Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей

Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей

Автор: Сулавко Алексей Евгеньевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 1 т.44, 2020 года.

Бесплатный доступ

В работе рассматривается проблема высоконадежной биометрической аутентификации на основе преобразователей тайных биометрических образов в длинный ключ или пароль, а также их тестирования на сравнительно малых выборках (тысячи образов). Статические образы являются открытыми, поэтому при удаленной аутентификации доверие к ним ограничено. Описан процесс вычисления биометрических параметров голосового и рукописного паролей, предложен метод автоматического формирования гибкой гибридной сети, состоящей из нейронов различного типа, и абсолютно устойчивый алгоритм ее обучения на малых выборках «Свой» (7-15 примеров). Предложен метод обученного гибридного преобразователя «биометрия-код» от извлечения знаний. Достигнуты низкие показатели FAR.

Еще

Гибридные сети, квадратичные формы, функционалы байеса, особенности воспроизведения рукописных образов, параметры голоса, широкие нейронные сети, преобразователи "биометрия-код", защищенные нейросетевые контейнеры

Короткий адрес: https://sciup.org/140247079

IDR: 140247079   |   DOI: 10.18287/2412-6179-CO-567

Список литературы Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей

  • Иванов, А.И. Оценка надёжности верификации автографа на основе искусственных нейронных сетей, сетей многомерных функционалов Байеса и сетей квадратичных форм / А.И. Иванов, П.С. Ложников, А.Е. Сулавко // Компьютерная оптика. - 2017. - Т. 41, № 5. - С. 765-774.
  • Hafemann, L.G. Writer-independent feature learning for offline signature verification using deep convolutional neural networks / L.G. Hafemann, R. Sabourin, L.S. Oliveira // 2016 International Joint Conference on Neural Networks (IJCNN). - 2016. - P. 2576-2583.
  • Souza, V.L.F. A writer-independent approach for offline signature verification using deep convolutional neural networks features / V.L.F. Souza, A.L.I. Oliveira, R. Sabourin // 2018 7th Brazilian Conference on Intelligent Systems (BRACIS). - 2018. - P. 212-217.
  • Tachibana, H. Efficiently trainable text-to-speech system based on deep convolutional networks with guided attention / H. Tachibana, K. Uenoyama, Sh. Aihara // 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). - 2018. - P. 4784-4788.
  • Mai, G. On the reconstruction of face images from deep face templates / G. Mai, K. Cao, P.C. Yuen, A.K. Jain // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2019. - Vol. 41, Issue 5. - P. 1188-1202.
  • Hafemann, L.G. Characterizing and evaluating adversarial examples for offline handwritten signature verification / L.G Hafemann, R. Sabourin, L.S. Oliveira // IEEE Transactions on Information Forensics and Security. - 2019. - Vol. 14, Issue 8. - P. 2153-2166. -
  • DOI: 10.1109/TIFS.2019.2894031
  • Гулов, В.П. Перспектива нейросетевой защита: облачных сервисов через биометрическое обезличивание персональной информации на примере медицинских электронных историй болезни (краткий обзор литературы) / В.П. Гулов, А.И. Иванов, Ю.К. Язов, О.В. Корнеев // Вестник новых медицинских технологий - 2017. - Т. 24, № 2 - С. 220-225.
  • Ахметов, Б.С. Алгоритма: тестирования биометрико-нейросетевых механизмов защиты информации / Б.С. Ахметов, В.И. Волчихин, А.И. Иванов, А.Ю. Малыгин. - Алматы: КазНТУ имени К.И. Сатпаева, 2013. - 152 с.
  • Ложников, П.С. Биометрическая защита гибридного документооборота / П.С. Ложников. - Новосибирск: Изд-во СО РАН, 2017. - 130 с.
  • Torfi, A. Text-independent speaker verification using 3D convolutional neural networks / A. Torfi, J. Dawson, N.M. Nasrabadi // 2018 IEEE International Conference on Multimedia and Expo (ICME). - 2018. - P. 1-6.
  • Akhmetov, B.S. Training of neural network biometry-code converters / B.S. Akhmetov, A.I. Ivanov, Z.K. Alimseitova // News of the National Academy of Sciences of the Republic of Kazakhstan, Series of Geology and Technical Sciences. - 2018. - P. 61-68.
  • Malygin, A. Application of artificial neural networks forhandwritten biometric images recognition / A. Malygin, N. Seilova, K. Boskebeev, Zh. Alimseitova // Computer Modelling and New Technologies. - 2017. - Vol. 21, Issue 1. - P. 31-38.
  • Горшков, Ю.Г. Обработка речевых и акустических биомедицинских сигналов на основе вейвлетов / Ю.Г. Горшков. - М.: Радиотехника, 2017. - 240 с.
  • Lukic, Y. Speaker identification and clustering using convolutional neural networks / Y. Lukic, C. Vogt, O. Durr, T. Stadelmann // IEEE 26th International Workshop on Machine Learning for Signal Processing (MLSP). - 2016. - P. 1-6.
  • Жиляков, Е.Г. Алгоритмы обнаружения основного тона речевых сигналов / Е.Г. Жиляков, А.А. Фирсова, Н.А. Чеканов // Научные ведомости БелГУ. Сер. Экономика. Информатика. - 2012. - № 1(120), вып. 21. - С. 135-143.
  • Vasilyev, V.I. Identification of the psychophysiological state of the user based on hidden monitoring in computer systems / V.I. Vasilyev, A.E. Sulavko, S.S. Zhumazhanova, R.V. Borisov // Scientific and Technical Information Processing. - 2018. - Vol. 45, Issue 6. - P. 398-410.
  • Sulavko, A.E. Subjects authentication based on secret biometric patterns using wavelet analysis and flexible neural networks / A.E. Sulavko, D.A. Volkov, S.S. Zhumazhanova, R.V. Borisov // XIV International Scientific-Technical Conference on Actual Problems of Electronics Instrument Engineering (APEIE). - 2018. - P. 218-227.
  • Sulavko, A.E. Perspective neural network algorithms for dynamic biometric pattern recognition in the space of interdependent features / A.E. Sulavko, S.S. Zhumazhanova, G.А. Fofanov // Dynamics of Systems. Mechanisms and Machines. - 2018. - P. 1-12.
  • Ivanov, A.I. Comparable estimation of network power for chi-squared Pearson functional networks and Bayes hyperbolic functional networks while processing biometric data / A.I. Ivanov, P.S. Lozhnikov, S.E. Vyatchanin. // Control and Communications. - 2017. - P. 1-3.
  • Sulavko, A.E. Biometric pattern recognition using wide networks of gravity proximity measures / A.E. Sulavko, S.S. Zhumazhanova // Journal of Physics: Conference Series. - 2018. - Vol. 1050. - 012082.
  • Vasilyev, V.I. Flexible fast learning neural networks and their application for building highly reliable biometric cryptosystems based on dynamic features / V.I. Vasilyev, P.S. Lozhnikov, A.E. Sulavko, G.А. Fofanov, S.S. Zhumazhanova // IFAC-PapersOnLine. - 2018. - Vol. 51, Issue 30. - P. 527-532.
  • Larcher, A. Text-dependent speaker verification: Classifiers, databases and RSR20l5 / A. Larcher, K.A. Lee, B. Ma, H. Li // Speech Communication. - 2014. - Vol. 60. - P. 56-77.
  • Diaz, M. A perspective analysis of handwritten signature technology / M. Diaz, M.A. Ferrer, D. Impedovo, M.I. Malik, G. Pirlo, R. Plamondon // ACM Computing Surveys. - 2019. - Vol. 51, Issue 6. - 117.
  • Lozhnikov, P. Cloud biometrical system identification through handwriting dynamics "SignToLogin" / P. Lozhnikov, A. Sulavko. - Certificate of registration No. TX 7640-429. - Date of registration 18.12.2012.
Еще
Статья научная
SciUp 2024 © 2024 ©