Sözlü Kültür Ürünlerinde Üzüme Yer Veren Atasözü ve Deyimler

A técnica no uso de biometrias pretende escolher quais características podem representar de forma mais confiável uma pessoa. Assim, de acordo com [Anderson 2008] autenticação biométrica é baseada na medição de algum aspecto da anatomia individual ou fisiologia com alguma habilidade profundamente enraizada ou mesmo outra característica comportamental podendo convergir como uma terceira opção que seria uma combinação entre a comportamental e a física).

A Figura 1 apresenta o diagrama com a classificação através de características de comportamento biométricos. São propostos alguns tipos de biometria, estudadas e avaliadas para sistemas de autenticação [Bolle e Pankanti 1998]. Em relação a este aspecto, é possível dizer que a biometria tem pontos fortes e consequentemente algumas limitações. Nesta seção, um resumo das mais conhecidas tecnologias biométricas será apresentado.

Figura 1: Técnicas Biométricas para Classificação

2.1.1.1 Reconhecimento Facial

O reconhecimento facial é uma das principais abordagens dentro do contexto de reconhecimento de usuários. Os sistemas de autenticação exigem uma grande confiabilidade dessa característica humana. A face biométrica pode ser utilizada na identificação criminal, verificações de segurança dentre outros casos. Este processo

envolve fenômenos psicológicos humanos de alta complexidade e faz-se necessário processos computacionais para permitir isso. Existem algumas técnicas para reconhecer rostos em sistemas. Por exemplo, em [Wu e Huang 1990], [Samal e Iyengar 1992], [Bolle e Pankanti 1998], pode-se encontrar inúmeras técnicas de reconhecimento facial.

O problema básico sobre qualquer sistema de reconhecimento facial é encontrar um modelo que permita:

• Representar Rostos: é o aspecto mais importante em um sistema de reconhecimento de faces, porque todos os rostos conhecidos devem ser armazenados em um formato específico. Este formato deve ter algumas características específicas, por exemplo: nariz longo, rosto redondo, cabelo escuro, distância entre os olhos, simetria, etc. Esta etapa (Representação de Faces) também pode incluir a qualidade de imagem formato (face). Por exemplo, uma imagem pode ter uma intensidade igual (512 x 512), 6 bits por pixel e que pode não ser suficiente para os sistemas de reconhecimento de face. A Figura 2 apresenta diferentes formatos de imagem para o mesmo rosto.

Figura 2: A face humana em diferentes resoluções: (a) 128 x 128; (b) 64 x 64; (c) 32 x 32; (d) 16 x 16.

[Samal e Iyengar 1992].

A Figura 2 mostra uma imagem de um rosto, que é comumente chamada de foto de identificação. Cada foto de identificação pode ser manual ou automaticamente cortada para extrair uma sub imagem normalizada chamada de rosto canônico. Segundo [Bolle e Pankanti 1998], técnicas de reconhecimento facial para imagens canônicas foram desenvolvidas com sucesso por muitos sistemas de reconhecimento de face.

• Detecção de Rostos: Existem algumas situações em que o rosto humano pode ser mal capturado. Por exemplo, grandes centros comerciais, praças, cenários criminais,

etc. Nestes casos, existem alguns elementos que podem prejudicar a detecção de rostos. Observando a Figura 3, tem-se um exemplo de tarefa de detecção de rosto, a qual é possível determinar a posição e o tamanho (altura e largura) de um rosto. Essa moldura para uma face particular é marcada na imagem. No entanto, isso nem sempre é possível, porque, neste caso, tratam-se de ambientes não controlados. Para isso, existem outras formas de detecção com base em outras posições e orientações da imagem.

Figura 3: Uma imagem que contém uma série de rostos.

[Bolle e Pankanti 1998].

Contudo, o sistema de reconhecimento facial, em geral é relativamente difícil e tipicamente restringido em muitos aspectos, incluindo o ambiente em que o sistema de reconhecimento vai ser utilizado (local fixo, iluminação de fundo uniforme, rostos individuais, etc)[Bolle e Pankanti 1998].

• Identificar Faces: Esta etapa relaciona os métodos de identificação que são utilizados no reconhecimento de faces. Quem e quantas pessoas podem ser identificadas em uma foto? Esta questão é um fator determinante nestes sistemas. As faces conhecidas e as suas características são armazenadas em uma base de dados. Desta forma, o objetivo é igualar o rosto na foto com o rosto conhecido no banco de dados. Nesta etapa, é necessário comparar todos os pontos detectados em uma face de uma imagem com o ponto (característica) das faces armazenados.

Estas etapas são importantes para qualquer sistema de reconhecimento facial. Outros fatores sobre o reconhecimento de face, assim como outros detalhes sobre o processo de autenticação e reconhecimento para esta modalidade biométrica podem ser encontrados em [Bolle e Pankanti 1998] e [Wu e Huang 1990].

2.1.1.2 Reconhecimento da Íris

Uma outra característica muito utilizada em sistemas biométricos, é a íris. A íris é na verdade a área colorida que circunda a pupila. Esta característica detém um alto grau de liberdade1

, que são encontrados no complexo de textura da íris. A íris tem 266 independentes graus de liberdade de variação textual no individuo, como pode ser visto na Figura 4. ([Bolle e Pankanti 1998]).

Figura 4: Um caráter distintivo da íris humana. Os dois painéis mostram imagens da íris esquerda de dois indivíduos. Mesmo à inspeção casual, os padrões fotografada nas duas íris são muito diferentes

[Ganorkar e Ghatol 2007].

É possível destacar algumas propriedades relacionadas com a íris. Por exemplo, a íris é composta de tecido conjuntivo elástico, a malha trabecular, cujo morfogênese pré-natal é concluída durante o 8o

mês de gravidez. Trata-se de ligamentos pertinente que aderem a uma malha emaranhada revelando estrias, processos ciliares, criptas, anéis, sulcos, uma corona, às vezes sardas, vascularização e outras características. Maiores detalhes podem ser encontrados em [Ganorkar e Ghatol 2007], [Daugman 2002] e em [Masek 2003]. Estes trabalhos oferecem informações detalhadas sobre a íris, suas características, seus modos de representação e modelos de identificação.

1

2.1.1.3 Reconhecimento de Impressões Digitais

Reconhecimento de impressões digitais é uma das muitas formas biométricas utilizadas para identificar indivíduos e verificar a identidade do mesmo. A autenticação do sistema geralmente usa alguns elementos de identificação. Em primeiro lugar, o arco, onde os sulcos entram a partir de um lado do dedo, subir no centro formando um arco e, em seguida, sai do outro lado do dedo. Em segundo lugar, o circuito significa que os cumes entram a partir de um lado de um dedo, formam uma curva, e depois saem do mesmo lado. Finalmente, a característica de espiral é, quando as saliências são formadas circularmente em torno de um ponto central no dedo (Ver Figura 5). Existem alguns trabalhos que utilizam outras técnicas de reconhecimento de impressões digitais na literatura, por exemplo, em [Henry 2004], [Huang, Liu e Hung 2007], [Bolle e Pankanti 1998], [Fan et al. 2012] e em [Rao 1978], que abordam novos métodos para reconhecimento de impressões digitais.

Figura 5: (a) O arco longitudinal, (b) O padrão de loop e (c) o padrão espiral.

[Henry 2004].

Todas as técnicas anteriormente citadas neste trabalho utilizam diferentes modelos de representação destas características da impressão digital. Por exemplo, em [Bringer e Desiegel 2010] várias tentativas foram feitas para a obtenção de representação semelhante e comparação com outras modalidades, como por rostos e impressões digitais. No entanto, todas as técnicas de reconhecimento de impressão digital utilizam métodos geométricos e seu objetivo é encontrar a melhor tradução e rotação que melhor sobrepor dois conjuntos de pontos orientados.

2.1.1.4 Reconhecimento de Assinaturas

Uma outra técnica biométrica, denominada reconhecimento de assinatura, também utilizada neste trabalho, de acordo com [Faundez-Zanuy 2007], pode ser divida em duas categorias:

• Estática: Neste modo, os usuários escrevem suas respectivas assinaturas no papel, e digitalizam as mesmas através de um scanner óptico ou através de uma câmera. O sistema biométrico reconhece a assinatura, analisando a sua forma. Este grupo também é conhecido como “Off-line”.

• Dinâmica: Neste modo, os utilizadores escrever sua assinatura num comprimido de varrimento, tal como o dispositivo mostrado na Figura 6, que recolhe a assinatura em tempo real. Reconhecimento dinâmico também é conhecido como “On-line”.

Figura 6: Mesa digitalizadora CADIX.

[Faundez-Zanuy 2007].

Algumas características da assinatura podem ser utilizadas para a identificação do utilizador. Por exemplo, existem alguns elementos utilizados para representar a assinatura de um usuário. Pode-se citar, que, na fase de coleta de assinaturas, cada usuário pode ser identificado por um número e os arquivos TIFF (Tagged Image File Format) podem ser gerados, por exemplo, com uma resolução de 100 pixels por polegada. Cada informação referente aos dados capturados são geralmente obtidos através da utilização uma mesa digitalizadora. Por exemplo, uma mesa A4 com porte de 304,8 x 304,8 milímetros de gráficos convencional e com uma resolução de 500 linhas por polegada (19,56 mm) (Como visto na Figura 6).

As características que podem ser extraídas de cada assinatura são geralmente: • Tempo de execução: O tempo de execução (em segundos) para desenhar a assinatura; • Levantamento da Caneta: Esta é uma medida do número de vezes que a caneta foi

removida mesa durante o tempo de execução, não inclui a elevação da caneta no fim da assinatura;

• Largura da Assinatura: A largura da imagem em milímetros;

• Altura da Assinatura: A altura da imagem em milímetros é calculada conforme acima, mas usando as coordenadas Y máxima e mínima;

• Altura em relação à Largura: Esta característica é a divisão da altura da assinatura pela largura de assinatura que permite que as proporções de tamanho da assinatura para o monitoramento independa do tamanho total;

• Velocidade Média horizontal da Caneta: velocidade da caneta no plano X em toda a superfície do comprimento, calculada tomando a primeira derivada da coordenada contra o tempo de deslocamento x;

• Velocidade Média vertical da Caneta: É calculado como acima, mas utilizando coordenadas do eixo y.

• Ponto Médio Vertical do Cruzamento da Caneta: Este recurso calcula o número de vezes que a caneta passa pelo centro vertical médio da assinatura;

• Momentos Invariantes: Momentos invariantes pode ser usado para fornecer informações sobre a forma da imagem;

Em outros trabalhos, como por exemplo em [Wu e Li 2009], [Ismail e Gad 2000], [Radmehr et al. 2011], [Houmani et al. 2012], [Faundez-Zanuy 2007] e em [Vivaracho-Pascual, Faundez-Zanuy e Pascual 2009], encontram-se outras técnicas de reconhecimento de assinaturas. No entanto, a base utilizada nesta tese trata-se de uma amostra da base on-line MCYT Bimodal Biometric Database para 100 usuários.

2.2

Sistemas Criptográficos

Esta seção descreve as características de um sistema criptográfico clássico, Papílio que é semelhante a maioria dos sistemas criptográficos na literatura. Trata-se de uma cifra simétrica e que tem um alto grau de complexidade, credenciando-o para os testes realizados nesta tese.

Com o tempo, o homem sentiu a necessidade de ter cuidado, a fim de assegurar o sigilo sobre suas informações. Desta forma, foi necessário o desenvolvimento de

métodos e técnicas para proteger suas informações de outras pessoas. Neste caso, a criptografia garante que a informação é conhecida apenas pelas pessoas autorizadas. Existem muitos Sistemas Criptográficos simétricos na literatura, por exemplo, 3DES [Stallings 1998], Advanced Encryption Standard (AES) [Daemen e Rijmen 2002], FEAL-NX [Nakahara 2006], BlowFish [Oliveira 2003], RC4 (KSA) [Maitra e Paul 2008] etc.

Estes sistemas criptográficos são muito fortes e complexos. Por isso, é interessante utilizar estes algoritmos em conjuntos de dados biométricos. Neste trabalho, o Papílio foi utilizado, pelo mesmo apresentar características confiáveis de complexidade e de resistência a ataques de força bruta conforme os resultados apresentados na aplicação da criptoanálise diferencial em [Filho 2010]. Isto se deve à utilização de tamanhos de chave e números ciclos (rounds) variantes, ou seja, para cada execução do algoritmo Papílio, existe uma importante e significativa alteração na quantidade de ciclos que serão executados de acordo com a estrutura Feistel (ver subseção 2.2.4. Outra justificativa é que o Papílio foi desenvolvido pelo Grupo de Lógica, Linguagem, Informação Teoria Aplicação (Lolita), através de [Ramos 2002] e existe uma necessidade de investigar e propor meios de sua utilização. Desse modo, pode-se testar seu potencial sobre conjunto de dados biométricos.