Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры Хи-модуль


https://doi.org/10.15217/issnl684-8853.2017.1.50

Полный текст:


Аннотация

Постановка проблемы: статические биометрические образы не являются секретными и могут быть скопированы для изготовления физического или электронного муляжа незаметно для владельца, поэтому идет процесс поиска эффективных решений для аутентификации субъектов по динамическим биометрическим признакам. Цель исследования: разработать более надежные способы однофакторной и многофакторной биометрической аутентификации в пространстве малоинформативных признаков. Результаты: проведена серия вычислительных экспериментов на основе биометрических данных подписи, клавиатурного почерка, лица и голоса субъектов с использованием сетей персептронов, квадратичных форм и функционалов хи-модуль. Предложено адаптировать алгоритм обучения персептронов из ГОСТ Р 52633.5-2011 для настройки сетей квадратичных форм. Удалось достичь количества ошибок верификации образа субъекта по подписи около 1 %, клавиатурному почерку и подписи - 0,31 %, лицу - менее 0,5 °%, лицу совместно с клавиатурным почерком - менее 0,1 %, а также трех- и четырехфакторной верификации образов субъектов порядка 0,54-0,01 %. Практическая значимость: методы двух- (без образов голоса), трех- и четырехфакторной верификации образов субъектов, рассмотренные в работе, можно использовать на практике при реализации контрольно-пропускной функции или удаленной аутентификации. Подделку признаков более двух видов образов на практике можно считать неосуществимой.

Об авторах

Алексей Евгеньевич Сулавко
Омскийгосударственныйтехническийуниверситет
Россия


Александр Валериевич Еременко
Омский государственный университет путей сообщения
Россия


Елена Викторовна Толкачева
Омский государственный университет путей сообщения
Россия


Роман Владимирович Борисов
Сибирская государственная автомобильно-дорожная академия
Россия


Список литературы

1. Moving Forward with Cybersecurity and Privacy. http://www.pwc.ru/ru/riskassurance/publications/ assets/gsiss-report_2017_eng.pdf (дата обращения: 11.12.2016).

2. Ложников П. С. и др. Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами/ П. С. Ложников, А. Е. Сулавко, А. В. Еременко, Д. А. Волков // Информационно-управляющие системы. 2016. № 5. С. 73-85. doi:10.15217/ issn1684-8853.2016.5.73

3. Lozhnikov P. S., et al. Methods of Generating Key Sequences based on Parameters of Handwritten Passwords and Signatures / P. S. Lozhnikov, A. E. Sulavko, A. V. Eremenko, D. A. Volkov // Information. 2016. N 7. P. 59. doi:10.3390/info7040059

4. Daubechies I. Ten Lectures on Wavelets. - Philadelphia: S.I.A.M., 1992. - 357 p.

5. Иванов А. И. Биометрическая идентификация личности по динамике подсознательных движений. - Пенза: Изд-во Пенз. гос. ун-та, 2000. - 188 с.

6. Васильев В. И. и др. Оценка идентификационных возможностей биометрических признаков от стандартного периферийного оборудования/ В. И. Васильев, П. С. Ложников, А. Е. Сулавко, С. С. Жумажанова // Вопросы защиты информации. 2016. № 1. С. 12-20.

7. Viola P. and Jones M. Rapid Object Detection Using a Boosted Cascade of Simple Features//Computer Vision and Pattern Recognition CVPR: Proc. of the 2001 IEEE Computer Society Conf. 2001. Vol. 1. P. 511-518.

8. Hough P. V. C. A Method and Means for Recognizing Complex Patterns. Patent U. S., no. 3.069.654, 1962.

9. Ворона В. А., Тихонов В. А. Системы контроля и управления доступом. - М.: Горячая линия-Телеком, 2010. - 272 с.

10. Сулавко А. Е., Еременко А. В., Борисов Р. В. Генерация криптографических ключей на основе голосовых сообщений // Прикладная информатика. 2016. № 5. С. 76-89.

11. Dodis Y., Reyzin L. A. Smith Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy // EUROCRYPT. April 2004. P. 523-540.

12. Juels A., Sudan M. A Fuzzy Vault Scheme // IEEE International Symposium on Information Theory. 2002. P. 408-425.

13. Juels A., Wattenberg M. A Fuzzy Commitment Scheme // Proc. ACM Conf. Computer and Communications Security. 1999. P. 28-36.

14. ГОСТ Р 52633.5-2011. Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа. - М.: Стандартинформ, 2011. - 20 с.

15. Ахметов Б. С. и др. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа: монография / Б. С. Ахметов, А. И. Иванов, В. А. Фунтиков, А. В. Безяев, Е. А. Малыгина. - Алматы: Издательство LEM, 2014. - 144 с.

16. Безяев А. В., Иванов А. И., Фунтикова Ю. В. Оптимизация структуры самокорректирующегося биокода, хранящего синдромы ошибок в виде фрагментов хеш-функций // Вестник УрФО. Безопасность в информационной сфере. 2014. № 3. С. 4-13.

17. Иванов А. И. Нейросетевые алгоритмы биометрической идентификации личности. - М.: Радиотехника, 2004. - 144 с.

18. Ложников П. С. и др. Биометрическая идентификация рукописных образов с использованием корреляционного аналога правила Байеса / П. С. Ложников, А. И. Иванов, Е. И. Качайкин, А. Е. Сулавко // Вопросы защиты информации. 2015. № 3. С. 48-54.

19. Иванов А. И., Ложников П. С., Качайкин Е. И. Идентификация подлинности рукописных автографов сетями Байеса-Хэмминга и сетями квадратичных форм // Вопросы защиты информации. 2015. № 2. С. 28-34.

20. Иванов А. И., Ложников П. С., Серикова Ю. И. Снижение размеров достаточной для обучения выборки за счет симметризации корреляционных связей биометрических данных // Кибернетика и системный анализ. 2016. № 3. С. 49-56.

21. Еременко А. В., Сулавко А. Е., Волков Д. А. Современное состояние и пути модернизации преобразователей биометрия-код // Информационные технологии. 2016. № 3. С. 203-210.

22. Васильев В. И. и др. Технологии скрытой биометрической идентификации пользователей компьютерных систем/ В. И. Васильев, П. С. Ложников, А. Е. Сулавко, А. В. Еременко // Вопросы защиты информации. 2015. № 3. С. 37-47.

23. ГОСТ Р 52633.0-2006. Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации. - М.: Стандартинформ, 2006. - 24 с.


Дополнительные файлы

Для цитирования: Сулавко А.Е., Еременко А.В., Толкачева Е.В., Борисов Р.В. Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры Хи-модуль. Информационно-управляющие системы. 2017;(1):50-62. https://doi.org/10.15217/issnl684-8853.2017.1.50

For citation: Sulavko A.E., Eremenko A.V., Tolkacheva E.V., Borisov R.V. Complexation of Independent Biometric Features in People Recognition with Quadratic Forms, Perceptrons and Functional Hee-module. Information and Control Systems. 2017;(1):50-62. (In Russ.) https://doi.org/10.15217/issnl684-8853.2017.1.50

Просмотров: 21


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)