AuthNet : Un Mécanisme d'Authentification Basé sur l'Apprentissage Profond Utilisant les Mouvements des Caractéristiques Faciales Temporelles

Les systèmes biométriques basés sur l'apprentissage automatique (machine learning) et l'apprentissage profond (deep learning) sont largement utilisés comme mécanismes d'authentification dans des environnements à ressources limitées tels que les smartphones et autres appareils de calcul de petite taille. Ces mécanismes de reconnaissance faciale alimentés par l'IA ont connu une popularité considérable ces dernières années en raison de leur nature transparente, sans contact et non invasive. Bien qu'ils soient efficaces dans une large mesure, il existe des moyens d'accéder de manière non autorisée en utilisant des photographies, des masques, des lunettes, etc.Dans cet article, nous proposons un mécanisme d'authentification alternatif qui utilise à la fois la reconnaissance faciale et les mouvements uniques du visage lors de la prononciation d'un mot de passe, c'est-à-dire les mouvements temporels des caractéristiques faciales. Le modèle proposé n'est pas entravé par des barrières linguistiques car un utilisateur peut définir un mot de passe dans n'importe quelle langue. Lorsqu'il a été évalué sur le jeu de données standard MIRACL-VC1, le modèle proposé a atteint une précision de 98,1 %, soulignant son efficacité en tant que système performant et robuste. La méthode proposée est également efficace en termes de données car le modèle a donné de bons résultats même lorsqu'il était formé avec seulement 10 échantillons vidéo positifs. La compétence de l'entraînement du réseau est également démontrée en comparant le système proposé à divers modèles combinés de reconnaissance faciale et lecture labiale.