Autenticação biométrica através da actividade cerebral

Abstract

Este documento estuda a possibilidade de usar sinais electroencefalográficos (EEG) como característica biométrica de um indivíduo para o processo de autenticação. As respostas cerebrais, que originaram os EEGs considerados neste estudo, foram gravadas durante a estimulação visual dos indivíduos, levando á ocorrência um tipo de actividade cerebral muito particular designada por Potencial Visual Evocado (VEP). No estudo apresentado, apenas os sinais EEG adquiridos por 8 eléctrodos, situados na zona occipital do cortex cerebral, foram considerados. Após a aquisição dos EEGs é iniciada uma sequência de processos que visam extrair um modelo matemático que permita identificar singularmente cada indivíduo. Depois de extraídas as características biométricas de cada indivíduo, estas são usadas para treinar e testar o classificador respectivo. Neste estudo será considerado um classificador por cada pessoa a autenticar. Para classificação da informação extraída dos EEGs, dois tipos de one class classifiers (OCC) são apresentados, o k-Nearest Neighbor Data Description (KNNDD) e o Support Vector Data Description (SVDD). Este tipo de classificação tem a particularidade de que, os classificadores só precisam de ser treinados com objectos da classe a reconhecer como verdadeira, a classe alvo. Os resultados obtidos, após testar cada classificador com os modelos matemáticos extraídos de cada indivíduo, mostraram que de facto existe informação, presente nas respostas EEG da zona occipital do cortex cerebral, que pode ser adoptada para conduzir a autenticação biométrica de pessoas com uma taxa de sucesso consideravelmente boa.

ABSTRACT: This document studies the suitability of brain activity signals, namely electroencephalogram signals (EEG), as raw material for conducting biometric authentication of individuals. Brain responses were extracted in particular scenarios, namely with visual stimulation leading to biological brain responses known as visual evoked potentials. In our study we evaluated a novel method, using only 8 occipital electrodes to measure and extract information about the subjects for further use as their biometric information. To classify the features obtained from each individual we used a one-class classifier per subject. These classifiers have the particularity that they are trained only with its target class features, which is the correct procedure to apply in a biometric authentication scenario. Two types of one class classifiers were tested, K-Nearest Neighbor Data Description (kNNDD) and Support Vector Data Description (SVDD). After testing the individual classifiers with all subjects extracted features, the results showed that in fact there is information about their brain responses to visual stimuli that can be used for conducting biometric authentications with high correctness.