Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/46430| ORCID: |  http://orcid.org/0009-0004-2199-3416 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Automação inteligente de processos para evitar fraudes analógicas, digitais e os deepfakes das LLMs generativas |
| Título(s) alternativo(s): | Intelligent process automation to prevent analog and digital fraud and deepfakes from generative LLMs |
| Autor(es): | Servian, Artur Azeredo Santos |
| Primeiro orientador: | Lima, Luciano |
| Primeiro membro da banca: | Moura Junior, José dos Reis Vieira |
| Segundo membro da banca: | Lima, Thales |
| 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. |
| Palavras-chave: | Antifraude Deepfakes Segurança Detecção de Vivacidade Biometria Facial |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/46430 |
| Data de defesa: | 5-Jun-2025 |
| Aparece nas coleções: | TCC - Engenharia Mecatrônica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| AutomaçãoInteligenteProcessos.pdf | TCC | 31.42 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
