Barriga Rodríguez, ÁngelaHernández Martín, ÁlvaroGonzález Sánchez, BelénNieto Acero, JavierSantos Anés, Daniel2024-06-142024-06-142024Barriga Rodríguez, Á., Hernández Martín, Á., González Sánchez, B., Nieto Acero, J. y Santos Anés, D. (2024). Detección de recapturas de pantalla en onboarding digital: estrategias para entornos de datos restringidos. En Jornadas Nacionales de Investigación en Ciberseguridad (JNIC) (9ª.2024. Sevilla) (348-355), Sevilla: Universidad de Sevilla. Escuela Técnica Superior de Ingeniería Informática.978-84-09-62140-8https://hdl.handle.net/11441/160529Con la creciente expansión de la transformación digital, la importancia de garantizar la seguridad en los procesos de generación de identidad digital ha aumentado significativa- mente. En este artículo, abordamos la verificación de documentos de identidad en el contexto de las soluciones de registro remoto de clientes (onboarding digital). En concreto, nos centramos en el desafío de entrenar modelos de aprendizaje automático para detectar ataques de recaptura de pantalla en entornos de datos restringidos. Este escenario surge debido a la necesidad de cumplir con la privacidad y las políticas de protección de datos en documentos pertenecientes a individuos reales. Para afrontar esta limitación, presentamos un flujo de trabajo destinado a la creación de bases de datos de imágenes de documentos que simulan ser capturas de pantalla a partir de especímenes disponibles públicamente. Esta propuesta involucra el empleo de técnicas de transferencias de texturas, así como la introducción de una métrica para evaluar la probabilidad de que una imagen presente trazas de recaptura, con el objetivo de optimizar el proceso de generación de datos sintéticos. Asimismo, exploramos el impacto de la dimensión temporal en los datos, generando secuencias de frames de vídeo que imitan el movimiento de artefactos de pantalla. Finalmente, evaluamos nuestra propuesta en un entorno real, demostrando su capacidad de generalización. Los resultados obtenidos muestran que nuestra propuesta mejora la capacidad de los modelos de clasificación para distinguir entre imágenes reales y recapturas.application/pdf8spaAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Verificación de documentosRecapturas de pantallaClasificaciónAprendizaje profundoAprendizaje automáticoVisión por computadorOnboarding digitalinfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/openAccess