Résumé:
L’´evolution des technologies de l’information a incit´e les chercheurs de cr´eer une
multitude de nouvelles solutions de s´ecurit´e pour des applications ´electroniques s´ecuris´ees, notamment sur Internet. Parmi eux, les responsables de la s´ecurit´e pr´ef`erent les
syst`emes d’authentification pour l’identit´e des utilisateurs. En effet, l’authentification
biom´etrique s’est av´er´ee sup´erieure `a bien des ´egards par rapport aux moyens d’authentification traditionnels. Malheureusement, ces syst`emes sont vuln´erables `a une vari´et´e
d’attaques, dont la plus grave est peut-ˆetre l’attaque du gabarit stock´e ou transmis,
ce qui rend la s´ecurit´e de ce gabarit plus importante dans la conception des syst`emes
biom´etriques. Cette recherche sugg`ere donc une m´ethode d’extraction de caract´eristiques efficace qui peut fournir une caract´eristique biom´etrique profonde et r´evocable.
Dans cette ´etude, l’apprentissage en profondeur DCTNet est combin´e avec des syst`emes chaotiques pour extraire des caract´eristiques r´evocables d’empreinte palmaire /
veines de palme.
