Dissertação
{en_GB=Towards Continuous User Authentication by exploring Physiological Multimodality: ECG and BVP} {} EVALUATED
{pt=Multibiometria e o desenvolvimento de sistemas pervasivos para reconhecimento contínuo de identidade tornaram-se tópicos importantes de investigação. Esta tese foca-se no estudo de biometria comportamental aplicada a um ambiente comum e específico: interacção com um computador. Dois sinais fisiológicos, Electrocardiograma (ECG) e Pulso de Volume Sanguíneo (BVP), foram adquiridos numa abordagem semi “off-the-person”. Várias técnicas de processamento de sinal e de classificação foram desenvolvidas, incluindo um método para segmentação dos sinais baseado no ritmo cardíaco, algoritmos para remoção de outliers e um classificador de fusão probabilístico. O Erro de Identificação (EID) e a Taxa de Erro Igual (EER) foram usados para avaliar a performance dos testes de identificação e autenticação, respectivamente. Os valores de amplitude das ondas foram extraídos como features e os classificadores k-Nearest Neighbors e bayesiano de fusão ao nível da classificação foram usados para realizar testes de identificação e autenticação. Os resultados indicam que o BVP degrada a performance da abordagem multimodal, mas o uso combinado de diferentes janelas no ECG pode levar a um aumento da performance. EID de 2% e 8% foram obtidos para o ECG nos testes dentro e entre sessões, respectivamente. Relativamente ao EER, os valores foram de 4% e 13%, respectivamente. O uso do ECG e do BVP neste contexto é limitado. Embora melhoramentos em termos de integração de sensores e técnicas de processamento de sinal tenham de ser realizados, este trabalho estabelece as fundações para explorar biometria contínua baseada em ECG e multimodalidade num setup de interacção com um computador., en=Multibiometrics and the development of pervasive systems for performing continuous identity recognition have become a major topic of research. The work conducted in this thesis addresses the broad issue of behavioral biometrics applied to a specific and common environment: interaction with a computer setup. Two physiological signals, the Electrocardiogram (ECG) and the Blood Volume Pulse (BVP), were collected in a semi off-the-person approach. Several signal processing and classification techniques were applied and developed, which include a method for the segmentation of the signals based on the heart rate, algorithms for outlier removal and a probabilistic fusion classifier. The Error of Identification (EID) and Equal Error Rate (EER) were used as performance metrics for the identification and authentication tests, respectively. Amplitude waveform values were extracted as features and k-Nearest Neighbors and Naive-Bayes decision level fusion classifiers were used to perform identification and authentication tests. The results show that the BVP signal degrades the performance of the multimodal approach, but the combined use of windows of different lengths for the ECG modality can yield an increase in the performance. EID of approximately 2% and 8% were achieved for the ECG in within and across-session tests, respectively. As for the EER, the values were approximately 4% and 13%, respectively. The use of the ECG and BVP in the given context is limited. Although further improvements regarding sensor integration and signal processing techniques must be conducted, this work lays the foundations for exploring continuous ECG and multimodality based biometrics in a computer interaction setup.}
maio 17, 2018, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
