VSauth: um software para auxiliar a identificação de fraudes por assinaturas

Abstract

Casos de falsificação de firmas são comuns no Brasil, o que impacta diversas companhias e setores públicos, comprometendo a veracidade dos documentos recebidos. Com a utilização de tecnologias avançadas, apresenta-se um grande potencial para a redução de fraudes, principalmente com a aplicação de redes neurais para a identificação de padrões em assinaturas manuscritas. Com isso, este trabalho visa desenvolver uma aplicação em Python, capaz de comparar as firmas recebidas com as disponíveis em uma base de dados, em que fornecerá uma análise de similaridade de, no mínimo, 80% de acerto. Na fundamentação teórica são apresentados alguns conceitos-chave, como o de Redes Neurais Convolucionais, Redes Neurais Artificiais, Redes Neurais Siamesas, Distância Euclidiana precisão, recall, acurácia e F1-Score, que sustentam a pesquisa os quais são ancorados em práticas de pesquisas apresentadas em um conjunto de trabalhos sobre reconhecimento de assinaturas em que serão utilizados para o treinamento da máquina para reconhecer os padrões das assinaturas, como espessura da linha e métricas de distância, além de reduzir a quantidade de falsos positivos e falsos negativos. Para alcançar os objetivos propostos, será realizada uma pesquisa experimental, que consiste em viabilizar e adaptar a ferramenta para que as instituições que necessitarem, possam utilizar sem a necessidade de recorrer a métodos manuais ou aplicações importadas e onerosas. Assim, com a documentação, apresentação e análise dos dados, espera-se obter resultados que confirmem a viabilidade e adaptabilidade do sistema ao contexto brasileiro.

Cases of signature forgery are common in Brazil, impacting various companies and public sectors, compromising the authenticity of received documents. With the use of advanced technologies, there is great potential to reduce fraud, especially through the application of neural networks for identifying patterns in handwritten signatures. This study aims to develop a Python application capable of comparing received signatures with those available in a database, providing a similarity analysis with an accuracy of at least 80%. The theoretical foundation introduces key concepts such as Convolutional Neural Networks, Artificial Neural Networks, Siamese Neural Networks, Euclidean Distance, precision, recall, accuracy, and F1- Score, which support the research, anchored in studies on signature recognition. These will be used for training the machine to recognize signature patterns such as line thickness and distance metrics, in addition to reducing the number of false positives and false negatives. To achieve the proposed objectives, an experimental study will be conducted to enable and adapt the tool so that institutions needing it can use it without resorting to manual methods or expensive imported applications. Thus, with documentation, data presentation, and analysis, we hope to obtain results that confirm the system's feasibility and adaptability to the Brazilian context.