Plataforma basada en redes neuronales para realizar pruebas de autenticación de usuarios mediante datos de ponibles

Abstract

Durante esta última década la Inteligencia Artificial (IA) y más concretamente el aprendizaje profundo basado en redes neuronales se han convertido en un estándar en varios sectores que afectan diferentes campos de nuestra vida. Estos son capaces de resolver problemas complejos que requieren encontrar pa-trones ocultos en los datos que tratan. La identificación es la capacidad de identificar de forma exclusiva a un usuario de un sistema o una aplica-ción que se está ejecutando en el sistema. Estos modelos tienen la capacidad de identificar a los usuarios mediante los datos ponibles que recogen. Los datos ponibles en nuestro caso hacen referencia a los datos que recogen los relojes inteligentes y mediante los cuales se puede identificar al usuario según sus patro-nes. Debido a la amplia funcionalidad que ofrecen, es necesario probar ampliamente las distintas configu-raciones y capacidades que ofrecen. En este trabajo se propone una plataforma basada en redes neuronales capaz de realizar pruebas de autenticación de usuarios mediante datos de ponibles. En particular, se ha creado un framework o estructura que permite al usuario probar las diferentes funcionalidades que ofrece los modelos de aprendizaje profundo. En concreto, la plataforma permite la selección de dos tipos de mo-delos, un prototipo de Red Neuronal Artificial (ANN) como es el Perceptrón Multicapa (MLP) y un prototipo de Aprendizaje Profundo basado en Redes Neuronales Convolucionales (CNN).

During this last decade, Artificial Intelligence (AI) and more specifically deep learning based on neural networks have become a standard in various sectors that affect different fields of our lives. These are ca-pable of solving complex problems that require finding hidden patterns in the data they deal with. Identification is the ability to uniquely identify a user of a system or an application running on the sys-tem. These models have the ability to identify users through the wearable data they collect. Wearable data refers to data that smart watches collect and through which the user can be identified based on their pat-terns. These models are capable of diagnosing cancer prematurely or proposing better eating habits. Due to the extensive functionality they offer, it is necessary to extensively test the various features and capabi-lities they offer. In this work, is proposed a platform based on neural networks capable of performing user authentication tests using wearable data. In particular, a has been created that allows the user to test the different functionalities offered by deep learning models. Specifically, the platform allows the selection of two types of models, an Artificial Neural Network (ANN) prototype such as the Multilayer Perceptron (MLP) and a Deep Learning prototype based on Convolutional Neural Networks (CNN).