Найти

Результаты поиска

• ВЕРИФИКАЦИЯ ДИНАМИЧЕСКИХ БИОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ЛИЧНОСТИ НА ОСНОВЕ ВЕРОЯТНОСТНОЙ НЕЙРОННОЙ СЕТИ

  Ю.А. Брюхомицкий

  2021-01-19

  Аннотация ▼

  Биометрическая верификация личности используются преимущественно при доступе
  в компьютерные и мобильные системы, а также для удаленной (голосовой) верификации.
  При этом наибольшее распространение получили системы биометрической верификации
  по фиксированной парольной фразе, которые достаточно просты в реализации, но очень
  уязвимы для атак воспроизведения скомпрометированного короткого текста. Для устра-
  нения этого недостатка верификацию личности предлагается осуществлять по произ-
  вольному в отношении объема, содержания и языка тексту (текстонезависимая биомет-
  рическая верификация). В данной работе предлагается обобщенный подход к решению за-
  дачи верификации личности по динамическим биометрическим параметрам разной мо-
  дальности (клавиатурный почерк, рукопись, голос). Представление сигналов динамической
  биометрии осуществляется путем преобразования их в последовательности информаци-
  онных единиц, каждая из которых содержит одинаковое количество отсчетов биометри-
  ческого сигнала соответствующей модальности. Решение поставленной задачи осуществ-
  ляется путем контроля степени концентрации близко расположенных информационных
  единиц (кластеров) в определенных точках многомерного признакового пространства. Реа-
  лизуется такой контроль на вероятностной нейронной сети, осуществляющей статисти-
  ческую оценку плотности вероятности распределения информационных единиц в соответ-
  ствующих кластерах с последующим определением суммарной плотности вероятности для
  всего класса объектов. Преимуществами предлагаемого подхода являются: обобщение
  существенно различных методов текстонезависимой верификации личности по динамиче-
  ским биометрическим параметрам разной модальности; возможность принимать вери-
  фикационное решение за фиксированное время поступления биометрических данных, опре-
  деляемое размером используемого эталона; возможность задавать точность верифика-
  ции путем изменения размерности слоя образцов вероятностной сети. Недостатком
  предлагаемого подхода является необходимость программной реализации нейронной сети
  большой размерности. Однако этот недостаток быстро нивелируется с повышением про-
  изводительности средств вычислительной техники.

• ИММУНОЛОГИЧЕСКАЯ МОДЕЛЬ ТЕКСТОНЕЗАВИСИМОЙ ГОЛОСОВОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ

  Ю. А. Брюхомицкий

  6-13

  2022-05-26

  Аннотация ▼

  Предлагается иммунологическая модель клональной селекции с положительным от-
  бором, которая основана на принципах массово-параллельной обработки данных, наблю-
  даемых в искусственной иммунной системе. Модель предназначена для текстонезависимой
  идентификации личности по голосу. В отличие от известных парольных систем иденти-
  фикации голоса, предлагаемая модель реализует децентрализованное распознавание голо-
  совых данных путем их сопоставления с детекторами, моделирующими иммунокомпе-
  тентные клетки иммунной системы. Исходные голосовые признаки формируются в линей-
  ном предсказателе речи и представляются кепстральными коэффициентами. Последова-
  тельность кепстральных коэффициентов расчленяется далее на равные временные участ-
  ки – морфемы, представляющие собой абстрактные языковые единицы, объединяющие
  фонемы. Морфемы несут индивидуальную окраску воспроизводимых голосом последова-
  тельных временных участков речи, что позволяет продуктивно использовать их в качест-
  ве идентификационных признаков голоса. Сопоставление голосовых морфем с детектора-
  ми осуществляется по принципу позитивной селекции на основе меры близости Евклида.
  Принятие моделью идентификационного решения «свой-чужой» реализуется на основе
  статистического подхода по частоте срабатывания детекторов. Предлагаемая модель
  реализует идентификацию личности говорящего в темпе поступления его голосовых дан-
  ных. При этом идентификация личности инвариантна языку, объему и содержанию речи.
  Преимущество модели – полная защищенность от атак воспроизведения. Эффективная
  реализация модели, точность и скорость идентификации обусловлены возможностью
  организации высокоскоростного анализа больших объемов голосовых данных, что в пер-
  спективе согласуется с темпами разработки и применения вычислительных систем высо-
  кой производительности.

• МОДЕЛЬ СИСТЕМЫ БИОМЕТРИЧЕСКОЙ ВЕРИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ ИНФОРМАЦИОННЫХ СИСТЕМ

  Ю. А. Брюхомицкий

  2024-05-28

  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.

• ИММУНОЛОГИЧЕСКАЯ МОДЕЛЬ КЛАВИАТУРНОГО МОНИТОРИНГА ОПЕРАТОРОВ ИНФОРМАЦИОННЫХ СИСТЕМ

  Ю.А. Брюхомицкий

  2023-06-07

  Аннотация ▼

  Целью работы является разработка модели клавиатурного мониторинга операторов
  информационных систем, основанной на использовании цепочного метода учета параметров
  клавиатурного почерка. Указанный метод предусматривает оценку клавиатурного почерка
  оператора на цепочках символов заданной длины, отражающих лингвистически связанные па-
  раметры клавиатурного набора, характерные для данного оператора. Клавиатурный набор
  таких цепочек оператором с «хорошим» клавиатурным почерком обладает существенно более
  высокой индивидуальностью, обусловленной корреляционными зависимостями между времен-
  ными параметрами последовательно идущих символов и пауз. В итоге цепочный метод позво-
  ляет обеспечить более высокую точность верификации личности оператора. Клавиатурный
  мониторинг на основе цепочного метода предлагается реализовать в базисе искусственных
  иммунных систем с использованием иммунологической модели клональной селекции, в которой
  детекторы представлены идентификационными параметрами области распределения клавиа-
  турных параметров «своего». В задачах клавиатурного мониторинга область распределения
  клавиатурных параметров верифицируемого оператора всегда существенно меньше совокуп-
  ной области распределения клавиатурных параметров других возможных операторов. Выбор
  указанной модели позволяет существенно снизить необходимый объем популяции детекторов,
  и как следствие, – существенно сократить время верификации работающего оператора. При-
  нятие решения о подмене «своего» оператора «чужим» предлагается считать обоснованным
  при превышении частоты срабатывания детекторов установленного порогового значения.
  Предложенная иммунологическая модель обладает рядом преимуществ. Использование цепоч-
  ного метода учета клавиатурных параметров позволяет с бо льшей точностью верифициро-
  вать оператора, в сравнении с традиционными методами. Используемая модель клональной
  селекции в сочетании с векторным представлением клавиатурных данных позволяет сущест-
  венно ускорить процесс обучения и сократить время, необходимое для своевременного приня-
  тия решения о присутствии «чужого» оператора. Важным достоинством модели является
  возможность обучаться исключительно на примерах клавиатурного почерка оперативно дос-
  тупных «своих» операторов. Использование модели клональной селекции позволяет также су-
  щественно снизить необходимый объем популяции детекторов, способных эффективно «по-
  крыть» область распределения клавиатурных параметров «своего» оператора.