O problema crônico de roubos e furtos de veículos em todo mundo, e especialmente no Bra- sil, tem crescido consideravelmente nos últimos anos. Em paralelo à esse problema, cada vez mais o uso de dados tem revolucionado diversos segmentos do mercado por meio de aplicações de técnicas de inteligência computacional para tarefas antes difíceis de serem solucionadas por meio de algoritmos tradicionais. Ciente desta realidade, este trabalho visa o desenvolvimento de um sistema de autenticação de condutores baseado em inteligência artificial, que faz uso de dados proprioceptivos do veículo, obtidos por meio da porta OBDII e de sensores inerci- ais de smartphones. Diferentes de outras abordagens que adotam essa temática na literatura, o presente trabalho foca na autenticação de condutores que não foram usados no treinamento do modelo em questão. Para tal, o uso de redes neurais siamesas é explorado para a tarefa de autenticação de condutores diante da limitação imposta. Redes neurais siamesas são conhecidas pelo seu desempenho em aplicações que envolvem identificação de indivíduos, como em reco- nhecimento facial, mesmo em situações em que se tenha somente poucos dados do indivíduo o qual se queira autenticar. A metodologia adotada explora a capacidade dessas redes de criar embeddings dos dados de indivíduos para efetuar sua posterior autenticação com técnicas ba- seadas em distância, formando uma função de decisão. Também é explorado o uso de técnicas de filtragem e extração de características, nesse caso o uso de janelas deslizantes que fomentam o desempenho dos resultados da rede neural siamesa. Essa combinação de técnicas de proces- samento de dados e técnicas de inteligência computacional obteve bons resultados na tarefa de autenticação de condutores, mesmo para os dados que não foram utilizados no treinamento da rede neural siamesa. Obteve-se uma ROC-AUC superior à 99% nos experimentos executados, o que indica boa aptidão das redes neurais siamesas para a tarefa de autenticação de condutores.