até aqui, o novo método de identificação biométrica desenvolvido por Jäger e seus colegas alcançou resultados muito promissores. No futuro, pode ajudar a aumentar a segurança de uma vasta gama de dispositivos, incluindo smartphones, laptops e tablets. Como essa nova abordagem funciona independentemente do que o usuário está olhando, os pesquisadores poderiam facilmente adicionar o chamado 'módulo de detecção de vivacidade, 'o que aumentaria ainda mais a sua segurança. Tal módulo verificaria automaticamente se os movimentos dos olhos de um usuário correspondem a um estímulo visual apresentado na tela, o que não seria o caso se alguém estivesse tentando falsificar o sistema usando um vídeo pré-gravado.

"Atualmente, estamos trabalhando com rastreadores de olhos de alta resolução e alta frequência de amostragem em condições de laboratório, " Jäger said. "Our next step is to develop an algorithm that can also deal with noisier data and lower sample rates under realistic conditions. This is necessary to make biometric identification from eye movements affordable and applicable to a wide range of real-world applications."

© 2019 Science X Network