Log Centralization and Face Anti-Spoofing in Enterprise Environments
Aquesta tesi doctoral industrial neix fruit de la col·laboració entre Lleida.net i la Universitat de Lleida, per tal d'estudiar i millorar aspectes de seguretat en alguns problemes reals de l'empresa. La tesi aborda dos temes diferents: centralització de logs i tècniques d'antispoofin...
| Author: | |
|---|---|
| Format: | doctoral thesis |
| Status: | Published version |
| Publication Date: | 2024 |
| Country: | España |
| Institution: | Universitat de Lleida (UdL) |
| Repository: | Repositori Obert UdL |
| OAI Identifier: | oai:dnet:.___________::263b173b911cbcac65e7f5723e242087 |
| Online Access: | https://hdl.handle.net/10803/697399 https://hdl.handle.net/10459.1/470105 |
| Access Level: | Open access |
| Keyword: | Anti-suplantació facial Biometric Xarxes Neuronals Artificials Anti-suplantación facial Biometria Redes Neuronales Artificiales Face anti-spoofing Spoofing Detection Artificial Neural Networks Ciències de la Computació i Intel·ligència Artificial 004 |
| Summary: | Aquesta tesi doctoral industrial neix fruit de la col·laboració entre Lleida.net i la Universitat de Lleida, per tal d'estudiar i millorar aspectes de seguretat en alguns problemes reals de l'empresa. La tesi aborda dos temes diferents: centralització de logs i tècniques d'antispoofing en identificació de cares. Aquesta dualitat respon a la pròpia evolució de l'estratègia d'innovació a l'empresa, centrada inicialment en la gestió de logs, i que posteriorment es va reorientar al disseny d'un nou producte de certificació de vídeo en línia. La primera part de la tesi es centra en el disseny un sistema automàtic de centralització de gestió de logs, posant a l'abast de les PIME les eines i les tecnologies pròpies de big data. L'entorn proposat és capaç d'oferir un entorn de baix cost per a la centralització de registres basat 100% en solucions de codi obert, unificant la solidesa del big data i les necessitats de la vida real d'una PIME i permet accedir a registres i fer anàlisis de dades de forma instantània utilitzant un entorn de baix cost. Pel que fa a Face Anti-Spoofing (FAS), l'objectiu se centra a incorporar contramesures per a la detecció del frau al producte de certificació de vídeo. Identificar la suplantació de cares constitueix un repte de primer ordre per evitar la proliferació d'incidents fraudulents. L'any 2022, l'FBI va arribar a identificar 20.000 casos de suplantació d'identitat i gairebé 28.000 de robatori d'identitat, amb un impacte financer estimat de 300 milions de dòlars. La metodologia es basa en l'ús de cinc xarxes convolucionals espaitemporals residuals diferents per abordar els problemes de FAS, millorant molts dels mètodes actuals. A més, s'ha desenvolupat una nova tècnica de visualització de dades espaitemporals basada en histogrames, que permet comprendre el funcionament intern d'aquestes cinc xarxes. Finalment, es presenta un nou mètode de classificació per a FAS utilitzant la asimetria dels histogrames. Els resultats mostren que aquest nou mètode de classificació FAS és capaç de reduir significativament el cost computacional mantenint una precisió acceptable. |
|---|