Protección de Datos Biométricos en Vídeos Disponibles en Datasets Mediante Face Swapping

Los datos biométricos como el rostro, la voz o las huellas dactilares son vulnerables a ataques con herramientas de inteligencia artificial (IA), ya que contienen características irremplazables en un individuo. Este trabajo presenta la aplicación de una técnica de anonimización facial basada en face swapping y la eliminación del fondo de las escenas en vídeos para proteger la privacidad de los participantes que aparecen en el dataset experimental LSM-VMX, el cual consta de 180 señas de la Lengua Mexicana de Señas (LSM). El proceso de anonimización ha sido desarrollado en Python para generar un cambio de rostro de los participantes empleando el modelo inswapper_128, mientras que la eliminación del fondo de las escenas se ha realizado mediante la librería de rembg de U2Net. Para probar la funcionalidad de los vídeos modificados, se entrenaron modelos basados en MediaPipe y una máquina de soporte vectorial (SVM) empleando los vídeos del dataset A (original) y del dataset B (modificado) para generar un modelo de reconocimiento de señas LSM, los resultados mostraron que la exactitud (accuracy) promedio para los datasets A y B fue de 0.975 y 0.983, respectivamente, lo cual demuestra que los cambios no repercutieron en el desempeño del modelo. Por otra parte, se ejecutaron pruebas de simetría facial para revisar que el proceso de anonimización fuera exitoso, empleando el modelo de VGG-face y la métrica SSIM, los resultados arrojaron que los rostros mostrados en el dataset B eran distintos a los del dataset A.