Sains & Teknologi

DeepEyedentification: Identifikasi Biometrik Berdasarkan Pergerakan Mikro pada Mata

Penelitian psikologi kognitif masa lalu menunjukkan bahwa gerakan mata dapat berbeda secara substansial dari satu orang ke orang lain. Menariknya, karakteristik individu ini dalam gerakan mata telah ditemukan relatif stabil dari waktu ke waktu, dan sebagian besar terlepas dari apa yang dilihat seseorang. Dengan kata lain, orang memiliki pola yang berbeda dalam menggerakkan mata mereka dan, ‘gerakan mata’ yang unik ini dapat digunakan sebagai sarana untuk identifikasi.

Karena tertarik akan hal ini, para peneliti di Universitas Potsdam, di Jerman, baru-baru ini mengembangkan metode identifikasi biometrik baru yang bekerja dengan memproses gerakan mikro mata. Dalam studi mereka yang diterbitkan di arXiv, mereka melakukan penyelidikan menyeluruh dari gerakan mata orang yang tidak disengaja dan menggunakan temuan mereka untuk mengembangkan DeepEyedentification, arsitektur pembelajaran yang mendalam yang dapat mengidentifikasi orang dengan menganalisis sinyal pelacakan mata.

Gambar mata yang ditampilkan pada komputer eyetracking (SR Research Eyelink). 
Kredit: Jäger et al.

Ide mengidentifikasi individu berdasarkan pergerakan mata mereka telah ada selama lebih dari satu dekade, namun metode yang diusulkan sejauh ini memiliki keterbatasan yang signifikan. Sebagai contoh, sebagian besar metode ini tidak terlalu akurat atau membutuhkan waktu terlalu lama untuk mencapai kesimpulan (yaitu membutuhkan rekaman gerakan mata panjang sekitar satu menit), yang membuatnya tidak praktis untuk aplikasi dunia nyata.

“Gagasan utama kami adalah memanfaatkan karakteristik frekuensi tinggi. dan bukan data pra-proses, melainkan melatih jaringan convolutional yang mendalam dengan cara end-to-end menggunakan sampel mentah yang dikumpulkan pada 1000 frame per detik sebagai input. “

Representasi gerakan horizontal (garis biru) dan vertikal (garis oranye) selama membaca.  Kredit: Jäger et al.

Dalam penelitian mereka, Jäger dan rekan-rekannya menunjukkan bahwa data pelacakan mata yang tidak diproses sebelumnya mengarah pada akurasi yang jauh lebih tinggi daripada yang dicapai oleh pendekatan yang ada, sementara juga membutuhkan umpan video yang lebih pendek. Tingkat kesalahan jaringan DeepEyedentication lebih rendah dengan satu urutan magnitudo dan identifikasi lebih cepat dengan dua urutan magnitudo daripada metode berkinerja terbaik sebelumnya.

Setelah merekam hanya satu detik dari data pergerakan mata, model tersebut telah mencapai akurasi yang sama dengan yang dicapai oleh model dengan kinerja terbaik sebelumnya setelah 100 detik perekaman. Selain itu, setelah lima detik merekam gerakan mata, tingkat kesalahan 10 kali lebih kecil. Para peneliti melatih jaringan mereka pada dua set data yang berbeda, satu yang mereka kumpulkan dalam studi sebelumnya di mana pengguna membaca berbagai teks, dan satu lagi dikumpulkan ketika para peserta menyaksikan sebuah titik melompat secara acak di layar komputer.

“Saat melihat beberapa stimulus pada layar komputer (dalam data kami menetapkan teks atau titik melompat) perangkat eyetracking berbasis kamera mengukur di mana pengguna mencari,” Jäger menjelaskan. “Data ini diumpankan ke jaringan saraf yang mendalam yang mengubahnya menjadi representasi istimewa dari perilaku gerakan mata pengguna, yang tidak tergantung pada stimulus khusus pada layar.”

Arsitektur model disajikan dalam makalah. Kredit: Jäger et al.

Pada dasarnya, Jäger dan rekan-rekannya melatih model mereka untuk mengidentifikasi fitur data gerakan mata yang sangat berguna untuk membedakan antara individu yang berbeda. Model mereka menggunakan representasi khusus dari data input yang dimasukkan ke dalamnya, bersama dengan data pengguna lain yang disimpan dalam sistem, untuk mengidentifikasi pengguna atau menolaknya.

“Kami menunjukkan bahwa identifikasi biometrik berdasarkan pergerakan mata berpotensi menjadi pesaing serius untuk metode identifikasi biometrik lainnya yang banyak digunakan, seperti sidik jari, pemindaian iris atau pengenalan wajah atau melengkapi teknik-teknik ini,” kata Jäger. “Yang terpenting, identifikasi biometrik dari gerakan mata secara intrinsik kurang rentan terhadap serangan spoofing. Sementara pemindaian iris, pengenalan wajah dan sidik jari dapat dipalsukan dengan replika 2-D atau 3-D (misalnya gambar, lensa kontak cetak, atau replika 3-D seperti itu) sebagai mata tiruan, masker wajah atau sidik jari palsu), gerakan mata palsu akan membutuhkan perangkat yang mampu menampilkan urutan video dalam spektrum inframerah pada kecepatan 1.000 frame per detik. “

Visualisasi t-SNE dari representasi istimewa dari gerakan mata sepuluh individu yang berbeda. Kredit: Jäger et al.

Sejauh ini, metode identifikasi biometrik baru yang dikembangkan oleh Jäger dan rekan-rekannya telah mencapai hasil yang sangat menjanjikan. Di masa depan, ini dapat membantu meningkatkan keamanan beragam perangkat, termasuk ponsel cerdas, laptop, dan tablet. Karena pendekatan baru ini bekerja secara independen dari apa yang dilihat pengguna, para peneliti dapat dengan mudah menambahkan apa yang disebut ‘modul deteksi keaktifan,’ yang akan semakin meningkatkan keamanannya. Modul semacam itu akan secara otomatis memeriksa apakah gerakan mata pengguna cocok dengan stimulus visual yang disajikan di layar, yang tidak akan terjadi jika seseorang mencoba menipu sistem menggunakan video yang direkam sebelumnya.

“Kami saat ini bekerja dengan pelacak mata frekuensi tinggi beresolusi tinggi dan sampel dalam kondisi laboratorium,” kata Jäger. “Langkah kami selanjutnya adalah mengembangkan suatu algoritma yang juga dapat menangani data yang lebih ribut dan tingkat sampel yang lebih rendah dalam kondisi yang realistis. Ini diperlukan untuk membuat identifikasi biometrik dari pergerakan mata yang terjangkau dan berlaku untuk berbagai aplikasi dunia nyata.”