Publicação: Automação inteligente de processos para evitar fraudes analógicas, digitais e os deepfakes das LLMs generativas
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A crescente digitalização de serviços e a sofisticação de fraudes digitais, incluindo ataques por apresentação em sistemas de autenticação biométrica facial, demandam soluções
de segurança cada vez mais robustas. Este Projeto de Fim de Curso teve como objetivo
principal o desenvolvimento e a avaliação de um protótipo de sistema de detecção de
vivacidade (liveness detection) multifacetado, visando aumentar a segurança contra tais
ataques. A metodologia empregou uma combinação de técnicas de visão computacional,
utilizando principalmente as bibliotecas Python, OpenCV e MediaPipe para a extração
de pontos fiduciais faciais e análise subsequente. O protótipo integrou módulos para validação da pose cefálica como pré-requisito, detecção de piscadas com base no Eye Aspect
Ratio (EAR), um método de indução implícita do olhar através da interação com alvos
visuais clicáveis, análise da reação pupilar à emissão de luz (reflexo fotomotor) e verificação da cor da esclera. Todas as funcionalidades foram orquestradas por um algoritmo
piloto que também ofereceu interfaces distintas para o usuário e para o desenvolvedor,
culminando na geração de um escore de vivacidade. Os testes experimentais com usuários
legítimos demonstraram uma Taxa de Aceitação Verdadeira (TAR) de 90% em testes com
webcam e 100% utilizando câmera de smartphone via DroidCam. Em cenários de ataque,
o sistema obteve 100% de Taxa de Rejeição Verdadeira (TRR) contra imagens estáticas
apresentadas em tela e 90% de TRR contra vídeos deepfake gerados pela plataforma Kling
AI. Conclui-se que o protótipo desenvolvido apresenta uma base promissora para a detecção de vivacidade, com alta eficácia contra ataques básicos e boa resiliência a deepfakes,
embora tenham sido identificadas oportunidades de aprimoramento, especialmente na robustez de sub-testes específicos e na necessidade de validação com um espaço amostral
mais amplo. As principais contribuições residem na integração de múltiplos indicadores
de vivacidade em um sistema funcional e na análise de seu desempenho inicial.
Abstract
Palavras-chave
Antifraude, Deepfakes, Segurança, Detecção de Vivacidade, Biometria Facial
Citação
SERVIAN, Artur Azeredo Santos. Automação Inteligente de Processos para evitar fraudes analógicas, digitais e os deepfakes das LLMs Generativas. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto