Высоконадежная биометрическая аутентификация на основе защищенного исполнения нейросетевых моделей и алгоритмов искусственного интеллекта

А. Е. Сулавко

Аннотация


В статье представлены результаты исследования, посвященного решению научно-технической проблемы повышения надежности многофакторной биометрической аутентификации и защищенности биометрических систем от компьютерных атак. Объект исследования – системы биометрической аутентификации на основе методов, моделей и алгоритмов доверенного ИИ. Предмет исследования – нейросетевые модели и алгоритмы машинного обучения на малых выборках для высоконадежной биометрической аутентификации и защиты биометрических данных от компрометации. Цель работы – повысить надежность многофакторной биометрической аутентификации на основе защищенного исполнения нейросетевых моделей доверенного ИИ и алгоритмов их автоматического синтеза и обучения на малых выборках биометрических данных. Для достижения цели были выполнены следующие задачи: 1. Разработка концепции защищенного исполнения нейросетевых алгоритмов ИИ. 2. Разработка моделей искусственных нейронов и нейросетевого преобразователя биометрия-код, потенциально устойчивых к деструктивным воздействиям, и алгоритмов их робастного автоматического обучения на малых выборках. 3. Разработка адаптивной модели ИИ и алгоритмов ее обучения, позволяющих предупредить или снизить влияние концептуального дрейфа данных в системах биометрической аутентификации. 4. Разработка методов многофакторной аутентификации на базе тайных биометрических образов с обеспечением конфиденциальности биометрических данных. 5. Разработка технологии автоматического синтеза и обучения нейросетевых моделей для высоконадежной многофакторной биометрической аутентификации.

Ключевые слова


Защищенное исполнение искусственного интеллекта; нейросетевые преобразователи биометрия-код; биометрическая аутентификация; биометрические параметры голоса; особенности воспроизведения рукописных паролей; эхограммы ушного канала; корреляция между признака

Полный текст:

PDF

Литература


Вульфин А. М. Модели и методы комплексной оценки рисков безопасности объектов критической информационной инфраструктуры на основе интеллектуального анализа данных // Системная инженерия и информационные технологии. 2023. Т. 5. № 4(13). С. 50–76. EDN NNZWLV. [[ Vulfin A. M. “Models and methods for comprehensive assessment of security risks of critical information infrastructure objects based on intelligent data analysis” // System Engineering and Information Technologies. 2023. Vol. 5, No. 4(13), pp. 50–76. EDN NNZWLV. (In Russian). ]]

Иванов А. И., Сомкин С. А., Андреев Д. Ю., Малыгина Е. А. О многообразии метрик, позволяющих наблюдать реальные статистики распределения биометрических данных «нечетких экстракторов» при их защите наложением гаммы // Вестник УрФО. Безопасность в информационной сфере. 2014. № 2 (12). С. 16–23. [[ Ivanov A. I., Somkin S. A., Andreev D. Yu., Malygina E. A. “On the variety of metrics that allow one to observe real statistics of the distribution of biometric data of “fuzzy extractors” when they are protected by gamma imposition” // Bulletin of the Urals Federal District. Security in the Information Sphere. 2014. No. 2 (12), pp. 16–23. (In Russian). ]]

Малыгина Е. А. Биометрико-нейросетевая аутентификация: перспективы применения сетей квадратичных нейронов с многоуровневым квантованием биометрических данных: препринт / Пензенский гос. ун-т. Пенза: Изд-во ПГУ, 2020. [[ Malygina E. A. Biometric-neural network authentication: prospects for using quadratic neuron networks with multi-level quantization of biometric data: preprint / Penza State University. univ. Penza: PSU Publishing House, 2020. (In Russian ). ]]

Жумажанова С. С., Сулавко А. Е., Ложников П. С. Распознавание психофизиологического состояния субъектов-операто¬ров на основе анализа термографических изображений лица с применением сверточных нейронных сетей // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 41–55. EDN NNZWLV. [[ Zhumazhanova S. S., Sulavko A. E., Lozhnikov P. S. “Recognition of the psychophysiological state of operator subjects based on the analysis of thermographic images of the face using convolutional neural networks” // System Engineering and Information Technologies. 2023. Vol. 5, No. 2(11), pp. 41-55. EDN NNZWLV. (In Russian). ]]

Sulavko A. E. “Biometric-based key generation and user authentication using acoustic characteristics of the outer ear and a network of correlation neurons” // Sensors. 2022. Vol. 22. Рp. 9551. DOI: 10.3390/s22239551.

Sulavko A. E. “Bayes-Minkowski measure and building on its basis immune machine learning algorithms for biometric facial identification” // Journal of Physics: Conf. Series. 2020. Vol. 1546. Рp. 012103-1–012103-7. DOI: 10.1088/1742-6596/1546/1/012103.

Брюхомицкий Ю. А. Клавиатурный мониторинг на основе иммунологического клонирования // Безопасность информационных технологий. 2016. № 4. С. 5–11. [[ Bryukhomitsky Yu. A. “Keyboard monitoring based on immunological cloning” // Security of Information Technologies. 2016. No. 4, pp. 5–11. (In Russian). ]]

Брюхомицкий Ю. А., Федоров В. М. Иммунологический метод текстонезависимой верификации личности по голосу // Известия ЮФУ. Технические науки. 2019. № 5 (207). С. 123–134. [[ Bryukhomitsky Yu. A., Fedorov V. M. “Immunological method of text-independent personality verification by voice” // News of the Southern Federal University. Technical Science. 2019. No. 5 (207), pp. 123–134. (In Russian). ]]

Самотуга А. Е. Распознавание субъектов и их психофизиологических состояний на основе параметров подписи для защиты документооборота // Системная инженерия и информационные технологии. 2023. Т. 5. № 2(11). С. 56–65. EDN JCFRBU. [[ Samotuga A. E. “Recognition of subjects and their psychophysiological states based on signature parameters for document management” // System Engineering and Information Technologies. 2023. Vol. 5, No. 2(11), pp. 56–65. EDN JCFRBU. (In Russian). ]]

Брюхомицкий Ю. А. Модель искусственной иммунной системы с двойной пластичностью // Информационное противодействие угрозам терроризма. 2013. № 20. С. 76–83. [[ Bryukhomitsky Yu. A. “Model of an artificial immune system with double plasticity” // Information Counteraction to the Threats of Terrorism. 2013. No. 20, pp. 76–83. (In Russian). ]]

Сулавко А. Е., Шалина Е. В., Стадников Д. Г., Чобан А. Г. Иммунные алгоритмы распознавания образов и их применение в биометрических системах (обзор) // Вопросы защиты информации. 2019. № 1. С. 38–46. [[ Sulavko A. E., Shalina E. V., Stadnikov D. G., Choban A. G. “Immune algorithms for pattern recognition and their application in biometric systems (review)” // Issues of Information Security. 2019. No. 1, pp. 38–46. (In Russian). ]]

Сулавко А. Е. Абстрактная модель искусственной иммунной сети на основе комитета классификаторов и ее использование для распознавания образов клавиатурного почерка // Компьютерная оптика. 2020. Т. 44. № 5. С. 830–842. DOI: 10.18287/2412-6179-CO-717. [[ Sulavko A. E. “Abstract model of an artificial immune network based on a committee of classifiers and its use for recognizing keyboard handwriting patterns” // Computer Optics. 2020. Vol. 44, No. 5, pp. 830–842. DOI: 10.18287/2412-6179-CO-717. (In Russian). ]]

Sulavko A. E., Samotuga A. E., Kuprik I. A. “Personal identification based on acoustic characteristics of the outer ear using cepstral analysis, bayesian classifier and artificial neural networks” // IET Biometrics. 2021. Vol. 10. No. 6. Pp. 692–705. DOI: 10.1049/bme2.12037.

Сулавко А. Е. Высоконадежная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей // Компьютерная оптика. 2020. Т. 44. № 1. С. 82–91. DOI: 10.18287/2412-6179-CO-567. [[ Sulavko A. E. “Highly reliable two-factor biometric authentication using handwritten and voice passwords based on flexible neural networks” // Computer Optics. 2020. Vol. 44, No. 1, pp. 82–91. DOI: 10.18287/2412-6179-CO-567. (In Russian ). ]]

Иванов А. И., Сулавко А. Е. Проект третьего национального стандарта России по быстрому автоматическому обучению больших сетей корреляционных нейронов на малых обучающих выборках биометрических данных // Вопросы кибер-безопасности. 2021. № 3. С. 84–93. DOI: 10.21681/2311-3456-2021-3-84-93. [[ Ivanov A. I., Sulavko A. E. “Project of the third national standard of Russia for fast automatic training of large networks of correlation neurons on small training samples of biometric data” // Issues of Cyber Security. 2021. No. 3, pp. 84–93. DOI: 10.21681/2311-3456-2021-3-84-93. (In Russian). ]]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2024 А. Е. Сулавко