“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.

8 a 10 de novembro de 2022

Trabalho 16631

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Exatas e Tecnológicas
Área temática Ciência da computação
Setor Instituto de Ciências Exatas e Tecnológicas - Campus Florestal
Bolsa FAPEMIG
Conclusão de bolsa Sim
Apoio financeiro FAPEMIG
Primeiro autor Eduardo Torres Tristão
Orientador JOSE AUGUSTO MIRANDA NACIF
Outros membros Kristtopher Kayo Coelho
Título Autenticação Biométrica Multimodal para Internet das Coisas Aplicadas na Saúde Utilizando Aprendizado de Máquina
Resumo A popularização da internet, ocasionou um aumento significativo no número de dispositivos/coisas interconectadas, compondo a Internet of Things (IoT). Visto isso, existem dentro da categoria IoT, diversos dispositivos vestíveis. Entre eles, citam-se relógios, pulseiras, óculos inteligentes, dentre outros. Estes dispositivos são capazes de aferir e monitorar dados sigilosos, referentes a sinais vitais do usuário. Portanto, este cenário exige atenção especial para dois importantes pilares do desenvolvimento IoT, são eles a segurança e a privacidade dos dados. Com a finalidade de aprimorar a segurança em dispositivos vestíveis, sinais vitais com características biométricas são explorados em pesquisas recentes a fim de identificar e autenticar usuários. Dentre os principais sinais listados no estado da arte, existem avanços em potencial referentes aos sinais de Fotopletismografia (PPG) e Eletrocardiograma (ECG). Esses sinais representam os batimentos cardíacos de um indivíduo. Tais representações possuem características únicas e invariáveis no tempo para cada pessoa. Com isso, estudos consideram o uso de técnicas de aprendizado de máquinas para extrair e identificar tais características de modo a aumentar a segurança em sistemas de autenticação de usuários. Portanto, a combinação de sinais biométricos com redes neurais mostra-se promissora. As redes neurais convolucionais (Convolutional Neural Network - CNN), foram propostas originalmente para o reconhecimento de imagens. Entretanto, pesquisas provaram também sua eficácia em realizar autenticação biométrica. O principal objetivo deste estudo é prover acesso seguro e confiável aos dispositivos e suas respectivas informações. Portanto, considera-se a aplicação de CNNs para a identificação biométrica de usuários. Ainda destaca-se a combinação de sinais PPG e ECG, a fim de tornar ainda mais robusta a segurança e privacidade dos dados em relação a usuários maliciosos. Logo, a rede neural permite reconhecer pessoas apenas pela frequência cardíaca. Neste processo, foram usadas CNNs combinadas em cascata explorando convoluções unidimensionais para a identificação de indivíduos autorizados. O projeto foi implementado inteiramente em linguagem de programação Python. Para a implementação foram utilizadas ferramentas consolidadas, como Tensor Flow e Keras. Além destas, outras bibliotecas foram utilizadas para a manipulação e operações sobre o conjunto de dados, tais como, Pandas, NumPy e Scipy. Portanto, os principais avanços em relação ao estado da arte compreendem a proposta de uma nova rede neural multimodal para minimizar a taxa de falsa aceitação (FAR) e aumentar a precisão, mantendo alta acurácia. Além de evoluir os resultados para estas métricas, o sistema de autenticação proporciona uma maior segurança contra ataques externos em comparação aos demais métodos. Adicionalmente, os parâmetros usados na rede foram otimizados. A otimização dos parâmetros também assegura maior robustez e resistência.
Palavras-chave Segurança da informação, Dispositivos vestíveis, Aprendizado profundo
Forma de apresentação..... Vídeo
Link para apresentação Vídeo
Gerado em 0,68 segundos.