МОДЕЛЬ СИСТЕМЫ БИОМЕТРИЧЕСКОЙ ВЕРИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ ИНФОРМАЦИОННЫХ СИСТЕМ
Ключевые слова:
Текстонезависимая биометрическая верификация личности по динамическим биометрическим параметрам, искусственная иммунная система, вероятностная нейронная сеть, статистическая оценка плотности вероятности, цена ошибки классификацииАннотация
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.
