Estos auriculares te podrán reconocer con solo reflejar el sonido de tu canal auditivo

^{Yang Gao et al. / ACM IMWUT, 2019}

Ingenieros estadounidenses han desarrollado un sistema de autenticación biométrica para auriculares internos. El auricular emite un sonido y luego recibe su reflejo utilizando un micrófono, después de lo cual la grabación es analizada por un algoritmo clasificador. El avance fue publicado en Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies.

Muchos dispositivos portátiles están equipados con uno o varios sistemas de autenticación biométrica. Por ejemplo, algunos teléfonos tienen un escáner de huellas digitales, y otros usan reconocimiento facial. Estos métodos se consideran más simples que una contraseña, pero aún requieren acción del usuario: debe poner el dedo en el escáner, acercar el smartphone a la cara o hacer otra interacción con el dispositivo.

El nuevo sistema de reconocimiento

Ahora, los ingenieros dirigidos por Zhanpeng Jin de la Universidad de Nueva York en Buffalo han creado un sistema de autenticación biométrica para auriculares que se ejecuta en segundo plano y no requiere ninguna acción por parte del usuario. Sugirieron usar como un factor único para establecer la personalidad de una persona, la forma de su canal auditivo. Para determinarlo, los ingenieros incorporaron un micrófono en los auriculares y crearon un algoritmo que reconoce a una persona por la diferencia entre el sonido emitido y el recibido.

Los ingenieros tomaron como base los auriculares Bose SoundSport, conectados por cable a una computadora, uno de los cuales tenía un pequeño micrófono. Los desarrolladores consideraron diferentes formas de instalar el micrófono y finalmente lo colocaron frente al altavoz: con esta disposición, la proporción de sonido que golpea el micrófono directamente, y no a través del canal auditivo.

^{Esquema del prototipo y reflejo del sonido desde las paredes del canal auditivo.
Yang Gao y col. / ACM IMWUT, 2019}

El algoritmo de procesamiento de sonido ocurre en dos etapas. Primero, la señal se limpia de ruido, luego se produce la supresión de interferencia para que el sonido que viene directamente del altavoz al micrófono no afecte la operación adicional, y las frecuencias superiores a 6000 Hz se cortan.

Después de eso, el algoritmo realiza su función principal y reconoce al propietario. Para esto, compara la señal del altavoz y el micrófono y recrea la función de transferencia. Después de eso, sobre la base, el algoritmo calcula los signos, que luego son analizados por el clasificador binario basado en el método del vector de soporte. Finalmente determina en quién están los auriculares: el propietario u otra persona. 

Muy exacto

Los desarrolladores probaron el sistema en 20 voluntarios. Escucharon cinco secciones de dos minutos del podcast en varias poses, así como en varios ruidos de fondo. En total, los autores recopilaron 11.900 grabaciones de audio en un segundo de duración, cada una de las cuales estaba compuesta por cinco grabaciones de micrófono diferentes para un voluntario.

^{El esquema del sistema.
Yang Gao et al. / ACM IMWUT, 2019}

Cuando se usaba una duración de un segundo, la precisión de reconocimiento era de aproximadamente el 95%, y cuando la longitud se incrementaba a tres segundos, la precisión aumentaba a aproximadamente el 97.5%.

Existen muchos otros métodos inusuales de autenticación biométrica. Por ejemplo, anteriormente, se sugirió usar movimientos de labios, un rastro en el tapete de la puerta, una huella en la pantalla táctil y también una imagen térmica de la piel en la muñeca para confirmar la identidad.
 

Victor Román
Esta noticia ha sido publicada originalmente en N+1, ciencia que suma.

Sobre N+1: Es la primera revista online de divulgación científica y tecnológica que permite la reproducción total o parcial de sus contenidos por medios de comunicación, bloggers e influencers, realizando la mención del texto y el enlace a la web: “Esta noticia ha sido publicada originalmente en la revista N+1, ciencia que suma: www.nmas1.org”.