O documento discute a identificação de impressões digitais usando redes neurais artificiais. Ele aborda conceitos de redes neurais, biometria e impressões digitais, e propõe um projeto para desenvolver um sistema de identificação de impressões digitais baseado em redes neurais multicamadas treinadas com backpropagation.
Um estudo sobre o gerenciamento de variabilidade em LInha de produto de software
Proposta de identificação de impressões digitais empregando redes neurais artificiais
1. Redes Neurais
Uma Proposta de identificação de Impressões
Digitais empregando Redes Neurais Artificiais
Diógenes Ricardo
Luan César
2. Roteiro
• Conceitos;
• Biometria;
• Autenticação Biométrica;
• Vantagens e Problemas;
• Algumas Aplicações;
• Impressão Digital;
• Características da Impressão Digital;
• Padrões de Impressões Digitais;
• Obtenção da Impressão Digital;
• Vantagens e Desvantagens;
3. Roteiro
• Definições;
• Base de Dados;
• Banco de Dados;
• Estudo das Tecnologias;
• Descrição do Projeto;
• Diagrama do Projeto;
• Tecnologias que serão utilizadas;
• Escopo das Atividades;
• Cronograma;
• Referências.
4. Conceitos
• Identificação (Accounting)
o É o ato de apresentar alguma identidade;
• Autenticação (Authentication)
o Fornecer uma prova de Identidade;
• Autorização (Authorization)
o Determinar a que recursos, uma Identidade devidamente
autenticada, tem acesso.
5. Conceitos
A autenticação deve ser:
• Fidedigna:
o Provar que o interlocutor é quem diz ser.
• Segura:
o Resistentes à ataques (brute force, replay attack).
• Simples:
o Não ter custo elevado.
• Usar de algo que se sabe:
o Senha, PIN, segredo.
• Usar algo que se possui:
o Smartcard, cartão magnético, gerador de senhas.
6. Biometria
• É o estudo estatístico das características físicas ou
comportamentais dos seres vivos. Este termo també m está
associado a medida de características das pessoas como
forma de identificá
-las unicamente;
• Estásendo estudada desde o sé culo XX;
• A informação é comparada com o registro de cada utilizador
existente no sistema;
• Já existe muitas aplicações com base em biometria.
7.
8. Autenticação Biométrica
Universalidade
• Capacidade de ser aplicável a todos os indivíduos.
Unicidade
• Capacidade de distinguir todos os indivíduos.
Estabilidade
• Capacidade de Operação continuada e sem problemas ao
longo da vida dos indivíduos.
9. Autenticação Biométrica
Correcção
• Capacidade de aquisição e uso da informação de validação
capaz de distinguir todos os indivíduos.
Conveniência
• Capacidade de não causar incômodo ou repulsa.
10. Autenticação Biométrica
Aceitação
• Capacidade de não provocar rejeição devido a fenômenos
de perda de privacidade ou ético-sociais.
Circumvention
• Facilidade com que se substitui a característica biométrica.
11. Autenticação Biométrica
Os erros podem ser:
• Falsos positivos: aceitação de dados biométricos falsos.
• Falsos negativos: não aceitação de dados biométricos
verdadeiros.
Afinação da correção:
• Permite escolher taxas de erros aceitáveis para um
determinado ambiente de operação.
13. Vantagens e Problemas
Vantagens:
• Segurança independente das escolhas e da memória do
utilizador;
• O utilizador não precisa portar consigo credenciais
especiais para ter acesso;
• As características biométricas não podem ser perdidas,
roubadas ou esquecidas;
• Requer presença física;
• Não há ataques por dicionário;
• Probabilidade de existir 2 indivíduos com mesmas
características é nula.
15. Algumas Aplicações
A biometria vem sendo utilizada para:
• Identificação criminal;
• Controle de ponto;
• Controle de acesso;
• Entre outros.
16. Impressão Digital
• É formada por sulcos presentes nos dedos;
• A forma como esses sulcos estão dispostos formam as
características da impressão;
• O método de recolhimento consiste em submeter sua digital
a um leitor que captura a imagem através de softwares;
• Faz-se o reconhecimento utilizando uma base de dados;
• Traz comodidade e uma sensação de estar
tecnologicamente atualizado para o usuário.
26. Vantagens e Desvantagens
Vantagens:
• Fácil utilização do usuário;
• Não pode ser esquecida;
• É uma solução para a maioria dos problemas com senha.
Desvantagens:
• Vem sendo utilizada sem estudo de segurança;
• Pode ser capturada/roubada;
• Necessita de aparelhagem específica;
• Pode ser burladas.
28. Definições
• Histórico
• McCulloch e Pitts (1943), Hebb (1949), e Rosemblatt
(1958).
• Essas publicações introduziram o primeiro
modelo de redes neurais
29. Definições
• Conceitos
• Unidades de processamento (neurônio),
• Sistemas de processamento distribuído e paralelo
(PDP).
• Topologia ou padrão de interconexão.
• Fixa
• Flexível
30. Definições
• Aplicações
o Reconhecimento de padrões;
o Análise de risco;
o Detecção de fraudes/falhas;
o Mineração de dados;
o Agrupamento de DNA;
o Fidelização de clientes.
• Em nossa pesquisa encontramos boa parte das
aplicações de um único tipo de rede (Perceptron
Multicamadas com a utilização do algoritmo de
treinamento Backpropagation).
31. Base de Dados
• NPIA é responsável pela impressão digital Base Nacional de Dados
(IDENT1), que fornece o serviço de polícia na Inglaterra, Escócia e País de
Gales com um sistema de identificação de impressões digitais, com a
capacidade de palma busca estampas e marcas.
• Automated Fingerprint Identification Systems (AFIS) e software para a
harmonização da impressão digital de pesquisa de identificação e
reconhecimento de impressões digitais são os produtos primários de East
Shore Technologies.
• CASIA Fingerprint Image Database
• SFinGe: Synthetic Fingerprint Generator
• FVC2006 4ªInternational Fingerprint Verification Competition
• FVC2004: 3ª International Fingerprint Verification Competition
• FVC2002: 2ª International Fingerprint Verification Competition
• FVC2000: 1ª International Fingerprint Verification Competition
• Neurotechnology
• Biometrix
• Innovatrics
32. Banco de Dados
• Formato do nome dos arquivos: xxx_yyy_zzz.tif
o xxx é o ID do indivíduo;
o yyy é o ID do dedo do indivíduo;
o zzz é o número do scanner.
33. Estudo das Tecnologias
• MLP
o Maioria dos trabalhos
• ART (Adaptative Resonance Theory)
o Fingerprint Clustering and its Application to Generate Class
Code Using ART Neural Network
• CPN (Couter Propagation Network)
o An Algorithm for Fingerprint Recognition Based on
Improved CPN
34. Estudo das Tecnologias
• RBF
o Fingerprint Classification Based on Curvature Sampling and
RBF Neural Networks
o Fingerprint Classification in DCT Domain
using RBF Neural Networks
o A Combined Radial Basis Function Model for
Fingerprint Distortion
35. Estudo das Tecnologias
• Redes de Hopfield
o Automatic Fingerprint Identification Using Gray Hopfield
Neural Network Improved by Run-Length Encoding
o A study on Digital Media Security by Hopfield Neural
Network
o SOM (Suport Vector Machine)
The use of SOM for fingerprint classification
A fingerprint classification technique using multilayer
SOM
36. Estudo das Tecnologias
• SVM (Suport Vector Machine)
o OS fingerprint classification using a support vector machine
o Fingerprint matching
based on weighting method and SVM
o Máquinas de Vetores Suporte na
Classicação de Impressões Digitais
37. Descrição do Projeto
• Objetivo:
Estudar um método para verificação e comparação de
impressões digitais baseado em Redes Neurais Artificiais
(RNA).
• Conteúdo
Definições
Estudo das tecnologias
Base de dados
Descrição do projeto
38. Descrição do Projeto
• Definição do problema
o Métodos tradicionais da computação convencional
o Como identificar Impressões Digitais empregando
Redes Neurais Artificiais?
• Objetivos
o Identificar Impressões Digitais empregando Redes Neurais
Artificiais.
40. Tecnologias que serão utilizadas
Na Implementação
• Rede Neural MLP com backpropagation;
• Base de dados (MySQL);
• Java
Encog/ Free Fingerprint Verification SDK
• Resultados esperados (Uma solução que identifique
impressões digitais);
41. Escopo das atividades
• Atividade 1 –Levantamento bibliográfico
• Atividade 2 –Estudo da problemática no contexto da
Impressão digital
• Atividade 3 –Identificação das melhores práticas e
tecnologias mais comuns utilizadas nos principais trabalhos
da indústria e academia.
• Atividade 4 –Identificar as principais APIs.
• Atividade 5 - Investigar a viabilidade da implementação ou
uso de uma ferramenta para classificar os padrões
• Atividade 6 – Elaboração do Relatório
• Atividade 7 –Entrega e apresentação do Projeto final.