Luận Văn Tốt Nghiệp: Hệ Thống Xác Thực Khuôn Mặt Có Bảo Vệ Mẫu Sinh Trắc

Tổng hợp kiến thức Hệ thống xác thực khuôn mặt với bảo vệ sinh trắc trong khoa học máy tính, tiếp cận khoa học, hỗ trợ học tập và nghiên cứu hiệu quả

• Tác giả: Lê Đăng Bảo
• Người hướng dẫn: ThS. Nguyễn Thị Ái Thảo
• Trường học: Đại học Bách Khoa TP.HCM
• Chuyên ngành: Khoa học máy tính
• Đề tài: Hệ Thống Xác Thực Bằng Đặc Trưng Khuôn Mặt Có Bảo Vệ Mẫu Sinh Trắc
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Giới thiệu hệ thống xác thực khuôn mặt

Hệ thống xác thực khuôn mặt là một ứng dụng quan trọng trong lĩnh vực khoa học máy tính. Nó sử dụng công nghệ nhận diện khuôn mặt để xác thực danh tính của người dùng. Các hệ thống này hoạt động dựa trên việc phân tích hình ảnh khuôn mặt và so sánh với các mẫu đã lưu trữ. Công nghệ sinh trắc học này không chỉ giúp nâng cao tính bảo mật mà còn cung cấp một phương thức xác thực tiện lợi hơn so với mật khẩu truyền thống. Đặc biệt, việc sử dụng công nghệ sinh trắc học giúp giảm thiểu rủi ro bị đánh cắp thông tin cá nhân. Hệ thống xác thực khuôn mặt được ứng dụng rộng rãi trong các lĩnh vực như an ninh mạng, quản lý truy cập và bảo vệ thông tin nhạy cảm.

1.1. Tính năng và lợi ích của hệ thống

Hệ thống xác thực khuôn mặt mang lại nhiều lợi ích đáng kể. Đầu tiên, nó giúp cải thiện tính bảo mật nhờ vào việc sử dụng mẫu sinh trắc độc nhất của mỗi cá nhân. Thứ hai, hệ thống này rất dễ sử dụng, người dùng chỉ cần nhìn vào camera để xác thực mà không cần nhập mật khẩu. Ngoài ra, việc tích hợp công nghệ này vào các thiết bị di động và hệ thống an ninh giúp nâng cao hiệu quả bảo vệ thông tin. Một điểm đáng chú ý là khả năng xử lý nhanh chóng và chính xác của hệ thống, cho phép xác thực trong thời gian ngắn mà vẫn đảm bảo độ tin cậy cao.

II. Cơ sở lý thuyết về sinh trắc học

Sinh trắc học là một lĩnh vực nghiên cứu quan trọng trong việc phát triển các hệ thống xác thực hiện đại. Nó bao gồm các phương pháp sử dụng các đặc điểm sinh học và hành vi của con người để xác thực danh tính. Các loại sinh trắc học phổ biến bao gồm dấu vân tay, tròng mắt, và nhận diện khuôn mặt. Mỗi phương pháp đều có những ưu điểm và nhược điểm riêng, tuy nhiên, nhận diện khuôn mặt đang trở thành xu hướng phổ biến nhờ vào tính thuận tiện và khả năng tự động hóa. Đặc biệt, hệ thống cần phải đảm bảo các yêu cầu về tính bảo mật, tính chính xác và tính khả thi trong việc thu thập mẫu.

2.1. Các phương pháp sinh trắc học

Có nhiều phương pháp sinh trắc học khác nhau, mỗi phương pháp đều có những đặc điểm riêng biệt. Nhận diện khuôn mặt dựa trên việc phân tích các điểm đặc trưng trên khuôn mặt như mắt, mũi và miệng. Dấu vân tay là một phương pháp truyền thống nhưng vẫn được ưa chuộng nhờ vào tính chính xác cao. Tròng mắt cung cấp một phương pháp nhận diện độc đáo nhưng lại gặp khó khăn trong việc thu thập dữ liệu. Các phương pháp này đều cần thiết phải có một cơ chế bảo mật mạnh mẽ để đảm bảo rằng thông tin sinh trắc không bị lộ ra ngoài.

III. Hệ thống bảo mật mẫu sinh trắc

Việc bảo vệ mẫu sinh trắc là vô cùng quan trọng trong hệ thống xác thực. Nếu một kẻ tấn công có thể truy cập vào mẫu sinh trắc gốc, họ có thể dễ dàng giả mạo danh tính. Để giải quyết vấn đề này, luận văn đã đề xuất một phương pháp bảo mật kết hợp ba kỹ thuật: Random Projection, Discriminability Preserving Transform, và Fuzzy Commitment. Random Projection giúp giảm chiều dữ liệu, trong khi Discriminability Preserving Transform đảm bảo rằng mẫu sinh trắc được phân biệt rõ ràng. Cuối cùng, Fuzzy Commitment cho phép xác thực dễ dàng và hiệu quả mà không cần tiết lộ mẫu sinh trắc gốc.

3.1. Kỹ thuật bảo mật trong sinh trắc học

Các kỹ thuật bảo mật trong sinh trắc học đóng vai trò quan trọng trong việc bảo vệ thông tin cá nhân. Random Projection giúp giảm thiểu kích thước dữ liệu mà vẫn giữ lại thông tin cần thiết để xác thực. Discriminability Preserving Transform tăng cường khả năng phân biệt giữa các mẫu sinh trắc, giúp hệ thống hoạt động hiệu quả hơn. Fuzzy Commitment cho phép người dùng xác thực mà không cần tiết lộ thông tin nhạy cảm, từ đó giảm thiểu rủi ro bị tấn công. Những kỹ thuật này kết hợp với nhau tạo thành một hệ thống bảo mật mạnh mẽ và hiệu quả.

IV. Kết quả và đánh giá

Kết quả thử nghiệm cho thấy hệ thống xác thực khuôn mặt với bảo vệ mẫu sinh trắc hoạt động ổn định và hiệu quả. Độ chính xác của hệ thống được đánh giá thông qua các chỉ số như tỷ lệ nhận diện đúng và tỷ lệ sai. Hệ thống đã chứng minh được khả năng xử lý nhanh chóng và chính xác, đồng thời đảm bảo bảo mật cho thông tin sinh trắc của người dùng. Qua đó, luận văn không chỉ cung cấp một cái nhìn tổng quan về công nghệ sinh trắc học mà còn mở ra hướng phát triển mới cho các hệ thống xác thực trong tương lai.

4.1. Đánh giá hiệu suất của hệ thống

Đánh giá hiệu suất là một phần quan trọng trong việc phát triển hệ thống xác thực. Hệ thống đã được thử nghiệm trên nhiều mẫu dữ liệu khác nhau để đảm bảo tính chính xác và độ tin cậy. Kết quả cho thấy rằng hệ thống có thể đạt được độ chính xác cao trong việc xác thực người dùng. Các chỉ số về thời gian xử lý và tỷ lệ sai cũng được ghi nhận, từ đó giúp cải thiện và tối ưu hóa hệ thống trong các phiên bản tiếp theo. Đánh giá này sẽ là cơ sở cho việc phát triển và ứng dụng thực tế của hệ thống trong tương lai.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu đề tài Thông tin chung về đề tài, các nội dung cần tìm hiểu và thực hiện cũng như phạm vi đề tài thực hiện. Chương 2: Cơ sở lý thuyết Cơ sở lý thuyết áp dụng vào hệ thống, các vấn đề, ứng dụng vào hệ thống. Chương 3: Hệ thống đề xuất Dựa vào cơ sở lý thuyết đã nêu, đề xuất hệ thống hoàn chỉnh. Chương 4: Hiện thực hệ thống Hiện thực hệ thống đề xuất bằng ngôn ngữ lập trình đã nêu.

Chương 5: Kết quả và đánh giá Chạy thử nghiệm hệ thống, phân tích kết quả thu được. Chương 6: Kết luận và hướng phát Kết luận lại kết quả thu được và hướng phát triển trong tương lại. triển Tham khảo Thông tin tham khảo Báo cáo luận văn tốt nghiệp Trang 10/58 Trường ĐH Bách Khoa TP. HCM – Khoa Khoa học và Kỹ thuật Máy tính 2 Cơ sở lý thuyết 2.1 Sinh trắc học 2.1 Định nghĩa Sinh trắc học là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi các nhân như vân tay, mống mắt, khuôn mặt,.

Có hai loại sinh trắc chính là: • Sinh trắc vật lý: Các sinh trắc thường liên quan đến đặc điểm của cơ thể như gương mặt, vân tay, giọng nói,. • Sinh trắc hành vi: Các sinh trắc hành vi thường liên quan tới hành vi của con người như chữ kí, dáng đi, thói quen,. Sinh trắc học được sử dụng trong khoa học máy tính như là một hình thức xác thực và kiểm soát truy cập. Nó cũng được dùng để xác định xác cá nhân trong nhóm đang được giám sát với tính chất không thể chia sẻ, khó giả mạo, không bị mất hay lấy cắp.

Hình 1: Minh họa về sinh trắc học (Nguồn: Internet) Các phương pháp sinh trắc học phổ biến hiện nay như: • Khuôn mặt: Những hình ảnh tĩnh hoặc đông của khuôn mặt được dùng để nhận dạng. Phương pháp trích xuất dựa trên vị trí, hình dạng và những mối quan hệ giữa các đặc điểm trên khuôn mặt như mắt, mũi, cằm, môi,.Nhưng việc xác thực khuôn mặt có thể gặp khó khăn do gương mặt có thể thay đổi theo thời gian. Báo cáo luận văn tốt nghiệp Trang 11/58 Trường ĐH Bách Khoa TP. HCM – Khoa Khoa học và Kỹ thuật Máy tính Hình 2: Xác thực sinh trắc dựa trên khuôn mặt (Nguồn: Internet) • Dấu vân tay: Đặc trưng này được sử dụng phổ biến hiện nay do độ tin cậy của nó vì vân tay của một người không bao giờ thay đổi.

Có nhiều phương pháp rút trích dấu vân tay nhưng đa số là dựa trên nhưunxg đặc điểm của các nếp gấp, hình dạng của các đường vân,.Hiệu suất của các hệ thống sử dụng phương pháp này thường cao và chính xác. Hình 3: Xác thực sinh trắc dựa trên dấu vân tay (Nguồn: Internet) • Tròng mắt: Là màng nhỏ có màu hình tròn bao bọc con ngươi và đủ phức tạp để có ích trong việc nhận dạng. Hiệu suất của hệ thống sử dụng phương pháp này có nhiều triển vọng nhưng tròng mắt lại thay đổi theo thời gian và các loại cảm biến để lấy tròng mắt còn gặp nhiều nhiễu khi sử dụng. Hình 4: Xác thực sinh trắc dựa trên tròng mắt (Nguồn: Internet) Báo cáo luận văn tốt nghiệp Trang 12/58 Trường ĐH Bách Khoa TP.

HCM – Khoa Khoa học và Kỹ thuật Máy tính • Giọng nói: Giọng nói kết hợp trực tiếp với các đặc tính sinh trắc và hành vi. Âm thanh do con người tạo ra dựa trên nhiều yếu tố vật lý của cơ thể (miệng, mũi, môi, thanh quản,.) và chịu tác động bởi tuổi tác, cảm xúc, ngôn ngữ, cộng đồng xung quanh và sức khỏe. Chính vì có quá nhiều biến số nên việc xác thực bằng giọng nói chưa đạt được mức độ tin cậy cao. Hình 5: Xác thực sinh trắc dựa trên giọng nói(Nguồn: Internet) • Chữ ký: Đây là một dạng thuộc loại sinh trắc học hành vi và được sử dụng rộng rãi trong cuộc sống hằng ngày.

Nhưng chữ kí lại dễ dàng thay đổi và phụ thuộc vào ý muốn con người nên việc giả mạo cũng dễ dàng hơn. Chính vì vậy các hệ thống thông tin không tin dùng loại sinh trắc này. Hình 6: Xác thực sinh trắc dựa trên chữ kí (Nguồn: Internet) 2.2 Đặc tính Để có thể được áp dụng đặc trưng sinh trắc và hệ thống thì mẫu sinh trắc đó cần có các đặc tính sau[1]: • Tính rộng rãi: Là tính chất cho biết đa số mọi người đều có đặc trưng này. • Tính phân biệt: Là tính chất thể hiện rằng đặc trưng sinh trắc giữa hai người khác nhau bất kì phải khác nhau, nhằm đảm bảo tính duy nhất của chủ thể sinh trắc.

• TÍnh ổn định: Là tính chất mà đặc trưng sinh trắc phải có tính ổn định trong một thời gian tương đối dài. • Tính dễ thu thập: Là tính chất cho thấy đặc trưng sinh trắc có thể dễ dàng thu thập, kiểm tra tính xác thực để nâng cao tính khả thi trong xác thực. Báo cáo luận văn tốt nghiệp Trang 13/58 Trường ĐH Bách Khoa TP. HCM – Khoa Khoa học và Kỹ thuật Máy tính • Tính hiệu quả: Là tính chất mà việc xác thực sinh trắc phải chính xác, nhanh chóng và mức sử dụng tài nguyên được chấp nhận.

• Tính chấp nhận được: Là tính chất thể hiện quá trình thu thập mẫu sinh trắc phải được sự đồng ý của người dùng. • Tính chống giả mạo: Là tính chất ưu việt của việc sử dụng đặc trưng sinh trắc tránh khỏi việc bị giả mạo. Mỗi loại đặc trưng sinh trắc có nhưng điểm mạnh và điểm yếu riêng. Tuy nhiên không một đặc trưng sinh trắc nào thỏa mãn được đầy đủ và tốt tất cả các đặc tính trên.

Qua quá trình nghiên cứu thì các chuyên gia đã đưa ra bảng so sánh khái quát về các đặc trưng sinh trắc dựa trên các tiêu chuẩn trên. Bảng 2: So sánh một số dạng đặc trưng sinh trắc Sinh trắc học Vân tay Khuôn mặt Vân bàn tay Mống mắt Giọng nói Tính rộng rãi M H M H M Tính phân biệt H L M H L Tính ổn định H M M H L Tính dễ thu thập M H M M M Tính hiệu quả H L M H L Tính chấp nhận M H M L H Tính chống giả mạo M H L L H Trong đó: H (High - Cao), M (Medium - Trung bình), L (Low - Thấp). Những phương pháp xác thực truyền thống (dựa trên mật khẩu hay kí hiệu) thì quá dễ bị phá vỡ. Những phương pháp sinh trắc học là một lựa chọn hợp lý nhưng cũng có những mặt hạn chế.

Nhưng phương pháp xác thực bằng khuôn mặt đạt được mức tương quan chấp nhận được giữa mức độ tin cậy và tính chấp nhận.2 Về nhận diện gương mặt 2.1 Giới thiệu Các giai đoạn phát triển của hệ thống nhận diện gương mặt[11] có thể được chia ra làm 4 khoảng thời gian: • Giai đoạn từ năm 1966 đến năm 1990: Đây là giai đoạn mà hầu hết các thuật toán nhận diện dựa trên hình học được phát triển. Trong giai đoạn này, nhiều nghiên cứu đã được thực hiện nhưng phải đến năm 1988 thì dự án MIT mới phát triển phương pháp PCA, một thành công lớn trong hệ thống nhận diện khuôn mặt. Trước đó, hệ thống nhận diện gương mặt được phân tích các đặc điểm dựa trên mắt, mũi, miệng.Tuy nhiên, trong giai đoạn này PCA có tỉ lệ lỗi cao do việc xử lý đầu vào chưa được tốt. • Giai đoạn từ năm 1991 đến năm 1997: Trong thời gian này, những thuật toán quan trọng được đề xuất.

Năm 1991 Turk và Petland đề xuất thuật toán eigenface và vẫn còn được sử dụng cho đến nay trong các thuật toán nhận diện gương mặt. • Giai đoạn từ năm 1998 đến năm 2007: Hầu hết các nghiên cứu tập trung vào sự thay đổi độ sáng cũng như căn chỉnh hình ảnh, đặc biệt chú trọng đến các điều kiện trong nhà. Trong giai đoạn này, xác định khuôn mặt, căn chỉnh lề,.đã được nghiên cứu kĩ lưỡng. • Giai đoạn từ 2008 cho tới nay: Hầu hết các nghiên cứu tập trung vào các tình huống không kiểm soát được như vị trí khuôn mặt, nét mặt, điều kiện ánh sáng,.

Báo cáo luận văn tốt nghiệp Trang 14/58 Trường ĐH Bách Khoa TP. HCM – Khoa Khoa học và Kỹ thuật Máy tính 2.2 Quá trình nhận diện gương mặt Hình 7: Luồng xử lý thông thường của hệ thống nhận diện gương mặt Trong mỗi bước sẽ cần các phương pháp xử lý, áp dụng các thuật toán khác nhau. Trong quá trình nghiên cứu của tôi, việc tìm hiểu sẽ được bắt đầu từ bước xác định khuôn mặt cho đến khi hoàn tất việc xác thực. Lý thuyết dưới đây sẽ được thể hiện theo quá trình này.3 Xử lý hình ảnh ban đầu 2.1 Nguồn ảnh Trong luận văn này quá trình này được bỏ qua, thay vào đó sử dụng các tập data ảnh gương mặt 2D đã có sẵn để sử dụng trong quá trình Enrollment và Authentication.

Những hình ảnh này đã được căn chỉnh lề, kích thước. Có nhiều dạng dữ liệu có thể thu được để phục vụ cho quá trình training, như độ sáng, kích thước,.Tùy vào các đặc điểm dữ liệu và mục đích sử dụng mà ta có thể cần căn chỉnh hoặc tận dụng những dạng dữ liệu Báo cáo luận văn tốt nghiệp Trang 15/58 Trường ĐH Bách Khoa TP. HCM – Khoa Khoa học và Kỹ thuật Máy tính đó. Với mục đích thí nghiệm thì có nhiều tập dữ liệu phổ biến liên quan tới quá trình nhận dạng khuôn mặt, hầu hết các tập dữ liệu đã được chuẩn hóa.

Do đó việc sử dụng những tập dữ liệu này để phân tích hiệu quả của phương pháp sẽ giúp ích rất nhiều. Một số tập dữ liệu phổ biến như: • AT&T: Tập dữ liệu chứa 125 gương mặt có màu khác nhau. Mỗi gương mặt được chụp 16 lần với các mức sáng khác nhau. Cơ sở dữ liệu này không chứa bất kì sự thay đổi nào về góc chiếu sáng, hầu hết các gương mặt là dạng trực diện.

Hình 8: Mẫu trong tập dữ liệu AT&T (Nguồn: Internet) • Yale: Đây là một tập dữ liệu được sử dụng rất phổ biến, tập dữ liệu này chứa 165 bức hình của 15 người khác nhau. Hầu hết các bức ảnh được chụp trong điều kiện ảnh sáng và biểu cảm khuôn mặt khác nhau. Hạn chế chính của cơ sở dữ liệu này là số lượng hạn chế về người được chụp và hầu hết các khuôn mặt đều là góc chính diện. Hình 9: Mẫu trong tập dữ liệu Yale (Nguồn: Internet) • The FERET: Tập dữ liệu này chứa ảnh của hơn 1000 người.

Được tạo ra bởi FERRET và bổ sung trong khoảng thời gian từ năm 1993 tới năm 1997. Tập dữ liệu này chứa hơn 14000 bức ảnh.