Модели и алгоритмы мультимодальной биометрической аутентификации на основе сверточной нейронной сети.

ВВЕДЕНИЕ 5
ГЛАВА 1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ 14
1.1. Нормативно–правовое регулирование биометрической системы аутентификации 15
1.2. Анализ научных публикаций в области биометрической аутентификации пользователей на основе нейронных сетей 19
1.3. Обзор (анализ) методов биометрической аутентификации, определение их преимуществ и недостатков 20
1.3.1. Мел–частотные кепстральные коэффициенты 26
1.3.2. Коэффициенты линейного предсказания 29
1.3.3. Перцепционные коэффициенты линейного предсказания 30
1.3.4. Признаки частоты спектрального центроида 31
1.3.5. Q–константные кепстральные коэффициенты 31
1.4. Цель и задачи исследования 32
Выводы по первой главе 33
ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ РАСПОЗНАВАНИЯ ПОЛЬЗОВАТЕЛЕЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПО ИЗОБРАЖЕНИЮ ЛИЦА 34
2.1. Предобработка и морфологическое преобразование изображений с целью формирования биометрического образа пользователя по лицу 35
2.2. Обоснование преимущества использования нейронных сетей для решения задачи распознавания пользователей информационной системы 37
2.3. Выбор архитектуры нейронной сети 38
2.4. Обучение нейронной сети: формирование обучающей выборки для поиска и распознавания пользователей информационной системы на видео в режиме реального времени 42
2.5. Преимущества использования фильтра Калмана для повышения точности распознавания пользователей с помощью нейронной сети 46
2.6. Модель распознавания пользователей информационной системы по изображению лица 51
Выводы и результаты по второй главе 58
ГЛАВА 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ РАСПОЗНАВАНИЯ ПОЛЬЗОВАТЕЛЕЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПО ГОЛОСУ 60
3.1. Алгоритм выделения акустических признаков 60
3.2. Выбор параметров речевого сигнала: мел-частотных спектральных коэффициентов, коэффициентов линейного предсказания, перцепционных коэффициентов линейного предсказания, частоты спектрального центроида, Q-константных кепстральных коэффициентов, - используемых для формирования биометрического образа пользователя по голосу 72
3.3. Обработка и нормализация сформированного биометрического образа пользователей по голосу 73
3.4. Обоснование выбора и использование нейронной сети для распознавания пользователей информационной системы по голосу 74
3.5. Модель распознавания пользователей информационной системы по голосу 77
Выводы и результаты по третьей главе 83
ГЛАВА 4. АППРОБАЦИЯ РАЗРАБОТАННЫХ МОДЕЛЕЙ РАСПОЗНАВАНИЯ, ФОРМИРОВАНИЕ СИСТЕМЫ АУТЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ НА ОСНОВЕ КОНКАТЕНАЦИИ ВЕКТОРА ПРИЗНАКОВ И СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ, ОЦЕНКА ЕЕ ЭФФЕКТИВНОСТИ 85
4.1. Результаты распознавания пользователей информационной системы по изображению лица 85
4.2. Результаты распознавания пользователей информационной системы по голосу 100
4.3. Архитектура нейронной сети на основе конкатенации и экспериментальные исследования по распознаванию пользователей на ее основе 102
4.4. Оценка эффективности распознавания пользователей на основе разработанного биометрического образа 109
Выводы и результаты по четвертой главе 110
ЗАКЛЮЧЕНИЕ 112
СПИСОК ЛИТЕРАТУРЫ 117
Приложение А: Свидетельства о государственной регистрации программы для ЭВМ и электронных ресурсов. 133
Приложение Б: Акты внедрения. 136
Приложение В: Листинг кода программного обеспечения. 139

Весь текст будет доступен после покупки

Актуальность темы исследования. Процедуры идентификации и аутентификации пользователей являются одними из важнейших механизмов защиты современных информационных систем, реализуются на первичных этапах их обороны, в связи с чем данные механизмы наиболее часто подвергаются различным атакам со стороны злоумышленников. Стойкость ко взлому процедур идентификации и аутентификации субъектов доступа во многом определяет общий уровень защищенности всей информационной системы, поэтому качеству реализации данных процедур всегда уделяется особое внимание. В настоящее время биометрические системы становятся одними из наиболее перспективных средств аутентификации пользователей. Данные системы обеспечивают удобство аутентификации человека с одной стороны и высокий уровень безопасности с другой. В отличие от паролей и носителей информации, которые могут быть утеряны, украдены или скомпрометированы, биометрические системы основаны на человеческих уникальных характеристиках, которые являются неотъемлемой частью пользователя информационной системы. Это делает подделку или хищение аутентифицирующей информации практически невозможной.

Весь текст будет доступен после покупки

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Задачи управления доступом пользователей актуальны для любой информационной системы. С каждым зарегистрированным в сети пользователем связана определенная информация, которая идентифицирует его. Внедрение криптографических и биометрических систем положительно влияет на разработку инновационных решений для обеспечения информационной безопасности. Особенно перспективными являются мультимодальная и мультибиометрическая системы аутентификации, объединившие в себе биометрические признаки и методы их преобразования в основные последовательности [8].
В трудах российских и зарубежных ученых проведены исследования по биометрической системе аутентификации на основе статических и динамических методов c применением аппаратных средств [16, 70, 98]. Предложены методы и модели по совершенствованию способов и средств защиты информации применительно к задаче идентификации и аутентификации пользователей информационной системы [72]. Для повышения точности процедуры аутентификации на основе биометрических признаков получены результаты применения нейронных сетей с обучающими выборками, которые являются основополагающими и фундаментальными [22-23]. Разработаны новые архитектуры нейронных сетей, составлены новые обучающие выборки, проведено сравнение с международными датасетами [57].

Весь текст будет доступен после покупки

1. Об информации, информационных технологиях и о защите информации [Текст]: Федеральный закон от 27 июля 2006 г. № 149–ФЗ // Собрание законодательства РФ. – 2006. – № 13. – С. 12–13.
2. Об осуществлении идентификации и (или) аутентификации физических лиц с использованием биометрических персональных данных, о внесении изменений в отдельные законодательные акты Российской Федерации и признании утратившими силу отдельных положений законодательных актов Российской Федерации [Текст]: Федеральный закон от 29 декабря 2022 г. № 572–ФЗ // Собрание законодательства РФ. – 2022. – № 10. – С. 71–81.
3. О персональных данных [Текст]: Федеральный закон от 27 июля 2006 г. № 152–ФЗ // Собрание законодательства РФ. – 2006. – № 31 (1 я.). – ст. 3451.
4. Об утверждении требований к защите персональных данных при их обработке в информационных системах персональных данных [Текст]: постановление Правительства РФ от 01 ноября 2012 г. № 1119 // Собрание законодательства РФ. – 2012. – № 45. – ст. 6257.
5. Об утверждении требований о защите информации, не составляющей государственную тайну, содержащейся в государственных информационных системах [Текст]: приказ ФСТЭК России от 11 фев. 2013 г. № 17 // Российская газета. – 2013.
6. ГОСТ Р 58833–2020 «Защита информации. Идентификация и аутентификация. Общие положения» – Москва: Стандартинформ, 2020. – С. 11–16.
7. ГОСТ Р 52633.5–2011 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия–код доступа» – Москва: Стандартинформ, 2012. – 16 с.

Весь текст будет доступен после покупки