Etape 2 : utilisation de templates

Nesta tese foram desenvolvidos dois métodos de proteção de templates baseados no Fuzzy Vault e Fuzzy Commitment. O primeiro rotulado com FVP (Fuzzy Vault Papílio), foi modificado para utilizar o Papílio M para proteger a chave de ligação de um usuário, assim como para gerar o polinômio utilizado no processo do Fuzzy Vault Original. Desta forma, a chave de ligação é preservada no ambiente de inscrição de forma protegida, ou seja, em caso de descoberta o polinômio gerador por métodos de força bruta, a chave de ligação permanecerá desconhecida pelo atacante. No que diz respeito ao segundo método de proteção de templates, utilizado nesta tese, denominado Fuzzy Commitment, o modelo proposto (Fuzzy Commitment Papílio) utiliza o algoritmo Papílio em dois momentos. Primeiramente o Papílio protege a chave de ligação do usuário (inserido no ambiente de inscrição). Posteriormente, na inscrição e no ambiente de autenticação, o algoritmo Papílio é utilizado, no lugar de uma função hash, para decodificar o valor de retorno do código detector e corretor de erros (Reed-Solomon) em função do valor biométrico de entrada no processo de autenticação. Esta alteração minimiza o risco do mapeamento de entrada e saída de valores de uma função hash.

Além de aumentar o nível de segurança nos modelos propostos, outra busca inerente a esta tese, é garantir uma performance de autenticação sobre os dados biométricos semelhante aos dos modelos originais. Desta forma, para uma possível comparação e validação dos modelos propostos frente aos modelos originais, foi necessário a implementação, e o desenvolvimento de experimentos voltados para a aplicação dos modelos de proteção de templates biométricos assim como a realização de testes estatísticos para verificar a significância da melhoria proposta. Ainda dentro do escopo dos experimentos, foram inseridas técnicas, comprovadamente eficientes do ponto de vista de proteção e performance, denominadas funções de transformações, que foram aplicadas sobre as bases biométricas e estas bases foram submetidas aos modelos originais e modificados de proteção (Fuzzy Commitment, Fuzzy Vault Originais e Modificados) a fim de analisar suas consequências diretas. Outro fator determinante na investigação de

técnicas de proteção de dados biométricos, foi a utilização da abordagem multibiométrica, utilizada para aumentar a confiabilidade de um sistema de autenticação biométrica por utilizar em paralelo duas ou mais modalidades biométricas. Por fim, utilizou-se os modelos desenvolvidos sobre as bases biométricas criptografadas utilizadas na seção de trabalhos preliminares. Esta aplicação teve intuito de verificar se estas bases apresentariam resultados semelhantes aos encontrados com o uso de comitês de classificadores.

No total, foram realizados 62 experimentos com o intuito de comprovar a viabilidade dos métodos propostos, principalmente a viabilidade de uso de cifras criptográficas no escopo de dados biométricos. Os resultados obtidos sobre as bases de dados biométricos, mostraram que foi possível incrementar uma camada extra de segurança nos modelos Fuzzy, e ainda manter um desempenho satisfatório, ao mesmo nível dos modelos originais. No mesmo sentido, a inserção do Papílio solucionou o problema da proteção da chave de ligação existente no Fuzzy Vault assim como corrigiu o problema na utilização de funções hashes existente no Fuzzy Commitment.

Portanto, o desenvolvimento destes dois modelos modificados permite aos usuários de sistemas de autenticação, utilizar de forma ainda mais segura os dados biométricos.

7.1

Trabalhos Futuros

Diante dos trabalhos realizados nesta tese, ainda observa-se que a pesquisa relacionada a proteção de dados biométricos demonstra-se amplamente promissora, visto que a cada dia, a utilização de dados biométricos vem ganhando espaço nos mais diversos sistemas, como por exemplo, acesso a transações bancárias, ponto eletrônico, e mais recentemente no processo eleitoral brasileiro.

Como trabalhos futuros observa-se ainda a necessidade de utilizar outros algoritmos criptográficos e propor variações de acordo com o tipo de característica biométrica, desta forma, é possível alcançar níveis de precisão ainda mais altos.

Outro norte nesta pesquisa, trata da proteção dos dados biométricos em sistemas não vinculados a chave de ligação. Nestes sistemas, a proteção deve ser ainda mais relevante, visto que a identificação de um usuário não exige um outro elemento para validar o acesso de um usuário. Neste caso, pode-se sugerir a utilização de certificados validados através de algoritmos assimétricos vinculados a característica biométrica do individuo.

cifras utilizadas, dados biométricos alternativos, etc, mostram que ainda existe um longo percurso para encontrar um modelo ideal, que seja seguro e eficiente independente do tipo de modalidade biométrica utilizada.

Referências

[Anderson 2008]ANDERSON, R. J. Security Engineering: A Guide to Building Dependable Distributed Systems. 2nd ed., New York, NY, USA: Willey, 2008.

[Ang, Safavi-Naini e McAven 2005]ANG, R.; SAFAVI-NAINI, R.; MCAVEN, L. Cancelable key-based fingerprint templates. In: Proceedings of the 10th Australasian conference on Information Security and Privacy. Berlin, Heidelberg: Springer-Verlag, (ACISP’05), p. 242–252, 2005

[Ayres et al. 2005]AYRES, M. et al. Bioestat: aplicações estatísticas nas áreas das ciências bio-médicas. 5th ed., Belém - Pará - Brasil: Sociedade Civil Mamirauá : MCT : IOEPA, 2005.

[Blanco et al. 2005]BLANCO, R. et al. Feature selection in bayesian classifiers for the prognosis of survival of cirrhotic patients treated with tips. J. of Biomedical Informatics, v. 38, n. 5, p. 376–388, 2005.

[Bolle, Connell e Ratha 2002]BOLLE, R.; CONNELL, J.; RATHA, N. Biometric perils and patches. Pattern Recognition, v. 35,n. 12, p. 2727–2738, 2002.

[Bolle e Pankanti 1998]BOLLE, R.; PANKANTI, S. Biometrics, Personal Identification in Networked Society: Personal Identification in Networked Society. Norwell, MA, USA: Kluwer Academic Publishers, 1998.

[Breiman 1996]BREIMAN, L. Bagging predictors. Mach. Learn., v. 24, n. 2, p.123–140, 1996.

[Bringer e Desiegel 2010]BRINGER, J.; DESIEGEL, V. Binary feature vector fingerprint representation from minutiae vicinities. Theory, Applications, and Systems, 2010. BTAS’10 -IEEE 4th International Conference, p.1–6, 2010.

[Canuto et al. 2011]CANUTO, A. M. P. et al. Classifier ensembles and optimization techniques to improve the performance of cancellable fingerprint. Int. J. Hybrid Intell. Syst., v. 8, n. 3, p. 143–154, 2011.

[Canuto, Pintro e Xavier-Junior 2013]CANUTO, A. M. P.; PINTRO, F.; XAVIER-JUNIOR, J. A. C. Investigating fusion approaches in multi-biometric cancellable recognition. Expert Syst. Appl., v. 40, n. 6, p. 1971–1980, 2013.

[Cavoukian e Stoianov 2007]CAVOUKIAN, A.; STOIANOV, A. Biometric encryption: A positive-sum technology that achieves strong authentication, security and privacy. 1st ed., Toronto - Canada. Tech rep, Information and Privacy Commissioner, 2007.

[Cavoukian e Stoianov 2009]CAVOUKIAN, A.; STOIANOV, A. Encryption biometric. Encyclopedia of Biometrics , edited by Stan Z. Li and Anil K. Jain , 260-269. : Springer US, 2009.

[Chao, Yi-xian e Xin-xin 2006]CHAO, L.; YI-XIAN, Y.; XIN-XIN, N. Biometric-based personal identity-authentication system and security analysis. The Journal of China Universities of post and telecommunications, v. 13, p. 43–47, 2006.

[Chikkerur et al. 2008]CHIKKERUR, S. et al. Generating registration-free cancelable fingerprint templates. 2008. Biometrics: Theory, Applications and Systems, 2008. BTAS 2008. 2nd IEEE International Conference, p. 1–6, 2008.

[Daemen e Rijmen 2002]DAEMEN, J.; RIJMEN, V. The Design of Rijndael: AES - The Advanced Encryption Standard. Berlin, Heidelberg, New York: Springer Verlag, 2002. [Daugman 2002]DAUGMAN, J. How iris recognition works. IEEE Transactions on

Circuits and Systems for Video Technology, v. 14, p. 21–30, 2002.

[Davida, Frankel e Matt 1998]DAVIDA, G. I.; FRANKEL, Y.; MATT, B. J. On enabling secure applications through off-line biometric identification. Security and Privacy, 1998. Proceedings. 1998 IEEE Symposium IEEE Computer Society, p. 148–157, 1998.

[Delvaux et al. 2008]DELVAUX, N. et al. Pseudo identities based on fingerprint characteristics. In: Proceedings of the 2008 International Conference on Intelligent Information Hiding and Multimedia Signal Processing. Washington, DC, USA: IEEE Computer Society, (IIH-MSP ’08), p. 1063–1068, 2008.

[Eastlake e Hansen 2006]EASTLAKE, D.; HANSEN, T. SHA-2 and SHA3. : IETF, 2006. RFC 4634 (Informational). (Request for Comments, 4634).

[Eastlake e Jones 2001]EASTLAKE, D. E.; JONES, L. P. US secure hash algorithm 1 (SHA-1): RFC Editor - ITEF, RFC 4634, 2001.

[Faceli et al. 2011]FACELI, K. et al. Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. Santos-SP: LTC, 2011.

[Fan et al. 2012]FAN, D. et al. A novel probabilistic model based fingerprint recognition algorithm.2012 International Workshop on Information and Electronics Engineering (IWIEE),v. 29,p. 201–206, 2012.

[Faundez-Zanuy 2007]FAUNDEZ-ZANUY, M. On-line signature recognition based on VQ-DTW. Pattern Recognition, v. 40, n. 3, p. 981–992, 2007.

[Filho 2007]FILHO, F. F. C. Algoritmos Numéricos. Belo Horizonte -Minas Gerais -Brazil: LTC Editora, 2007.

[Filho, Bedregal e Canuto 2012]FILHO, I. de L. O.; BEDREGAL, B.; CANUTO, A. An investigation of ensemble systems applied to encrypted and cancellable biometric data. In: VILLA, A. et al. (Ed.). Artificial Neural Networks and Machine Learning ICANN 2012. : Springer Berlin Heidelberg, (Lecture Notes in Computer Science, v. 7553). p. 180–188, 2012.

[Filho 2010]FILHO, I. L. O. Criptoanálise Diferencial do Papílio. Dissertação (Mestrado) — Universidade Federal do Rio Grande do Norte, Natal, 2010.

[Filho, Bedregal e Canuto 2013]FILHO, I. L. O.; BEDREGAL, B. R. C.; CANUTO, A. M. A comparative analysis of cryptographic algorithms and transformation functions for biometric data. In: 12th International Conference on Machine Learning and Applications, ICMLA 2013, v. 2, p. 255–260, 2013.

[Freund e Schapire 1996]FREUND, Y.; SCHAPIRE, R. E. Experiments with a new boosting algorithm. In Machine Learning: Proceedings of the Thirteenth International Conferenc, p. 148–156, 1996.

[Friedman, Geiger e Goldszmidt 1997]FRIEDMAN, N.; GEIGER, D.; GOLDSZMIDT, M. Bayesian network classifiers. Mach. Learn.,v. 29, n. 2-3, p. 131–163, 1997.

[Fu et al. 2009]FU, B. et al. Multibiometric cryptosystem: model structure and performance analysis. IEEE Transactions on Information Forensics and Security, v. 4, n. 4, p. 867–882, 2009.

[Ganorkar e Ghatol 2007]GANORKAR, S. R.; GHATOL, A. A. Iris recognition: an emerging biometric technology. In: Proceedings of the 6th WSEAS International Conference on Signal Processing, Robotics and Automation. Stevens Point, Wisconsin, USA: World Scientific and Engineering Academy and Society (WSEAS), (ISPRA’07), p. 91–96, 2007.

[Garofolo et al. 1993]GAROFOLO, J. S. et al. DARPA TIMIT Acoustic Phonetic Continuous Speech Corpus LDC93S1. Web Download. Philadelphia: Linguistic Data Consortium, 1993.

[Goh e Ngo 2003]GOH, A.; NGO, D. Computation of cryptographic keys from face biometrics. Communications and Multimedia Security, v. 2828, p. 1–13, 2003.

[Henry 2004]HENRY, E. R. Classification and uses of finger prints. 1st ed., London, George Routledge and Sons, 2004.

[Houmani et al. 2012]HOUMANI, N. et al. Biosecure signature evaluation campaign (bsec’2009): Evaluating online signature algorithms depending on the quality of signatures. Pattern Recognition 45. v. 45, n. 3, p.993–1003, 2012.

[Huang, Liu e Hung 2007]HUANG, C.-Y.; LIU, L..; HUNG, D. D. Fingerprint analysis and singular point detection.Pattern Recogn. Lett.v. 28, n. 15, p. 1937–1945, 2007. [Huffman e Pless 2003]HUFFMAN, W. C.; PLESS, V. Fundamentals of Error-Correcting

Codes. New York,NY, USA: Cambridge, 2003.

[Iancu e Constantinescu 2013]IANCU, I.; CONSTANTINESCU, N. Intuitionistic fuzzy system for fingerprints authentication. Applied Soft Computing, v. 13, n. 4, p. 2136 – 2142, 2013.

[Ismail e Gad 2000]ISMAIL, M.; GAD, S. Off-line arabic signature recognition and verification. Pattern Recognition 33, v. 33, n. 10, p. 1727-1740, 2000.

[Jain et al. 1997]JAIN, A. et al. An identity-authentication system using fingerprints. Proceedings of the IEEE, v. 85, n. 9, p. 1365 –1388, 1997.

[Jain, Nandakumar e Nagar 2008]JAIN, A. K.; NANDAKUMAR, K.; NAGAR, A. Biometric template security. IEURASIP J. Adv. Signal Process. v. 2008, n. 113, p. 1131–113:17, 2008

[Jain e Ross 2004]JAIN, A. K.; ROSS, A. Multibiometric systems. Commun. ACM, v. 47, n. 1, p. 34–40, 2004.

[Jiang et al. 2011]JIANG, D. et al. Survey of multispectral image fusion techniques in remote sensing applications. Image Fusion and Its Applications, Intech., v. 1, p. 1–22, 2011.

[Jin, Ling e Goh 2004]JIN, A. T. B.; LING, D. N. C.; GOH, A. Biohashing: two factor authentication featuring fingerprint data and tokenised random number. Pattern Recognition, v. 37, n. 11, p. 2245–2255, 2004.

[Juels e Sudan 2002]JUELS, A.; SUDAN, M. A fuzzy vault scheme. Proc. IEEE International Symposium on Information Theory, p. 408, 2002.

[Juels e Sudan 2002]JUELS, A.; SUDAN, M. A fuzzy vault scheme. In: Information Theory, 2002. Proceedings. 2002 IEEE International Symposium on, p. 408, 2002. [Juels e Wattenberg 1999]JUELS, A.; WATTENBERG, M. A fuzzy commitment scheme.

In: Proceedings of the 6th ACM conference on Computer and communications security. New York, NY, USA: ACM, (CCS ’99), p. 28–36, 1999.

[Juels e Wattenberg 2008]JUELS, A.; WATTENBERG, M. A fuzzy commitment scheme. Proc. Sixth ACM Conference on Computer and Communications Security, Lausanne, Switzerland, p. 1–17, 2008.

[Kazi et al. 2012]KAZI, M. et al. Multimodal biometric system using face and signature: A score level fusion approach. Advances in Computational Research, v. 4, p. 99–103, 2012.

[Khalil-Hani, Marsono e Bakhteri 2013]KHALIL-HANI, M.; MARSONO, M. N.; BAKHTERI, R. Biometric encryption based on a fuzzy vault scheme with a fast chaff generation algorithm. Future Gener. Comput. Syst., v. 29, n. 3, p. 800–810, 2013. [Kong et al. 2006]KONG, A. et al. An analysis of biohashing and its variants. Pattern

Recognition, v. 39, n. 7, p. 1359–1368, 2006.

[Lee e Kim 2010]LEE, C.; KIM, J. Cancelable fingerprint templates using minutiae-based bit-strings. Journal of Network and Computer Applications, v. 33, n. 3, p. 236 – 246, 2010.

[Liaw 1995]LIAW, H.-T. Password authentications using triangles and straight lines. Computers and Mathematics with Applications, v. 30, n. 9, p. 63 – 71, 1995.

[Linnartz e Tuyls 2003]LINNARTZ, J.-P.; TUYLS, P. New shielding functions to enhance privacy and prevent misuse of biometric templates. In: Proceedings of the 4th international conference on Audio- and video-based biometric person authentication. Berlin, Heidelberg: Springer-Verlag, (AVBPA’03), p. 393–402, 2003.

[Maitra e Paul 2008]MAITRA, S.; PAUL, G. Analysis of RC4 and proposal of additional layers for better security margin. In: Proceedings of the 9th International Conference on Cryptology in India: Progress in Cryptology. Berlin, Heidelberg: Springer-Verlag, 2008. (INDOCRYPT ’08), p. 27–39. ISBN 978-3-540-89753-8.

[Masek 2003]MASEK, L. Recognition of Human Iris Patterns for Biometric Identification, Master Thesis, University of Western Australia, Crawley, 2003.

[Monrose, Reiter e Wetzel 1999]MONROSE, F.; REITER, M. K.; WETZEL, S. Password hardening based on keystroke dynamics. In: Proceedings of the 6th ACM conference on Computer and communications security. New York, NY, USA: ACM. (CCS ’99), p. 73–82, 1999.

[Nagar, Nandakumar e Jain 2010]NAGAR, A.; NANDAKUMAR, K.; JAIN, A. K. A hybrid biometric cryptosystem for securing fingerprint minutiae templates. Pattern Recogn. Lett., v. 31, p. 733–741, 2010.

[Nagar, Nandakumar e Jain 2012]NAGAR, A.; NANDAKUMAR, K.; JAIN, A. K. Multibiometric cryptosystems based on feature-level fusion. IEEE Transactions on Information Forensics and Security, v. 7, n. 1, p. 255–268, 2012.

[Nakahara 2006]NAKAHARA, J. Cirptoanalise Diferencial-Linear aplicada às Cifras FEAL-N e FEAL-NX. Dissertação (Mestrado) — Universidade de Sao Paulo-USP, Sao Paulo, 2006.

[Nandakumar 2008]NANDAKUMAR, K. Multibiometric Systems: Fusion Strategies and Template Security, PHD Thesis, Michigan State University,East Lansing, 2008.

[Nilsson 2005]NILSSON, N. J. Introduction to Machine Learning. Technical report. Department of Computer Science Stanford University, Stanford, CA, 2005.

[Oliveira 2003]OLIVEIRA, R. C. Criptoanálise Diferencial. Dissertação (Mestrado) — Universidade Federal de Pernambuco, Recife, 2003.

[Pazzani 1997]PAZZANI, Searching for dependencies in Bayesian classifiers. Learning from Data: Artificial Intelligence and Statistics V, pp. 239–248.1997.

[Pintro 2013]PINTRO, F. Comitês de Classificadores para o Reconhecimento Multibiométrico em Dados Biométricos Revogáveis. Tese (Doutorado) — Departamento de Informárica e Matemática Aplicada, Natal, Universidade Federal do Rio Grande do Norte, 2013.

[Plank 1996]PLANK, J. S. A Tutorial on Reed-Solomon Coding for Fault-Tolerance in RAID-like Systems. Softw. Pract. Exper., v 27, n. 9, p.995–1012, 1996.

[Quan et al. 2008]QUAN, F. et al. Cracking cancelable fingerprint template of ratha. In: Proceedings of the 2008 International Symposium on Computer Science and Computational Technology - Volume 02. Washington, DC, USA: IEEE Computer Society,(ISCSCT ’08), p. 572–575, 2008.

[Quinlan 1996]QUINLAN, J. R. Bagging, Boosting, and C4.5. In Proceedings of the Thirteenth National Conference on Artificial Intelligence : AAAI Press, p. 725–730, 1996.

[Radmehr et al. 2011]RADMEHR, M. et al. Designing an offline method for signature recognition. World Applied Sciences 13, v. 13, p. 438–443, 2011.

[Ramos-Jiménez, Campo-Ávila e Morales-Bueno 2009]RAMOS-JIMÉNEZ, G.; CAMPO-ÁVILA, J. del; MORALES-BUENO, R. Hybridizing ensemble classifiers with individual classifiers. In: Proceedings of the 2009 Ninth International Conference on Intelligent Systems Design and Applications.: IEEE Computer Society, (ISDA ’09), p.199–202, 2009.

[Ramos 2002]RAMOS, K. D. N. Papilio: Proposta de um Algoritmo de Criptografia Baseado no Algoritmo de Viterbi e Codificação Convolucional. Dissertação (Mestrado) — Universidade Federal do Rio Grande do Norte, Natal, 2002.

[Rao 1978]RAO, C. V. K. On fingerprint pattern recognition. Pattern Recognition, v. 10, n. 1, p.15–18, 1978.

[Ratha et al. 2007]RATHA, N. K. et al. Generating cancelable fingerprint templates. IEEE Trans. Pattern Anal. Mach. Intell., v. 29, n. 4, p. 561–572, 2007.

[Ratha, Connell e Bolle 2001]RATHA, N. K.; CONNELL, J. H.; BOLLE, R. M. Enhancing security and privacy in biometrics-based authentication systems. IBM Syst. J., v. 40, n. 3, p. 614–634, 2001.

[Rathgeb e Uhl 2011]RATHGEB, C.; UHL, A. A survey on biometric cryptosystems and cancelable biometrics. EURASIP J. Information Security, v. 2011, p. 1–25, 2011. [Reed e Solomon 1960]REED, I.; SOLOMON, G. Polynomial codes over certain finite

fields. SIAM Journal of Applied Math, v. 8, p. 300–304, 1960.

[Rivest 1992]RIVEST, R. The MD5 message-digest algorithm. RFC Editor, United States, 1992.

[Rivest, Shamir e Adleman 1978]RIVEST, R.; SHAMIR, A.; ADLEMAN, L. A method for obtaining digital signatures and public-key cryptosystems. Commun. ACM,v. 21, p. 120–126, 1978.

[Russell e Norvig 2009]RUSSELL, S. J.; NORVIG, P. Artificial Intelligence: A Modern Approach. 3rd ed., São Paulo, Prentice Hall, 2009.

[Ryan e Nudd 1993]RYAN, M.; NUDD, G. R. The Viterbi algorithm. Department of Computer. Science, University of Warwick, Coventry, CV4 7AL, 1993.

[Sahami 1996]SAHAMI, M. Learning limited dependence bayesian classifiers. In KDD-96: Proceedings of the Second International Conference on Knowledge Discovery and Data Mining : AAAI Press, p. 335–338, 1996.

[Samal e Iyengar 1992]SAMAL, A.; IYENGAR, P. A. Automatic recognition and analysis of human faces and facial expressions: a survey. Pattern Recognition, v. 25, n. 1, p. 65–77, 1992.

[Stallings 1998]STALLINGS, W. Cryptography and Network Security Principles and Practices. 4rd ed., São Paulo, Prentice Hall, 1998.

[Stallings 2006]STALLINGS, W. The whirlpool secure hash function. Cryptologia, v. 30, n. 1, p. 55–67, 2006.

[Teoh, Kuan e Lee 2008]TEOH, A. B. J.; KUAN, Y. W.; LEE, S. Cancellable biometrics and annotations on biohash. Pattern Recognition, v. 41, n. 6, p. 2034–2044, 2008. [Uludag, Pankanti e Jain 2005]ULUDAG, U.; PANKANTI, S.; JAIN, A. K. Fuzzy

vault for fingerprints. In: Proceedings of the 5th international conference on Audio- and Video-Based Biometric Person Authentication. Berlin, Heidelberg: Springer-Verlag,(AVBPA’05), p. 310–319, 2005.

[Uludag et al. 2004]ULUDAG, U. et al. Biometric cryptosystems: issues and challenges. Proceedings of the IEEE, v. 92, n. 6, p. 948 – 960, 2004.

[Vivaracho-Pascual, Faundez-Zanuy e Pascual 2009]VIVARACHO-PASCUAL, C.; FAUNDEZ-ZANUY, M.; PASCUAL, J. M. An efficient low cost approach for on-line signature recognition based on length normalization and fractional distances. Pattern Recognition, v. 42, n. 1, p. 183–193, 2009.

[Wang et al. 2012]WANG, G. et al. Two credit scoring models based on dual strategy ensemble trees. Knowledge-Based Systems, v. 26, p. 61–68, 2012.

[Wang, Guo e Ma 2012]WANG, X.; GUO, F.; MA, J. Feng. User authentication via keystroke dynamics based on difference subspace and slope correlation degree. Digital Signal Processing, v. 22, n. 5, p. 707 – 712, 2012.

[Wang, Yu e Chan 2011]WANG, Y.-R.; YU, C.-Y.; CHAN, H.-H. Predicting construction cost and schedule success using artificial neural networks ensemble and support vector machines classification models. International Journal of Project Management, v. 30, n. 4, p. 470–478, 2012.

[Wayman 2001]WAYMAN, J. L. Fundamentals of biometric authentication technologies. Int. J. Image Graphics,v. 1,n. 1,p.93–113, 2001.

[Wilcoxon 1945]WILCOXON, F. Individual comparisons by ranking methods. Biometrics Bulletin, v. 1, n. 6, p. 80–83, 1945.

[Wilson 2011]WILSON, C. Vein Pattern Recognition: A Privacy-Enhancing Biometric. 1st ed.,Boca Raton, FL, CRC Press, 2011.

[Wolpert 1992]WOLPERT, D. H. Stacked generalization. Neural Networks, v. 5, p. 241–259, 1992.

[Wu e Huang 1990]WU, C. J.; HUANG, J. S. Human face profile recognition by computer. Pattern Recogn., v. 23, n. 3-4, p. 255–259,1990.

[Wu e Li 2009]WU, S.; LI, Y. F. Flexible signature descriptions for adaptive motion trajectory representation, perception and recognition. Pattern Recognition: v. 42, n. 1, p. 194–214, 2009

[Zhou, Lai e Yu 2010]ZHOU, L.; LAI, K. K.; YU, L. Least squares support vector machines ensemble models for credit scoring. Expert Syst. Appl., v. 37, n. 1, p. 127–133, 2010.

[Zhou 2010]ZHOU, Z.-H. Ensemble Learning. National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210093, China, 2010.

Dans le document L'annihilation des positrons galactiques : analyse et interprétation des données INTEGRAL (Page 102-105)