Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos originales
Tem´atica: Ingenier´ıa de software
Recibido: 20/8/2025 |Aceptado: 11/10/2025 |Publicado: 30/3/2026
Identificadores persistentes:
DOI: 10.48168/innosoft.s29.a339
ARK: ark:/42411/s29.a339
Sistema de autenticaci´on multimodal con reconocimiento
facial y totp para acceso seguro
Multimodal authentication system with facial recognition and
totp for adaptable secure access
Jes´us Christopher Mecola Bernedo1[0009-0000-0709-4220]*, Julio David Tirado
´
Avila2[0009-0003-0703-086X], Alberto Carlos Mendoza de los Santos3[0000-0002-0469-915X]
1Universidad Nacional de Trujillo. Direcci´on postal.. jmecolab@unitru.edu.pe
2Universidad Nacional de Trujillo. Direcci´on postal.. jtiradoa@unitru.edu.pe
3Universidad Nacional de Trujillo. Direcci´on postal.. amendozad@unitru.edu.pe
∗Autor para correspondencia: jmecolab@unitru.edu.pe
Resumen
La creciente sofisticaci´on de las ciberamenazas ha evidenciado la insuficiencia de los sistemas de autenticaci´on
basados ´unicamente en contrase˜nas. Como respuesta, la autenticaci´on multifactorial (MFA) se ha consolidado
como un est´andar de seguridad. Sin embargo, la rigidez en la implementaci´on de MFA puede afectar negativa-
mente la experiencia del usuario. Este art´ıculo presenta el dise˜no, implementaci´on y evaluaci´on de un sistema de
autenticaci´on multi-modal que ofrece una aproximaci´on h´ıbrida y flexible, permitiendo a los usuarios verificar su
identidad mediante reconocimiento facial o una contrase˜na de un solo uso basada en el tiempo (TOTP), adem´as
de la credencial tradicional de contrase˜na. El sistema fue desarrollado en Python, utilizando una arquitectu-
ra Modelo-Vista-Controlador (MVC) para garantizar la modularidad y escalabilidad. Se emplearon las librer´ıas
OpenCV y facerecognitionparaelm´odulobiom´etricoyP yOT P paralaimplementaci´ondelest´andarRF C6238(TOTP).Losresultadosdelaspruebasderendimientomuestranunaprecisi´onbiom´etricadel85 %, tiemposdeautenticaci´onpromediode2,1segundosyunaT asadeF alsaAceptaci´on(F AR)de0,8 %, mientrasquelaautenticaci´onT OT P alcanz´ounaef ectividaddel94 %.Lapropuestaseconsideracomounaalternativaviableenentornoseducativos, yaplicacionesquerequieranautenticaci´onadaptablesindependenciadeinfraestructurainterna.
Palabras claves: Autenticaci´on biom´etrica, Reconocimiento facial, Sistemas multi-modales, Autenticaci´on
de doble factor (2FA), Usabilidad.
Abstract
The increasing sophistication of cyber threats has revealed the limitations of password-based authentication
mechanisms. Although multifactor authentication (MFA) has emerged as a security standard, traditional MFA
schemes often impose rigid verification flows that negatively impact usability and system adoption. This work
presents the design, implementation, and evaluation of a flexible multimodal authentication system that enables
user verification through facial recognition or a time-based one-time password (TOTP), in combination with a
conventional password. The system was developed in Python following a Model–View–Controller (MVC) archi-
tecture to ensure modularity, maintainability, and scalability. The biometric module integrates OpenCV and the
facerecognitionlibrarytoextractandvalidatef acialembeddings, whileP yOT P enablesT OT P generationandverif icationundertheRF C6238standard.Experimentalresultsdemonstrateabiometricaccuracyof85 %, anaverageauthenticationtimeof2,1seconds, andaF alseAcceptanceRate(F AR)of 0,8 %.Meanwhile, T OT P validationachieveda94 %successrate.T heseresultsdemonstratethataflexibleOR−
basedMF Aapproachcanbalanceusabilityandsecurity, makingthesystemaviablealternativef oracademicenvironments, researchprototyping, andlow−
infrastructurescenariosthatrequiresecureyetuser −friendlyidentityverif icationmechanisms.
Keywords: Biometric Authentication, Facial Recognition, Multi-modal Systems, Two-Factor Authentication
(2FA), Usability.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
79
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Introducci´on
La creciente sofisticaci´on de ataque cibern´eticos dirigidos al robo de credenciales y suplantaci´on de identidad
ha impulsado la necesidad de mecanismos de autenticaci´on m´as robustos que las contrase˜nas tradicionales.
La creciente expansi´on de servicios digitales en los diferentes sectores como salud, administraci´on, finanzas y
entornos inteligentes ha incrementado el campo de ataque, haciendo que la autenticaci´on multifactor (MFA)
y m´etodos biom´etricos sean esenciales para garantizar acceso seguro y confiable [1], [2], [3], [4].
En estudios recientes se destaca una transici´on progresiva hacia sistemas que combinan m´ultiples factores de
autenticaci´on, incluyendo contrase˜nas temporales basadas en tiempo (TOTP), tokens f´ısicos y caracter´ısticas
biom´etricas [1]. Sin embargo, a´un existen brechas entre las capacidades tecnol´ogicas propuestas y su implemen-
taci´on industrial, donde existe un porcentaje considerable de soluciones que contin´uan dependiendo de OTP
como mecanismo principal de autenticaci´on, pese a la existencia de alternativas m´as robustas. Asimismo, se ha
demostrado que el uso exclusivo de contrase˜nas o de un ´unico factor biom´etrico puede resultar insuficiente ante
escenarios avanzados, esto ha motivado la incorporaci´on de arquitecturas h´ıbridas de autenticaci´on [2], [5], [6].
Avances recientes han explorado esquemas MFA apoyados en criptograf´ıa avanzada, tecnolog´ıas blockchain,
funciones f´ısicamente no clonables (PUF) e incluso comunicaciones seguras cu´anticas, logrando mejorar la
eficiencia y resiliencia frente a ataques de escucha, fuerza bruta y manipulaci´on de datos [3], [4]. Paralelamente,
algunas investigaciones han demostrado el potencial del reconocimiento facial combinado con modelos de
aprendizaje profundo para reducir las tasas de error en la validaci´on biom´etrica, con aplicaciones en sistemas
IoT, y entornos de alta seguridad [5], [6], [7]. No obstante, persisten desaf´ıos asociados a la privacidad, la
gesti´on segura de datos y la accesibilidad de estas tecnolog´ıas para los usuarios finales y sistemas de bajo
costo [7], [8].
A pesar de estos avances, la mayor´ıa de las soluciones MFA se basan en esquemas de autenticaci´on r´ıgidos que
requieren la activaci´on simult´anea de m´ultiples factores, lo cual puede comprometer la experiencia del usuario,
incrementar el tiempo de acceso y limitar as´ı la adopci´on de la tecnolog´ıa en contextos cotidianos. Por ello
existe la necesidad de modelos m´as flexibles que permitan al usuario autenticarse mediante distintos factores
seg´un los recursos de los que dispone, sin comprometer la seguridad.
En este trabajo se propone un sistema de autenticaci´on multimodal flexible basado en reconocimiento facial
y contrase˜nas temporales TOTP bajo una l´ogica OR, lo que permite al usuario seleccionar din´amicamente
el m´etodo de autenticaci´on seg´un su conveniencia y disponibilidad. El sistema se implementa en Python con
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
80
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
arquitectura modular, empleando visi´on por computadora para reconocimiento facial y est´andares TOTP para
autenticaci´on temporal, integrando mecanismos de auditor´ıa, bloqueo tras intentos fallidos y almacenamiento
seguro. Nuestro objetivo principal es demostrar que un enfoque h´ıbrido puede mantener niveles elevados de
seguridad mientras se mejora la usabilidad y reduce la brecha tecnol´ogica entre soluciones experimentales y
aplicaciones de acceso general.
Metodolog´ıa computacional
La metodolog´ıa se bas´o en un enfoque de ingenier´ıa de software seguro y modular, orientado a la construcci´on
de un sistema de autenticaci´on multimodal flexible que permita validar la identidad mediante el reconocimiento
facial o c´odigos temporales basados en tiempo (TOTP), utilizando l´ogica OR.
Arquitectura General del Sistema
Se adopt´o el patr´on arquitect´onico MVC para separar capa l´ogica, gesti´on de datos e interfaz. Las principales
capas consideradas fueron:
Vista (GUI): desarrollada con CustomTkinter para lograr una interfaz moderna y multiplataforma.
Controladores: PyOTP para la generaci´on y validaci´on de c´odigos TOTP.
Seguridad y Persistencia: bcrypt para el hashing de contrase˜nas y SQLite como base de datos embebida.
Tecnolog´ıas utilizadas
La soluci´on se implemento en Python 3.8+, integrando bibliotecas robustas y ampliamente soportadas:
CustomTkinter para interfaz GUI moderna.
OpenCV para capturar y procesar im´agenes.
Fase recongnition + dlib para extraer y verificar los embeddings faciales.
PyOTP para autenticaci´on TOTP conforme al est´andar RFC-6238.
Bcrypt para el hashing seguro de credenciales.
SQLite para almacenamiento local cifrado.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
81
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Pillow para manipulaci´on b´asica de im´agenes.¸c
Todas estas herramientas fueron seleccionadas para permitir un despliegue en equipos convencionales sin
necesidad de tener hardware especializado.
M´odulo de Reconocimiento Facial
Para la detecci´on del rostro, se utiliza un modelo clasificador basado en Histogramas de Gradientes Orientados
(HOG), el cual ofrece un equilibrio adecuado entre eficiencia computacional y precisi´on, especialmente en
escenarios en donde no se disponen de unidades de procesamiento gr´afico avanzadas [9]. Posteriormente, las
caracter´ısticas biom´etricas fueron codificadas en vectores embeddings faciales mediante modelos basados en
redes neuronales profundas, estableciendo mediciones mediante distancia euclidiana para la verificaci´on [10].
Con el fin de mejorar la estabilidad del reconocimiento frente a variaciones de iluminaci´on, expresi´on y postura,
se almacenaron cinco codificaciones por usuario y se defini´o un umbral emp´ırico de 0.6 para determinar
coincidencias v´alidas.
M´odulo de Autenticaci´on 2FA/TOTP
La implementaci´on del segundo factor se adhiere al est´andar RFC 6238, que genera c´odigos de seis d´ıgitos
con rotaci´on cada treinta segundos para maximizar la seguridad temporal del token [11]. Asimismo, se integr´o
soporte para tolerancia de ventana temporal en un intervalo de ±1 para reducir falsos rechazos por desfase
de horario, siguiendo recomendaciones del RFC 4226 orientadas a mecanismos HMAC-OTP [12]. El registro
del usuario se ejecuta generando una clave secreta almacenada de forma segura, para sincronizaci´on con
aplicaciones m´oviles como Google Authenticator, manteniendo independencia del sistema respecto a servicios
externos.
Seguridad y Protecci´on de Datos
Para la seguridad y protecci´on de credenciales, se emple´o el algoritmo bcrypt, reconocido por su capacidad
para aplicar salt autom´atico y un costo computacional adaptable a lo largo del tiempo, caracter´ıstica que
fortalece la resistencia frente a ataques y cracking de contrase˜nas [13]. Adem´as, se incorporaron medidas de
seguridad alineadas a lineamientos del NIST Digital Identity Guyidelines [14] y recomendaciones OWASP para
autenticaci´on robusta, incluyendo bloqueo autom´atico tras tres intentos fallidos, auditoria y registro de eventos,
sesiones no persistentes en memoria y almacenamiento seguro de secretos [15]. La base de datos SQLite fue
utilizada para asegurar portabilidad y operaciones en entornos offline, permitiendo mantener la informaci´on
biom´etrica y los registros de autenticaci´on guardados localmente.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
82
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
L´ogica OR de Autenticaci´on
A diferencia de esquemas tradicionales MFA basados en l´ogica AND, este sistema implementa OR.
Este dise˜no incrementa accesibilidad y continuidad operativa sin comprometer la disponibilidad del sistema,
siendo especialmente adecuado para usuarios sin un factor disponible en ese momento (e.g., c´amara da˜nada o
tel´efono descargado).
Evaluaci´on del Sistema
Se realizaron pruebas funcionales para medir la precisi´on biom´etrica mediante tasas FAR y FRR, tiempo
promedio de autenticaci´on tanto facial como TOTP, consumo de recursos en ejecuci´on, comportamiento del
sistema ante intentos fallidos consecutivos y percepci´on de usabilidad por parte de usuarios de prueba. Se
destaca que el sistema prioriza eficiencia y seguridad en entornos de uso local, por lo que a´un no incorpora
t´ecnicas avanzadas de detecci´on de vida (liveness detection). La incorporaci´on de mecanismos anti-spoofing se
identifica como trabajo futuro, tomando como referencia estudios recientes de revisi´on sistem´atica en detecci´on
de falsificaci´on facial con c´amaras RGB convencionales [16,17].
Documentaci´on visual del funcionamiento
Para garantizar reproducibilidad y claridad visual, se incorporar´an capturas del sistema en las siguientes
etapas:
Pantalla inicial (selecci´on facial/TOTP).
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
83
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Configuraci´on del reconocimiento facial con cuadro delimitador.
Figura 3. Figura 3. Configuraci´on del reconocimiento facial
Generaci´on y lectura del codigo de sincronizaci´on TOTP.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
86
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Figura 4. Figura 4. Generaci´on y lectura del c´odigo de sincronizaci´on TOTP
Ventana de verificaci´on TOTP.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
87
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Figura 6. Figura 6. Graficas de precisi´on y tiempo mostrando efectividad biom´etrica (85 %), tasa de falsos positivos
(0.8 %) y tiempo promedio de respuesta (2.1 s) durante autenticaciones reales.
Resultados y discusi´on
Las pruebas experimentales se desarrollaron en un entorno controlado utilizando usuarios reales y distintos
escenarios de autenticaci´on. El sistema registr´o un total de nueve eventos de seguridad y tres sesiones de
autenticaci´on dentro del per´ıodo de validaci´on capturado. La visualizaci´on del desempe˜no se presenta a trav´es
de gr´aficos de distribuci´on temporal, donut chart para tipos de amenazas y barras comparativas para precisi´on
entre m´etodos.
Como se puede apreciar en la Figura 6. los resultados evidencian una efectividad biom´etrica del 85 %, con
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
89
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
una tasa de falsos positivos de solo 0.8 %, valor adecuado para un entorno de seguridad local. El tiempo
promedio de respuesta fue 2.1 segundos, considerando captura facial, an´alisis y decisi´on. La validaci´on mediante
TOTP present´o una efectividad del 94 %, exhibiendo menor latencia y mayor estabilidad frente a variaciones
ambientales, como se esperaba dada la naturaleza determinista del algoritmo TOTP.
Estos resultados obtenidos se pueden contrastar con las investigaciones anteriores. Seg´un el an´alisis sistem´atico
de MFA en plataformas digitales [1], un porcentaje importante de sistemas a´un depende primariamente de
OTP, con poco uso de biometr´ıa. Nuestro sistema mejora este enfoque al haber incorporado reconocimiento
facial y TOTP local, eliminando dependencia de servidores externos.
En soluciones MFA tradicionales [2], la l´ogica predominante es el esquema de verificaci´on simult´anea (AND),
incrementando la carga de usuario. Al haber implementado la estrategia OR este trabajo demuestra mantener
seguridad aceptable sin comprometer la experiencia del usuario en concordancia con propuestas emergentes
de autenticaci´on flexible.
En entornos avanzados, como arquitecturas MFA basadas en blockchain y PUF [3], se reportan mejoras en
integridad e inmutabilidad, pero con mayor complejidad y altos costos computacionales. Nuestro sistema,
aunque no incorpora t´ecnicas de seguridad distribuida, optimiza eficiencia para dispositivos convencionales y
despliegues acad´emicos, aline´andose con la necesidad de soluciones accesibles.
Respecto a la biometr´ıa, estudios anteriores reportan incrementos significativos en precisi´on al combinar se˜nales
faciales y de voz [6]; nuestro enfoque facial mantiene tasas competitivas considerando los recursos disponibles,
con un FAR de 0.8 % cercano al esperado en sistemas HOG + embeddings, confirmado por [9,10].
En resumen, el sistema logra una combinaci´on efectiva de precisi´on, simplicidad y flexibilidad, aportando
una alternativa pr´actica frente a modelos complejos de autenticaci´on multifactor y demostrando resultados
consistentes con la literatura existente.
Conclusiones
Este trabajo present´o un sistema de autenticaci´on multimodal flexible basado en reconocimiento facial y
contrase˜nas temporales TOTP, utilizando una l´ogica OR con el fin de mejorar la accesibilidad y la experiencia
de usuario sin comprometer la seguridad en entornos de uso local. La arquitectura implementada, desarrollada
en Python mediante un modelo MVC y utilizando librer´ıas de visi´on por computadora, permiti´o la creaci´on
de un sistema eficiente, portable y reproducible en equipos convencionales.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
90
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Los resultados experimentales evidenciaron una precisi´on biom´etrica del 85 %, una tasa de falsos positivos de
0.8 % y un tiempo promedio de respuesta de 2.1 segundos en la autenticaci´on facial. El sistema TOTP alcanz´o
un umbral de 94 % de efectividad, consolid´andose como un m´etodo robusto y de baja latencia. Estas m´etricas
se encuentran en rangos de aceptaci´on para sistemas de seguridad local y concuerdan con los valores reportados
en soluciones biom´etricas ligeras en la literatura.
Para futuras investigaciones se propone entrenamiento con modelos avanzados de reconocimiento facial como
ArcFace o FaceNet extendido, una evaluaci´on con mayor numero de usuarios y escenarios reales.
En t´erminos generales, los resultados obtenidos permiten validar nuestra propuesta como una soluci´on efectiva
y accesible para investigaci´on acad´emica, laboratorios educativos, entornos de prueba y sistemas locales que
requieran autenticar usuarios mediante factores alternativos sin depender de servicios externos.
Contribuci´on de Autor´ıa
Jesus Christopher Mecola Bernedo: Conceptualizaci´on,Investigaci´on,Metodolog´ıa,Validaci´on,Redacci´on -
borrador original. Julio David Tirado ´
Avila: Conceptualizaci´on,Investigaci´on,Metodolog´ıa,Software,An´ali-
sis formal,Recursos,Visualizaci´on. Alberto Carlos Mendoza de los Santos: Supervisi´on,Administraci´on de
proyectos.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
91
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
Referencias
[1] P. T. Tran-Truong, M. Q. Pham, H. X. Hijo, E. t. Nguyen, M. B. Nguyen, K. L. Tran, L. C. Van, K. T. Le,
K. H. Vo, N. N. Kim, T. M. Nguyen, and A. T. Nguyen, “A systematic review of multi-factor authentication
in digital payment systems: Nist standards alignment and industry implementation analysis,” Journal of
Systems Architecture, vol. 162, p. 103402, 2025.
[2] A. Al-Mutairi and R. Al-Sahli, “Secure authentication system based on multi-factor authentication,” 2024.
[3] S. Bamashmos, N. Chilamkurti, and A. S. Shahraki, “Two-layered multi-factor authentication using de-
centralized blockchain in an iot environment,” Sensors, vol. 24, no. 11, p. 3575, 2024.
[4] R. I. Abdelfatah, “Robust biometric identity authentication scheme using quantum voice encryption and
quantum secure direct communications for cybersecurity,” Journal of King Saud University - Computer
and Information Sciences, vol. 36, p. 102062, 2024.
[5] S. Pahuja and N. Goel, “Multimodal biometric authentication: A review,” AI Communications: The
European Journal on Artificial Intelligence, vol. 37, no. 4, pp. 525–547, 2024.
[6] B. Alharbi and H. S. Alshanbari, “Face-voice based multimodal biometric authentication system via
facenet and gmm,” PeerJ Computer Science, vol. 9, p. 1468, 2023.
[7] M. Beltr´an and M. Calvo, “A privacy threat model for identity verification based on facial recognition,”
Computers & Security, vol. 132, p. 103324, 2023.
[8] L. Hallal, J. Rhinelander, and R. Venkat, “Recent trends of authentication methods in extended reality:
A survey,” Appl. Syst. Innov., vol. 7, no. 3, p. 45, 2024.
[9] N. Dalal and B. Triggs, “Histograms of oriented gradients for human detection,” in IEEE Computer
Society Conference on Computer Vision and Pattern Recognition (CVPR’05), vol. 1, 2005, pp. 886–893.
[10] F. Schroff, D. Kalenichenko, and J. Philbin, “Facenet: A unified embedding for face recognition and
clustering,” in Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), 2015, pp. 815–823.
[11] D. M’Raihi, S. Machani, M. Pei, and J. Rydell, “Totp: Time-based one-time password algorithm,” Internet
Engineering Task Force (IETF), 2011.
[12] D. M’Raihi, M. Bellare, F. Hoornaert, D. Naccache, and O. Ranen, “Hotp: An hmac-based one-time
password algorithm,” Internet Engineering Task Force (IETF), 2005.
[13] N. Provos and D. Mazieres, “A future-adaptable password scheme,” in Proc. USENIX Annual Technical
Conference, 1999, pp. 81–92.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
92
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 79-93
https://revistas.ulasalle.edu.pe/innosoft
[14] P. Grassi, J. Fenton, E. Newton, R. Perlner, A. Regenscheid, W. Burr, and J. Richer, “Digital identity
guidelines: Authentication and lifecycle management,” National Institute of Standards and Technology
(NIST), 2017.
[15] OWASP Foundation, “Owasp cheat sheet series,” 2024. [Online]. Available: https://cheatsheetseries.
owasp.org/cheatsheets/Authentication Cheat Sheet.html
[16] Z. Ming, M. Visani, M. Luqman, and J.-C. Burie, “A survey on anti-spoofing methods for face recognition
with rgb cameras of generic consumer devices,” Computer Vision and Pattern Recognition (cs.CV), 2020.
[17] S. Khairnar, S. Gite, K. Kotecha, and S. Thepade, “Face liveness detection using artificial intelligence
techniques: A systematic literature review and future directions,” Big Data and Cognitive Computing,
vol. 7, no. 1, p. 37, 2023.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
93
