Signature authentication using graph edge labeling

Abstract

Håndskrevne signaturer er fortsatt utbredt i dagens samfunn for å gjøre autentisering. Sammenlignet med andre biometriske kjennetegn som fingeravtrykk og ansiktsgjenkjenning, er signaturer lettere å forfalske. Det er spesielt vanskelig å forsvare seg mot hendelser hvor kriminelle kjenner til hvordan håndskriften ser ut på forhånd (skilled forgeries). På grunn av dette trenger vi sikre systemimplementasjoner som klarer å skille mellom forfalskede signaturer og legitime brukere.

Dette prosjektet undersøker en ny metode for å verifisere signaturer, der selve formen blir omgjort til en graf og vi forsøker å utnytte informasjonen om kantene. Det blir definert to typer noder i grafen; endepunkter og kryssede linjer. Kantene er merket med forskjellige distanseutregninger basert på form og avstand mellom tilhørende noder. Det er gjennomført tre typer utregninger; piksel-distanse, euclidean-distanse og effektivitet. Effektivitet er forholdet mellom de andre to metodene. Vi benytter et online-datasett kalt MCYT-100 for å teste implementeringen av metoden, men utnytter bare informasjonen om selve signaturformen. Denne oppgaven er et første bidrag for å se på utnyttelse av kantene til grafen for autentisering av signaturer, og kan legge grunnlaget for videre forskning innenfor feltet.

Handwritten signatures are still widely used for authentication in today's society. Compared with other biometric features like fingerprint and face recognition, handwritten signatures are easier to falsify. It is especially difficult to defend against scenarios where criminals know the victims signature shapes (called skilled forgeries). Therefore, we need secure system implementations that is capable of distinguishing between forgeries and legitimate users.

This project aims to investigate a new signature verification method where the shape is converted into a labeled graph and we attempt to utilize information about the edges. There are defined two types of nodes in the graph; endpoints and crossing lines. The edges are labeled with different distance estimations related to the connected nodes. Three edge labeling methods are tested; pixel distance, euclidean distance and efficiency. Efficiency is a ratio between the other two methods. In order to test this system implementation, we use the online dataset MCYT-100 and focus on the signature shape only. This study is a first contribution for the utilization of labeling graph edges for signature authentication, and may create foundations for further investigations in this area of signature analyses.