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

• Processo: 19/21464-1
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2023
• Data de Término da vigência: 30 de novembro de 2024
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Rodrigo Capobianco Guido
• Beneficiário: Rodrigo Colnago Contreras
• Instituição Sede: Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil
• Assunto(s): Aprendizagem profunda Processamento de sinais
• Palavra(s)-Chave do Pesquisador: deep features | Deep Learning | replay attack | spoofed speech | Spoofing Detection | voice authentication system | Processamento de sinais

Resumo

Sistemas de autenticação baseados em voz têm sido cada vez mais utilizados devido à sua simplicidade em relação aos equipamentos necessários e à sua versatilidade, uma vez que qualquer smartphone pode ser usado para autenticar remotamente um indivíduo. Entretanto, esse tipo de sistema é vulnerável aos ataques de falsificação, tendo em vista que um impostor pode utilizar uma voz gravada para ser devidamente autenticado como usuário autêntico, o que é conhecido como replay attack. Notavelmente, diversas pesquisas têm sido realizadas a fim de amenizar o problema e, desse modo, aumentar o grau de confiabilidade dos sistemas de autenticação biométrica por voz. Assim, o objetivo deste projeto é o de aprimorar técnicas baseadas em aprendizado profundo e extração de características para desenvolver soluções que contornem as fraudes do tipo replay attack. A base de dados do ASVspoof, que tem sido utilizada como baseline no referido desafio internacional de detecção de fraudes em autenticação biométrica de locutores, servirá de base para avaliação da metodologia proposta. Particularmente, a intenção é a de participar da próxima edição do evento, a qual está prevista para 2023, apresentando os resultados da pesquisa. Complementarmente, pretende-se confeccionar uma biblioteca em linguagens Python e C/C++, implementando o material desenvolvido de modo escalável tanto para o meio acadêmico quanto para o meio empresarial. Finalmente, os resultados obtidos deverão ser divulgados em periódicos e eventos internacionais de reconhecida excelência.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

CONTRERAS, RODRIGO COLNAGO; DA SILVA, VITOR TREVELIN XAVIER; DA SILVA, IGOR TREVELIN XAVIER; VIANA, MONIQUE SIMPLICIO; DOS SANTOS, FRANCISCO LLEDO; ZANIN, RODRIGO BRUNO; MARTINS, ERICO FERNANDES OLIVEIRA; GUIDO, RODRIGO CAPOBIANCO. Genetic Algorithm for Feature Selection Applied to Financial Time Series Monotonicity Prediction: Experimental Cases in Cryptocurrencies and Brazilian Assets. Entropy, v. 26, n. 3, p. 22-pg., 2024-03-01. (19/21464-1, 21/12407-4, 22/05186-4, 13/07375-0, 23/06611-3)

VIANA, MONIQUE SIMPLICIO; CONTRERAS, RODRIGO COLNAGO; PESSOA, PAULO CAVALCANTI; DOS SANTOS BONGARTI, MARCELO ADRIANO; ZAMANI, HODA; GUIDO, RODRIGO CAPOBIANCO; MORANDIN JUNIOR, ORIDES. Massive Conscious Neighborhood-Based Crow Search Algorithm for the Pseudo-Coloring Problem. ADVANCES IN SWARM INTELLIGENCE, PT I, ICSI 2024, v. 14788, p. 15-pg., 2024-01-01. (22/05186-4, 19/21464-1, 21/12407-4, 23/06611-3)

CONTRERAS, RODRIGO COLNAGO; HECK, GUSTAVO LUIZ; VIANA, MONIQUE SIMPLICIO; DOS SANTOS BONGARTI, MARCELO ADRIANO; ZAMANI, HODA; GUIDO, RODRIGO CAPOBIANCO. Metaheuristic Algorithms for Enhancing Multicepstral Representation in Voice Spoofing Detection: An Experimental Approach. ADVANCES IN SWARM INTELLIGENCE, PT I, ICSI 2024, v. 14788, p. 16-pg., 2024-01-01. (22/05186-4, 19/21464-1, 21/12407-4, 23/06611-3)