FACULDADE DA CIDADE DE MACEIÓ 18-12-22 (1)

Prévia do material em texto

FACULDADE DA CIDADE DE MACEIÓ
CIÊNCIA DA COMPUTAÇÃO 
RAFAEL BRANDÃO DE SOUZA
RECONHECIMENTO FACIAL 
Banco dados não relacionais e NoSQL
Maceió/AL
2022
FACULDADE DA CIDADE DE MACEIÓ
CIÊNCIA DA COMPUTAÇÃO 
RECONHECIMENTO FACIAL 
Banco dados não relacionais e NoSQL
Reconhecimento facial é a tecnologia baseada em Inteligência Artificial que identifica e verifica, por cruzamento de dados, em um banco de dados não relacional.
Orientador: Ronaldo Fernandes 
 
 
 
Maceió/AL
2022
Sumario
O que é reconhecimento facial
Como o reconhecimento facial funciona
Etapa 1: Detecção do rosto
Etapa 2: Análise do rosto
Etapa 3: Conversão da imagem em dados
Etapa 4: Localização de uma correspondência
Como o reconhecimento facial é usado
Desbloquear telefones
Aplicação da lei
Controle de aeroportos e fronteiras
Encontrar pessoas desaparecidas
Redução de crimes em estabelecimentos comerciais
Melhoria das experiências de varejo
Operações bancárias
Marketing e publicidade
Serviços de saúde
Controle de presença de alunos e funcionários
Reconhecimento de motoristas
Monitoramento de vício em jogos
Exemplos da tecnologia de reconhecimento facial
Vantagens do reconhecimento facial
Reforço à segurança
Redução de crimes
Eliminar a tendenciosidade durante revistas policiais
Maior conveniência
Processamento mais rápido
Integração com outras tecnologias
Desvantagens do reconhecimento facial
Vigilância
Possibilidade de erros
Violação da privacidade
Armazenamento de dados em massa
Segurança no reconhecimento facial – como se proteger
Reconhecimento Facial x LGPD
Banco dados não relacionais e NoSQL
Armazenamentos de dados de documentos
Armazenamentos de dados de colunas
Armazenamentos de dados de chave/valor
Armazenamentos de dados de gráficos
Armazenamentos de dados de série temporal
Armazenamentos de dados de objetos
Armazenamentos de dados de índice externo
Requisitos típicos
Banco de dados não relacional vantagens e desvantagens
Vantagens
Desvantagens 
Conclusão.
Referência.
INTRODUÇÃO
Reconhecimento facial é a tecnologia baseada em Inteligência Artificial que identifica e verifica, por cruzamento de dados, a identidade de uma pessoa por meio da imagem do seu rosto, seja em fotos, vídeos ou em captura em tempo real.
Esse recurso entra na categoria de segurança biométrica, juntamente com outras formas de reconhecimento, como impressão digital, retina e voz. Todos eles se utilizam de características únicas de cada indivíduo, reconhecidas por meio da leitura de padrões biométricos, para confirmar se ele é quem realmente diz ser.
Reconhecimento facial é a tecnologia baseada em Inteligência Artificial que identifica e verifica, por cruzamento de dados, a identidade de uma pessoa por meio da imagem do seu rosto, seja em fotos, vídeos ou em captura em tempo real.
Esse recurso entra na categoria de segurança biométrica, juntamente com outras formas de reconhecimento, como impressão digital, retina e voz. Todos eles se utilizam de características únicas de cada indivíduo, reconhecidas por meio da leitura de padrões biométricos, para confirmar se ele é quem realmente diz ser.
· O que é reconhecimento facial – definição e explicação
Reconhecimento facial é uma forma de identificar ou confirmar a identidade de uma pessoa usando seu rosto. Os sistemas de reconhecimento facial podem ser usados para identificar pessoas em fotos, vídeos ou em tempo real.
O reconhecimento facial é uma categoria de segurança biométrica. Outras formas de software biométrico incluem reconhecimento de voz, impressão digital, retina ocular ou íris. Na maioria das vezes, a tecnologia é usada para segurança e aplicação da lei, embora haja um interesse crescente em outras áreas de uso.
· Como o reconhecimento facial funciona
Muitas pessoas estão familiarizadas com a tecnologia de reconhecimento graças ao Face ID, que é usado para desbloquear o iPhone (no entanto, esse é apenas um aplicativo de reconhecimento facial). Normalmente, o reconhecimento facial não conta com um banco de dados vasto de fotos para determinar a identidade de uma pessoa; ele simplesmente a identifica e reconhece como sendo a proprietária única do dispositivo, limitando o acesso de outros.
Além de desbloquear telefones, o reconhecimento facial funciona fazendo a correspondência entre os rostos de pessoas que passam por câmeras especiais com imagens de pessoas em uma lista de observação. As listas de observação podem conter imagens de qualquer pessoa, incluindo pessoas que não são suspeitas de irregularidades; e as imagens podem originar-se de qualquer lugar, até mesmo de nossas contas de redes sociais. Os sistemas de tecnologia facial podem variar, mas no geral, tendem a funcionar da seguinte forma:
· Etapa 1: Detecção do rosto
A câmera detecta e localiza a imagem de um rosto, sozinho ou no meio de uma multidão. A imagem da pessoa pode ser de frente ou de perfil.
· Etapa 2: Análise do rosto
Depois, uma imagem do rosto é capturada e analisada. A maioria das tecnologias de reconhecimento facial conta com imagens 2D em vez de 3D, porque é mais conveniente fazer a correspondência de imagens 2D com fotos públicas ou de um banco de dados. O software faz a leitura da geometria do seu rosto. Os principais fatores são a distância entre seus olhos, a profundidade de suas órbitas oculares, a distância entre a testa e o queixo, o formato da maçã do rosto e o contorno dos lábios, das orelhas e do queixo. O objetivo é identificar os pontos de referência faciais principais que distinguem seu rosto.
· Etapa 3: Conversão da imagem em dados
O processo de captura facial transforma as informações analógicas (um rosto) em um conjunto de informações digitais (dados) com base nas características faciais da pessoa. A análise do seu rosto é basicamente transformada em uma fórmula matemática. O código numérico é chamado de impressão facial. Da mesma forma que as impressões digitais são únicas, cada pessoa possui sua própria impressão facial.
· Etapa 4: Localização de uma correspondência
Sua impressão facial é comparada com um banco de dados de outros rostos conhecidos. Por exemplo, o FBI tem acesso até 650 milhões de fotos, extraídas de vários bancos de dados estaduais. No Facebook, qualquer foto marcada com o nome de uma pessoa torna-se parte do banco de dados do Facebook, que também pode usada para reconhecimento facial. Se a sua impressão facial corresponder a uma imagem de um banco de dados de reconhecimento facial, uma determinação será feita.
	De todas as medições biométricas, o reconhecimento facial é considerado o 	mais natural. Intuitivamente, isso faz sentido, já que normalmente 	reconhecemos uns aos outros pelos nossos rostos, e não por impressões 	digitais e íris. Estima-se que mais da metade da população mundial passa por 	reconhecimento facial regularmente.
· Como o reconhecimento facial é usado
A tecnologia é usada com vários propósitos. Entre eles:
· Desbloquear telefones
Vários telefones, incluindo o iPhone mais recente, usam o reconhecimento facial para desbloquear o dispositivo. A tecnologia oferece um meio eficiente de proteger dados pessoais e garante que os dados confidenciais permaneçam inacessíveis caso o telefone seja roubado. A Apple alega que a probabilidade de seu iPhone ser desbloqueado por um rosto aleatório é de cerca de uma em um milhão.
· Aplicação da lei
Regularmente, o reconhecimento facial vem sendo usado pela polícia. De acordo com este relatório da NBC, o uso da tecnologia está aumentando entre os órgãos de aplicação da lei nos EUA, e a história é a mesma em outros países. A polícia tira fotos policiais dos presos e as compara com as imagens de bancos de dados de reconhecimento facial locais, estaduais e federais. Depois que a foto de um preso é tirada, ela é adicionada aos bancos de dados para ser verificada sempre que a polícia fizer uma pesquisa criminal.
Além disso, o reconhecimento facial móvel permite que os oficiais usem smartphones, tablets ou outros dispositivos portáteis para tirar uma foto de um motorista ou pedestre em campo e fazeruma comparação imediata com outras fotos de um ou mais bancos de dados de reconhecimento facial na tentativa de uma identificação.
· Controle de aeroportos e fronteiras
O reconhecimento facial tornou-se uma sinalização conhecida em muitos aeroportos em todo o mundo. Um número cada vez maior de passageiros usa passaportes biométricos, com os quais eles podem pular filas normalmente longas e passar por um controle automatizado de passaportes eletrônico, chegando à área de embarque mais rapidamente. O reconhecimento facial não somente reduz o tempo gasto, como também permite que o aeroporto reforce a segurança. O Departamento de Segurança Interna dos EUA prevê que o reconhecimento facial será usado por 97% dos passageiros até 2023. Além de aeroportos e fronteiras, a tecnologia é usada para reforçar a segurança de eventos de grande escala, como as Olimpíadas.
· Encontrar pessoas desaparecidas
O reconhecimento facial pode ser usado para encontrar pessoas desaparecidas e vítimas de tráfico humano. Suponhamos que pessoas desaparecidas tenham sido adicionadas a um banco de dados. Nesse caso, a polícia pode ser alertada assim que elas forem identificadas por reconhecimento facial, independentemente se for em um aeroporto, estabelecimento comercial ou outro espaço público.
· Redução de crimes em estabelecimentos comerciais
O reconhecimento facial é usado para identificar quando ladrões conhecidos, organizações criminosas ou pessoas com um histórico de fraude entram em lojas. As imagens dessas pessoas podem ser comparadas às de grandes bancos de dados de imagens de criminosos para que os profissionais de prevenção de perdas e de segurança no varejo sejam notificados quando ladrões que potencialmente representam uma ameaça entrarem na loja.
· Melhoria das experiências de varejo
A tecnologia oferece a possibilidade de melhoria nas experiências do cliente no varejo. Por exemplo, os quiosques nas lojas podem reconhecer clientes, fazer sugestões de produtos com base no histórico de compra dos clientes e direcioná-los ao lugar certo. Graças à tecnologia "Face pay", os clientes podem pular filas longas no caixa com meios de pagamentos mais lentos.
· Operações bancárias
A biometria em operações bancárias on-line é outro benefício do reconhecimento facial. Em vez de usar senhas de uso único, os clientes podem autorizar as transações olhando para o smartphone ou computador. Com o reconhecimento facial, não há senhas para que os hackers burlem. Se hackers roubarem seu banco de dados de fotos, a detecção "sem vida" (uma técnica usada para determinar se a origem de uma amostra biométrica é um ser humano vivo ou uma representação fake) deverá (teoricamente) impedi-los de usar essas fotos para falsificação. Com o reconhecimento facial, assinaturas e cartões de débito são coisas do passado.
· Marketing e publicidade
Os profissionais de marketing costumam usar o reconhecimento facial para aprimorar as experiências do consumidor. Por exemplo, a marca de pizza congelada DiGiorno usou o reconhecimento facial em uma campanha de marketing de 2017 em que analisava as expressões e reações emocionais de pessoas diante de sua pizza em festas onde o tema era a DiGiorno. As empresas de mídia também usam o reconhecimento facial para testar a reação do público quanto a trailers de filmes, personagens de programas piloto de TV e inserção ideal das promoções na TV. Os outdoors que incluem tecnologia de reconhecimento facial, como os da Piccadilly Circus em Londres, indicam que as marcas podem usar anúncios personalizados. 
· Serviços de saúde
Os hospitais usam o reconhecimento facial para ajudar no tratamento dos pacientes. Os prestadores de serviços de saúde estão testando o uso de reconhecimento facial para acessar registros de pacientes, agilizar o registro de pacientes, detectar emoção e dor nos pacientes e, até mesmo, identificar doenças geneticamente específicas. A AiCure desenvolveu um aplicativo que usa reconhecimento facial para garantir que as pessoas tomem seu medicamento conforme prescrito. Como a tecnologia biométrica ficou mais barata, estima-se que a adoção no setor de saúde aumente.
· Controle de presença de alunos e funcionários
Algumas instituições educacionais da China usam reconhecimento facial para garantir que os alunos não faltem às aulas. Tablets são usados para fazer a leitura dos rostos dos alunos e validá-los comparando com as fotos de um banco de dados. Em termos gerais, a tecnologia pode ser usada para os funcionários entrarem e saírem do seu local de trabalho e os empregadores rastrearem esse acesso.
· Reconhecimento de motoristas
De acordo com este relatório do consumidor, empresas de carro estão experimentando o reconhecimento facial como substituto das chaves. A tecnologia substituiria a chave para entrar no carro e dar a partida e memorizar as preferências dos motoristas quanto à posição do banco e do espelho retrovisor e às configurações de estações de rádio.
· Monitoramento de vício em jogos
O reconhecimento facial pode ajudar as casas de jogatina a proteger ainda mais seus clientes. É difícil para uma equipe humana monitorar a entrada e saída desses clientes nessas áreas, principalmente em ambientes lotados, como cassinos. A tecnologia de reconhecimento facial permite que esses locais identifiquem os clientes registrados como viciados em jogos e mantenham um registro do jogo para que a equipe possa aconselhar quando for hora de parar. Os cassinos podem ter que pagar multas pesadas caso jogadores da lista de exclusão voluntária forem pegos apostando.
· Exemplos da tecnologia de reconhecimento facial
Antigamente, a Amazon incentivava o uso do seu serviço de reconhecimento facial baseado em nuvem, chamado Rekognition, por parte dos órgãos de aplicação da lei. No entanto, em uma postagem no blog da empresa em junho de 2020, a Amazon anunciou que estava planejando uma moratória de um ano no uso de sua tecnologia por parte da polícia. A razão por trás disso foi aguardar até que as leis federais dos EUA entrassem em vigor, para proteger os direitos humanos e a liberdade civil.
· Apple usa o reconhecimento facial para ajudar os usuários a desbloquear rapidamente seus telefones, fazer login em aplicativos e realizar compras.
· British Airways usa o reconhecimento facial para os passageiros embarcarem nos voos saindo dos EUA. É possível fazer a leitura facial dos passageiros e, consequentemente, verificar a identidade deles, usando uma câmera a bordo do avião sem que precisem mostrar o passaporte ou o cartão de embarque. A companhia aérea tem usado a tecnologia em voos dentro do Reino Unido saídos do aeroporto de Heathrow e está trabalhando para adotar o embarque biométrico em voos internacionais.
· Cigna, uma seguradora de saúde dos EUA, permite que os clientes na China emitam pedidos de seguro saúde onde a assinatura é uma foto, em vez de escrita, na tentativa de reduzir o número de fraudes.
· Coca-Cola tem usado o reconhecimento facial de várias formas no mundo todo. Entre os exemplos estão a recompensa de clientes que reciclam em algumas das máquinas de venda automática na China anúncios personalizados em máquinas de venda automática na Austrália e marketing de eventos em Israel.
· Facebook começou a usar o reconhecimento facial nos EUA em 2010, quando marcava automaticamente pessoas nas fotos usando sua ferramenta de sugestão de marcação. A ferramenta faz a leitura facial de um usuário e oferece sugestões de quem essa pessoa é. Desde 2019, o Facebook tornou o recurso opcional como parte de um mecanismo mais focado na privacidade. Mais informações do Facebook sobre como aceitar ou recusar o reconhecimento facial podem ser encontradas aqui.
· Google incorpora a tecnologia no Google Fotose a utiliza para classificar as imagens e marcá-las automaticamente com base nas pessoas reconhecidas.
· MAC make-up usa a tecnologia de reconhecimento facial em algumas de suas lojas físicas, permitindo que os clientes praticamente "experimentem" a maquiagem com o uso de espelhos de realidade aumentada da loja.
· McDonald’susa o reconhecimento facial em seus restaurantes no Japão para avaliar a qualidade do atendimento ao cliente, incluindo se seus funcionários estão sorrindo enquanto atendem.
· Snapchat é um dos pioneiros no uso de software de reconhecimento facial: com ele, marcas e organizações podem criar filtros que moldam o rosto do usuário; ou seja, filtros de cachorrinho e coroa de flores podem ser vistos na rede social.
· Vantagens do reconhecimento facial
Além do desbloqueio do smartphone, o reconhecimento facial traz outros benefícios:
· Reforço à segurança
No nível governamental, o reconhecimento facial pode ajudar a identificar terroristas ou outros criminosos. Em nível pessoal, o reconhecimento facial pode ser usado como uma ferramenta de segurança que bloqueia dispositivos pessoais e em câmeras de vigilância pessoal.
· Redução de crimes
O reconhecimento facial facilita o rastreamento de assaltantes, ladrões e invasores. O simples fato de saber da presença de um sistema de reconhecimento facial pode acuar os criminosos, principalmente os de pequenos delitos. Além da segurança física, existem os benefícios relacionados à cibersegurança. As empresas podem usar a tecnologia de reconhecimento facial como substituta de senhas de acesso a computadores. Teoricamente, a tecnologia não pode ser hackeada, já que não há nada para ser roubado ou modificado, como no caso da senha.
· Eliminar a tendenciosidade durante revistas policiais
A questão pública em relação às revistas policiais injustificadas é uma fonte de controvérsias para a polícia. A tecnologia de reconhecimento facial pode ajustar o processo. Ao identificar suspeitos em meio a multidões por meio de um processo automatizado, em vez de humano, a tecnologia de reconhecimento facial pode ajudar a reduzir a possível tendenciosidade e revistas policiais em cidadãos cumpridores da lei.
· Maior conveniência
À medida que o uso da tecnologia se tornar mais generalizado, os clientes poderão pagar suas compras usando o reconhecimento facial, em vez de ter que tirar cartões de crédito ou dinheiro do bolso. Isso pode agilizar o tempo no caixa. Como não há necessidade de contato no reconhecimento facial comparado à impressão digital ou outras medidas de segurança (útil no mundo pós-COVID), a tecnologia oferece uma experiência de verificação rápida, automática e ininterrupta.
· Processamento mais rápido
O processo de reconhecimento facial leva apenas um segundo, o que traz benefícios para as empresas que utilizam essa tecnologia. Em uma era de ataques cibernéticos e ferramentas de hackeamento avançadas, as empresas precisam de tecnologias seguras e rápidas. O reconhecimento facial permite a verificação rápida e eficiente da identidade de uma pessoa.
· Integração com outras tecnologias
A maioria das soluções de reconhecimento facial é compatível com a maioria dos softwares de segurança. Na verdade, ela pode ser facilmente integrada. Isso limita a quantia adicional de investimento necessária para implementá-la.
· Desvantagens do reconhecimento facial
Algumas pessoas não se importam em serem filmadas em público e não se opõem ao uso de reconhecimento facial em casos em que os benefícios são claros ou lógicos, mas a tecnologia pode inspirar reações intensas de outras pessoas. Algumas das desvantagens ou questões incluem:
· Vigilância
Alguns se preocupam com o fato de que o uso de reconhecimento facial juntamente com câmeras de vídeo onipresentes, inteligência artificial e análise de dados cria a possibilidade de vigilância em massa, o que poderia restringir a liberdade individual. Embora a tecnologia de reconhecimento facial possibilite que órgãos do governo rastreiem criminosos, ela também permite o rastreamento a qualquer momento de pessoas comuns e inocentes.
· Possibilidade de erros
Os dados obtidos com o reconhecimento facial estão passíveis a erros, o que pode levar pessoas a serem culpadas por crimes que não cometeram. Por exemplo, uma leve mudança no ângulo da câmera ou mudança de aparência, como um novo estilo de cabelo, pode levar a um erro. Em 2018, a Newsweek relatou que a tecnologia de reconhecimento facial da Amazon identificou erroneamente 28 membros do Congresso norte-americano como presos por crimes.
· Violação da privacidade
A questão da ética e privacidade é a mais controversa. Sabe-se que órgãos do governo armazenam imagens de vários cidadãos sem o consentimento deles. Em 2020, a Comissão Europeia afirmou que estava considerando banir a tecnologia de reconhecimento facial em espaços públicos por até cinco anos, tempo suficiente para a criação de uma estrutura regulamentar para evitar abusos contra a ética e a privacidade.
· Armazenamento de dados em massa
O software de reconhecimento facial conta com a tecnologia de aprendizagem de máquina, que requer conjuntos de dados em massa para "aprender" e oferecer resultados precisos. Esses conjuntos volumosos de dados requerem armazenamento eficiente. Empresas de pequeno e médio porte podem não ter recursos suficientes para armazenar os dados necessários.
· Segurança no reconhecimento facial – como se proteger
Embora os dados biométricos sejam, no geral, considerados um dos métodos de autenticação mais confiáveis, eles também acarretam riscos significativos. Isso porque se os dados do cartão de crédito de alguém forem hackeados, essa pessoa poderá bloquear seu cartão e tomar algumas medidas para alterar as informações pessoais que foram violadas. O que fazer se você perder sua "face" digital?
Em todo o mundo, as informações biométricas estão sendo capturadas, armazenadas e analisadas em quantidades cada vez maiores, geralmente por organizações e órgãos do governo, com uma combinação de cibersegurança. Uma questão importante que está cada vez mais presente é: qual o grau de segurança da infraestrutura que armazena e processa todos esses dados?
 Como os softwares de reconhecimento facial ainda são recentes, as leis que os regem estão surgindo aos poucos (e, algumas vezes, nem existem). Os cidadãos comuns cujas informações foram comprometidas precisam percorrer um longo caminho. Normalmente, os criminosos fogem das autoridades ou são sentenciados anos após o fato, enquanto as vítimas não recebem nada nem ajuda nenhuma. 
À medida que o reconhecimento facial se torna cada vez mais generalizado, o escopo dos hackers para roubar seus dados faciais e cometer fraudes aumenta.
A tecnologia biométrica oferece soluções de segurança muito convincentes. Apesar dos riscos, os sistemas são convenientes e difíceis de serem clonados. Esses sistemas continuarão sendo desenvolvidos no futuro; o desafio será aumentar seus benefícios e, ao mesmo tempo, reduzir os riscos relacionados.
· Reconhecimento Facial x LGPD
Em todo o mundo, o uso do reconhecimento facial tem levantado dúvidas e discussões acerca da privacidade das pessoas e do uso dos dados coletados. 
No Brasil, a recente Lei Geral de Proteção de Dados (LGPD) trouxe avanços importantes nesse sentido, regulamentando o uso da tecnologia e coibindo o uso indevido das informações biométricas dos usuários.
Dentro do contexto da nova lei, os dados biométricos, dentre eles aqueles utilizados para o reconhecimento facial, são considerados dados pessoais sensíveis, categoria que abrange outras informações como ideologia, religião, orientação sexual etc.
E nesse sentido, a autorização por parte do titular das informações é ponto fundamental na LGPD e o que suscita os dilemas sobre o uso dessa tecnologia. Em maio de 2021, a empresa ViaQuatro, que administra a linha 4 do metrô da cidade de São Paulo, foi condenada a pagar R$ 100 mil por captar imagens e informações dos passageiros sem seu consentimento.
Com isso, cabe tanto às empresas fornecedoras quanto às usuárias do reconhecimento facial atualizar seus processos de governança corporativa e estabelecer diretrizes para aumentar a proteção e a privacidade desses dados. Isso inclui, por exemplo, a gestão de consentimento, por meio de petição aberta aos titulares dos dados.
· Banco dados não relacionais e NoSQL
Um banco de dados nãorelacional é um banco de dados que não usa o esquema de tabela de linhas e colunas encontrado na maioria dos sistemas de banco de dados tradicionais. Em vez disso, os bancos de dados não relacionais usam um modelo de armazenamento otimizado para os requisitos específicos do tipo de dados que está sendo armazenado. Por exemplo, os dados podem ser armazenados como pares chave/valor simples, como documentos JSON ou como um gráfico que consiste em bordas e vértices.
O que esses armazenamentos de dados têm em comum é que eles não usam um modelo relacional. Além disso, eles tendem a ser mais específicos no tipo de dados ao qual dão suporte e no modo como os dados podem ser consultados. Por exemplo, os armazenamentos de dados de série temporal são otimizados para consultas em sequências de dados baseadas em tempo. No entanto, os armazenamentos de dados de grafo são otimizados para explorar as relações ponderadas entre entidades. Nenhum dos dois formatos será bem generalizado para a tarefa de gerenciamento de dados transacionais.
O termo NoSQL refere-se aos armazenamentos de dados que não usam o SQL para consultas. Em vez disso, os armazenamentos de dados usam outras linguagens de programação e constructos para consultar os dados. Na prática, "NoSQL" significa "banco de dados não relacionais", mesmo que muitos desses bancos de dados deem suporte a consultas compatíveis com SQL. No entanto, a estratégia de execução de consulta subjacente é geralmente muito diferente da maneira como um RDBMS tradicional executa a mesma consulta SQL.
As seções a seguir descrevem as principais categorias de banco de dados não relacional ou NoSQL.
· Armazenamentos de dados de documentos
Um armazenamento de dados de documento gerencia um conjunto de campos de cadeia de caracteres nomeados e valores de dados de objeto em uma entidade conhecida como documento. Normalmente, esses repositórios de dados armazenam dados na forma de documentos JSON. Cada valor de campo pode ser um item escalar, como um número ou um elemento composto, como uma lista ou uma coleção de pai-filho. Os dados nos campos de um documento podem ser codificados de várias maneiras, incluindo XML, YAML, JSON, BSON ou, até mesmo, armazenados como texto sem formatação. Os campos nos documentos são expostos ao sistema de gerenciamento de armazenamento, permitindo que um aplicativo consulte e filtre dados utilizando os valores nesses campos.
Normalmente, um documento contém todos os dados de uma entidade. Quais itens constituem uma entidade são específicos do aplicativo. Por exemplo, uma entidade pode conter os detalhes de um cliente, um pedido ou uma combinação de ambos. Um único documento pode conter informações que serão distribuídas em várias tabelas relacionais em um RDBMS. Um repositório de documentos não requer que todos os documentos tenham a mesma estrutura. Essa abordagem em forma livre oferece grande flexibilidade. Por exemplo, os aplicativos podem armazenar dados diferentes em documentos, em resposta a uma alteração nos requisitos de negócios.
O aplicativo pode recuperar documentos utilizando a chave de documento. A chave é um identificador exclusivo do documento, que geralmente tem um hash, para ajudar a distribuir os dados de maneira uniforme. Alguns bancos de dados de documentos criam a chave do documento automaticamente. Outros permitem que você especifique um atributo do documento a ser usado como chave. O aplicativo também pode consultar documentos com base no valor de um ou mais campos. Alguns bancos de dados de documentos dão suporte à indexação para facilitar a pesquisa rápida de documentos com base em um ou mais campos indexados.
Muitos bancos de dados de documentos fornecem suporte a atualizações in loco, permitindo que um aplicativo modifique os valores de campos específicos em um documento sem regravar o documento inteiro. As operações de leitura e gravação em vários campos em um só documento normalmente são atômicas.
· Armazenamentos de dados de colunas
Um armazenamento de dados de colunas ou de família de colunas organiza os dados em colunas e linhas. Em sua forma mais simples, um armazenamento de dados de família de colunas pode parecer muito semelhante a um banco de dados relacional, pelo menos conceitualmente. O poder real de um banco de dados de família de colunas está em sua abordagem desnormalizada para a estruturação de dados esparsos, que deriva da abordagem orientada por coluna para armazenar dados.
É possível pensar em um armazenamento de dados de família de colunas como contendo dados de tabela com linhas e colunas, mas as colunas são divididas em grupos conhecidos como famílias de colunas. Cada família de colunas contém um conjunto de colunas que estão logicamente relacionadas e geralmente são recuperadas ou manipuladas como uma unidade. Outros dados acessados separadamente podem ser armazenados em famílias de colunas separadas. Dentro de uma família de colunas, novas colunas podem ser adicionadas dinamicamente e as linhas podem ser esparsas (ou seja, uma linha não precisa ter um valor para cada coluna).
O diagrama a seguir mostra um exemplo com duas famílias de colunas, Identity e Contact Info. Os dados de uma única entidade têm a mesma chave de linha em cada família de colunas. Essa estrutura, em que as linhas de determinado objeto em uma família de colunas podem variar dinamicamente, é um benefício importante da abordagem de família de colunas, que torna essa forma de armazenamento de dados altamente adequada para armazenar dados com esquemas variados. 
Ao contrário de um repositório de valor/chave ou um banco de dados de documentos, a maioria dos bancos de dados de família de colunas armazenam dados fisicamente em ordem de chave, em vez de computar um hash. A chave de linha é considerada o índice primário e permite o acesso baseado em chave por meio de uma chave específica ou um intervalo de chaves. Algumas implementações permitem que você crie índices secundários em colunas específicas de uma família de colunas. Os índices secundários permitem recuperar dados por valor de colunas, em vez da chave de linha.
No disco, todas as colunas de uma família de colunas são armazenadas juntas no mesmo arquivo, com um número específico de linhas em cada arquivo. Com conjuntos de dados grandes, esse método cria um benefício de desempenho, reduzindo a quantidade de dados que precisam ser lidos do disco quando apenas algumas colunas são consultadas juntas por vez.
As operações de leitura e gravação para uma linha normalmente são atômicas em uma só família de colunas, embora algumas implementações forneçam atomicidade em toda a linha, abrangendo várias famílias de colunas.
· Armazenamentos de dados de chave/valor
Um armazenamento de valor/chave é essencialmente uma tabela de hash grande. Você associa cada valor de dados a uma chave exclusiva e o armazenamento de valor/chave usa essa chave para armazenar os dados, utilizando uma função de hash apropriada. A função de hash é selecionada para fornecer uma distribuição uniforme de chaves de hash em todo o armazenamento de dados.
A maioria dos armazenamentos de valor/chave fornecem suporte apenas às operações de exclusão, inserção e consulta simples. Para modificar um valor (parcial ou completamente), um aplicativo deverá substituir os dados existentes para todo o valor. Na maioria das implementações, a leitura ou gravação de um único valor é uma operação atômica. Se o valor for grande, a gravação poderá demorar algum tempo.
Um aplicativo pode armazenar dados arbitrários como um conjunto de valores, embora alguns armazenamentos de valor/chave imponham limites ao tamanho máximo de valores. Os valores armazenados são opacos para o software do sistema de armazenamento. Quaisquer informações de esquema deverão ser fornecidas e interpretadas pelo aplicativo. Essencialmente, os valores são blobs e o armazenamento de valor/chave simplesmente recupera ou armazena o valor por chave.
Armazenamentos de chave/valor são altamente otimizados para aplicativos que realizam pesquisas simples usando o valor dachave ou por um intervalo de chaves, mas são menos adequados para sistemas que precisam consultar dados em tabelas diferentes de chaves/valores, como a união de dados em várias tabelas.
Os armazenamentos de chave/valor também não são otimizados para cenários em que a consulta ou a filtragem por valores não chave é importante, em vez de realizar pesquisas baseadas somente em chaves. Por exemplo, com um banco de dados relacional, você pode encontrar um registro usando uma cláusula WHERE para filtrar as colunas não chave, mas armazenamentos de chave/valores geralmente não têm esse tipo de funcionalidade de pesquisa de valores ou se têm, é preciso fazer um exame lento de todos os valores.
Um armazenamento de valor/chave pode ser extremamente escalável, pois o armazenamento de dados pode facilmente distribuir dados em vários nós em computadores separadas.
· Armazenamentos de dados de gráficos
Um armazenamento de dados de gráficos armazena dois tipos de informações: nós e bordas. Nós representam entidades e bordas especificam as relações entre essas entidades. Ambos os nós e as bordas podem ter propriedades que fornecem informações sobre esse nó ou borda, semelhante às colunas em uma tabela. As bordas também podem ter uma direção indicando a natureza do relacionamento.
O objetivo de um armazenamento de dados de gráficos é permitir que um aplicativo execute com eficácia consultas que atravessam a rede de nós e bordas e analise as relações entre entidades. O diagrama a seguir mostra os dados de pessoal de uma organização estruturados como um gráfico. As entidades são funcionários e departamentos, e as bordas indicam os relacionamentos de relatórios e o departamento em que os funcionários trabalham. Nesse grafo, as setas nas bordas mostram a direção das relações. 
Essa estrutura simplifica a execução de consultas como "Encontrar todos os funcionários que são subordinados diretos ou indiretos de Marina" ou "Quem trabalha no mesmo departamento que Júlio?". Para grafos grandes com muitas entidades e relações, você pode executar análises complexas rapidamente. Muitos bancos de dados de gráficos fornecem uma linguagem de consulta que você pode utilizar para percorrer uma rede de relacionamentos de forma eficiente.
· Armazenamentos de dados de série temporal
Os dados de série temporal são um conjunto de valores organizados por tempo e um armazenamento de dados de série temporal é otimizado para esse tipo de dados. Os armazenamentos de dados de série temporal precisam dar suporte a um número muito alto de gravações, pois geralmente coletam grandes quantidades de dados em tempo real de uma grande variedade de fontes. Os armazenamentos de dados de série temporal são otimizados para armazenar dados telemétricos. Os cenários incluem sensores de IoT ou contadores de sistemas/aplicativos. As atualizações são raras e as exclusões geralmente são feitas como operações em massa. 
Embora os registros gravados em um banco de dados de série temporal sejam geralmente pequenos, muitas vezes, há um grande número de registros e o tamanho total dos dados pode aumentar rapidamente. Os armazenamentos de dados de série temporal também manipulam dados fora de ordem e de chegada tardia, a indexação automática de pontos de dados e otimizações de consultas descritas em termos de janelas de tempo. Esse último recurso permite a execução de consultas em milhões de pontos de dados e em vários fluxos de dados com rapidez, para dar suporte a visualizações de série temporal, que é uma maneira comum pela qual os dados de séries temporal são consumidos.
· Armazenamentos de dados de objetos
Os armazenamentos de dados de objetos são otimizados para armazenar e recuperar grandes objetos binários ou blobs como imagens, arquivos de texto, fluxos de áudio e vídeo, grandes documentos e objetos de dados de aplicativos e imagens de disco de máquina virtual. Um objeto consiste nos dados armazenados, em alguns metadados e uma ID exclusiva para acessar o objeto. Os armazenamentos de objetos foram projetados para dar suporte a arquivos que são individualmente muito grandes, além de fornecer grandes quantidades de armazenamento total para gerenciar todos os arquivos. 
Alguns armazenamentos de dados de objetos replicam determinado blob em vários nós de servidor, o que permite rápidas leituras paralelas. Esse processo, por sua vez, habilita a consulta de expansão dos dados contidos em arquivos grandes, pois vários processos, normalmente em execução em diferentes servidores, podem consultar o arquivo de dados grande simultaneamente.
Um caso especial de armazenamentos de dados de objetos é o compartilhamento de arquivos de rede. O uso de compartilhamentos de arquivos permite que os arquivos sejam acessados em uma rede usando protocolos de rede padrão como o protocolo SMB. Considerando os mecanismos apropriados de segurança e controle de acesso simultâneo, compartilhar dados dessa forma pode permitir que os serviços distribuídos forneçam acesso a dados altamente escalonáveis para operações básicas de baixo nível, como solicitações de leitura e gravação simples.
· Armazenamentos de dados de índice externo
Os armazenamentos de dados de índice externo fornecem a capacidade de pesquisar informações mantidas em outros armazenamentos de dados e serviços. Um índice externo atua como um índice secundário para qualquer armazenamento de dados e pode ser usado para indexar grandes volumes de dados e fornecer acesso quase em tempo real a esses índices.
Por exemplo, talvez você tenha arquivos de texto armazenados em um sistema de arquivos. Encontrar um arquivo por seu arquivo de caminho é rápido, mas pesquisar com base no conteúdo do arquivo exige um exame de todos os arquivos, o que é lento. Um índice externo permite criar índices de pesquisa secundária e, em seguida, localizar rapidamente o caminho para os arquivos que correspondem aos critérios. Outro aplicativo de exemplo de um índice externo são armazenamentos de chave/valor que somente indexam pela chave. Você pode criar um índice secundário com base nos valores dos dados e pesquisar rapidamente a chave que identifica exclusivamente cada item correspondente. 
Os índices são criados pela execução de um processo de indexação. Isso pode ser feito usando um modelo de pull, disparado pelo armazenamento de dados ou usando um modelo de push, iniciado pelo código do aplicativo. Os índices podem ser multidimensionais e dar suporte a pesquisas de texto livre em grandes volumes de dados de texto.
Os armazenamentos de dados de índice externo costumam ser usados para dar suporte às pesquisas de texto completo e baseadas na Web. Nesses casos, a pesquisa pode ser exata ou difusa. Uma pesquisa difusa localiza documentos que correspondem um conjunto de termos e calcula a forma como eles correspondem. Alguns índices externos também dão suporte à análise linguística que pode retornar correspondências com base em sinônimos, expansões de gênero (por exemplo, correspondência de "cachorros" com "animais de estimação") e lematização (por exemplo, a pesquisa de "correr" também corresponde a "correu" e "correndo").
· Requisitos típicos
Armazenamentos de dados não relacionais costumam usar uma arquitetura de armazenamento diferente da usada pelos bancos de dados relacionais. Especificamente, eles tendem a não ter nenhum esquema fixo. Além disso, eles tendem a não dar suporte a transações ou restringir o escopo das transações e geralmente não incluem índices secundários por motivos de escalabilidade.
Veja a seguir uma comparação dos requisitos de cada um dos armazenamentos de dados não relacionais:
	Requisito
	Dados de documentos
	Dados de família de colunas
	Dados de chave/valor
	Dados de gráficos
	Normalização
	Desnormalizado
	Desnormalizado
	Desnormalizado
	Normalizado
	Esquema
	Esquema na leitura
	Famílias de colunas definidas na gravação, esquema de coluna na leitura
	Esquema na leitura
	Esquema na leitura
	Consistência (entre transações simultâneas)
	Consistência ajustável, garantias no nível do documento
	Garantias de nível da famíliade colunas
	Garantias no nível da chave
	Garantias no nível do gráfico
	Atomicidade (escopo de transação)
	Coleção
	Tabela
	Tabela
	Grafo
	Estratégia de Bloqueio
	Otimista (livre de bloqueio)
	Pessimista (bloqueios de linha)
	Otimista (Etag)
	 
	Padrão de acesso
	Acesso aleatório
	Agregações em dados altos/largos
	Acesso aleatório
	Acesso aleatório
	Indexação
	Índices primários e secundários
	Índices primários e secundários
	Somente índice primário
	Índices primários e secundários
	Forma dos dados
	Documento
	Tabela com famílias de colunas que contém colunas
	Chave e valor
	Gráfico que contém bordas e vértices
	Esparsos
	Sim
	Sim
	Sim
	Não
	Largo (grande quantidade de colunas/atributos)
	Sim
	Sim
	No
	Não
	Tamanho do dado
	Pequeno (KBs) a médio (alguns MBs)
	Médio (MBs) a grande (alguns GBs)
	Pequeno (KBs)
	Pequeno (KBs)
	Escala máxima geral
	Muito grande (PBs)
	Muito grande (PBs)
	Muito grande (PBs)
	Grande (TB)
	Requisito
	Dados de série temporal
	Dados de objetos
	Dados de índice externo
	Normalização
	Normalizado
	Desnormalizado
	Desnormalizado
	Esquema
	Esquema na leitura
	Esquema na leitura
	Esquema na gravação
	Consistência (entre transações simultâneas)
	N/D
	N/D
	N/D
	Atomicidade (escopo de transação)
	N/D
	Objeto
	N/D
	Estratégia de Bloqueio
	N/D
	Pessimista (bloqueios de blobs)
	N/D
	Padrão de acesso
	Acesso aleatório e agregação
	Acesso sequencial
	Acesso aleatório
	Indexação
	Índices primários e secundários
	Somente índice primário
	N/D
	Forma dos dados
	Tabular
	Blob e metadados
	Documento
	Esparsos
	Não
	N/D
	Não
	Largo (grande quantidade de colunas/atributos)
	Não
	Sim
	Sim
	Tamanho do dado
	Pequeno (KBs)
	Grande (GBs) a muito grandes (TBs)
	Pequeno (KBs)
	Escala máxima geral
	Grande (alguns TBs)
	Muito grande (PBs)
	Grande (alguns TBs)
· Banco de dados não relacional vantagens e desvantagens
Com uma breve pesquisa na internet do tipo “Banco de dados não relacional pdf” é possível encontrar variados artigos. Sendo assim, nosso objetivo aqui é simplesmente apresentar um guia daquilo que é mais fundamental sobre o assunto.
Muito se fala sobre vantagens e desvantagens em relação a banco de dados. Entretanto, sabe-se que a união dos dois proporciona uma experiência muito melhor e mais completa para o usuário.
Nesse sentido, sabemos que cada um deles possui sua característica forte e também os seus pontos fracos, assim como qualquer aplicação. De qualquer maneira, antes de analisar, por exemplo, as vantagens de banco de dados não relacional, é bom ver o que se está necessitando no momento atual.
Isso porque a escolha e a definição de melhor ou pior vai variar de acordo com as necessidades de quem vai utilizar a ferramenta. Logo, vejamos alguns pontos positivos e outros negativos das aplicações e posteriormente será possível ver qual será a mais adequada para cada tipo de situação.
· Vantagens
Como não está anexada a uma estrutura de inter-relação de tabelas, o banco de dados relacional, ele se torna muito mais flexível. Além do mais, existe sempre uma facilidade de inserir novos dados, sem que o esquema lógico da tabela sofra algum tipo de alteração.
O mecanismo tem um excelente relacionamento com o Big Data e suas particularidades. Logo, existe uma capacidade muito maior de suportar grandes volumes de dados.
Além de ser mais barato, o NoSQL não necessita de mão de obra com o nível de que a outra precisa. Sendo assim, as manutenções são basicamente todas automáticas, dispensando a necessidade de pessoal.
· Desvantagens 
No caso de trabalhar grandes volumes de dados de usuários de um site, por exemplo, o BD não relacional não é eficaz. Nesse sentido, isso acontece em função de que a estrutura dele não foi desenvolvida para contabilizar esse tipo de informação.
Se fosse necessário contabilizar quantos comentários em uma página da web, por exemplo, ou um número de posts, seria impossível fazê-lo, utilizando o NoSQL.
Conclusão
O reconhecimento facial é uma tecnologia que tem trazido avanços importantes, tanto no setor público quanto no privado. Seja para desbloquear o celular ou para identificar suspeitos, esse recurso deve ganhar cada vez mais espaço nas empresas – e vir acompanhado de um importante debate sobre privacidade e uso de dados.
Com a possibilidade de trazer mais segurança para os usuários e para as próprias organizações, o reconhecimento facial consegue dar mais agilidade às operações e inibir a prática de fraudes e roubo de senhas.
Identificação de perfis suspeitos, aprimoramento de processos e prevenção à fraudes por meio de APIs seguras, tecnologias avançadas e com o nosso Background Check.
REFERENCIAS
https://www.kaspersky.com.br/resource-center/definitions/what-is-facial-recognition . Acessado em 19/12/22
https://blog.neoway.com.br/reconhecimento-facial/#:~:text=Reconhecimento%20facial%20é%20a%20tecnologia,em%20captura%20em%20tempo%20real. Acessado em 19/12/22
https://learn.microsoft.com/pt-br/azure/architecture/data-guide/big-data/non-relational-data. Acessado em 19/12/22 
https://visaoconfiavel.com/banco-de-dados-nao-relacional/. Acessado em 19/12/22
Maceió/AL
2022