ВЕРИФИКАЦИЯ ДИНАМИЧЕСКИХ БИОМЕТРИЧЕСКИХ ПАРАМЕТРОВ ЛИЧНОСТИ НА ОСНОВЕ ВЕРОЯТНОСТНОЙ НЕЙРОННОЙ СЕТИ
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.
Литература
to digital speech signal processing]. Vladimir: Izd-vo Vladim. gos. un-ta, 2007, 192 p.
2. Matveev Yu.N. Tekhnologii biometricheskoy identifikatsii lichnosti po golosu i drugim
modal'nostyam [Technologies of biometric identification of the person by voice and other modalities],
Vestnik MGTU im. N.E. Baumana, seriya Priborostroenie [Bulletin of Bauman Moscow
state technical University, instrument Engineering series], 2012, No. 2, pp. 46-61.
3. Campbell W., Assaleh K., Broun C. Speaker recognition with polynomial classifiers, IEEE
Trans. Speech Audio Process, 2002, Vol. 10, No. 4, pp. 205-212.
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 window 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. Ivanov A.I. Biometricheskaya identifikatsiya lichnosti po dinamike podsoznatel'nykh
dvizheniy: monografiya [Biometric identification of a person by the dynamics of subconscious
movements: a monograph]. Penza: Izd-vo Penz. gos. un-ta, 2000, 188 p.
8. Bryukhomitskiy Yu.A., Kazarin M.N. Sistema autentifikatsii lichnosti po pocherku [System of
identity authentication by handwriting], Sb. trudov nauchno-prakticheskoy konferentsii s
mezhdunarodnym uchastiem «Informatsionnaya bezopasnost'» [Collection of proceedings of
the scientific and practical conference with international participation "Information security"].
Taganrog: Izd-vo TRTU, 2002, pp. 22-29.
9. Maznichenko N.I., Gvozdenko M.V. Analiz vozmozhnostey sistem avtomaticheskoy
identifikatsii klaviaturnogo pocherka [Analysis of the capabilities of automatic identification
systems for 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 No. 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 of reconstruction of dynamic systems in systems of biometric identification by keyboard
handwriting], Infokommunikatsionnye tekhnologii [Information and communication
technology], 2008, Vol. 6, No. 1, pp. 51-53.
11. Bryukhomitskiy Yu.A., Kazarin M.N. Metod biometricheskoy identifikatsii pol'zovatelya po
klaviaturnomu pocherku na osnove razlozheniya Khaara i mery blizosti Khemminga [The
method of biometric identification of the user by keyboard handwriting based on the Haar decomposition
and the Hamming proximity measure], Izvestiya TRTU [Izvestiya TSURE], 2003,
No. 4 (33), pp. 141-149.
12. 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.
13. Bryukhomitskiy Yu.A., Kazarin M.N. Metody mnogosvyaznogo predstavleniya klaviaturnogo
pocherka [Methods of multi-linked representation of keyboard handwriting], Mater. III
Mezhdunarodnoy konferentsii «Nelokal'nye kraevye zadachi i rodstvennye problemy
matematicheskoy biologii, informatiki i fiziki. Nal'chik, 5-8 dekabrya 2006 g. [Proceedings of the
III International conference "non-Local boundary value problems and related problems of mathematical
biology, computer science and physics”. Nalchik, December 5-8, 2006], pp. 68-69.
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, No. 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 the 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], AAEKS [AAEKS],
2008, No. 2 (22).
21. Spech D.F. Probailistic neural networks, Neural Networks, 1990, No. 3, pp. 109-118.
22. Kallan R. Osnovnye kontseptsii neyronnykh setey [Basic concepts of neural networks].
Vil'yams, 2001, 291 p.
