Nuevas Tecnologías Biométricas - Informáticas Universidad Abierta Interamericana Nuevas Tecnologías Biométricas - Informáticas Dinámica de Tecleo Dr Marcelo De Vincenzi Ing Marcelo Semeria
Dinámica de Tecleo - Ubicación SEGURIDAD Reconocimiento de personas Biometría Dinámica de Tecleo
Que es la Biometría? Del Griego Bio : Vida Metria: Medición Ciencia que estudia las características cuantitativas de los seres vivos Métodos automáticos que permiten identificar a las personas
Métodos Tradicionales Algo que el usuario SABE Clave secreta Algo que el usuario TIENE Tarjeta personal Algo que el usuario ES Dato biométrico
Algunas Definiciones Biometría Biometría Estática Dinámica Vinculada con los aspectos Físicos Vinculada con la conducta Biometría Estática Biometría Dinámica Huellas Dactilares Geometría de Manos Características del ojo Emisiones Térmicas Poros de la piel Escritura Manuscrita Voz Gestos y movimiento corporal DINÁMICA DE TECLEO
Algunas Características Generales UNIVERSALIDAD SINGULARIDAD ESTABILIDAD CUANTIFICABILIDAD ACEPTABILIDAD
Huellas Dactilares Clasificación
De que dependen los surcos Crestas papilares y los surcos interpapilares. Crestas papilares : relieves epidérmicos Surcos interpapilares: son lo que se determinan por las depresiones que separan dichos relieves o crestas.
Geometría de cara Buscar medidas característica de geometría de cara. Distancia entre ojos Largo de nariz Distancia boca - mentón
Problemas Cambio de posiciones, Gestos, iluminación
Geometría de caras Base de datos con distintas formas de enfoque
Reconocimiento de la voz Clasificación Inicial: Sonido sonoros : Las cuerdas vocales vibran El aire pasa sin impedimentos importantes Sonidos sordos Las cuerdas vocales no vibran Hay restricciones importantes para el paso del aire
Representación visual El golpe de timón fue terrorífico
Detalle Notar periodicidad ( pitch) F ( Sordo ) U ( Sonoro )
Dinámica de Tecleo Biometría del comportamiento ( conducta ) Cuál es el principal medio de interacción con el computador ?
A Considerar Velocidad de tecleo Modalidad Pausa entre letras Errores Rápido – Lento Modalidad Para las mayúsculas se usa right-shift o left-shift Pausa entre letras Errores Forma de manejo de errores
Origen Mayo 1844 – inicia el Telégrafo Era posible distinguir al emisor por el ritmo de pulsaciones
Proceso de Tecleo Involucra Características físicas externas del usuario Sistema nervioso Músculos de brazos y manos Costumbres y aprendizajes
Realización Práctica S O L Datos a capturar Latencia ( Tiempo entre pulsaciones ) Duración ( Tiempo de pulsación ) S O L Se DEBE tomar en cuenta la dificultad del texto a teclear
Intuitivamente Algunas personas se ¨ detienen ¨ más en alguna tecla en particular Diferencias de cadencia Con toda la mano Solo dos dedos Algunos dedos de cada mano
Problemas Técnicos La forma de tipeo depende de muchas variables Cansancio Estado de ánimo Estado de salud Características del teclado Iluminación ambiental Disposición del equipo etc No fácilmente mensurable. Algoritmos que tomen en cuenta estos problemas
Problemas Legales Pueden existir leyes locales que no permitan el uso del sistema, pues: Se está identificando sin conocimiento del usuario. Es posible obtener perfiles de trabajo del usuario.
Posibilidades de aplicación Uso de la dinámica de tecleo junto con el ID y el Password El pass se puede averiguar pero es muy complicado simular la forma de tecleo Verificación permanente del modo de tecleo Aumenta la seguridad. Facilita el ajuste dinámico ante cambios
Método propuesto Doble prueba ID + Pass Tecleo AND Ingreso Aprobado
Fusión de datos Referencia situaciones en que se utilizan datos provenientes de distintas fuentes Unimodal Una misma característica biométrica captura por distintos métodos Multimodal Se trata de la utilización de dos o mas tipos de datos biométricos
Ventajas de la fusión multimodal Supera las limitaciones de los métodos por separado. Dificulta “engañar” al sistema Soluciona el problema de las personas que no pueden ser reconocidas ( ya sea temporal o permanentemente )
Fusión de Sensores Decisión SENSOR 1 Clasificador Extracción de FUSION características FUSION SENSOR 2 Base de Datos
Fusión de características Decisión SENSOR 1 Extracción de características Clasificador FUSION SENSOR 2 Extracción de características Base de Datos
Niveles de confidencia Se debe combinar las “puntuaciones” obtenidas por cada clasificador Algoritmos Geométricos Redes Neuronales Lógica Difusa Algoritmos evolutivos
Pasos del proyecto 1. Capturar parámetros de teclado. Soft de captura con precisión mejor que el milisegundo Funcionamiento transparente al usuario Pasaje de datos a formato compatible con algún paquete estadístico
Pasos del proyecto 2. Procesamiento de datos Elección de datos a considerar Armado de cluster con datos relacionados Extracción de características relevantes
Pasos del proyecto 3. Algoritmos de mejora Los datos armados en cluster se procesan para resaltar las características deseables. Eliminación de valores casuales. Configurar para mejorar la velocidad
Pasos del proyecto 4. Algoritmo de decisión Elección de mejor opción Minimizar los falsos rechazos Minimizar las falsas aceptaciones
Aplicacion prevista Dado que no se requiere hardware especial es muy indicado para confirmar identidad en sitios Web.
Posibilidades Control durante Login Control durante toda la sesión Elemento agregado de seguridad Permite salvar el olvido del password Control durante toda la sesión Aumenta la seguridad Permite un ajuste ante variaciones. Mejora la cantiad de muestras del usuario
Trabajo futuro Descubrimiento de invariables respecto: Variación de iluminación Variación de ruido ambiente Cambio de teclado Algoritmo basado en invariantes
Bibliografía Tecnologías Biométricas aplicadas a la seguridad Tapiador Materos & Singuenza Pizarro Alfaomega
Gracias por su atención medevicenzi@vaneduc.edu.ar marcelo.semeria@vaneduc.edu.ar