| dc.contributor | CAVALCANTI, George Darmiton da Cunha | |
| dc.contributor | REN, Tsang Ing | |
| dc.creator | NASCIMENTO, André Hermenegildo do | |
| dc.date | 2015-10-21T17:48:28Z | |
| dc.date | 2015-10-21T17:48:28Z | |
| dc.date | 2015-03-06 | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/14231 | |
| dc.description | As impressões digitais têm sido amplamente utilizadas como forma de autenticação de um
indivíduo. Os padrões gerados pelas saliências das pontas dos dedos são usados para diferenciar
uma pessoa da outra. Esses padrões vêm ao longo de anos apresentando-se como meio confiável
de identificação pessoal, mesmo no caso de gêmeos idênticos as impressões digitais apresentamse
diferentes. Entretanto estudos comprovam que é possível construir impressões digitais
sintéticas com cópia das saliências utilizadas para identificar um usuário, permitindo o uso
de forma fraudulenta de sistemas e serviços. Diante do perigo de fraude, várias técnicas vêm
sendo desenvolvidas visando identificar se uma impressão digital corresponde ou não a uma
impressão verdadeira (“impressão digital viva”). As técnicas de detecção de impressões digitais
são divididas nas baseadas em hardware e nas baseadas em software que apresentam maior
flexibilidade e menor custo de atualização dos dispositivos comercializados. O presente trabalho
tem por objetivo apresentar uma técnica, baseada em software, que garanta mais segurança aos
sistemas que se utilizam desta biometria, conseguindo identificar se uma impressão digital é
falsa ou não. Para isto, é proposta uma arquitetura de geração, combinação e seleção dinâmica de
classificadores para detecção de impressão digital falsa. A metodologia proposta é composta de
4 (quatro) módulos: módulo de Agrupamentos de Dados, módulo de Geração de Classificadores,
módulo de Seleção Dinâmica de Classificadores, e o módulo de Combinação de Classificadores.
Esses módulos estão organizados em 2 (duas) fases: treinamento e teste. Na fase de treinamento,
as imagens das digitais são divididas em grupos, cada grupo contém os elementos que apresentam
similaridade entre si. Esses grupos são utilizados para a criação dos classificadores especialistas.
Na fase de teste é realizada a seleção dinâmica e a combinação dos classificadores obtidos, de
modo a classificar um determinado padrão de entrada. A arquitetura proposta foi validada em 11
(onze) bases de dados pertencentes à competição LivDet (Liveness Detection Competition). Cada
base foi analisada em 1.452 cenários diferentes, de modo a avaliar os parâmetros da arquitetura,
sendo realizados um total de 15.972 experimentos. Os experimentos mostraram que os resultados
obtidos com o uso da arquitetura proposta são bastante promissores, conseguindo superar o
desempenho dos classificadores bases para todas as 11 bases de dados analisadas. Para uma
das bases foi possível alcançar uma detecção com performance 68,10% superior ao se utilizar
o classificador sem a etapa de combinação. Em média, os resultados obtidos apresentaram
uma performance superior de 39,98% em relação a abordagem tradicional (sem a etapa de
combinação). | |
| dc.description | Fingerprints have been widely used as a way of identifying an individual. The patterns generated by protrusions in the fingertips are used to differentiate one person from another. Those patterns have been a trustable way of personal identification. Even in the case of identical twins, fingerprints are different. However studies prove that it is possible to build synthetic digital fingerprints copying the protrusions used to identify one individual, allowing the fraudulent use of systems and services. In face of the danger of fraud, several techniques are being developed aiming to identify if a fingerprint corresponds or not to a true fingerprint (“live fingerprint”). Techniques for fingerprint detection are split between those based on hardware and those based on software which have more flexibility and lower cost for upgrading the devices being used. This work aims to present a technique, based on software, which ensures more security for the systems using this biometry, allowing to identify if a fingerprint is false or not. In order to do, it is proposed an architecture of generation, combination and dynamic selection of classifiers for false fingerprint detection. The proposed methodology is composed by 4 (four) modules: Module of Data Grouping, Module of Classifiers Generation, Module of Dynamic Selection of Classifiers and the Module of Classifiers Combination. Those modules are organized in two stages: training and testing. During the training stage, images of the digitals are split into groups, each group contains the elements that have similarities among themselves. Those groups are used for the creation of specialist classifiers. During the testing phase the dynamic selection and combination of the classifiers obtained is performed, in order to classify a particular input standard. The proposed architecture was validated in 11 databases belonging to the LivDet competition (Liveness Detection Competition). Each database was analyzed in 1,452 different scenarios, in order to evaluate the architecture parameters, in a total on 15,972 experiments performed. Experiments showed that results obtained using the proposed architecture are very promising, managing to overcome the performance of the database classifiers for all of the 11 analyzed databases. For one of the sets it was possible to reach a performance of detection 68.10% over others without using the combination stage. In average, results have a performance that is 39.98% superior compared to the traditional approach (without the combination step). | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | UFPE | |
| dc.publisher | Brasil | |
| dc.publisher | Programa de Pos Graduacao em Ciencia da Computacao | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Inteligência artificial | |
| dc.subject | Impressões digitais | |
| dc.subject | Aprendizado do computador | |
| dc.title | Proposta de uma metodologia para detecção de impressões digitais falsas usando combinação e seleção dinâmica de classificadores | |
| dc.type | masterThesis | |
