Biometria Baseada em Sinais Vitais: Batimentos Cardíacos  e Padrões Respiratórios como Identificadores

1. Introdução

A biometria baseada em sinais vitais tem se consolidado como uma alternativa promissora às modalidades tradicionais, como impressão digital e reconhecimento facial. Por serem gerados internamente, sinais fisiológicos como batimentos cardíacos (eletrocardiograma-ECG, fotopletismografia-PPG) e padrões respiratórios são mais difíceis de falsificar e apresentam características individuais estáveis. Estudos recentes mostram que esses sinais possuem assinaturas suficientemente distintas para uso em autenticação contínua e identificação segura. O uso dos batimentos como prova de vida, já existe.

2. ECG como Identificador Biométrico

O ECG (eletrocardiograma) registra a atividade elétrica do coração, cuja morfologia depende da anatomia cardíaca, da condução elétrica e do controle autonômico. Essa combinação gera um padrão único para cada indivíduo. Pesquisas publicadas na IEEE Transactions on Information Forensics and Security demonstram que algoritmos de extração de características, como transformadas de onda e análise de intervalos RR, alcançam taxas de acurácia superiores a 95% na identificação de usuários a partir do ECG.

Além disso, estudos recentes investigam a autenticação contínua baseada em ECG em dispositivos vestíveis. A Universidade de Toronto, por exemplo, demonstrou que sensores de baixa potência integrados a pulseiras inteligentes conseguem capturar assinaturas cardíacas confiáveis mesmo durante atividades leves, reforçando o potencial dessa abordagem para aplicações de segurança passiva. A limitação é a necessidade de sensores sofisticados e cabos para a leitura do sinal.

3. PPG e a Identificação pelo Fluxo Sanguíneo

A fotopletismografia (PPG) mede variações no volume sanguíneo periférico por meio de luz. Embora amplamente utilizada em wearables para medir frequência cardíaca e oxigenação, a PPG também apresenta padrões individuais derivados da elasticidade vascular, da microcirculação e do tônus autonômico.

Pesquisas recentes têm explorado modelos de deep learning para extrair assinaturas biométricas do PPG. Um estudo publicado na Sensors demonstrou que redes neurais convolucionais aplicadas ao sinal bruto conseguem identificar indivíduos com acurácia superior a 98%. Outro trabalho, da Universidade de Osaka, mostrou que a fusão de PPG e ECG melhora significativamente a robustez da autenticação, reduzindo a sensibilidade a ruídos e movimentos.

É uma técnica para a leitura de batimentos cardíacos viável de se implementar em dispositivos móveis.

4. Padrões Respiratórios como Assinatura Biométrica

A respiração é influenciada pela anatomia torácica, musculatura respiratória e controle neural, resultando em padrões individuais relativamente estáveis em repouso. Pesquisas recentes têm utilizado sensores de movimento, acelerômetros e até variações respiratórias inferidas a partir do PPG para autenticação.

Embora ainda menos explorada que ECG e PPG, a biometria respiratória tem avançado com o uso de modelos de aprendizado profundo capazes de identificar assinaturas sutis na frequência, amplitude e regularidade respiratória. Estudos preliminares indicam que a combinação de padrões respiratórios com ECG aumenta a precisão da autenticação contínua em ambientes clínicos.

Demanda também equipamentos com algum grau de sofisticação mas deverá se tornar viável com o tempo.

5. Conclusão

A biometria baseada em sinais vitais representa uma evolução significativa na segurança digital. ECG, PPG e padrões respiratórios oferecem assinaturas fisiológicas únicas, difíceis de replicar e adequadas para autenticação contínua. Com o avanço dos sensores vestíveis e dos algoritmos de aprendizado de máquina, essa abordagem tende a se consolidar em aplicações médicas, corporativas e de consumo, embora desafios relacionados a variabilidade fisiológica e privacidade ainda precisem ser enfrentados.

Referências Bibliográficas

• • Agrafioti, F., Hatzinakos, D. “ECG Based Recognition Using Second Order Statistics.” IEEE Transactions on Information Forensics and Security, 2011.
  • Labati, R. D., et al. “Biometric Recognition Using Photoplethysmographic Signals.” Sensors, 2019.
  • Odinaka, I., et al. “ECG Biometrics: A Robust Short-Time Frequency Analysis.” IEEE Transactions on Information Forensics and Security, 2012.
  • Elgendi, M. “On the Analysis of Photoplethysmogram Signals.” Current Cardiology Reviews, 2012.
  • Singh, Y., et al. “Respiratory Pattern–Based Biometric Authentication.” Biomedical Signal Processing and Control, 2020.
  • Zhang, Q., et al. “Deep Learning for PPG-Based Biometric Identification.” Sensors, 2021.

Quer saber mais sobre a nossa solução de biometria com impressões e prova de vida com batimentos cardíacos ? Clique aqui.