Aplicando modelo de aprendizagem supervisionada para apoio ao score de autenticação biométrica

  • Larissa Mukuno unico
  • Erick Takeshi Moraes unico
  • Rafael Mansur Haddad unico
  • Eduardo C. Almeida UFPR

Resumo


O reconhecimento facial já faz parte na vida de muitos de nós. Grande parte dos smartphones atuais efetua o desbloqueio do aparelho utilizando a face como forma de identificar o dono do aparelho e proporcionar acesso aos dados. No entanto, ele também vem ganhando espaço para outros objetivos, principalmente em soluções corporativas como controle de acessos, validação de documentos e para compras online. A fim de aumentarmos a acurácia de nosso score biométrico, foi desenvolvido um modelo de cálculo de risco que leva em consideração o comportamento do consumidor, baseado em seu histórico de transações, visando a diminuição de fraudes
Palavras-chave: fraude, algoritmo, biometria facial, aprendizagem supervisionada, score

Referências

Beraldi, F. Atualização dinâmica de modelo de regressão logística binária para detecção de fraudes em transações eletrônicas com cartão de crédito. Dissertação de Mestrado, USP, 2014.

Hair, J. F. Jr., Anderson, R. E., Tatham, R. L. & Black, W. C. (1995). Multivariate Data Analysis (3rd ed). New York: Macmillan.

Siddiqi, Naeem (2006). Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. SAS Institute, pp 79-83.

Zanlorensi, L., Rayson Laroca, Eduardo Luz, Alceu S. Britto Jr., Luiz S. Oliveira, David Menotti. Ocular Recognition Databases and Competitions: A Survey (2011). Wireless Sensor Networks to Control Radiation Levels. https://arxiv.org/abs/1911.09646, 2021.
Publicado
18/07/2021
MUKUNO, Larissa; MORAES, Erick Takeshi; HADDAD, Rafael Mansur; ALMEIDA, Eduardo C.. Aplicando modelo de aprendizagem supervisionada para apoio ao score de autenticação biométrica. In: SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE (SEMISH), 48. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 201-206. ISSN 2595-6205. DOI: https://doi.org/10.5753/semish.2021.15823.