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.
