Uma abordagem baseada em aprendizado profundo com neuroevolução e seleção de características para detecção de falsificações em autenticação por voz

• Processo: 25/10220-5
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de outubro de 2028
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Rodrigo Capobianco Guido
• Beneficiário: Monique Simplicio Viana
• 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 Meta-heurística Processamento de sinais
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | autenticação por voz | detecção de falsificação | Metaheurísticas | Neuroevolução | Processamento de Sinais | Processamento de Sinais

Resumo

Entre as modalidades biométricas empregadas em sistemas de autenticação, a voz humana destaca-se por sua facilidade de aquisição e por contar com vasto embasamento técnico-científico no campo do processamento de sinais. No entanto, a crescente sofisticação dos ataques de falsificação, em especial os replay attacks, em que gravações da voz de indivíduos autorizados são reutilizadas por impostores para burlar sistemas de segurança, tem evidenciado fragilidades estruturais em sistemas tradicionais de verificação por voz. Nessa perspectiva, iniciativas como o Automatic Speaker Verification and Spoofing Countermeasures Challenge (ASVspoof) vêm estimulando o desenvolvimento de contramedidas mais eficazes, por meio da disponibilização de bases de dados padronizadas e protocolos comparativos. O presente projeto propõe o desenvolvimento de uma metodologia para a detecção de fraudes em autenticação por voz, estruturada sobre três componentes fundamentais: aprendizado profundo, seleção de características e neuroevolução aplicada à modelagem e otimização de redes neurais profundas. Nesta proposta, a neuroevolução é explorada como mecanismo estratégico para a geração automática de arquiteturas de alto desempenho, promovendo a adaptação dinâmica da topologia das redes, bem como a otimização de hiperparâmetros relevantes, por meio da aplicação de algoritmos evolutivos, com ênfase em algoritmos genéticos e suas hibridizações com operadores especializados em busca local e estratégias de aprimoramento genético. O desempenho da metodologia será validado em bases de referência disponibilizadas pelos desafios ASVspoof, e os resultados obtidos serão divulgados em periódicos científicos e eventos de reconhecida excelência, bem como disponibilizados em repositórios especializados, assegurando a reprodutibilidade dos experimentos e contribuindo para o avanço da área.