Abstract
Con el uso creciente de las redes sociales, personas no autorizadas han conseguido detectar o interceptar datos personales, que podrían utilizarse de manera inapropiada, causando así daños personales. Por lo tanto, es esencial utilizar un mecanismo de seguridad que ayude a proteger la información de ataques maliciosos. En este trabajo se propone el reconocimiento facial, utilizando las características texturales locales de los criptogramas. Se cifraron imágenes faciales en formato Red-Green-Blue (RGB) aplicando el modelo matemático de Mapa Logístico, lo que generó un criptograma. Las características texturales locales de estos criptogramas se extrajeron mediante la transformación de representación de cluster coordinado (CCR). La alta eficiencia de clasificación (97-100%) de las imágenes faciales cifradas fue validada experimentalmente utilizando dos bases de datos: la primera fue generada controlando parámetros como la rotación, escala e iluminación; y la segunda es una base de datos pública. Esta técnica es adecuada para una amplia gama de aplicaciones relacionadas con la autenticación de usuarios, y protege la identidad de los usuarios autorizados cuando se acompaña de capas adicionales de seguridad que involucran imágenes de interés, como las utilizadas en el campo médico, mejorando la seguridad de los usuarios cuyas enfermedades se estudian gráficamente en los hospitales. Además, esta técnica puede desplegarse para proteger lanzamientos de nuevos productos donde las imágenes son importantes, como ropa, calzado, mosaicos, etc., ya que no es necesario descifrar las imágenes para clasificarlas.
Publisher
Universidad Nacional de Colombia
Reference37 articles.
1. Afifi, A. (2019). A chaotic confusion-diffusion image encryption based on Henon map. International Journal of Network Security & Its Applications, 11(4), 19-30. https://doi.org/10.5121/ijnsa.2019.11402
2. Aguilar Santiago, J., Flores Siordia, O., Guillen Bonilla, J. T., Estrada Gutiérrez, J. C., González Novoa, M. G., and Jiménez Rodríguez, M. (2020). Chaotic cryptosystem for selective encryption of faces in photographs. Security and Communication Networks, 2020, 1-22. https://doi.org/10.1155/2020/8848356
3. Ahmad Khan, F., Bouridane, A., Boussakta, S., Jiang, R., and Almaadeed, S. (2021). Secure facial recognition in the encrypted domain using a local ternary pattern approach. Journal of Information Security and Applications, 59, 102810. https://doi.org/10.1016/j.jisa.2021.102810
4. Alaei, F., Alaei, A., Pal, U., and Blumenstein, M. (2019). A comparative study of different texture features for document image retrieval. Expert Systems with Applications, 121, 97-114. https://doi.org/10.1016/j.eswa.2018.12.007
5. Bansal, P., Mittal, S., and Gupta, M. (2014). Using Locality Preserving Projections in Face Recognition. 2(3), 99-108. https://api.semanticscholar.org/CorpusID:212515605