Aplicação de técnicas de detecção de anomalias para a verificação da identidade de motoristas.

Abstract

Automóveis estão equipados com uma série de sensores que permitem o monitoramento tanto do funcionamento do carro quanto das ações executadas pelo condutor. Através da extração de padrões destes dados é possível identificar o motorista do automóvel. A vasta maioria dos trabalhos relacionados tratam a identificação de motoristas como um problema de classificação. Isso significa que num cenário de furto a aplicabilidade destes métodos é bastante limitada uma vez que o criminoso provavelmente não estará na base de dados. Assim, neste projeto é proposto o estudo de técnicas de detecção de anomalia para este problema, analisando alguns modelos de detecção já existentes na literatura como Elliptic Envelopes, Isolation Forest e One Class Support Vector Machine. Na detecção de anomalia, o modelo aprende somente o que é o comportamento de direção do motorista designado para um veículo. Comportamentos que se diferenciam significativamente deste são considerados anômalos e denunciados como evidência de furto. Este tipo de método já tem sido utilizado com sucesso na detecção de fraudes em cartões de crédito e se apresenta como alternativa promissora na identificação de motoristas.