Systèmes adaptatifs et évolutifs pour l'authentification des signatures manuscrites dans les environnements dynamiques

点击翻译按钮获取中文摘要

La pandémie de COVID-19 a un impact majeur sur la société en général. Par exemple, lors des dernières élections présidentielles aux États-Unis (le 3 novembre 2020), plus de 100 millions de votes ont été exprimés par la poste, soit plus de 30 % des électeurs inscrits sur les listes officielles. Le vote postal est validé sur la base de la correspondance entre la signature apposée sur l'enveloppe de retour et la signature fournie lors de l'inscription de l'électeur sur la liste électorale. La vérification des signatures est effectuée par les responsables du dépouillement qui sont majoritairement des occasionnels très peu qualifiés pour l'authentification des signatures. Le processus de vérification des signatures pour les votes par correspondance est fondamental dans le contexte d'une élection car chaque vote compte. Un rapport récent de l'OCDE (2021) révèle que l'accès à des méthodes de votation alternatives fiables favorisent la participation des personnes vulnérables, marginalisées et des groupes d'électeurs sous-représentés dans la société. Les solutions proposées dans la littérature spécialisée pour la vérification automatique des signatures manuscrites sont conçues pour les environnements statiques où le nombre de scripteurs est limité (<300) et le nombre de signatures de référence/scripteur est de 10 à 12. L'hypothèse forte est que les caractéristiques du problème de reconnaissance sont parfaitement connues lors de la conception du système de vérification et que celles-ci ne changeront pas dans le temps. L'objectif principal à long terme de notre programme de recherche réside dans la mise en oeuvre d'une méthodologie efficace pour la conception des systèmes de vérification de signatures manuscrites (VDS+) de prochaine génération. Nous posons l'hypothèse que la vérification à grande échelle des images de signatures peut être considérée comme un flux de données non stationnaires (Big Data). Un VDS+ doit être adaptatif et évolutif, capable d'apprendre de manière incrémentale sur des nouvelles données dans les environnements dynamiques. Afin d'atteindre cet objectif à long terme, plusieurs problèmes fondamentaux dans les domaines de la vérification des signatures manuscrites et de la sélection dynamique des classifieurs adaptés au traitement des flux de données non stationnaires feront l'objet de trois objectifs spécifiques à court terme : (1) L'étude de nouvelles méthodes d'apprentissage des classificateurs pour la vérification des signatures avec un nombre limité d'exemples de référence (1 à 3 en pratique) ; (2) La conception d'une nouvelle architecture VDS+ basée sur la sélection dynamique de classifieurs adaptés pour le traitement des flux de données non stationnaires ; (3) L'étude de la robustesse des VDS+ aux attaques par des exemples adversaires. Les étudiants impliqués dans ce programme de recherche seront en mesure de disséminer ces nouvelles connaissances dans la communauté scientifique et dans l'industrie canadienne.