Параметрический метод биометрической аутентификации пользователей информационных систем - Ю.А. Брюхомицкий

Например, при использовании меры Хэмминга область распределения параметров N-мерного вектора V_С аппроксимируется N-мерным параллепипедом.

Методы, основанные на применении обучаемых нейронных сетей, потенциально обладает большей точностью, но им присущи две группы принципиальных проблем:

·       собственные проблемы ИНС, связанные возможностью возникновения неопределенно долгого процесса обучения, тупиков, состояния «паралича» и др.;

·       проблемы, определяемые биометрической природой распознаваемых образов, главная из которых - обучение ИНС на всех возможных «чужих» пользователей (невозможность формирования представительной обучающей выборки для всех возможных «чужих») [1, 3]. 

В настоящей работе предлагается способ построения классификатора для биометрической аутентификации пользователя компьютерной системы, лишенный указанных недостатков. Он опирается на несколько принципиальных особенностей, возникающих при решении задачи классификации векторов биометрических параметров.

Первая особенность. В общем случае классификация биометрического вектора V должна осуществляться на (n+1) классов: по числу n зарегистрированных («своих») пользователей и один класс для любых других, не зарегистрированных пользователей («чужих»). Перед прохождением процедуры аутентификации пользователь должен вначале идентифицировать себя одним из общепринятых способов. При этом предварительно зарегистрированные в системе биометрические параметры данного пользователя могут использоваться как параметры классификатора. Это обстоятельство позволяет без нарушения общности свести задачу классификации вектора V на (n+1) классов к задаче классификации только на два класса: «свой» – вектор V_С и «чужой» – вектор V_Ч. При наличии многих зарегистрированных пользователей, в процессе  идентификации каждого из них достаточно поочередно внести в классификатор в качестве эталона соответствующие ему биометрические параметры (один из n зарегистрированных векторов V _С).

Вторая особенность. При построении биометрических систем аутентификации достоверной исходной информацией является только подмножество образцов (примеров) биометрических параметров, представленное в процессе регистрации очередного «своего» пользователя

Y_С = {V_С1, V_С2, …, V_Сi, …, V_СL1},  .

Образцы (примеры) биометрических параметров «чужих» пользователей, хотя и могут быть представлены для некоторых произвольных «чужих», они никогда не дадут исчерпывающей информации обо всех возможных «чужих», а, следовательно, мощность подмножества

Y_Ч = {V_Ч1, V_Ч2, …, V_Чi, …, V_ЧL2}, 

а  priori всегда будет недостаточной для полноценного обучения ИНС.

Третья особенность. В идеальном случае, когда подмножества Y_С и Y_Ч не пересекаются, подмножество Y_Ч будет обладать свойством инверсии относительно подмножества Y_С: , а вместе оба подмножества образуют универсум U = Y_С U Y_Ч = Y_С  U .