Proyecto de tesis doctoral: Técnicas de watermaking aplicadas a señales de escritura online

Abstract

Aquest pla de recerca aborda el desenvolupament de noves tècniques de watermarking aplicades a senyals manuscrites online (sèries temporals multicanal, p. ex., trajectòria, pressió i variables instrumentals), amb l’objectiu de millorar la fiabilitat en contextos d’e-seguretat i e-salut. Davant el creixent ús de la intel·ligència artificial per generar contingut sintètic, es proposa investigar estratègies per diferenciar senyals humanes de senyals generades artificialment i mitigar atacs de repetició (replay). El treball se centra en la inserció de marques d’aigua perceptualment invisibles que no afectin de manera significativa les propietats diagnòstiques o biomètriques dels senyals. Per assolir-ho, es desenvoluparan solucions algorítmiques en el domini temporal, en el domini freqüencial i mitjançant tècniques d’intel·ligència artificial, avaluades sobre bases de dades públiques i privades, incloent tasques gràfiques vinculades a patologies neurològiques. L’avaluació considerarà mètriques específiques de watermarking (imperceptibilitat, payload, detectabilitat/extracció i robustesa) i el seu impacte en el rendiment biomètric i la utilitat clínica [...]

El presente plan de investigación aborda el desarrollo de nuevas técnicas de watermarking aplicadas a señales manuscritas online (series temporales multicanal, p. ej., trayectoria, presión y variables instrumentales), con el objetivo de mejorar la fiabilidad en contextos de e-seguridad y e-salud. Ante el creciente uso de inteligencia artificial para generar contenido sintético, se propone investigar estrategias para diferenciar señales humanas de señales generadas artificialmente y mitigar ataques de repetición (replay). El trabajo se enfoca en la inserción de marcas de agua perceptualmente invisibles que no afecten significativamente las propiedades diagnósticas o biométricas de las señales. Para ello, se desarrollarán soluciones algorítmicas en el dominio temporal, frecuencial y mediante técnicas de inteligencia artificial, evaluadas sobre bases de datos públicas y privadas, incluyendo tareas gráficas vinculadas a patologías neurológicas. La evaluación considerará métricas específicas de watermarking (imperceptibilidad, payload, detectabilidad/extracción y robustez) y su impacto en el rendimiento biométrico y la utilidad clínica.

This research plan addresses the development of novel watermarking techniques for online handwritten signals (multichannel time series, e.g., trajectory, pressure, and instrumental variables), with the goal of improving reliability in e-security and e-health contexts. Given the growing use of artificial intelligence to generate synthetic content, this work investigates strategies to distinguish human-produced signals from artificially generated ones and to mitigate replay attacks. The research focuses on embedding perceptually invisible watermarks that do not significantly affect the diagnostic or biometric properties of the signals. To this end, algorithmic solutions will be developed in the time domain, the transform/frequency domain, and using artificial intelligence techniques, and evaluated on public and private datasets, including graphical tasks related to neurological disorders. The evaluation will consider watermarking-specific metrics (imperceptibility, payload, detection/extraction performance, and robustness) as well as their impact on biometric performance and clinical utility.