17 dez 2021
14:00 Defesa de Doutorado Integralmente a distância
Tema
Análise da viabilidade de gait como biometria usando dados de sensores de movimento: em direção à criação de perfis robustos de usuário
Aluno
Geise Kelly da Silva Santos
Orientador / Docente
Orientador: Anderson de Rezende Rocha/ Coorientador: Tiago Fernandes Tavare
Breve resumo
Dispositivos móveis estão se tornando cada vez mais ubíquos. Estão também sendo usados para tarefas que incluem dados sensíveis, tais como comunicação, armazenamento de dados de mídia pessoal e acesso à aplicativos de banco. Geralmente, a proteção desses dados é realizada à partir de senhas ou sistemas biométricos como por exemplo, reconhecimento de impressão digital. Entretanto, esses métodos normalmente não são transparentes ao usuário, sendo mais susceptíveis à ataques em caso de roubo do dispositivo. Uma solução para evitar esse cenário é a utilização de métodos de autenticação contínua. Esses métodos realizam autenticação ao longo do tempo e são transparentes e ubíquos. Geralmente são baseados em características biométricas comportamentais. Nessa pesquisa de doutorado objetivamos realizar user profiling à partir de dados de sensores de movimento presentes em dispositivos móveis. Este projeto compreende três direções: (i) descrição do sinal coletado pelos sensores à partir de métodos baseados em engenharia de atributos (hand-crafted); (ii) emprego de técnicas que realizam aprendizado direto dos dados (data-driven); (iii) investigação da confiabilidade e generalização de gait como um traço biométrico para identificar ou reconhecer indivíduos. Investigamos e propomos novos métodos para verificação da identidade do usuário usando características aprendidas à partir de dados de sensores de movimento. A maioria dos métodos da literatura de autenticação pelo modo de caminhar propõem métodos que realizam aprendizado específico por usuário. Essa estratégia demanda, no início da utilização do sistema, uma grande quantidade de dados do usuário. Em vez disso, propomos uma solução capaz de construir o user profiling por meio da extensão de manifolds aprendidos usando um pequeno conjunto de usuários para usuários não presentes no treinamento desses manifold. Essa solução foi avaliada usando um protocolo cross-dataset e o treinamento desta foi realizado em uma configuração open-set para aproximar um cenário real. O profile de usuário criado a partir de seus dados de movimento (motion-user profile) traz várias questões sobre a relação entre os movimentos biomecânicos realizados durante o caminhar e possíveis traços biométricos. Analisamos os fatores associados com utilizar gait como biometria para identificar e reconhecer usuários. Investigações foram definidas visando responder questões sobre a confiabilidade e generalização de usar os padrões de caminhada de cada pessoa, os quais foram capturados por diferentes modalidades de sensores de movimento, para aprender traços de identidade suficientes para diferenciar indivíduos.
Banca examinadora
Titulares:
| Anderson de Rezende Rocha | IC/UNICAMP |
| Moacir Antonelli Ponti | ICMC/USP |
| Diego Furtado Silva | DC/UFSCar |
| Sergio Augusto Cunha | FEF/UNICAMP |
| Esther Luna Colombini | IC/UNICAMP |
Suplentes:
| João Paulo Papa | FC/UNESP |
| Ricardo Ribeiro Gudwin | FEEC/UNICAMP |
| Marco Carlos Uchida | FEF/UNICAMP |
| André Carlos Ponce de Leon Ferreira de Carvalho | ICMC/USP |