Riconoscimento di volti morphed: un approccio basato su Deep Learning

La pervasività dei sistemi informatici nella vita di ogni giorno richiede di riporre grande attenzione verso il tema della sicurezza informatica, specialmente in tutti quei contesti in cui la violazione di questi sistemi può portare a conseguenze sociali rilevanti. Questo è particolarmente importante nel caso applicativo di controllo automatico degli accessi basato su sistemi di riconoscimento biometrici. Recentemente, gli attacchi basati su tecniche di face morphing hanno suscitato l'interesse della comunità scientifica. É stato dimostrato, infatti, che questi rappresentano una seria e concreta minaccia in varie applicazioni basate sulla verifica automatica dell'identità attraverso sistemi di riconoscimento facciale. Lo scenario considerato è quello dei controlli realizzati nei gate presenti all'interno degli aeroporti internazionali che, per velocizzare la circolazione dei passeggeri, verificano automaticamente se il volto di un soggetto corrisponde a quello contenuto all'interno del suo passaporto elettronico (eMRTD). Attraverso una procedura di morphing due soggetti possono condividere lo stesso documento legale violando il principio fondamentale di collegamento biunivoco tra un individuo e il suo documento identificativo. A questo proposito un soggetto senza precedenti penali potrebbe richiedere, nelle strutture preposte, il passaporto elettronico presentando una foto morphed con il volto di un criminale che successivamente potrà utilizzare il documento per eludere i controlli d'identità. Per questi motivi è forte il bisogno di algoritmi capaci di rilevare in maniera accurata e automatica immagini morphed. L'obiettivo di questo lavoro di tesi è quello di comprendere meglio il problema del face morphing e affrontarlo, nei diversi scenari, proponendo nuovi algoritmi basati su deep learning, ponendo particolare attenzione alla realizzazione di esperimenti rilevanti e sull'analisi critica dei metodi proposti e dei risultati sperimentali ottenuti.