Fingerlive: um framework para detecção de falsificações de impressões digitais

Abstract

A detecção de falsificações em impressões digitais (fingerprint spoofing) constitui um dos principais desafios em sistemas de autenticação biométrica. Este trabalho apresenta o FingerLive, um framework desenvolvido em Python para a construção, treinamento e avaliação de modelos de detecção de spoofing. A ferramenta organiza, de maneira modular, as etapas de extração de características, normalização, redução de dimensionalidade, treinamento e validação. Experimentos conduzidos com a base LivDet 2013, sensor Italdata, demonstraram que um dos modelos gerados atingiu uma acurácia de 98,95%.

Fingerprint spoofing detection remains one of the primary challenges in biometric authentication systems. This work presents FingerLive, a Python-based framework designed for building, training, and evaluating fingerprint liveness detection models. The tool modularly integrates key stages such as feature extraction, normalization, dimensionality reduction, training, and validation. Experiments conducted using the LivDet 2013 dataset with the Italdata sensor demonstrated that one of the models achieved an accuracy of 98.95%.