Comitês de Classicadores para o Reconhecimento Multibiométrico em Dados Biométricos Revogáveis

Transcrição

1 UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXATAS E DA TERRA DEPARTAMENTO DE INFORMÁTICA E MATEMÁTICA APLICADA PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO Comitês de Classicadores para o Reconhecimento Multibiométrico em Dados Biométricos Revogáveis Fernando Pintro Natal - RN Maio de 2013

2 Fernando Pintro Comitês de Classicadores para o Reconhecimento Multibiométrico em Dados Biométricos Revogáveis Tese de doutorado submetida ao Programa de Pós-Graduação em Sistemas e Computação do Departamento de Informática e Matemática Aplicada da Universidade Federal do Rio Grande do Norte como parte dos requisitos para a obtenção do grau de Doutor em Ciência da Computação. Orientador: Profa. Dra. Anne Magály de Paula Canuto Natal - RN Maio de 2013

3

4 i Aos meus pais, Ilirio Pintro e Gentile Susin Pintro, pela dedicação, esforço e apoio incondicional.

5 ii Agradecimentos A Deus, por ter me concedido a conquista de mais uma importante etapa em minha vida. A minha família e aos meus amigos, pelo incentivo e incondicional apoio. A minha orientadora Prof. Dra. Anne Magály de Paula Canuto, pela dedicação e seriedade em seus ensinamentos ao longo de todo o período de desenvolvimento deste trabalho. Ao professor Mike Fairhurst, por co-orientar minha estadia na Inglaterra durante o desenvolvimento do Doutorado Sanduíche. Aos professores Bruno Motta de Carvalho e Selan Rodrigues dos Santos que me recebeberam na disciplina de Computação Gráca durante a realização do estágio de docência. A todos que de alguma forma contribuíram para a realização deste trabalho. Por m, agradeço a CAPES e o CNPq pelo apoio nanceiro.

6 iii Por mais longa que seja a caminhada o mais importante é dar o primeiro passo Vinícius de Moraes

7 iv Resumo O presente trabalho aborda a aplicação de técnicas de comitês de classicadores no desenvolvimento de sistemas de reconhecimento multimodais em biometrias revogáveis. Sistemas biométricos são o futuro das técnicas de identicação e controle de acesso de usuários, prova disso, são os aumentos constantes de tais sistemas na sociedade atual. Porém, ainda existem muitos avanços a serem desenvolvidos, principalmente no que se refere à acurácia, segurança e tempo de processamento de tais sistemas. Na busca por desenvolver técnicas mais ecientes, os sistemas multimodais e a utilização de biometrias revogáveis mostram-se promissores, podendo contornar muitos dos problemas envolvidos no reconhecimento biométrico tradicional. Um sistema multimodal é caracterizado por combinar diferentes técnicas de segurança biométrica e com isso, superar muitas limitações, como: falhas de extração ou processamento dos dados. Dentre as várias possibilidades de se desenvolver um sistema multimodal, a utilização de comitês de classicadores é um assunto bastante promissor, motivado pelo desempenho e exibilidade que os mesmos vêm demonstrando ao longo dos anos, em suas inúmeras aplicações. Dando ênfase em relação à segurança, um dos maiores problemas encontrados se deve as biometrias estarem relacionadas permanentemente com o usuário e o fato de não poderem ser alteradas caso comprometidas. No entanto, esse problema vem sendo solucionado por técnicas conhecidas como biometrias revogáveis, as quais consistem em aplicar uma transformação sobre os dados biométricos de forma a proteger as características originais, possibilitando seu cancelamento e substituição. Com o objetivo de contribuir com esse importante tema, esse trabalho compara o desempenho de métodos de classicações individuais, bem como conjunto de classicadores, no contexto dos dados originais e no espaço biométrico transformado por diferentes funções. Outro fator a se destacar, é o uso de Algoritmos Genéticos (AGs) em diferentes partes dos sistemas, buscando maximizar ainda mais a eciência dos mesmos. Uma das motivações desse desenvolvimento é avaliar o ganho que os sistemas de comitês maximizados por diferentes AGs podem trazer aos dados no espaço transformado. Também busca-se gerar sistemas revogáveis ainda mais ecientes, através da combinação de duas ou mais funções de transformação revogáveis, demonstrando que é possível extrair informações complementares de um mesmo padrão através de tais procedimentos. Com tudo isso, ca claro a importância das biometrias revogáveis, comitês de classicadores e AGs, no desenvolvimento de sistemas biométricos mais ecientes, algo que se mostra cada vez mais importante nos dias atuais. Palavras-chave: Biometrias Multimodais; Comitês de Classicadores; Biometrias Revogáveis; Algoritmos Genéticos.

8 v Abstract This work discusses the application of techniques of ensembles in multimodal recognition systems development in revocable biometrics. Biometric systems are the future identication techniques and user access control and a proof of this is the constant increases of such systems in current society. However, there is still much advancement to be developed, mainly with regard to the accuracy, security and processing time of such systems. In the search for developing more ecient techniques, the multimodal systems and the use of revocable biometrics are promising, and can model many of the problems involved in traditional biometric recognition. A multimodal system is characterized by combining dierent techniques of biometric security and overcome many limitations, how: failures in the extraction or processing the dataset. Among the various possibilities to develop a multimodal system, the use of ensembles is a subject quite promising, motivated by performance and exibility that they are demonstrating over the years, in its many applications. Givin emphasis in relation to safety, one of the biggest problems found is that the biometrics is permanently related with the user and the fact of cannot be changed if compromised. However, this problem has been solved by techniques known as revocable biometrics, which consists of applying a transformation on the biometric data in order to protect the unique characteristics, making its cancellation and replacement. In order to contribute to this important subject, this work compares the performance of individual classiers methods, as well as the set of classiers, in the context of the original data and the biometric space transformed by dierent functions. Another factor to be highlighted is the use of Genetic Algorithms (GA) in dierent parts of the systems, seeking to further maximize their eciency. One of the motivations of this development is to evaluate the gain that maximized ensembles systems by dierent GA can bring to the data in the transformed space. Another relevant factor is to generate revocable systems even more ecient by combining two or more functions of transformations, demonstrating that is possible to extract information of a similar standard through applying dierent transformation functions. With all this, it is clear the importance of revocable biometrics, ensembles and GA in the development of more ecient biometric systems, something that is increasingly important in the present day. Keywords: Multimodal Biometrics; Ensemble; Revocable Biometrics; Genetic Algorithms.

9 vi Sumário Lista de Figuras xi Lista de Tabelas xiii 1 Introdução Considerações Iniciais Motivação Objetivos Organização do Trabalho Conceitos Relacionados Considerações Iniciais Biometrias Biometrias Multimodais Biometrias Revogáveis Sistema de Reconhecimento Biométrico Precisão Processamento Digital de Sinais Classicação de Padrões Paradigmas de Aprendizado

10 Sumário vii Paradigma Estatístico Paradigma Baseado em Exemplos Paradigma Conexionista Amostragem dos Dados Combinação de Classicadores Diversidade em Comitês de Classicadores Algoritmos Genéticos Representação Cromossômica População Inicial Avaliação de Aptidão (Fitness) Seleção Seleção por Roleta Seleção por Classicação Elitismo Operadores Genéticos Cruzamento Mutação Critérios de Parada Seleção de Atributos Processamento dos Dados Biométricos Reconhecimento de Face 2D PCA (Eigenfaces) ICA

11 Sumário viii LDA Reconhecimento de Voz Processamento do Sinal de Voz Extração dos Coecientes MFCC Extração dos Coecientes LPCC Adaptação do Modelo GMM Reconhecimento de Íris Processamento das Imagens de Íris Assinaturas Online Trabalhos Relacionados Considerações Iniciais Reconhecimento Multimodal Comitês de Classicadores Biometrias Revogáveis Algoritmos Genéticos Usados com Biometria Comitês e Biometrias Revogáveis Considerações Finais Metodologia dos Experimentos Considerações Iniciais Funções de Transformação BioHashing Adaptação da Função de Trasnformação BioHashing... 81

12 Sumário ix Interpolação Bioconvolving Soma Dupla Escolha das Biometrias Construção das Bases de Dados Bases Originais Voz Face Íris Assinaturas Online Bases Transformadas BioHashing Adaptada Interpolação Bioconvolving Soma Dupla Adaptação do Classicador k-nn Descrição Experimental Seleção Aleatória de Atributos Seleção Dirigida de Atributos Classicadores Individuais Comitês de Classicadores Combinações Biométricas Através de Comitês Algoritmos Genéticos nas Funções de Combinação

13 Sumário x Comparação dos Resultados Resultados dos Experimentos Consideraç es Iniciais Seleção de Atributos BioHashing com Algoritmos Genéticos Avaliação do k-nn Adaptado Funções de Transformação Funções de Transformação em Modalidades Biométricas Individuais Funções de Transformação em Modalidades Biométricas Combinadas Funções de Transformação em Diferentes Funções de Combinação Análise das Transformações com Resultados Discrepantes Funções de Combinação Análise das Arquiteturas dos Comitês de Classicadores Considerações Finais Conclusão Trabalhos Futuros Referências 149 Apêndice A -- Resultado dos Experimentos 164

14 xi Lista de Figuras 2.1 Exemplo de modalidades biométricas. (a) Face; (b) Termograma Facial; (c) Impressão Digital; (d) Características das Veias da Mão e (e) Scanner da Retina (HONG; JAIN, 1998) Arquitetura de um Sistema de Reconhecimento Biométrico Rede neural tipo Perceptron múltiplas camadas (TATIBANA; KAETSU, 2008) Modelo de um SMC Modular (SANTANA; SILVA; CANUTO, 2009) Modelo de um SMC Paralelo (SANTANA; SILVA; CANUTO, 2009) Exemplo de uma função de combinação SM Exemplo de uma função de combinação VT Fluxograma de um AG Roleta representando o nível de aptidão da população Cruzamento 2-partições Mutação de um cromossomo em um ponto Eigenfaces (HONG; JAIN, 1998) Representação sistemática do processo de ICA Etapas de um RAL Janela de Hamming Banco de ltros na escala Mel Histograma de uma imagem de íris

15 Lista de Figuras xii 2.18 Imagem de uma íris recortada Representação de duas funções de interpolação: uma a partir dos dados originais e outra por seu processo inverso Representação de uma Assinatura on-line Saídas do classicaor k-nn original e adaptado Exemplo de uma classicação com o k-nn adaptado Fluxograma dos procedimentos realizados Determinação de VPs por populações iniciais diferentes

16 xiii Lista de Tabelas 4.1 Estruturas de Comitês Utilizadas Desempenho dos classicadores individuais e dos comitês de classicadores usando varância e AGs na seleção de atributos, para as modalidades biométricas de: íris, voz e face Desempenho dos classicadores individuais e dos comitês de classicadores usando varância e AGs na seleção de atributos, para a modalidade biométrica de assinatura Desempenho dos classicadores individuais nas funções de transformações BioHashing (original e adaptada) Desempenho dos comitês de classicadores para o classicador k-nn original e adaptado Combinação das funções de transformação para modalidades biométricas individuais (MFF=(SM+VT+NB+k-NN+SVM)/5)) Combinação das funções de transformação para bases de dados combinadas (MFF=(SM+VT+NB+k-NN+SVM)/5)) Combinação das funções de transformação nas diferentes funções de combinação Resultados dos sistemas quando a função de transformação Bioconvolving apresenta desempenho insatisfatório Acurácia média das funções de fusão originais e maximizadas por AGs Desempenho dos sistemas nas diferentes estruturas de comitês

17 Lista de Tabelas xiv A.1 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Iris A.2 Resultados dos sistemas biométricos para Iris combinando as funções de transformação A.3 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Voz (MFCC) A.4 Resultados dos sistemas biométricos para Voz (MFCC) combinando as funções de transformação A.5 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Voz (LPCC) A.6 Resultados dos sistemas biométricos para Voz (LPCC) combinando as funções de transformação A.7 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Face (PCA) A.8 Resultados dos sistemas biométricos para Face (PCA) combinando as funções de transformação A.9 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Face (ICA) A.10 Resultados dos sistemas biométricos para Face (ICA) combinando as funções de transformação A.11 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Face (LDA) A.12 Resultados dos sistemas biométricos para Face (LDA) combinando as funções de transformação A.13 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Assinatura (BI)

18 Lista de Tabelas xv A.14 Resultados dos sistemas biométricos para Face Assinatura (BI) combinando as funções de transformação A.15 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Assinatura (BII) A.16 Resultados dos sistemas biométricos para Assinatura (BII) combinando as funções de transformação A.17 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Assinatura (BIII) A.18 Resultados dos sistemas biométricos para Assinatura (BIII) combinando as funções de transformação A.19 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Íris+Voz (IRIS+MFCC) A.20 Resultados dos sistemas biométricos para Íris+Voz (IRIS+MFCC) combinando as funções de transformação A.21 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Voz+Face (MFCC+ICA) A.22 Resultados dos sistemas biométricos para Voz+Face (MFCC+ICA) combinando as funções de transformação A.23 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Íris+Voz+Face A.24 Resultados dos sistemas biométricos para Íris+Voz+Face (IRIS+MFCC+ICA) combinando as funções de transformação A.25 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Voz+Voz (MFCC+LPCC) A.26 Resultados dos sistemas biométricos para Voz+Voz (MFCC+LPCC) combinando as funções de transformação

19 Lista de Tabelas xvi A.27 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Face+Face+Face (PCA+ICA+LDA) A.28 Resultados dos sistemas biométricos para Face+Face+Face (PCA+ICA+LDA) combinando as funções de transformação A.29 Resultados dos sistemas biométricos da base original e das funções de transformações individuais para Assinatura+Assinatura+Assinatura (BI+BII+BIII).193 A.30 Resultados dos sistemas biométricos para Assinatura+Assinatura+Assinatura (BI+BII+BIII) combinando as funções de transformação

20 1 Capítulo 1 Introdução 1.1 Considerações Iniciais O desenvolvimento de técnicas mais seguras na identicação de pessoas é uma necessidade vigente diante de uma sociedade imensamente interconectada. O constante avanço das tecnologias contribui para uma interação cada vez maior entre as pessoas, e à medida que essa interação e o acesso a informação aumentam, também se sobressaem os golpes envolvendo os sistemas de autenticação dos indivíduos, surgindo assim, a necessidade do desenvolvimento de técnicas de segurança mais ecientes. Dentre as soluções com maior potencial para alcançar tais objetivos, destacam-se as análises biométricas, que podem fornecer ferramentas capazes de suprirem tais necessidades (JAIN; ROSS; PRABHAKAR, 2004). Sistemas biométricos de controle e segurança, são baseados na utilização de características siológicas ou comportamentais humanas para garantir a veracidade de um usuário, contornando com isso, muitos dos problemas encontrados nos sistemas tradicionais (senhas ou tokens físicos). O grande problema das técnicas que envolvem senhas e tokens de identicação, é que qualquer pessoa pode conseguí-las, não havendo como garantir a exclusividade das informações neles contidas (ALECRIM, 2008).

21 1.1 Considerações Iniciais 2 Em contrapartida, as biometrias são caracterizadas por apresentarem características praticamente únicas entre os indivíduos e por pertencerem ao indivíduo, não podendo ser perdidas, esquecidas ou roubadas. Isso faz com que sistemas de seguranças baseados em seus princípios surjam como uma evolução na autenticação e na identicação de indivíduos (SAVVIDES; KUMAR; KHOSLA, 2004). Vários tipos de características biométricos estão sendo usados para autenticação de usuários, mostrando-se assim ferramentas importantes aos sistemas de segurança. Dentre os mais populares estão o reconhecimento de impressões digitais e faces. Entretanto, existem muitas outras formas de biometrias que podem ser utilizadas, como: íris, retina, voz, geometria da mão, assinaturas manuscritas, termogramas faciais entre outras ( LI et al., 2005). Para o desenvolvimento dos experimentos desse trabalho, foram selecionadas as modalidades biométricas de Voz (MFCC - Mel-Frequency Cepstral Coecients e LPCC- Linear Prediction Cepstral Coecients), Face (PCA-Principal Component Analysis, ICA- Independent Component Analysis e LDA-Linear Discriminant Analysis), Íris e Assinaturas online (três técnicas (BI, BII e BIII) de processamentos criadas durante a realização da pesquisa). Neste contexto, um fator importante é a determinação de como um indivíduo é autenticado, podendo ser denida de duas maneiras: vericação ou identicação. Na vericação, o procedimento implica na conrmação ou rejeição da identidade invocada por uma pessoa. Já na identicação, o processo implica em determinar a identidade de uma pessoa ( BOLLE et al., 2004). Uma denição mais abrangente envolvendo tais procedimentos é encontrada na Seção 2.2. Cada uma dessas abordagens tem suas próprias complexidades e devem ser selecionadas de acordo com as necessidades especícas de cada aplicação. Em uma análise geral, percebe-se que a maioria dos sistemas biométricos tem como base a vericação, pois no ponto de vista de classicação, as técnicas de identicação geralmente proporcionam maiores diculdades, tanto em seu desenvolvimento quanto em seu custo computacional, pois trabalham com um problema n-classe, enquanto a vericação precisa resolver um problema de uma única classe. No entanto, a identicação possibilita um leque maior de aplicações, podendo encontrar indivíduos em grandes bancos de dados. A maior aplicabilidade das técnicas de identicação é o que objetiva o seu desenvolvimento nesse trabalho.

22 1.1 Considerações Iniciais 3 A maioria dos sistemas biométricos em uso atualmente se baseia em uma única fonte de informação (usam uma única característica biométrica, um único classicador, somente um processamento do sinal, entre outros forma individuais) para a autenticação de um indivíduo, normalmente sujeitos a uma série de problemas, como ruído nos dados, variação ou semelhança intraclasses, entre outros. Por exemplo, estima-se que parte da população não tem impressões digitais legíveis, uma voz pode ser alterada por um resfriado e, sistemas de reconhecimentos faciais são sensíveis a mudanças na luz ambiente e, da posição que o indivíduo se encontra. Além disso, um indivíduo pode não querer fornecer a sua impressão digital a um dado sistema de acesso por achar que o mesmo tem alguma conotação criminosa. Essas implicações podem tornar um sistema incapaz de atender aos requisitos básicos de eciência (JAIN; NANDAKUMAR; ROSS, 2005). Buscando contornar esses problemas, o termo denominado biometria multimodal surge como uma tendência emergente. As biometrias multimodais são caracterizadas pela combinação (união) de técnicas encontradas em diferentes sistemas biométricos possibilitando sua obtenção por meio de diferentes formas, como por exemplo: usar mais de uma modalidade biométrica para realizar a autenticação de um indivíduo (e.g. identicar um indivíduo através de sua Face e de sua Íris), usar uma mesma modalidade biométrica, porém processada ou extraída por diferentes métodos (e.g. autenticar a impressão digital de dedos diferentes), usar diferentes funções de combinação, entre outros (ROSS; JAIN, 2004). Nos últimos anos, os avanços relacionados ao desenvolvimento de técnicas de biometria multimodal vêm se mostrando uma importante ferramenta no auxílio ao desenvolvimento de tecnologias de autenticação mais seguras, isso se deve à sua versatilidade, exibilidade e potencial para tornar os sistemas biométricos mais ecientes e seguros (KRYSZCZUK K. E DRYGAJLO, 2007). A exibilidade das biometrias multimodais também permite a empregabilidade de vários classicadores de padrões (em aprendizado de máquina, classicadores de padrões são algoritmos matemáticos que tem a capacidade de atribuir um rótulo (valor de saída) a um dado conjunto de valores (valor de entrada) em um único sistema, os quais podem ser distribuídos por diferentes formas de representação, assim como os comitês de classicadores. Comitês são adaptações que envolvem os classicadores de padrões, que têm como base técnicas de classicação paralela, as quais buscam combinar as saídas de múltiplos

23 1.1 Considerações Iniciais 4 classicadores individuais de modo a atribuir um rótulo nal aos sistemas. Isso permite a integração de diferentes modelos de sistemas biométricos, a m de satisfazer e aumentar os requisitos de desempenho (BEN-YACOUB; ABDELJAOUED; MAYORAZ, 1999). As técnicas de comitês (ensembles) exploram a idéia que, diferentes classicadores podem oferecer informações complementares sobre os padrões a serem classicados, melhorando assim, a ecácia do processo de reconhecimento (KUNCHEVA, 2004). Desta maneira, cada classicador é responsável por uma parte do sistema, onde os mesmos são organizados em comitês, de tal maneira que suas saídas são combinadas para produzir a saída nal do sistema. As estruturas de comitês desenvolvidas nesse trabalho são constituídas por três diferentes modelos de classicadores individuais: k-nn (k nearest neighbor), NB (Naive Bayes) e MLP (Rede Neural Multilayer Perceptron), sendo que, uma adaptação do classicador k-nn original foi proposta. A escolha por estes classicadores é enfatizada pelo fato dos mesmos terem princípios de classição diferentes, intendo-se assim, que um número maior de informações complementartes podem ser esxtraídas de um mesmo a padrão a ser classicado. Os classicadores individuais são fundamentais para o desempenho dos comitês, pois a combinação das suas saídas são as responsáveis por atribuir o rótulo da classe vencedora ao nal da classicação. Os classicadores k-nn em sua forma tradicional, apresentam como saída somente à classe a qual ele determina como vencedora, não carregando informações adjacentes ao comportamento das outras classes. No entanto, ao analisar a distância euclidiana das demais classes, vericou-se que, mesmo se uma classe correta não é selecionada, ela tende a apresentar uma proximidade à classe que foi eleita como vencedora. Essa correspondência (entre uma classe classicada erroneamente e a classe vencedora) não tem grande inuência ao desempenho do classicador individual, porém, ao constituir a estrutura de um comitê, essas informações complementares podem ser muito úteis. Pensando nisso, esse trabalho busca apresentar uma adaptação do algoritmo k-nn tradicional, buscando fazer com que um maior número de informações das classes presentes nas k instâncias mais próximas, sejam repassadas as saídas dos classicadores k-nn. A adaptação proposta pode ser vista na Seção 4.5.

24 1.1 Considerações Iniciais 5 Em um sistema biométrico existem muitos parâmetros importantes que estão diretamente ligados a eciência dos sistemas e precisam ser determinados. A obtenção desses parâmetros nem sempre é fácil, sendo que em alguns casos podem ser dados através de técnicas de otimização. Dentre essas técnicas, podem ser enfatizados os Algoritmos Genéticos (AGs), os quais vêm se destacando no aprimoramento de técnicas de otimização e busca. Os AGs são técnicas de busca utilizadas na obtenção de soluções aproximadas em problemas de otimização. São inspirados na biologia evolutiva, como: hereditariedade, mutação, seleção natural e recombinação (crossover). Devido à sua grande adaptabilidade, as estruturas de AGs podem ser empregadas a diferentes partes de um sistema. Neste trabalho os AGs usados apresentam ferramentas almejando aprimorar os sistemas biométricos em suas três principais áreas de análise (tempo computacional, segurança e acurácia). Independente de um sistema de reconhecimento biométrico ser unimodal ou multimodal, um fator importante relacionado à sua segurança é a utilização de biometrias revogáveis (revogáveis). O armazenamento dos dados enfrenta problemas pelo fato que, as características biométricas estão relacionadas permanentemente com o usuário. Por isso, não podem ser alteradas caso sejam comprometidas (sejam obtidas por outras pessoas que possam vir a se passar por um indivíduo do bando de dados), ação que é facilmente realizada em substituições de senhas ou cartões de identicação quando esquecidos ou perdidos ( BRITO, 2010). Dessa forma, é muito importante o desenvolvimento de sistemas que possibilitem a reutilização de uma mesma característica biométrica sem que haja comprometimento da segurança do sistema. Uma das técnicas empregadas em tais soluções é denominada biometria revogável (cancelable biometrics), que consiste na aplicação de uma transformação sobre os dados biométricos, de modo a alterar e camuar as características originais. Nestes procedimentos somente os dados transformados são armazenados e utilizados pelos sistemas, garantindo assim a segurança das características biométricas originais. Caso haja comprometimento entre os dados, o padrão armazenado quando comprometido é substituído através de uma nova transformação (COSTA; OBELHEIRO; FRAGA, 2007). A utilização de biometrias revogáveis está sendo cada vez mais aplicada no tratamento