Com os novos avanços tecnológicos de hardware e software e a sua implementação na área da biometria facial, a segurança é um fator crítico a garantir. Além das dificuldades que podem ter os algoritmos de reconhecimento facial como a oclusão do rosto, idade e similaridade das pessoas, também têm que lidar com ataques de suplantação de identidade. Indivíduos mal-intencionados tentam burlar os sistemas fazendo uso de máscaras, imagens e vídeos de outras pessoas com o objetivo de roubar sua identidade. Visando resolver esses problemas, o objetivo deste trabalho é propor um método não intrusivo para evitar ataques de suplantação de identidade em sistemas de autenticação por reconhecimento facial. Este trabalho faz uma pesquisa atual dos principais conceitos relacionados a prova de vida e algoritmos anti-spoofing, instrumentos de ataques e os métodos mais revolucionários dos últimos anos. Também é feito um levantamento dos principais bancos de dados de livre acesso para treinamentos e testes. São analisados os trabalhos com os resultados mais relevantes na área baseado em métodos não intrusivos e que não contemplam hardware externo ao sistema. Além disso é realizada a proposta de um método que prevê atingir resultados satisfatórios a partir dos trabalhos relacionados. Finalmente foi selecionado o uso de algoritmos anti-spoofing baseados em software e foram escolhidos os bancos de dados Replay Attack e SiW. Foi definido o método proposto que contempla três etapas: o pré-processamento das imagens baseado nos canais de croma; o treinamento da rede através de uma arquitetura Deep Learning siamesas e uma função Triplet Loss; e por fim, a classificação da imagem real ou falsa mediante o Support Vector Machine. Para finalizar foi definida a métrica HTER para validar o sistema, assim como os trabalhos relacionados que serão utilizados para compará-las.

With new technological advances in hardware and software and their implementation in facial biometrics, security is a critical factor to guarantee. However, in addition to the difficulties that recognition algorithms can have, such as face occlusion, age and similarity of people, they also have to deal with identity supplanting attacks. Moreover, malicious individuals try to circumvent systems by using other people's masks, images, and videos to steal their identities. Aiming to solve these problems, this work proposes a non-intrusive method to avoid identity impersonation attacks in facial recognition authentication systems. This work makes current research on the main concepts related to proof of life and anti-spoofing algorithms, attack instruments and the most revolutionary methods of the last years. A survey of the main freely accessible databases for training and testing is also carried out. Works with the most relevant results in the area based on non-intrusive methods that do not include hardware external to the system are analyzed. In addition, a proposal is made for a method that aims to achieve satisfactory results from the related works. Finally, software-based anti-spoofing algorithms were selected, and the Replay Attack and SiW databases were chosen. Next, the proposed method was defined, which includes three steps: pre-processing images based on chroma channels; network training through a Siamese Deep Learning architecture and a Triplet Loss function; and finally, the classification of the real or fake image using the Support Vector Machine. Finally, the HTER metric was defined to validate the system and the related works that will be used to compare them.