Autenticação contínua usando sensores inerciais dos smartphones e aprendizagem profunda

• Ano de defesa: 2022
• Autor(a) principal: Paz, Ismael Junior Vidal
• Outros Autores: http://lattes.cnpq.br/7319898925474631
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Redes neurais (Computação); Autenticação; CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO; Autenticação contínua; Sensores Inerciais; Redes Neurais Profundas; Redes DeepConvLSTM
• Link de acesso: https://tede.ufam.edu.br/handle/tede/8861

Muitos usuários têm optado pelo uso de dispositivos móveis como smartphones para a realização de tarefas do dia a dia como o envio de e-mail, interação com redes sociais, pagamento de contas e outras transações bancárias. Essas tarefas se tornaram mais simples de serem realizadas. Por outro lado, um grande volume de informações sensíveis e sigilosas são armazenadas e acessadas a partir desses dispositivos como, por exemplo, fotos, logins e senhas de bancos, dados pessoais, dentre outras. Ao buscar facilidade e usabilidade pelo uso dos smartphones, o usuário pode negligenciar a segurança e a privacidade de dados sensíveis. Atualmente, para garantir a segurança desses dados, a maioria dos sistemas emprega soluções de autenticação estática, em que o usuário desbloqueia o dispositivo uma única vez, por meio de um mecanismo de autenticação como senha, padrão em grade, chave de segurança ou sensor de impressão digital. Entretanto, em um cenário onde um usuário impostor tem acesso às senhas ou obtém acesso físico ao dispositivo desbloqueado, todos os dados sensíveis acabam sendo expostos. Para lidar com esse problema, este trabalho propõe o desenvolvimento de um método de autenticação contínua para dispositivos móveis utilizando os dados de sensores inerciais. O processo de identificação do usuário genuíno ou impostor é realizado por meio de um modelo de autenticação definido a partir de uma arquitetura de rede profunda baseada em redes neurais convolucionais com camadas recorrentes. Além disso, este trabalho emprega um modelo de confiança visando evitar o bloqueio de usuários genuínos e impedir que um impostor fique muito tempo agindo sem ser detectado. Testes utilizando dados de 30 usuários mostram que o modelo proposto consegue detectar os usuários impostores em até 61 segundos. Esses resultados promissores comprovam a viabilidade do uso de dados de sensores inerciais na definição de modelos de autenticação contínua.