Dissertação de Mestrado

A proteção da privacidade em sistemas de reconhecimento facial é um desafio crítico, especialmente quanto ao armazenamento e autenticação. Este trabalho apresenta uma solução segura e inspirada na ideia de Serengil (2021) para reconhecimento facial, baseada no esquema de criptografia homomórfica CKKS, que permite a comparação de imagens cifradas em ambiente cliente-servidor sem comprometer a privacidade dos dados biométricos. O objetivo central é permitir que imagens faciais sejam comparadas sem necessidade de decriptação, assegurando que o servidor não tenha acesso ao conteúdo das imagens processadas. Para tanto, foi implementado um pipeline que realiza a extração de embeddings faciais, sua criptografia por meio do CKKS através da biblioteca TenSEAL em Python, e a subsequente comparação homomórfica para fins de autenticação. O sistema foi avaliado quanto à escalabilidade, desempenho e acurácia, empregando variações nos parâmetros criptográficos. Os testes foram realizados com bases de dados contendo até 2.561 imagens criptografadas, demonstrando viabilidade técnica e segurança da abordagem. Os resultados indicam que o tempo de processamento cresce linearmente com o número de imagens, sem ocorrência de falsos positivos ou negativos. Ademais, confirmou-se que o desempenho da encriptação e decriptação em relação ao grau do polinômio utilizado no anel não apresenta comportamento linear, conforme previsto na literatura. A proposta se mostra promissora em cenários críticos como investigações criminais, autenticação em nuvem e controle de acesso, contribuindo para o avanço de soluções seguras em biometria facial.

Privacy protection in facial recognition systems remains a critical challenge, particularly concerningata storage and authentication. This study presents a secure solution inspired by the work of Serengil (2021), employing the CKKS homomorphic encryption scheme to enable encrypted image comparison in a clientserver architecture without compromising biometric data privacy. The primary objective is to allow facial authentication without decryption, ensuring that the server has no access to the content of the processed images. To achieve this, a pipeline was implemented to extract facial embeddings, encrypt them using CKKS via the TenSEAL libraryin Python, and perform homomorphic comparisons for authentication purposes. The system was evaluated in terms of scalability, performance, and accuracy, using different cryptographic parameter configurations. Experiments were conducted on encrypted datasets containing up to 2,561 images, demonstrating the technical feasibility and security of the proposed approach. Results indicate a linear increase in processing time relative to the number of images, with no false positives or negatives observed. Furthermore, the performance of encryption and decryption operations was found to be non-linear with respect to the polynomial modulus degree, aligning with theoretical expectations. The proposed solution proves promising for critical applications such as criminal investigations, cloud-based authentication, and access control, contributing to the advancement of secure facial biometric technologies.