МОДЕЛЬ СИСТЕМЫ БИОМЕТРИЧЕСКОЙ ВЕРИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ ИНФОРМАЦИОННЫХ СИСТЕМ
Аннотация
Предлагается гибридная модель системы текстонезависимой динамической верификации
пользователей информационных систем, которая основана на комплексном использовании искусст-
венных иммунных систем и искусственных нейронных сетей. Подлежащие верификации данные тек-
стонезависимой динамической биометрии пользователей представлены, двумя последовательно-
стями информационных единиц фиксированного размера векторов признаков, соответствующих
образам двух классов – «свой» и «чужой». Такое представление ориентировано на массово-
параллельную децентрализованную обработку данных, принятую в искусственных иммунных систе-
мах. Последующая верификация пользователей обоих классов реализуется с помощью вероятност-
ной искусственной нейронной сети, которая в признаковом пространстве вычисляет плотности
вероятности концентрации информационных единиц обоих классов. В дополнение к характеристи-
кам плотности вероятности информационных единиц используются допустимые цены ошибок 1-го
и 2-го рода для образов каждого класса. Итоговый результат биометрической верификации рабо-
тающего пользователя контролируется на основании текущего сравнения совокупных статистиче-
ских оценок плотности вероятности и допустимой цены ошибок образов каждого из двух классов.
Предлагаемый подход к верификации личности работающего пользователя позволяет предложить
общую схему этой процедуры для существенно различных модальностей динамической биометрии:
голоса, рукописи и клавиатурного набора. Реализация такого подхода для биометрии конкретной
модальности будет несколько отличаться, но общая схема верификации может быть сохранена.
Преимуществами предлагаемого подхода являются: возможность текстонезависимого анализа
динамической биометрии различной модальности, произвольного объема, содержания и языка; воз-
можность принятия верификационного решения в непрерывном режиме в темпе поступления рабо-
ты пользователя; в перспективе повышать точность работы системы верификации путем увели-
чения размерности нейронной сети; возможность использования истории анализа результатов ве-
рификации реальных пользователей для последующей более точной настройки системы. Относи-
тельным недостатком работы является необходимость программной реализации нейронной сети
большой размерности. Однако в перспективе этот недостаток быстро нивелируется с повышением
производительности средств вычислительной техники.
Литература
[Technologies for biometric personal identification by voice and other modalities], Vestnik MGTU im.
N.E. Baumana. Seriya «Priborostroenie» [Bulletin of MSTU im. N.E. Bauman. Series "Instrument
making"], 2012, No. 2, pp. 46-61.
2. Campbell W., Assaleh K., Broun C. Speaker recognition with polynomial classifiers, IEEE Trans.
Speech Audio Process, 2002, Vol. 10, No. 4, pp. 205-212.
3. Bryukhomitskiy Yu.A. Immunologicheskaya model' tekstonezavisimoy golosovoy identifikatsii
lichnosti [Immunological model of text-independent voice identification of a person], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2022, No. 2 (226), pp. 6-13.
4. Anisimova E.S. Identifikatsiya onlayn-podpisi s pomoshch'yu okonnogo preobrazovaniya Fur'e i
radial'nogo bazisa [Identification of an online signature using a windowed Fourier transform and a radial
basis], Komp'yuternye issledovaniya i modelirovanie [Computer Research and Modeling], 2014,
Vol. 6, No. 3, pp. 357-364.
5. Jain A.K., Friederike D.G., Connel S.D. On-line signature verification, Pattern Recognition, 2002,
Vol. 35 (12), pp. 2963-2972.
6. Plamondon R., Srihari S. On-line and Off-line Handwriting Recognition: A Comprehensive Survey,
IEEE Trans. PAMI 2000, Vol. 22 (1), pp. 63-84.
7. Bryukhomitskiy Yu.A., Abramov E.S. Verifikatsiya rukopisnykh tekstov s ispol'zovaniem
immunologicheskikh i neyrosetevykh tekhnologiy [Verification of handwritten texts using immunological
and neural network technologies], Voprosy zashchity informatsii [Issues of information protection].
Modcow: Nauchnye i informatsionnye izdaniya FGUP «NTTS oboronnogo kompleksa
«KOMPAS», pp. 31-37.
8. Bryukhomitskiy Yu.A. Immunologichekiy metod verifikatsii rukopisi s ispol'zovaniem vektornogo
predstavleniya dannykh [Immunological method of manuscript verification using vector representation
of data], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2016, No. 9
(182), pp. 50-57.
9. Maznichenko N.I. Gvozdenko M.V. Analiz vozmozhnostey sistem avtomaticheskoy identifikatsii
klaviaturnogo pocherka [Analysis of the capabilities of systems for automatic identification of keyboard
handwriting], Vestnik Natsional'nogo tekhnicheskogo universiteta «Khar'kovskiy
politekhnicheskiy institut». Seriya «Informatika i modelirovanie» [Bulletin of the National Technical
University “Kharkiv Polytechnic Institute”. Series “Informatics and Modeling”], 2008, Issue № 24, pp.
77-82.
10. Skubitskiy A.V. Analiz primenimosti metoda rekonstruktsii dinamicheskikh sistem v sistemakh
biometricheskoy identifikatsii po klaviaturnomu pocherku [Analysis of the applicability of the method
for reconstructing dynamic systems in biometric identification systems based on keyboard handwriting],
Infokommunikatsionnye tekhnologii [Infocommunication technologies], 2008, Vol. 6, No. 1,
pp. 51-53.
11. Bryukhomitskiy Yu.A. Klaviaturnyy monitoring na osnove immunologicheskogo klonirovaniya [Keyboard
monitoring based on immunological cloning], Bezopasnost' informatsionnykh tekhnologiy [Information
technology security], 2016, No. 4 (40), pp. 5-11.
12. Bryukhomitskiy Yu.A. Immunologicheskiy metod klaviaturnogo monitoringa [Immunological method
of keyboard monitoring], Vestnik Brestskogo gosudarstvennogo tekhnicheskogo universiteta. Fizika,
matematika, informatika [Bulletin of Brest State Technical University. Physics, mathematics, computer
science], 2016, No. 5 (101), pp. 28-32.
13. Bryukhomitskiy Yu.A. Tsepochnyy metod klaviaturnogo monitoringa [Chain method of keyboard monitoring],
Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2009, No. 11,
pp. 135-145.
14. Dasgupta D. Artificial Immune Systems and Their Applications, Ed. Springer-Verlag, 1999.
15. De Castro L.N., Timmis J.I. Artificial Immune Systems: A New Computational Intelligence Approach,
London: Springer-Verlag, 2000, 357 p.
16. Hofmeyr S. and Forrest S. Architecture for an Artificial Immune System, Evolutionary Computation,
2000, 8 (4), pp. 443-473.
17. Specht D.F. Probabilistic neural networks, Neural Networks, 1990, No. 3, pp. 109-118.
18. Chernyshev Yu.O., Ventsov N.N., Grigor'ev G.V. Iskusstvennye immunnye sistemy: obzor i
sovremennoe sostoyanie [Artificial immune systems: review and current state], Programmnye
produkty i sistemy [Software products and systems], 2014, No. 4, pp. 136-142.
19. Zaytsev S.A., Subbotin S.A. Obobshchennaya model' iskusstvennoy immunnoy sistemy [Generalized
model of an artificial immune system], Proceedings. Berlin–Heidelberg: Springer-Verlag, 2003. Ser.
LNCS 2723, pp. 195-206.
20. Litvinenko V.I., Didyk A.A., Zakharchenko Yu.A. Komp'yuternaya sistema dlya resheniya zadach
klassifikatsii na osnove modifitsirovannykh immunnykh algoritmov [Computer system for solving
classification problems based on modified immune algorithms], Avtomatika. Avtomatizatsiya.
Elektrotekhnicheskie kompleksy i sistemy [Automation. Automation. Electrical complexes and systems],
2008, No. 2 (22).
21. Neyronnye seti: polnyy kurs [Neural networks: a complete course]. 2nd ed.: transl. from engl. Moscow:
Izdatel'skiy dom «Vil'yams», 2006, 1104 p.
22. Spech D.F. Probailistic neural networks, Neural Networks, 1990, No. 3, pp. 109-118.
23. Kallan R. Osnovnye kontseptsii neyronnykh setey [Basic concepts of neural networks]. Moscow:
Vil'yams, 2001, 291 p.
24. Bryukhomitskiy Yu.A. Verifikatsiya dinamicheskikh biometricheskikh parametrov lichnosti na osnove
veroyatnostnoy neyronnoy seti [Verification of dynamic biometric personality parameters based on a
probabilistic neural network], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering
Sciences], 2020, No. 5 (215), pp. 52-60.
