IV Congreso de la CiberSociedad 2009. Crisis analógica, futuro digital

Grupo de trabajo A-1: Blearning y nuevas dinámicas online/offline

Trabajo en progreso: reconocimiento facial en línea, una arquitectura Open Source para validación de identidad de estudiantes para el LMS MOODLE

Ponente/s


Resumen

Este artículo propone una arquitectura abierta para validar la identidad de un estudiante para ingresar al LMS (Learning Management Course) MOODLE, utilizando los datos biométricos faciales tomados con una cámara Web del lado del navegador, en un ambiente de luz no controlada. El acceso a los LMS por Internet plantean un problema crítico: evitar la suplantación de identidad. Se necesita tener la certeza de la identidad del usuario para diversas actividades que son estrictamente personales como la resolución de exámenes en línea, entre otras. Utilizando la tecnología de Macromedia™ FLEX® del lado del cliente y de PHP del lado del servidor, se plantea una arquitectura de reconocimiento facial, distribuida entre el cliente embebido y el servidor Web.

Contenido de la comunicación

1. Introducción

El uso de sistemas de administración de cursos, LMS (Learning Management System) están siendo usados ampliamente por las universidades alrededor del mundo, tanto para ofrecer cursos totalmente en línea (Online learning), como para complementar los cursos presenciales (B-learning). De entre los LMS de código fuente libre, con licencia GPL (GNU Public License), MOODLE (DOUGIAMAS, 2009) es uno de los mas utilizados, con cerca de 24 millones de usuarios con mas de 35 mil implementaciones en mas de 190 países alrededor del mundo (MOODLE, 2009). La ventaja que tiene MOODLE de tener una licencia GPL, es que permite agregar modificaciones al sistema y poder experimentar con nuevos agregados que potencian la experiencia del estudiante-usuario del LMS.

El Online learning presenta muchos beneficios, tanto para instituciones de educación superior como para empresas que necesitan dar entrenamiento a sus empleados (ANDERSON, 2009). Sin embargo, se tiene el problema de la identificación y validación de los usuarios del LMS, que va mas allá de solo garantizar el conocimiento de nombres de usuario y contraseñas, ya que esto no garantiza la correcta identidad del usuario. Por el hecho de que el Online Learning distancia al maestro del alumno y le da la flexibilidad del acceso por medio de Internet, identificar y verificar quién esta accediendo al sistema es realmente importante y altamente necesario para evitar la suplantación de identidad.

Si bien existen implementaciones de autentificación de usuario por medio del reconocimiento facial, o bien necesitan de equipos especiales (INABA & WATANABE, 2003) , o son muy lentas y dependen de la descarga en línea del cliente (OTERO-MURAS & GANZALEZ-AGULLA, 2007).

En este articulo se propone una arquitectura que utilice el reconocimiento facial para solucionar el problema de la verificación de la identidad de los estudiantes que utilizan MOODLE. Se propone una arquitectura en donde el proceso completo de detección facial, filtrado, corrección, identificación y verificación se realiza entre un objeto FLEX® embebido en el navegador Web y el servidor. Esto necesita una descarga de un objeto de poco tamaño (50 KB) embebido en la pagina Web y el plug-in mas utilizado (FLASH®) para navegadores Web. En la sección 2 se exponen los conceptos de biometría, reconocimiento facial y las aplicaciones existentes a LMS para identificación y validación. En la sección 3 se describe la arquitectura propuesta para el LMS MOODLE, los algoritmos utilizados y los que se encuentran en pruebas. En la sección 4 se hace el planteamiento de la prueba real que se pretende realizar con un grupo de estudiantes en un curso real. Por último en la sección 5 se plantean las conclusiones y trabajos futuros que se desarrollarán para consolidar este proyecto.

2. Justificación

Al no tener una alta certeza de la autenticación de los estudiantes en los sistemas LMS, la promesa de la educación completamente en línea y a distancia se pierde, debido a que no es confiable la valuación de los conocimientos y habilidades obtenidas por el estudiante. De esta manera, las instituciones educativas han hecho necesario que, los exámenes para acreditación de las materias, se hagan en ambientes presenciales donde la autenticación es estricta y controlada. Esto hace que no todo el proceso educativo sea en línea, haciendo que las instituciones tengan que habilitar centros de validación del aprovechamiento de los cursos, en donde la presentación de los exámenes de acreditación sean vigilados y supervisados. Las personas con problemas motrices o de otra índole, que no pueden desplazarse fácilmente de su lugar de residencia, tienen un serio obstáculo muchas veces imposible de franquear para poder ejercer su derecho a la educación. Eliminar este paso haría que la educación llegara realmente a todas las personas indistintamente de sus posibilidades de movilidad.

3. Biometría y reconocimiento facial

El Biometrics Consortium (The Biometrics Consortium, 2009) define alternativamente el termino general biometría tanto como una característica o como un proceso. Como una característica la biometría es: “Una característica biológica (anatómica y/o fisiológica) y del comportamiento mensurable que se puede utilizar para el reconocimiento automatizado” (Biometrics Glossary, 2009). Definida como un proceso, la biometría son: “(Los) Métodos automatizados para reconocimiento de una persona por medio de sus características fisiológicas o de comportamiento”. Las características a tomar en consideración necesitan ser: universales, mesurables, distintivas y robustas. Por universales se entiende que todas las personas deban tenerla. Por mesurables se entienden que deben ser adquiridas por sensores que la cuantifiquen, fácilmente y de manera digital, para que sean procesados de forma automatizada. Por distintiva, una medida debe tener, de forma deseable, la mas alta diferenciación de entre la toda la población. De esta forma, ser un rasgo distintivo individual, que identifica al sujeto. Por robustas se entiende que las características permanezcan en el sujeto, aún cuando el mismo tenga cambios por causas de envejecimiento, enfermedad o daños. (JAIN & BOLLE & PANKANTI, 2002).

Usar las características biométricas faciales tiene muchas ventajas, ya que el rostro es rasgo distintivo mas común y mas aceptado por todas las personas para reconocerse, además de que el método de adquisición de las imágenes faciales es no intrusivo. Actualmente la reducción del costo de las cámaras Web y la introducción al mercado de las computadoras portátiles de costo reducido del tipo “netbook”, con la cámara Web como parte del equipamiento normal, facilita realizar la adquisición de la imagen facial.

El uso principal de la biometría es el reconocimiento humano, el cual consiste en la identificación y verificación de personas. Por identificación, el sistema biométrico responde a la pregunta “¿Quién es X?”. El sistema biométrico debe leer la muestra y la compararla con las muestras almacenadas en la base de datos. Este tipo de comparación se le llama búsqueda de “uno-a-muchos” (1:N). Asimismo, para la verificación de un usuario que reclama la identidad de X, el sistema debe responder a la pregunta de “¿Es este X?”, haciendo un tipo de búsqueda de “uno-a-uno” (1:1). Previa a la búsqueda, el usuario debe proveer los datos biométricos a verificar y el sistema dará el paso libre o lo denegará.

Actualmente la investigación en reconocimiento facial es madura y se han desarrollado muchos métodos. En (ZHAO, et al., 2003) se categorizan como 1) Métodos de comparación holística, los cuales usan la imagen completa como entrada al sistema de reconocimiento, el mas utilizado por PCA mejor conocido como eigenfaces (TURK & PENTLAND, 1991). 2) Métodos de comparación basado en con extracción de características, los cuales necesitan separar las características faciales locales como ojos, boca nariz, para alimentar al clasificador. 3) Métodos híbridos, los cuales son una mezcla de los dos anteriormente citados.

Para la evaluación de la arquitectura se implementó el algoritmo de PCA (TURK & PENTLAND, 1991) y se probo en parte el Bayesian Intrapersonal/Extrapersonal Classi?er (BIC) (MOGHADDAM et. al., 1996). El método de las eigenfaces no es muy robusto pero es de fácil implementación. El algoritmo BIC es mejor para la validación, debido a su buen desempeño en la comparación de dos imágenes determinando si las dos son del mismo sujeto.

4. Arquitectura propuesta

En esta sección se explica la arquitectura propuesta para la validación de identidad en línea usando técnicas de reconocimiento facial. Para un sistema de reconocimiento biométrico adaptado para el LMS MOODLE. En la figura 1 se muestra la arquitectura general del sistema y en la figura 2 la interfase de entrada.

4.1 Cliente: adquisición, detección, filtrado y envío

La adquisición de la imagen se hace por medio de un objeto FLEX ™ embebido dentro de la página de entrada al sitio. En el objeto se incluye el detector de rostros. Se utiliza la versión transportada a FLEX ™ del detector de (VIOLA & JONES, 2004) con el clasificador similar al implementado en la biblioteca de código de OpenCV (INTEL, 2009).

4.2 Servidor: Preproceso, extracción de características y búsqueda

Del lado del servidor se tienen los módulos de pre-procesamiento de la imagen, que efectúa la alineación del rostro y la ecualización. La comparación para validar la imagen se efectúa con los clasificadores mencionados anteriormente.

Figura 1. Arquitectura de bloques validación de identidad

Figura 2. Interfase de acceso al sistema

5. Propuesta experimental

La prueba experimental del la arquitectura de validación, midiendo su desempeño y su usabilidad se hará por medio de un experimento con estudiantes de la Universidad Autónoma de Chiapas. Se medirá el desempeño por medio de accesos múltiples al sistema y se almacenarán los datos de autentificación positiva o negativa, para calcular el FMR (False Match Rate) y el FNMR (False Non Mach Rate) (JAIN, et al., 2004) y medir el desempeño de la propuesta. Se realizará una encuesta a los usuarios para que den su opinión sobre la usabilidad de la interfase y el tiempo de respuesta.

6. Conclusiones y trabajos futuros

En este artículo de propuso una arquitectura de validación de identidad de usuarios del LMS MOODLE, utilizando técnicas de reconocimiento facial, en un sistema en línea. Debido a la amplia utilización de cámaras Web, la verificación de identidad por medio de reconocimiento facial es ahora posible realizarla sin equipos especiales.

La autenticación facial es un método mejor que el simple uso de nombre de usuario y contraseña, para el acceso a sistemas en línea. Si embargo, es posible engañar a un sistema automático de reconocimiento facial, con una simple fotografía impresa del sujeto registrado en el sistema. Es por lo anterior que es necesario reforzar mas esta propuesta utilizando biometría multimodal. La biometría multimodal es el uso de más de una técnica de autenticación y/o identificación para el acceso a un sistema (ROSS, 2004). El trabajo futuro es extender, implementar y probar una arquitectura biométrica que incluya el reconocimiento del locutor. Para evitar el fraude por medio de la grabación de la contraseña hablada, se planteará una modalidad de “text prompted”, independiente del texto, en la que el sistema no conoce las palabras a pronunciar. Esto debido a que, la manera de evitar el fraude de grabación de voz, se utilizará la lectura de una frase elegida al azar. De esta manera, se podrá emplear un reconocimiento del habla para confirmar que el locutor esta diciendo lo que se le pide.Por otro lado, se planea ampliar el cliente para poder utilizarlo para solucionar la seguridad en la presentación de exámenes (Secure eAssessment) y de esta manera, garantizar que los exámenes sean hechos sin trampas. Para ello, se utilizará un agente inteligente que pueda vigilar en todo momento al estudiante que se encuentra haciendo un examen en línea. Esta propuesta involucra un estudio detallado de la detección gestual y de los comportamientos de los estudiantes al momento de resolver evaluaciones escritas en línea.

Bibliografía/Referencias


  • ANDERSON, T. “The Theory and Practice of Online Learning”. Athabasca University, 2nd ed. Ed. AU Press. 2009.Biometrics Glossary. http://www.biometrics.gov/Documents/Glossary.pdf (junio 2009)

  • DOUGIAMAS, M. “Moodle, Learning Management System”, http://www.moodle.org . (Junio 2009)

  • INABA, R., Watanabe, E. and Kodate, K. “Security applications of optical face recognition system: Access control in e-learning,” OPTICAL REVIEW, 10, 4, 255-261 (2003).

  • Intel, Open Source Computer Vision Library, http://opencv.willowgarage.com/wiki/ . 2009.

  • JAIN, A., Bolle, R., Pankanti, S. “Introduction to Biometrics. InBiometrics”. Personal Identi?cation in Networked Society. Kluwer Academic Publishers, 2002

  • JAIN, A., Ross, A., and Prabhakar, S. “An introduction to biometric recognition”. IEEE Transactions on circuits and systems for video technology 14, 1 (2004), 4–20.

  • MOGHADDAM, B. , Nastar, C. and Pentland, A. “A bayesian similarity measure for direct image matching”. ICPR, B:350–358, 1996.

  • MOODLE “Statistics”, http://www.moodle.org/stats  (Junio 2009)

  • OTERO-MURAS, E., Gonzalez-Agulla, E., Alba-Castro, J., Garcìa-Mateo, C., and Márquez-Flórez, O. “An Open Framework For Distributed Biometric Authentication In A Web Environment”. Annals of Telecommunications 62, 1-2. 2007.

  • ROSS, A., Jain, A., “Multimodal biometrics: An overview”. In Proceedings of 12th European Signal Processing Conference, pages 1221–1224. 2004.

  • The Biometrics Consortium. http://www.biometrics.org . (Junio 2009)

  • TURK, M. A. and Pentland, A. P. “Face Recognition Using Eigenfaces”. In Proc. of IEEE Conference on Computer Vision and Pattern Recognition, pages 586 – 591, June 1991.

  • VIOLA, P. , Jones, M.J. “Robust real-time face detection”. International Journal of Computer Vision 57 (2) (2004) 151–173

  • ZHAO, W., Chellappa, R., Phillips, P.J. and Rosenfeld, A. 2003. “Face recognition: A literature Surrey”. ACM Comput. Surv. 35, 4 (Dec. 2003), 399-458.


Reconocimiento (CC-by 3.0 o cualquier otra posterior)