• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Encontrando impressões digitais falsas

    Crédito CC0:domínio público

    Já foi o material de segurança de ficção científica, abra bem os olhos e olhe para a câmera para ter acesso ao convés de vôo da nave espacial ou pressione a ponta do dedo ou a palma da sua mão contra o teclado para acessar o banco de dados secreto que permite que você controle as armas dos vilões. Hoje, claro, reconhecimento de íris, leitores de impressão digital, e outros sistemas biométricos estão se tornando cada vez mais comuns. A maioria dos smartphones modernos tem um leitor de impressão digital que permite desbloquear o telefone sem ter que se lembrar de uma senha ou número.

    Claro, de uma perspectiva de segurança, o que impede que terceiros "levantem" sua impressão digital, e criando um fac-símile de seus loops, espirais e arcos com um pedaço de um material emborrachado semelhante a uma pele e, em seguida, apresentá-lo ao dispositivo biométrico para obter acesso? A resposta simples não é nada! Além disso, para um sistema simples de identificação por impressão digital, não haveria como saber que a impressão digital apresentada não fazia parte do dedo de uma pessoa viva, e não um toque de borracha.

    Contudo, escrevendo no International Journal of Biometrics , uma equipe da Índia descreve sua abordagem para desenvolver um sistema que não apenas lê as impressões digitais, mas pode detectar a "vivacidade" da impressão digital com base em uma análise algorítmica de recursos micro e macro. Rohit Agrawal e Anand Singh Jalal da GLA University, em Mathura, e K.V. Arya do Instituto de Engenharia e Tecnologia, em Lucknow, explicar que sua abordagem contorna o problema associado aos métodos estatísticos anteriores que funcionam bem com micro, mas não a macro, características de uma impressão digital.

    A equipe explica que combinou recursos locais de micro textura Haralick com recursos macro derivados da matriz de diferença de tons de cinza da vizinhança. Isso permite que eles gerem um vetor de recursos eficaz. Eles então treinam o algoritmo com impressões digitais conhecidas e o testam contra impressões digitais genuínas e falsas. Eles alcançam uma precisão de quase 95% com uma baixa taxa de erro. Os sistemas anteriores podem ostentar apenas 90 por cento de precisão.


    © Ciência http://pt.scienceaq.com