<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Gabriel Mariano on Medium]]></title>
        <description><![CDATA[Stories by Gabriel Mariano on Medium]]></description>
        <link>https://medium.com/@gabrielmariano1?source=rss-a7032b6eaba5------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*WfY8_YQxyy4b35Jd_-P7ow.png</url>
            <title>Stories by Gabriel Mariano on Medium</title>
            <link>https://medium.com/@gabrielmariano1?source=rss-a7032b6eaba5------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 13:05:50 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@gabrielmariano1/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Invasões em sistemas de Controle de Acesso no Cinema (e o que podemos aprender com elas)]]></title>
            <link>https://medium.com/@gabrielmariano1/invas%C3%A3o-em-sistemas-de-controle-de-acesso-no-cinema-e-o-que-aprendemos-com-isso-4b8eb2e16039?source=rss-a7032b6eaba5------2</link>
            <guid isPermaLink="false">https://medium.com/p/4b8eb2e16039</guid>
            <category><![CDATA[biometria]]></category>
            <category><![CDATA[cinema]]></category>
            <category><![CDATA[scifi]]></category>
            <category><![CDATA[controle-de-acesso]]></category>
            <category><![CDATA[invasão]]></category>
            <dc:creator><![CDATA[Gabriel Mariano]]></dc:creator>
            <pubDate>Sat, 04 Jul 2020 18:19:12 GMT</pubDate>
            <atom:updated>2020-07-07T15:06:56.458Z</atom:updated>
            <content:encoded><![CDATA[<h3>Invasões em sistemas de Controle de Acesso no cinema (e o que podemos aprender com elas)</h3><p>Monitoramento e controle de pessoas é um tema muito explorado na ficção, especialmente no Cinema. Ver os personagens quebrarem a segurança de sistemas eletrônicos de controle de acesso é sempre muito intrigante e torna o enredo interessante, mas invadir esses sistemas na realidade é assim tão fácil ou é possível evitar esses ataques? Neste artigo, daremos alguns exemplos de filmes que mostram invasões em sistemas de controle de acesso que poderiam ter sido evitadas.</p><h3>Terminator 2: Judgment Day</h3><p>Lançado em 1991, dirigido por James Cameron e estrelado por Arnold Schwarzenegger, O Exterminador do Futuro 2 mistura ação e ficção científica numa sequência muito melhor que o filme original.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8ZPigAucLSvB8wtFFZ0gKw.png" /><figcaption>Figura 1 — John Connor abrindo uma porta no método força-bruta usando seu Atari Portfolio. FONTE: O EXTERMINADOR do futuro 2: o julgamento final. Direção: James Cameron. Distribuição: Columbia TriStar Home Video, 1991</figcaption></figure><p>John Connor (Edward Furlong) precisa invadir os laboratórios da empresa de tecnologia Cyberdine para destruir o protótipo de um chip que evoluirá para a criação da Skynet, a inteligência artificial que dominará o mundo. John será o líder da resistência humana após o evento apocalítico no chamado “Dia do Julgamento Final” causado por um ataque nuclear da Skynet. O jovem Connor utiliza um computador de mão para quebrar a senha do sistema de controle de acesso da Cyberdine e pegar uma das chaves que levam ao cofre onde está o protótipo. John, sua mãe Sarah (Linda Hamilton) e o robô do futuro T-800 (Arnold Schwarzenegger), enviado do futuro para proteger John, acabam por destruir todo o prédio e pôr fim a todas as pesquisas.</p><p>Na vida real, o protocolo <em>Wiegand </em>é amplamente utilizado na comunicação entre leitores de credenciais e controladores eletrônicos de acesso e é extremamente simples e fácil de ser reproduzido. <em>Wiegand </em>estabelece uma comunicação serial unidirecional a dois fios (DATA0/DATA1) que podem ser interceptados para envio de dezenas de números de cartão ou senha por segundo, exatamente como no ataque força-bruta investido por Connor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/843/1*5KQipnvB40N2_i1HsY5u2A.jpeg" /><figcaption>Figura 2— Protocolo Wiegand. Fonte: <a href="http://blog.opensecurityresearch.com/2012/12/hacking-wiegand-serial-protocol.html">http://blog.opensecurityresearch.com/2012/12/hacking-wiegand-serial-protocol.html</a></figcaption></figure><p>Uma estratégia bastante comum que os engenheiros utilizam para projetar os controladores compatíveis com <em>Wiegand</em> é impor uma espera de alguns segundos antes que seja possível uma nova leitura de credencial após um acesso negado. A Cyberdine poderia ter evitado a invasão se tivesse feito uso de controladores preparados contra esse ataque. O candidato a substituto do <em>Wiegand </em>é o protocolo OSDP (<em>Open Supervised Device Protocol</em>) para interoperabilidade entre sistemas de controle de acesso, que possui criptografia AES-128, também tornando praticamente impossível uma invasão por força-bruta.</p><h3>Gattaca</h3><p>No futuro de Gattaca, as famílias ricas concebem seus filhos em laboratórios, selecionando-os geneticamente para hipoteticamente serem mais saudáveis e inteligentes, o que dividiu a humanidade em castas: a dos concebidos naturalmente e dos em selecionados em laboratório. A trajetória de todo ser humano nascido será definida por sua origem genética, desde seu nível de emprego até seu casamento e todos os rumos de sua vida. Testes genéticos são feitos frequentemente por empresas, universidades e governos para seleção de indivíduos e comprovação de sua “<em>qualidade” </em>genética. O <em>plot </em>do filme é a discussão sobre a discriminação genética institucionalizada, não distante do atual preconceito sofrido por mulheres, negros e outras minorias em função de suas características definidas geneticamente.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/500/1*UmDSSbdrebrg7u_BItI53g.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/846/1*i71jPCd3zLKyU3vV3rLenA.jpeg" /><figcaption>Figura 3 — Vincent Freeman enganando o sistema de controle de acesso de Gattaca. (a) com sangue sob pele de silicone (b) identificando-se na catraca. FONTE: GATTACA — A Experiência Genética. Direção: Andrew Niccol. Distribuição: Columbia Pictures, 1997</figcaption></figure><p>Vincent Freeman (Ethan Hawke) foi concebido naturalmente e tem sonho de ser astronauta. Ele empresta a identidade de Jerome (Jude Law), um geneticamente “<em>superior”</em> que ficou paraplégico após um acidente. Vincent utiliza o sangue de Jerome para se fazer passar por ele e conseguir a vaga de astronauta que tanto deseja na empresa que dá nome ao filme. A entrada do prédio da <em>Gattaca Aerospace Corporation </em>é controlada por catracas com agulhas que coletam o sangue e identificam o usuário por seus padrões genéticos. Freeman leva esse sangue todos os dias sob uma pele falsa para conseguir entrada no prédio (Figura 1-a).</p><p>Ainda não temos um sistema de controle de acesso baseado em identificação por padrões genéticos, capaz de dar o resultado instantaneamente, e tenho minhas dúvidas de como seria a higiene desse processo. Todavia, não dá para não comparar o processo empregado por Vicent com a fraude mais comum nos sistemas biométricos por impressão digital: o dedo falso de silicone ou até mesmo de papel. Um exemplo típico de fraude pode ser visto na reportagem: <a href="http://g1.globo.com/pr/parana/noticia/2016/12/ex-servidores-suspeitos-de-usar-dedo-de-silicone-em-ponto-sao-denunciados.html">http://g1.globo.com/pr/parana/noticia/2016/12/ex-servidores-suspeitos-de-usar-dedo-de-silicone-em-ponto-sao-denunciados.html</a></p><p>O que podemos tirar de Gattaca é que sistemas biométricos devem incorporar mecanismos anti-fraude (<em>anti-spoofing</em>). Em sistemas que utilizam impressão digital, algumas técnicas empregadas são a verificação da pulsação das veias no dedo ou ainda o sistema de luz multiespectral. Um sistema como o de Gattaca poderia verificar se o sangue está coagulado, por exemplo.</p><p>Um artigo interessante sobre <em>anti-spoofing</em> e <em>liveness detection</em> pode ser encontrado aqui: <a href="https://www.liveness.com/">https://www.liveness.com/</a></p><h3>Minority Report</h3><p>Baseado no conto de Philip K. Dick, no futuro de Minority Report, todos os crimes são previstos por três videntes chamados precogs. A polícia de Washington DC chamada PreCrime recebe informações dos precogs e prende os criminosos antes mesmo de os crimes sejam cometidos, tão grande é a confiança que todos têm na precisão das previsões. Nesse futuro, o meio de identificação de todos em todos os lugares, leitura de retina, serve não só para abertura de portas no prédio sede da PreCrime, mas também para identificação civil, de consumidores em lojas e direcionamento de propaganda personalizada em <em>vitrines </em>de <em>shoppings</em>.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1000/1*LHECKMuRmfxqATb0m41l3Q.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ldZF0QESWQBrnq2q8-wSKQ.png" /><figcaption>Figura 4 — (a) John utiliza a identificação por íris para abrir uma porta na PreCrime. (b) Após ter substituído seus olhos para evitar ser identificado, abre outra porta com seus olhos originais. FONTE: MINORITY REPORT — A Nova Lei. Direção: Steven Spielberg. Distribuição: 20th Century Fox, <a href="https://pt.wikipedia.org/wiki/DreamWorks_SKG">DreamWorks SKG</a>, 2002</figcaption></figure><p>O chefe da PreCrime e responsável pela leitura das predições dos precogs é John Anderton (Tom Cruise), que um belo dia vê seu nome como próximo assassino, o que foi previsto por dois dos três precogs. O relatório minoritário, do último precog, é sempre descartado.</p><p>John se vê em conflito. Confia no sistema que ajudou a construir, mas não pode acreditar que será um assassino. Desconfiado, ele foge e busca no mercado ilegal um transplante de olhos para que não seja identificado em nenhum lugar. Mais tarde, ele volta à PreCrime e utiliza seu olho original que havia guardado em um saco plástico para entrar no prédio, sequestrar o precog que gerou relatório minoritário e entender o que se passa.</p><p>Ironicamente, a PreCrime, a polícia mais avançada do mundo e capaz de prevenir qualquer crime, esqueceu-se de remover os direitos de acesso de um ex-funcionário fugitivo.</p><h3>Conclusão</h3><p>O que vemos nesses exemplos é que mesmo com as melhores tecnologias de identificação e com os sistemas de segurança mais avançados, ainda há risco de invasões e fraudes no controle de acesso eletrônico. Segurança é um jogo entre aqueles que querem proteger e os que querem agredir. As pessoas mal intencionadas não se cansam de inventar novas maneiras de burlar a segurança, enquanto gestores muitas vezes mantém o mesmo sistema por 20 ou 30 anos. Se esse comportamento não for mudado, já sabemos quem será o vencedor desse jogo. Os processos de segurança devem ser constantemente revisados e, sempre que o risco for suficientemente grande para justificar o investimento, os sistemas eletrônicos de segurança devem ser atualizados.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4b8eb2e16039" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[COVID-19: É o fim do controle de acesso por impressão digital?]]></title>
            <link>https://medium.com/@gabrielmariano1/covid-19-%C3%A9-o-fim-do-controle-de-acesso-por-impress%C3%A3o-digital-ec49f74bacbe?source=rss-a7032b6eaba5------2</link>
            <guid isPermaLink="false">https://medium.com/p/ec49f74bacbe</guid>
            <category><![CDATA[controle-de-acesso]]></category>
            <category><![CDATA[biometria]]></category>
            <category><![CDATA[reconhecimento-facial]]></category>
            <category><![CDATA[impressão-digital]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[Gabriel Mariano]]></dc:creator>
            <pubDate>Sat, 13 Jun 2020 16:37:06 GMT</pubDate>
            <atom:updated>2020-06-15T23:09:34.422Z</atom:updated>
            <content:encoded><![CDATA[<h3>COVID-19: É o fim do controle de acesso por impressão digital? Uma comparação entre soluções de impressão digital e de reconhecimento facial.</h3><p>O mercado global de controle de acesso por impressão digital era de USD 2,4 bilhões em 2015 e a previsão é de que poderia quadruplicar até 2024, como aponta a pesquisa da Grand View Research [1]. Com a pandemia de 2020 e a busca por soluções sem contato, esse cenário de crescimento pode mudar rapidamente. Mas, será que as soluções biométricas sem contato substitutas, como as de reconhecimento facial, possuem o mesmo desempenho da já consolidada impressão digital, que é utilizada há séculos para identificação humana? Neste artigo, vamos comparar as tecnologias aplicadas ao controle de acesso físico no mundo pós-pandemia.</p><figure><img alt="Figura 1 — Reconhecimento de impressão digital por sensor ótico multiespectral descrito em [5]. Fonte: autor" src="https://cdn-images-1.medium.com/max/1024/1*5Ft28FoQLkHVTmsCpk-NDw.png" /><figcaption>Figura 1 — Reconhecimento de impressão digital com uso de luvas por sensor ótico multiespectral descrito por Rowe, Nixon e Butler [5]. O equipamento da foto é o RB25F da HID®. Fonte: O Autor</figcaption></figure><h3><strong>Comparando maçãs e bananas</strong></h3><p>Reconhecimento facial e de impressão digital, os dois métodos de biometria mais utilizados para identificação humana [7], são disciplinas completamente distintas. Ambas possuem vantagens e desvantagens uma em relação à outra e a escolha perfeita depende de umas série de fatores que podem influenciar no resultado final: resolução e qualidade do sensor, iluminação do ambiente, anatomia, nível de segurança desejado, entre outros. As tecnologias enfrentam desafios muito diferentes. Enquanto a impressão digital é única para cada indivíduo, mesmo entre gêmeos idênticos, mantém-se praticamente inalteradas durante toda a vida da pessoa e é menos influenciada por atributos demográficos, as características faciais podem ser indistinguíveis entre irmãos univitelinos e mudam conforme avança a idade do sujeito. Por outro lado, a face está universalmente disponível e não é tão influenciada por características ambientais como contato com produtos químicos ou trabalho manual. A Tabela 1 mostra uma comparação entre as duas tecnologias. Um estudo mais aprofundado sobre avaliação de impressões digitais pode ser encontrado no trabalho de Fabrizio Vargas [8].</p><figure><img alt="Tabela 1 — Comparação entre tecnologias de identificação por impressão digital e reconhecimento facial. Fonte: Autor" src="https://cdn-images-1.medium.com/max/965/1*5ydmBgPovxwfqyEiKZ88tQ.png" /><figcaption>Tabela 1 — Comparação entre tecnologias de identificação por impressão digital e reconhecimento facial. Fonte: Autor</figcaption></figure><p><strong>Indicadores de desempenho</strong></p><p>Há diversas maneiras de se avaliar o desempenho de classificadores. Os classificadores baseados em identificação biométrica fornecem uma pontuação ao comparar um template cadastrado com o template posto à prova. Quanto mais alta a pontuação, mais parecidas são as características biométricas. O sistema considerará que a pessoa sob teste será considerada a pessoa cadastrada se a pontuação for superior a um limiar predefinido. Na comparação 1-para-muitos (1:N), o template de teste é comparado com toda a base de templates cadastrados e a pessoa sob teste será identificada como aquela que atingir a maior pontuação, desde que esta exceda o limiar preestabelecido.</p><p><strong>Falsos Positivos</strong> são aquelas pessoas sob teste que não estão cadastradas e que são reconhecidas erroneamente como uma pessoa cadastrada.<strong> Falsos Negativos</strong> são as pessoas devidamente cadastradas que não são reconhecidas na base de testes. Há um trade-off entre as duas medidas que é ajustável conforme o limiar. Se o limiar for 0, nenhuma pessoa será reconhecida e não há nenhum falso positivo, porém também não há nenhum <strong>verdadeiro positivo</strong>, portanto um número de falsos negativos grande. Se o limiar for muito alto, todas as pessoas postas à prova serão reconhecidas e não teremos falso negativo, mas também podemos não ter <strong>verdadeiros negativos</strong>, e como consequência muitos falsos positivos. O teste é feito para diferentes limiares e, para cada limiar, é montada a matriz confusão do classificador [10]. As relações entre os elementos da matriz confusão são chamadas de <em>False Matching Rate</em> (FMR) e <em>False Non-Matching Rate</em> (FNMR).</p><p>A curva que descreve o comportamento do classificador com relação a essas duas métricas é chamada de ROC (<em>Receiver Operating Characteristic</em>). A curva é traçada alterando-se o limiar (threshold) e observando-se o FMR e 1-FNMR. A comparação de algorítimos biométricos é normatizada pela ISO/IEC 19795–1:2006 [2] que, entre muitas recomendações, propõe que a comparação seja feita com uso da mesma base de dados, condições ambientais semelhantes e tamanhos de amostras estatisticamente relevantes. Não é correto comparar desempenho de duas tecnologias tão distintas. No entanto, no cenário bastante específico que propomos (controle de acesso físico), colocá-las lado a lado pode nos ajudar a responder a pergunta do título do artigo. Estamos nos limitando aos métodos mais populares de avaliação de desempenho de biometria para controle de acesso, que é a identificação facial 2D e o reconhecimento da impressão digital por imagem do dedo indicador, sempre 1-para-muitos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2HqDcuOCHhlLTHbq3OkFJg.png" /><figcaption>Figura 2 — Exemplo de curva ROC para comparação entre algorítimos biométricos. Fonte: ISO 19795 parte 1 [2]</figcaption></figure><p>Quanto maior a área sob a curva ROC, melhor é o classificador.</p><h3><strong>A Avaliação do NIST</strong></h3><p>O NIST, acrônimo para <em>National Institute of Standards and Technology</em>, avalia periodicamente os algorítimos de reconhecimento biométrico disponíveis no mercado e que voluntariamente participam do programa. O último teste para algorítimos de recohecimento por imressão digital, o Fingerprint Vendor Technology Evaluation (FpVTE) foi em 2014 [3] enquanto o Face Recognition Vendor Test (FRVT) foi em 2020 [4] e avalia os sistemas de reconhecimento facial.</p><p>Os testes do NIST avaliam os algorítimos por uma série de parâmetros, dentre eles velocidade, desempenho com determinado grupo étnico, entre outros. No que diz respeito a acurácia do algorítimo, o limiar é ajustado de forma que o FMR seja de 0,001, isto é, a cada mil pessoas colocadas à prova, uma será um verdadeiro positivo, e observa-se o FNMR, ou o número de pessoas que não serão reconhecidas. Quanto menor o FNMRnessas condições, melhor será o algorítimo. Esse nível de FMR é utilizado por muitas entidades certificadoras, como, por exemplo, o <em>Drug Enforcement Administration</em> (DEA) que regula nos Estados Unidos a operação do <em>Electronic Prescription of Controlled Substances</em> (EPCS) [9].</p><p>Como mostra a Figura 3, o algorítimo de identificação por impressão digital mais preciso foi D, que alcançou um FNMR de 1,97% para o dedo indicador esquerdo e de 1,9% para o dedo indicador direito, pesquisados em um conjunto de 100.000 indivíduos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PJptAfNmNy9Kh5ovZ_JNmw.png" /><figcaption>Figura 3 — Resultado do FpVTE 2014. Fonte: NIST [3]</figcaption></figure><p>Já para identificação por face, os dois algoritmos mais precisos existentes falhariam entre 4 e 7% ao acusar falsos positivos em uma base de testes de 12 milhões de indivíduos em um total de 26.1 milhões de fotos. O resultado é mostrado na Figura 4.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/819/1*zWM4QOT1xJwqLaNmdMUEJA.png" /><figcaption>Figura 4 — Resultado do FRVT 2020. Fonte: NIST [4]</figcaption></figure><h3>Conclusão</h3><p>A escolha da tecnologia de identificação biométrica ideal depende de muitos fatores, entre eles a escolha do sensor adequado, do nível de segurança desejado, o quanto são aceitáveis os falsos positivos e falsos negativos, custos, e quanto a solução é influenciada pelo uso de EPIs como máscaras, escudos faciais e luvas.</p><p>A escolha do algorítimo também é importante, pois o desempenho das tecnologias é drasticamente influenciado pelo motor escolhido. O resultado pode variar de FNMR = 1,9% a 27% para impressão digital e de 4% a 27% para reconhecimento facial nos algorítimos sob teste a FMR = 0,001.</p><p>A tecnologia de identificação por impressão digital é largamente utilizada nas mais diversas aplicações, desde identificação civil, de cidadania e análise forense até controle de presença, ponto e acesso. O legado existente é dificilmente substituível. Com recentes inovações nos sensores, como os de captura multiespectral de imagem que permitem a identificação mesmo com uso de luvas, a identificação por impressão digital ainda é uma opção viável para sistemas de controle de acesso no mundo pós-Covid-19.</p><h3>Referências:</h3><p>[1] — <a href="https://www.grandviewresearch.com/industry-analysis/fingerprint-access-control-systems-market/toc">https://www.grandviewresearch.com/industry-analysis/fingerprint-access-control-systems-market/toc</a></p><p>[2] — <a href="https://www.iso.org/standard/41447.html">https://www.iso.org/standard/41447.html</a></p><p>[3] — <a href="https://nvlpubs.nist.gov/nistpubs/ir/2014/NIST.IR.8034.pdf">https://nvlpubs.nist.gov/nistpubs/ir/2014/NIST.IR.8034.pdf</a></p><p>[4] — <a href="https://github.com/usnistgov/frvt/blob/nist-pages/reports/1N/frvt_1N_report_2020_02_26.pdf">https://github.com/usnistgov/frvt/blob/nist-pages/reports/1N/frvt_1N_report_2020_02_26.pdf</a></p><p>[5] — <a href="http://www.makortech.co.il/_Uploads/dbsAttachedFiles/Multispectral-Fingerprint-Image-Acquisition.pdf">http://www.makortech.co.il/_Uploads/dbsAttachedFiles/Multispectral-Fingerprint-Image-Acquisition.pdf</a></p><p>[6] — <a href="https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=1048144&amp;casa_token=u_zgf0_LHbgAAAAA:k6v2ixXl2QBsG_qfxRHdIkKN5FyWE_PsESCnwp8-oFjqnyWBW5LNrPavsQ-O9SNjtisQkqKVE68&amp;tag=1">https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=1048144&amp;casa_token=u_zgf0_LHbgAAAAA:k6v2ixXl2QBsG_qfxRHdIkKN5FyWE_PsESCnwp8-oFjqnyWBW5LNrPavsQ-O9SNjtisQkqKVE68&amp;tag=1</a></p><p>[7] — <a href="https://books.google.com.br/books?hl=pt-BR&amp;lr=&amp;id=1Wpx25D8qOwC&amp;oi=fnd&amp;pg=PR11&amp;ots=9yTZ1Qjw81&amp;sig=F3ZRPr-9mjl5YFKOy5ncA3cLClc&amp;redir_esc=y#v=onepage&amp;q&amp;f=false">https://books.google.com.br/books?hl=pt-BR&amp;lr=&amp;id=1Wpx25D8qOwC&amp;oi=fnd&amp;pg=PR11&amp;ots=9yTZ1Qjw81&amp;sig=F3ZRPr-9mjl5YFKOy5ncA3cLClc&amp;redir_esc=y#v=onepage&amp;q&amp;f=false</a></p><p>[8] — <a href="http://cassiopea.ipt.br/teses/2011_EC_Fabrizio_Vargas.pdf">http://cassiopea.ipt.br/teses/2011_EC_Fabrizio_Vargas.pdf</a></p><p>[9] — <a href="https://www.ibeta.com/wp-content/uploads/2019/06/Lumidigm-M-Series-Biometric-Subsystem-Certification-Report-v2.0.pdf">https://www.ibeta.com/wp-content/uploads/2019/06/Lumidigm-M-Series-Biometric-Subsystem-Certification-Report-v2.0.pdf</a></p><p>[10] — <a href="https://en.wikipedia.org/wiki/Confusion_matrix">https://en.wikipedia.org/wiki/Confusion_matrix</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ec49f74bacbe" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>