259
| ISSN (impreso): 1812-6049 | ISSN (en línea): 2523-1820 |
Algoritmos del cifrado para protección de datos
biométricos
Encryption algorithms for biometric data protection
Recibido: julio 23 de 2023 | Revisado: setiembre 20 de 2023 | Aceptado: octubre 18 de 2023
M C-F1
A M-D S2
1 Escuela de Ingeniería de Sistemas, Universidad
Nacional de Trujillo, Trujillo - Perú
2 Escuela de Ingeniería de Sistemas, Universidad
Nacional de Trujillo, Trujillo - Perú
Autor de correspondencia:
r513300420@unitru.edu.pe
Resumen
La presente revisión tuvo como objetivo examinar
las diferentes técnicas o algoritmos de cifrado de
datos biométricos usados en la autenticación para
la seguridad de la información. En consecuencia,
se utilizó la metodología PRISMA para seleccionar
artículos en diferentes bases de datos durante el periodo
comprendido entre 2019 y 2023. Las bases de datos
utilizadas fueron SCOPUS, SCIELO y GOOGLE
ACADÉMICO, donde al aplicar los criterios de
inclusión y exclusión planteados se consideraron 13
artículos para la presente investigación. De esta forma
se pudo notar la necesidad de la aplicación de los
algoritmos de cifrado como forma de prevención de
ataques y orientados al cumplimiento de los objetivos
de la seguridad de la información, siendo los más
utilizados el AES (Advanced Encryption Standard) y
el cifrado caótico.
Palabras clave: cifrado; biometría; autenticación;
seguridad de la información
AbstRAct
e objective of this review was to examine the
different biometric data encryption techniques or
algorithms used in authentication for information
security. Consequently, the PRISMA methodology
was used to select articles in different databases during
the period between 2019 and 2023. e databases
used were SCOPUS, SCIELO and GOOGLE
ACADEMICO, where when applying the proposed
inclusion and exclusion criteria, they were considered
13 articles for this research. In this way, it was possible
to notice the need to apply encryption algorithms as
a form of attack prevention and aimed at meeting
the objectives of information security, the most used
being AES (Advanced Encryption Standard) and
encryption chaotic.
Keywords: encryption, biometrics, authentication,
security of the information
© Los autores. Este artículo es publicado por la Revista Campus de la Facultad de Ingeniería y Arquitectura de la Universidad
de San Martín de Porres. Este artículo se distribuye en los términos de la Licencia Creative Commons Atribución No-Comercial
– Compartir-Igual 4.0 Internacional (https://creativecommons.org/licenses/ CC-BY), que permite el uso no comercial,
distribución y reproducción en cualquier medio siempre que la obra original sea debidamente citada. Para uso comercial
contactar a: revistacampus@usmp.pe.
https://doi.org/10.24265/campus.2023.v28n36.08
| C | V. XXVIII | N. 36 | PP. - | - | |
260
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Introducción
La información es un activo vital dentro
de cualquier institución, la seguridad
de la información y la ciberseguridad
está definidas por un compuesto de
instrucciones y elementos, que tienen
como misión brindar las tres características
fundamentales de la misma las cuales
son: disponibilidad, confidencialidad,
integridad; implementar políticas de
y controles de seguridad de los datos
se ha convertido en un proceso de vital
importancia para que las organizaciones
mantengan salvaguardada sus sistemas
ataques, daños o perdidas. (Ramírez y
Rinconc, 2022).
En ese contexto, una de las técnicas
para garantizar la seguridad de la
información usada por las organizaciones
es la autenticación biométrica, esta basa
en la identificación de características
físicas o comportamentales únicas de
un individuo, como huellas dactilares,
reconocimiento facial, voz, patrones
de escritura, entre otros. Estos datos
biométricos se utilizan para verificar la
identidad de un usuario y proporcionar
acceso a sistemas o datos sensibles. La
principal ventaja de la autenticación
biométrica es que es difícil de falsificar o
robar, ya que los rasgos biométricos son
inherentes y exclusivos de cada persona
(Prieto, 2015).
Sin embargo, a medida que se usa
más tecnologías como el reconocimiento
facial, las huellas dactilares y la voz para
acceder a nuestros dispositivos, cuentas
y edificios, ha surgido una preocupación
creciente entre los usuarios: ¿cómo se están
almacenando y protegiendo nuestros
datos biométricos?
La seguridad de almacenamiento es
la principal preocupación. Los usuarios
temen que los sistemas que almacenan
sus datos biométricos puedan ser
vulnerables a ataques cibernéticos y que
sus características únicas puedan ser
robadas. La posibilidad de suplantación
de identidad es una preocupación legítima
que se encuentra en el centro de esta
inquietud.
La preocupación también se extiende
a cómo se utilizan nuestros datos
biométricos. ¿Pueden ser utilizados para
rastrear nuestras actividades, dirigir
publicidad hacia nosotros o tomar
decisiones automatizadas que afecten
nuestra vida cotidiana? Los usuarios
quieren saber cómo se utilizan sus rasgos
únicos y cuáles son sus derechos en relación
con estos datos. La falta de transparencia
en la recopilación y uso de datos
biométricos es otra fuente de inquietud.
Los usuarios desean entender claramente
los propósitos detrás de la recopilación de
sus datos y quieren que se les informe sobre
cómo se utilizarán y protegerán. A pesar
de la creencia de que los datos biométricos
son difíciles de falsificar, la posibilidad de
engañar a los sistemas biométricos es un
tema que preocupa a muchos usuarios.
¿Podrían nuestros rasgos biométricos ser
suplantados o engañados, lo que pondría
en peligro nuestra seguridad?
Para garantizar la seguridad
de la información en el contexto
de la autenticación biométrica, se
utilizan algoritmos de protección de
datos biométricos. Estos algoritmos
desempeñan un papel crucial en la
gestión y almacenamiento de los datos
biométricos para evitar su compromiso y
asegurar la privacidad de los usuarios.
M C-F - A M-D S
261
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Método
Se realizó una investigación
documental utilizando la metodología
PRISMA como guía para revisión
sistemática. Se planteó las siguientes
preguntas para la implementación de la
metodología: ¿Cuáles son los algoritmos
de cifrado para protección de datos
biométricos? ¿Cuáles son los beneficios de
algoritmos de cifrado para protección de
datos biométricos?
Las revisiones sistemáticas son
resúmenes claros y organizados de
información que responden preguntas
específicas. Son muy confiables porque
se basan en muchos estudios y siguen un
proceso claro para reunir, seleccionar y
evaluar la evidencia sobre el objetivo de la
investigación (Moreno et al., 2018).
Criterios de inclusión y de exclusión
Se utilizó como criterio de inclusión
a los artículos publicados entre los años
2019 y 2023. Además, se consideró que
contengan los términos como “Algoritmos
de Cifrado”, “Seguridad de la información
biométrica”, “Autenticación”. Asimismo,
los artículos deben estar tanto en español
como en inglés para mayor profundización
de la revisión.
Finalmente, se consideró los criterios
de exclusión como cuando no se detalla
de forma practica el uso del algoritmo y
no existe una relación del algoritmo de
cifrado con biometría. Para una mayor
comprensión, se resume lo expuesto con
anterioridad en la Tabla 1.
Tabla 1
Criterios de inclusión y exclusión
CRITERIOS DE INCLUSIÓN
Artículos o tesis publicados en el periodo de 2019 - 2023
Idioma en Español o Inglés
Se muestra la aplicación de una tecnología y/o algoritmo
biométrico
CRITERIOS DE EXCLUSIÓN
No se detalla de forma practica el uso del algoritmo
No existe una relación del algoritmo de cifrado con
biometría
Proceso de recolección de la
información
El proceso de búsqueda y recolección
de datos se llevó a cabo utilizando una
combinación de palabras clave relacionadas
con la aplicación de algoritmos de cifrados
en la autenticación biométrica. Las palabras
clave incluyeron “algoritmos de cifrado
para protección de datos biométricos”,
“autenticación biométrica” y “seguridad
de la información”. Se utilizó un enfoque
transparente para buscar lecturas científicas,
y se emplearon diferentes fuentes de datos
como SciELO, Google Académico y Scopus.
En el caso del buscador académico SciELO
se utilizó el siguiente motor de búsqueda:
“encryption algorithm”. Los resultados
fueron un total de 26 artículos encontrados,
de las cuales aplicando los criterios de
inclusión y exclusión se seleccionaron dos.
A
262
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Luego para Google Académico, se
buscó con el siguiente motor de búsqueda:
“Algoritmo de cifrado y biometría”;
donde los resultados fueron un total de
24100 escritos generalizados, ya que es
una cantidad muy elevada se le aplicó
el filtrado por “artículos”, resultando un
total final de 141 artículos académicos de
los cuales fueron seleccionados cuatro.
Para el caso de Scopus se hizo la búsqueda
en base a “TITLE-ABS-KEY (encryption
AND biometrics AND information AND
security) AND PUBYEAR > 2018 AND
PUBYEAR < 2023 AND (LIMIT-TO
(EXACTKEYWORD, “Biometrics”)
OR LIMIT-TO (EXACTKEYWORD,
“Authentication”) OR LIMIT-TO
(EXACTKEYWORD, “Cryptography”))
AND (LIMIT-TO (LANGUAGE,
“English”) OR LIMIT-TO (LANGUAGE,
“Spanish”)) AND (LIMIT-TO (OA,
“all”)) AND (LIMIT-TO (DOCTYPE,
“ar”))” la cual arrojó un resultado de 26,
y fueron seleccionados siete en base a los
criterios de exclusión/inclusión.
Tabla 2
Bases de datos y artículos seleccionados
Bases de datos Motor de Búsqueda Resultados Seleccionados
SciELO encryption algorithm 26 2
Google Académico Algoritmo de cifrado y biometría 141 4
Scopus
TITLE-ABS-KEY ( encryption AND
biometrics AND information AND
security ) AND PUBYEAR > 2018
AND PUBYEAR < 2023) AND
(LIMIT-TO ( OA , “all”))”
26 7
Figura 1
Proceso de selección de artículos / Flujograma PRISMA
M C-F - A M-D S
263
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Resultados
Con los artículos seleccionados y
la posterior revisión, se obtuvieron
resultados de cada uno de ellos y estos
son presentados en la Tabla 3, donde
se muestra el(los) autor(es), técnica o
algoritmo, país y resultados.
Tabla 3
Resultados de artículos seleccionados
Nº Autor(es) Técnica o
algoritmo País Resultados
1Lee, J. et
al. (2023) PUF Corea
Para demostrar que el protocolo propuesto es seguro
contra diversos ataques y proporciona funciones de se-
guridad, se realizó una verificación formal y una veri-
ficación informal a través del modelo ROR, la lógica
BAN y la herramienta AVISPA
Protocolo propuesto puede ser seguro contra ataques de
adivinación, repetición, MITM, suplantación y captura
de sensores y puede proporcionar anonimato, secreto
directo perfecto y autenticación mutua segura.
2Man, Z.
(2023)
Algoritmo
de cifrado
de imágenes
de difusión
por rotación
adaptativo
basado en
doble caos
China
La información se almacena en forma de texto cifra-
do, lo que puede impedir que personal no autorizado la
robe y altere ilegalmente
El algoritmo es adaptable y eficaz contra ataques de tex-
to sin formato seleccionados.
Tras realizarse pruebas al algoritmo se pudo determinar
que las claves de cifrado tienen buena aleatoriedad, pue-
de resistir ataques de fuerza bruta, su clave es altamente
sensible y puede ocultar efectivamente la información.
3Patil, S. et
al. (2022)
Interpo-
lación de
Lagrange y
transforma-
da de coseno
discreta
India
Los rasgos multibiométricos originales de tamaño
512x512 se reducen a una plantilla de base de datos
de 8x8.
La técnica de transformación a través de Lagrange y
DCT permite crear una imagen irreversible, invincu-
lable y renovable.
Permite una autenticación con alta precisión, una base
de datos de tamaño constante, ahorro en almacena-
miento y protección de rasgos multibiométricos.
4Hammad,
M. et al.
(2019) Biohashing China
Al aplicar biohashing, técnica biométrica cancelable,
se pudo proteger la plantilla de funciones de ECG y
huellas dactilares y aumentar la precisión de la autenti-
cación del sistema.
La técnica biohashing mejorada permitió proteger las
funciones extraídas y permitir la fusión interna, es de-
cir, de las características importantes de cada biométri-
co y adoptar un sistema multimodal.
Se obtuvo Acc(precisión) de 99,12%, FRR(tasa de fal-
sos rechazos) de 0 y FAR(tasa de aceptaciones falsas) de
1,2%.
A
264
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
5Wang, F. et
al. (2019)
Mapa caóti-
co de Cheb-
yshev China
En el presente trabajo se agrega una carga de cálculo
adicional, como el cálculo del polinomio de Chebyshev,
para garantizar la seguridad de la información.
El esquema presentado es inmune a ataques de adivi-
nanzas fuera de línea, esquema es inmune al ataque de
divulgación de claves de sesión, ataque de desincroni-
zación, proporciona secreto directo y anonimato del
usuario.
6Kou, L. et
al. (2019)
Método de
bóveda di-
fusa
Estados
Unidos
El protocolo propuesto puede lograr un proceso de au-
tenticación rápido protegiendo las plantillas biométri-
cas. No solo resuelve eficazmente las posibles amenazas
a la seguridad de la percepción de la información de
IoT, sino que también se implementa fácilmente sin
cambiar ninguna condición del hardware.
Para mejorar la seguridad del algoritmo, se recomienda
que el trabajo futuro puede mejorar el algoritmo apli-
cando el algoritmo de cifrado ligero.
7Wu, T. et
al. (2021)
Criptogra-
fía de cur-
va elíptica
(ECC)
China
La seguridad de la comunicación del esquema fue vali-
dada por la herramienta ProVerif, y la lógica BAN in-
dicó que la autenticación mutua se puede completar de
forma segura.
Proporciona anonimato al usuario, un secreto directo
perfecto, superar ataques internos privilegiados y de la
información temporal específica de la sesión conocida.
8Taher,
B. et al.
(2021)
Hash per-
ceptual Irak
La ventaja de utilizar p-hash es su capacidad tolerante
a variaciones sin importancia en la calidad y el formato
de la entrada. El tamaño del valor hash que se genera
mediante hash perceptivo difiere de 64 a 128 bits.
Utilizando la lógica BurrowsAbadi-Needham (BAN), la
herramienta de simulación de validación automatizada
de protocolos y aplicaciones de seguridad de Internet
(AVISPA) y el análisis de seguridad informal demuestran
que el algoritmo propuesto es superior a los usados por
protocolos de autenticación existentes, en seguridad,
funcionalidad y gastos de comunicación y hardware.
9Wang, Y. et
al. (2021)
Generación
de claves
biológicas
Cifrado AES
China
Se utiliza códigos binarios aleatorios para representar
datos biométricos y un modelo de aprendizaje profundo
para establecer la relación entre los datos biométricos y
el código binario aleatorio para cada usuario.
Para proteger la privacidad y garantizar la revocabilidad de
la clave biométrica, se usa una operación de permutación
aleatoria para mezclar los elementos del código binario y
actualizar una nueva clave biométrica.
Se construyó un módulo de compromiso difuso para ge-
nerar los datos auxiliares sin revelar ninguna información
biométrica durante la inscripción.
Para la evaluación se utilizan tres conjuntos de datos de
referencia, incluidos ORL, Extended YaleB y CMU-PIE.
Los resultados del experimento muestran una tasa de acep-
tación genuina (GAR) superior a los métodos más mo-
dernos con una tasa de aceptación falsa (FAR) del 1% y,
mientras tanto, satisface las propiedades de revocabilidad
y aleatoriedad de las claves biométricas.
M C-F - A M-D S
265
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
10 Shalaby,
A. et al.
(2021)
Algoritmo
de cifrado
caótico
generada por
una secuen-
cia de mapas
logísticos y
secuencias
de estados de
(LFSR)
Egipto
LFSR proporciona mejores resultados criptográfica-
mente en comparación con los métodos que cifran
utilizando únicamente un esquema de mapa logístico;
proporciona un alto grado de secreto y seguridad.
También proporciona un método seguro de transmi-
sión de plantillas de iris a través del canal de comuni-
cación entre los cajeros automáticos y los servidores del
banco protegiendo el iris mediante cifrado caótico.
11 Patiño,
M. et al.
(2021)
Advanced
Encryption
Standar-
d(AES)
México
AES es un algoritmo muy robusto, ya que no posee cla-
ves débiles o semi-débiles, ya que para que un algoritmo
de cifrado de imágenes tenga alta seguridad, el espacio
de claves debe ser como 2 elevado a la 100, en AES-
CAOS el espacio de llaves está dado por 2 elevado a la
128, por lo que no hay restricciones en la selección de
la clave.
Para que el algoritmo funcione bien, solo se necesita
que la clave para cifrar y descifrar sea exactamente la
misma. Si se cambias la clave, lo más mínimo posible,
los resultados no serán correctos y hacer el descifrado
será mucho más complicado.
12 Lohkande,
T. et al.
(2021)
TDEA (Tri-
ple Data
Encryption
Algorithm)
India
Algoritmo mejorado de DES, que ahora se considera
inseguro, debido a que el tamaño efectivo de la clave
de 56 bits es demasiado pequeño.
Triple DES aumenta el tamaño de la clave de DES
para proteger contra ataques sin diseñar un algoritmo
de cifrado de bloque completamente nuevo, 64 bits.
DES triple se está volviendo poco a poco menos usa-
do, pero todavía es una manera confiable de proteger
información importante en el mundo de las finanzas y
otras áreas.
13 De Abie-
ga, A. et al.
(2022)
Bóveda
difusa
Algoritmo
de lagrange
AES
Mexico
Se plantea un algoritmo mediante bóveda difusa basada
en huellas dactilares que resiste ataques de multiplici-
dad de registros conocidos y que no filtra información
sobre las huellas dactilares protegidas a partir de datos
de alineación auxiliares
Se pudo comprobar que con la bóveda cifrada el ataque
de fuerza bruta no logró recuperar el polinomio y por lo
tanto no se pudo vulnerar la seguridad de este sistema.
La prueba en este trabajo se realizó con 256 bits de
seguridad, como consecuencia, este nuevo sistema
biométrico de bóveda difusa no sólo sería seguro para
los tiempos actuales sino también para el futuro.
En futuros trabajos es necesario probar otro tipo de
ataques como un ataque de correlación o un ataque a
través de la multiplicidad de registros, de esta forma se
podría demostrar que esta propuesta puede ser efectiva
para la protección contra múltiples ataques.
Como se muestra en la siguiente figura,
el país que cuenta con mayor número de
artículos tomados en cuenta en esta revisión
es China con cinco publicaciones, seguido
por México y la India con dos publicaciones
como se observa en la Figura 2.
A
266
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Figura 2
Cantidad de artículos por país
En la Figura 3 se observa la ubicación
geográfica de los países donde se elaboraron
los artículos cuya investigación es acerca
de la aplicación algoritmos de cifrado para
protección de datos biométricos usados
en la autenticación para seguridad de la
información
Figura 3
Mapa coroplético de los artículos seleccionados
M C-F - A M-D S
PAÍS
Recuento de artículos
267
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Producto de la investigación se pudo
encontrar los algoritmos y/o técnicas
de cifrado usados para protección de
datos biométricos que son presentados
a continuación; Biohashing, Algoritmo
de Lagrange, Hash perceptual,
Cifrado Caotico, AES (Advanced
Encryption Standard), Boveda difusa,
ECC (Criptografia de curva eliptica),
PUF (circuitería de función física no
clonable), TDEA (Triple Data Encryption
Algorithm). Es posible apreciar que los
algoritmos más usados son el Cifrado
caotico y el AES (Advanced Encryption
Standard). Esto debido a que utilizan
códigos binarios aleatorios con una
gran capacidad y robustez lo que
permite proporciona mayor seguridad
y complejidad en el descifrado, esta
información se muestra reflejada en la
Figura 4.
Figura 4
Cantidad de artículos por algoritmo aplicado
Discusión
En base a lo presentado producto de
esta revisión vemos como los diversos
autores de los artículos nos brindan
una visión general de cómo se están
implementando algoritmos o técnicas
de cifrado para resguardar los datos
biométricos usados en la autenticación
de los sistemas de información de las
organizaciones. Después de analizar los
resultados se puede decir que la aplicación
de algoritmos y/o técnicas de cifrado
biométrico es un campo de aplicación
relativamente nuevo y que está siendo
altamente demandado por el creciente
desarrollo de nuevas amenazas que afectan
la vulnerabilidad de los sistemas que
utilizan datos biométricos lo que causa
preocupación en los clientes, trabajadores
y otros usuarios.
Con respecto a los beneficios de
los algoritmos, en la mayoría de
investigaciones se pudo notar que estaban
orientados a proporcionar una seguridad
adicional como alternativa de protección
frente a ataques, esto se ve reflejado,
principalmente, en los resultados
presentados por Lee et al. (2023) y Man,
Z. (2023) donde el algoritmo usado es
seguro contra ataques de adivinación,
repetición, MITM, suplantación y
captura de sensores y puede proporcionar
anonimato, secreto directo perfecto,
autenticación mutua y frente a ataques de
fuerza bruta.
A
268
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Asimismo, los algoritmos de cifrado
aseguran que los datos biométricos se
mantengan confidenciales, incluso si se
almacenan en bases de datos centralizadas
o se transmiten a través de redes no seguras,
esto se ve reflejado en los resultados
dados por Hammad, M. et al. (2019)
Wang, Y. et al. (2021) donde la técnica
usada fue el biohashing o generación de
clave biológica, donde para proteger la
privacidad y garantizar la revocabilidad de
esta, se usa una operación de permutación
aleatoria para mezclar los elementos del
código binario y actualizar una nueva
clave biométrica y la aplicación del cifrado
se realiza sin revelar ninguna información
biométrica durante la inscripción o toma
de datos.
Además, los algoritmos de cifrado
utilizados en la autenticación biométrica
permiten la implementación de sistemas
multimodales o de múltiples factores,
reforzando la confidencialidad, uno
de los objetivos de la seguridad de la
información, este aspecto se puede
notar en los artículos elaborados por
Patil, S. et al. (2022) donde los rasgos
multibiométricos originales se reducen a
una plantilla de base de datos de menor
tamaño, creando imágenes irreversibles e
invinculables con alta precisión, una base
de datos de tamaño constante, ahorro en
almacenamiento y protección de rasgos
multibiométricos.
Por último, se puede apreciar
que ciertos algoritmos surgen como
reemplazo o en base de las falencias
encontradas por otro, como por ejemplo
el algoritmo usado por Lohkande, T. et
al. (2021), TDEA, surge en base al DES;
sin embargo, está quedando obsoleto por
lo que está siendo reemplazado por el
algoritmo AES, utilizado por Patiño, M.
et al. (2021), De Abiega, A. et al. (2022)
y Wang, Y. et al. (2021) o por la técnica
de Hash perceptual usada por Taher, B.
et al. (2021), esto principalmente a que no
cumple con la condición dada que para
que un algoritmo de cifrado de imágenes
tenga alta seguridad, el espacio de claves
debe ser al menos tan grande como 2
elevado a 100, lo que garantiza robustez y
la alta precisión.
Conclusiones
Las tecnologías de la información (TI)
han revolucionado nuestra capacidad para
recopilar, procesar y gestionar datos de
manera eficiente en la era digital. En este
contexto, la gestión de datos biométricos
se ha convertido en un aspecto crítico
de las TI, con una importancia creciente
debido a su carácter altamente personal y
único.
La presente investigación identificó
las técnicas o algoritmos de cifrado
utilizados para la protección de los datos
biométricos usados en la autenticación
a partir de la revisión de artículos
científicos y tesis publicadas a partir de
2019 a 2023 tomando como referencia
las bases de datos SCOPUS, SCIELO
y GOOGLE ACADEMICO; donde se
pudo determinar que AES y el cifrado
caótico son las más utilizados, teniendo
la presencia en tres artículos cada uno,
asimismo, el país que tuvo mayor número
de investigaciones referentes al cifrado
biométrico fue China.
En cuanto a las limitaciones, podemos
decir que los resultados obtenidos
corresponden a tres bases de datos,
cantidad que puede ser ampliado en
una investigación más profunda que
complemente la realizada en esta revisión.
M C-F - A M-D S
269
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Asimismo, se espera continuar ampliando
la información en investigaciones futuras,
dado que el campo de biometría y en
específico los algoritmos de cifrado
de datos biométricos se desarrollan
continuamente, debido a que algunos van
quedando obsoletos, ya que los atacantes
encuentran formas de violarlos, por los
que surgen nuevas propuestas como
respuesta a la necesidad y preocupación
de los usuarios acerca del mantenimiento
y protección que se les aplica a estos frente
a los ataques para evitar la suplantación de
identidad y otros más que atenten contra
su persona.
Referencias
Camargo, E. A. R., & Pinzón, M. A.
R. (2022). La importancia de la
seguridad de la información en
el sector público en Colombia.
RISTI - Revista Ibérica de Sistemas
e Tecnologías de Informação, 46,
87–99. https://doi.org/10.17013/
risti.46.87-99
De Abiega-L’Eglisse, A. F., Gallegos-
Garcia, G., Nakano-Miyatake,
M., Rosas Otero, M., & Azpeitia
Hernández, V. (2022). A New Fuzzy
Vault based Biometric System robust
to Brute-Force Attack. Computación
y sistemas, 26(3). https://doi.
org/10.13053/cys-26-3-4184
Hammad, M., Liu, Y., & Wang, K.
(2019). Multimodal biometric
authentication systems using
convolution neural network based
on different level fusion of ECG and
fingerprint. IEEE access: practical
innovations, open solutions, 7, 26527–
26542. https://doi.org/10.1109/
access.2018.2886573
Kou, L., Shi, Y., Zhang, L., Liu, D., &
Yang, Q. (2019). A lightweight three-
factor user authentication protocol
for the information perception
of IoT. Computers, Materials &
Continua, 58(2), 545–565. https://
doi.org/10.32604/cmc.2019.03760
Lee, J., Oh, J., & Park, Y. (2023).
A secure and anonymous
authentication protocol based
on three-factor wireless medical
sensor networks. Electronics, 12(6),
1368. https://doi.org/10.3390/
electronics12061368
Man, Z. (2023). Biometric information
security based on double chaotic
rotating diffusion. Chaos, Solitons,
and Fractals, 172(113614),
113614. https://doi.org/10.1016/j.
chaos.2023.113614
Moreno, B., Muñoz, M., Cuellar, J.,
Doma ncic, S., & Vil lanueva, J. (2018).
Revisiones Sistemáticas: definición
y nociones básicas. Revista Clínica
de Periodoncia, Implantología y
Rehabilitación Oral, 11(3), 184–
186. https://doi.org/10.4067/s0719-
01072018000300184
Patil, S. D., Raut, R., Jhaveri, R. H.,
Ahanger, T. A., Dhade, P. V., Kathole,
A. B., & Vhatkar, K. N. (2022).
Robust authentication system with
privacy preservation of biometrics.
Security and Communication
A
270
| ISSN (): - | ISSN ( ): - | | C | V. XXVIII | N. 36 | - | |
Networks, 2022, 1–14. https://doi.
org/10.1155/2022/7857975
Patiño, M., Godínez, E., Patiño,
J.,Balankin, A., Flores,R.,Martinez,
M.,Garcia, S.,Manuel, V.(2021).
Encriptado de Imágenes Basado
en Advanced Encryption Standard
y Caos. https://www.researchgate.
net/publication/351824897_
ENCRIPTADO_DE_
IMAGENES_BASADO_EN_
ADVANCED_ENCRYPTION_
STANDARD_Y_CAOS
Prieto Rodríguez, J. D. (2015). Algoritmo
de generación de llaves de cifrado
basado en biometría facial. Revista
inventum, 10(19), 41–51. https://
doi.org/10.26620/uniminuto.
inventum.10.19.2015.41-51
Shalaby, A., Gad, R., Hemdan, E. E.-
D., & El-Fishawy, N. (2021). An
efficient multi-factor authentication
scheme based CNNs for securing
ATMs over cognitive-IoT. PeerJ.
Computer Science, 7(e381), e381.
https://doi.org/10.7717/peerj-cs.381
Taher, B. H., Liu, H., Abedi, F., Lu,
H., Yassin, A. A., & Mohammed,
A. J. (2021). A secure and
lightweight three-factor remote
user authentication protocol for
future IoT applications. Journal
of Sensors, 2021, 1–18. https://doi.
org/10.1155/2021/8871204
T. Lokhande, S. Sonekar y A. Wani,
“Development of an Algorithmic
Approach for Hiding Sensitive
Data and Recovery of Data based
on Fingerprint Identification for
Secure Cloud Storage,” 2021
8th International Conference on
Signal Processing and Integrated
Networks (SPIN), Noida, India,
2021, pp. 800-805, doi: 10.1109/
SPIN52536.2021.9566026.
Wang, F., Xu, G., & Xu, G. (2019).
A provably secure anonymous
biometrics-based authentication
scheme for wireless sensor
networks using chaotic map. IEEE
access: practical innovations,
open solutions, 7, 101596 –
101608. https://doi.org/10.1109/
access.2019.2930542
Wu, T.-Y., Yang, L., Lee, Z., Chen, C.-
M., Pan, J.-S., & Islam, S. K. H.
(2021). Improved ECC-based three-
factor multiserver authentication
scheme. Security and Communication
Networks, 2021, 1–14. https://doi.
org/10.1155/2021/6627956
Wang, Y., Li, B., Zhang, Y., Wu, J., &
Ma, Q. (2021). A secure biometric
key generation mechanism via deep
learning and its application. Applied
Sciences (Basel, Switzerland), 11(18),
8497. https://doi.org/10.3390/
app11188497
M C-F - A M-D S
