Analisi delle metriche di similarità per il riconoscimento di firme false incrociando dataset, lingua e alfabeto = Metric similarities' analysis for signature verification across dataset, language and alphabet

La verifica della firma offline è uno dei task più complessi nell’ambito della biometrica e per quanto riguarda la ricerca forense dei documenti. La verifica è resa difficile da due fattori principali: l’originale non è uno standard sempre identico, ma è dipendente da fattori che possono influenzare il firmatario come stato psicologico, la penna che sta usando, la posizione, e altre condizioni dettate dall’ambiente; il falso a volte corrisponde all’originale a meno di dettagli difficilmente percettibili. In questa tesi si propone un modello di verifica della firma offline basato su rete neurale artificiale siamese con particolare attenzione alla funzione utilizzata per determinare l’apprendimento. La rete siamese è una struttura con due reti gemelle che condividono i pesi delle sinapsi che collegano i vari neuroni, unità di elaborazione della rete stessa. L’attenzione focalizzata sulla funzione di costo nasce dall’analisi dell’importanza della “distanza” che si cerca di stabilire tra coppia di firme originali e coppia di firme dove una delle due risulta essere forgiata, distanza la cui enfatizzazione dipende molto dal tipo di dato a cui viene applicata. Gli esperimenti di questo elaborato si concentrano sui risultati ottenuti quando, ad un modello ottimizzato su una lingua, vengono sottoposte firme in altre lingue da verificare, task che ha riscontrato risultati inferiori se confrontati con la controparte rappresentata dalla verifica di firme appartenenti alla stessa lingua. Il modello proposto in questo elaborato ha superato i risultati riportati su altri paper presenti nello stato dell’arte attuale nell’ambito del riconoscimento di firme forgiate incrociando lingua e alfabeti diversi.