Este estudio presenta un novedoso sistema de autenticación de conductores que utiliza señales de electrocardiograma (ECG) recopiladas a través de electrodos secos integrados en el volante. Los métodos tradicionales de autenticación biométrica son sensibles a los cambios ambientales y vulnerables a la replicación, pero este estudio aborda estos problemas aprovechando las características únicas y la resistencia a la falsificación de las señales de ECG. El sistema propuesto está diseñado utilizando perfiles de autocorrelación (ACPs) y una red neuronal convolucional, y está optimizado para el procesamiento en tiempo real incluso en entornos de hardware limitados. Además, se aplicaron algoritmos avanzados de procesamiento de señales para refinar los datos de ECG y minimizar el ruido en entornos de conducción. El rendimiento del sistema se evaluó utilizando un conjunto de datos público de 154 participantes y un conjunto de datos del mundo real de 10 participantes, logrando F1-Scores del 96,8% y del 96,02%, respectivamente. Además, se realizó un estudio de ablación para analizar la importancia de componentes como ACPs, normalización y filtrado. Cuando se eliminaron todos los componentes, el F1-Score disminuyó al 60,1%, demostrando el papel crítico de cada componente. Estos hallazgos destacan el potencial del sistema propuesto para ofrecer alta precisión y eficiencia no solo en entornos vehiculares, sino también en diversas aplicaciones de seguridad.