Professional Documents
Culture Documents
net/publication/282858219
CITATIONS READS
0 329
4 authors, including:
Ruben Vera-Rodriguez
Universidad Autónoma de Madrid
211 PUBLICATIONS 623 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Aythami Morales on 15 October 2015.
Figura 1: Proceso de autenticación de estudiante mediante arquitectura basado en servidor de autenticación en la nube
debido a que la autenticación basada en PIN/passwords asume A. Autenticación de estudiantes para e-learning
que el usuario no cederá su clave a un tercero. Esta asunción no La naturaleza no presencial de los cursos a distancia ha
es válida en un escenario en el que un estudiante puede ceder su promovido la necesidad de una evaluación más continua que la
código a otro con el objetivo de que este realice un examen por llevada a cabo por norma general en los tradicionales cursos
él. presenciales. Esta evaluación continua lleva aparejada la
El objetivo principal de este trabajo es analizar el uso de necesidad de desarrollar sistemas de control sofisticados que
tecnologías de reconocimiento biométrico en entornos docentes aseguren la integridad del sistema. La autenticación del alumno
web. Se hace un estudio de las características de estas es una de los retos a resolver que implica mayores dificultades
tecnologías con especial interés en el reconocimiento por técnicas, legales y de conveniencia de uso. A la hora de escoger
dinámica de tecleo. Se incluye un caso de estudio en el que se un sistema de autenticación de alumnos, deberíamos analizar
hace uso de un sistema da autenticación biométrica basada en algunos aspectos claves:
dinámica de tecleo para reconocer a los alumnos de un curso Seguridad: la robustez del sistema ante posibles ataques
introductorio de computer science. Los resultados avalan el uso
malintencionados, robos de identidad o de datos. Éste es
de estas tecnologías aunque aún hay espacio para mejoras.
un aspecto crucial en entornos web debido
El resto del trabajo se organiza de la siguiente forma: la fundamentalmente a las múltiples vulnerabilidades que
sección 2 incluye el contexto de este trabajo así como un ofrecen estos sistemas. El nivel de precisión en la
análisis de las principales ventajas y desventajas de las respuesta y las tasas de error del sistema están muy
tecnologías de reconocimiento biométrico para autenticación de relacionados con la seguridad del mismo.
estudiantes. La sección 3 incluye la metodología seguida así Usabilidad: no hay que perder de vista que la enseñanza
como los algoritmos evaluados. La sección 4 presenta los es un servicio que se presta a usuarios (estudiantes). La
resultados y por último en la sección 5 se extraen las principales calidad del servicio no se debe ver afectada por el sistema
conclusiones del trabajo.
de autenticación y el usuario debe sentirse cómodo
2. CONTEXTO utilizando el servicio.
Legalidad: aunque muchas veces se infravaloran los
En una sociedad como la actual cada vez más digitalizada, la
aspectos legales relacionados con estos servicios, la
autenticación de usuarios en entornos web es una necesidad. La
enseñanza en línea no es ajena a esta necesidad y el estudio y cambiante legislación y la falta de acuerdos
desarrollo de sistemas de autenticación de estudiantes es una internacionales respecto a internet la convierten en un
importante área para investigadores, desarrolladores y usuarios aspecto crítico que muchas veces dificulta la implantación
finales. de nuevas tecnologías.
Presionado
Presionado
Alzado
Alzado
Tiempo de espera “a” Tiempo de espera “b”
Coinciden
Entrenamiento
Identidad
Evaluación Verificada
B. Modelado de la dinámica de tecleo Ling y Yabuuti, 2005). La distancia entre una plantilla de
El modelado de los usuarios se hace a través de pequeñas test 𝐟 y las plantillas de entrenamiento {𝐠 𝑘 }𝑇𝑘=1 se calcula
cadenas de caracteres conocidas como dígrafos y trígrafos como:
según tengan 2 o 3 caracteres respectivamente (Peacock et al., 𝑀 (2)
2004). Para cada uno de los dígrafos se construye un vector de
𝑑2 = ∑ |𝑓𝑖 − 𝑔̅𝑖 |⁄σ𝑖 ′
características que incluya los dos Tiempos de Espera y la
Latencia Alzado-Presionado. En el caso de los trígrafos se 𝑖=1
Fase 3: Se aplica un protocolo de evaluación cruzada (todos Distancia Manhattan Modificada (𝑑2 ) 0.2512 0.0905
los dígrafos y trigrafos de todos los usuarios se cruzan) para
calcular las distancias entre las plantillas de entrenamiento y
5. CONCLUSIONES
verificación de cada usuario. Para calcular las distancias entre
plantillas se utilizan los sistemas expuestos en el apartado 3.B. En este trabajo se ha realizado un análisis de la potencial
El objetivo es reconocer a los alumnos de las plantillas de aplicación de tecnologías de reconocimiento biométrico para la
evaluación a partir de sus modelos o plantillas de autenticación web en entornos docentes. Se ha abarcado todo el
entrenamiento. proceso desde el diseño hasta el desarrollo y experimentación
incluyendo un caso de estudio con datos de 64 estudiantes. Los
Fase 4: El rendimiento del sistema se mide en base a la Falsa resultados obtenidos muestran tasas de reconocimiento por
Aceptación, el Falso Rechazo y la Tasa de Igual Error por encima del 90% lo que anima a seguir investigando en esta línea.
usuario. Las métricas de rendimiento finales son promedios de
las métricas obtenidas para todos los usuarios. Trabajos futuros deberán incluir una evaluación más extensa
con mayor número de estudiantes. También se propone trabajar
4. RESULTADOS con modelos de entrenamiento más potentes que permitan
Se realizan dos tipos de comparaciones según las plantillas de incorporar la mayor cantidad de información posible a esta etapa
evaluación y de entrenamientos utilizadas: fundamental.
0.08
0.1
0.06
0.04
0.05
0.02
0 0
50 100 150 10 20 30 40 50 60
Resultado del clasificador Resultado del clasificador
(a) (b)
0.2 0.14
Comparaciones Genuinas Comparaciones genuinas
Comparaciones Impostoras 0.12 Comparaciones Impostoras
Distribución densidad de probabilidad
0.08
0.1
0.06
0.04
0.05
0.02
0 0
50 100 150 200 250 300 5 10 15 20 25
Resultados de clasificador Resultados de clasificador
(c) (d)
Figura 4: Distribuciones de Densidades de Probabilidad para: Mahalanobis + NN y dígrafos (a); Distancia de Manhattan
Modificada y dígrafos (b); Mahalanobis + NN y trígrafos (c); Distancia de Manhattan Modificada y trígrafos (d);