Los algoritmos de aprendizaje automático basados en redes neuronales son vulnerables a ataques adversariales. El uso de ataques contra sistemas de autenticación reduce en gran medida la precisión de dicho sistema, a pesar de la complejidad de generar un ejemplo competitivo. Como parte de este estudio, se llevó a cabo un ataque adversarial de caja blanca en un sistema de autenticación. La base del sistema de autenticación es un perceptrón de red neuronal, entrenado en un conjunto de datos de firmas de frecuencia de firma. Para un ataque en un conjunto de datos atípico, se obtuvieron los siguientes resultados: con una intensidad de ataque del 25%, la disponibilidad del sistema de autenticación disminuye al 50% para un usuario particular, y con un aumento adicional en la intensidad del ataque, la precisión disminuye al 5%.