Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Преобразователь образов голосовых паролей дикторов в криптографический ключ на основе комитета предварительно обученных сверточных нейронных сетей
- Авторы
- Сулавко Алексей Евгеньевич sulavich@mail.ru, канд. техн. наук, доцент кафедры "Комплексная защита информации", ФГАОУ ВО "Омский государственный технический университет", г. Омск, Россия
Стадников Денис Геннадьевич sdg250598@inbox.ru, инженер-программист, ФГБОУ ВО «Омский государственный технический университет», г. Омск, Россия
Чобан Адиль Гаврилович adil_choban@mail.ru, инженер-программист, ФГБОУ ВО «Омский государственный технический университет», Омск, Россия
Иниватов Даниил Павлович sulavich@mail.ru, аспирант, ФГБОУ ВО «Омский государственный технический университет», г. Омск, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. ДОВЕРЕННАЯ СРЕДА
- Ключевые слова
- многослойные нейронные сети / глубокое обучение / ансамбли моделей / автоматическое обучение нейронных сетей / параметры голоса диктора / автокодировщики / ядро свертки / биометрическая аутентификация
- Год
- 2021 номер журнала 4 Страницы 23 - 33
- Индекс УДК
- 519.24; 53; 57.017
- Код EDN
- Код DOI
- 10.52190/2073-2600_2021_4_23
- Финансирование
- Тип статьи
- Научная статья
- Аннотация
- Разработан метод преобразования голосового пароля в длинный криптографический ключ или сильный пароль для надежной биометрической аутентификации диктора. Предложен новый способ ансамблирования классификаторов, который может быть использован в целях снижения количества ошибок распознавания образов, в том числе совместно с такими методами, как бэггинг, бустинг, стекинг. Пять предварительно обученных многослойных сверточных нейронных сетей объединены в комитет. Каждая сеть обучалась на усредненных спектрах голосовых образов, вычисляемых при помощи быстрого оконного преобразования Фурье с использованием различных оконных функций (прямоугольной, Барлетта, Гаусса, Блэкмана, Хемминга). Сети извлекали векторы признаков голосовых паролей, которые поступали на вход нейросетевому преобразователю биометрия-код, обученному по алгоритму ГОСТ Р 52633.5. Достигнутый уровень ошибок составил EER = 0,0144.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Yanick Lukic, Carlo Vogt, Oliver D?urr, Thilo Stadelmann. Speaker identification and clustering using convolutional neural networks: IEEE 26th In-ternational Workshop on Machine Learning for Signal Processing (MLSP). SALERNO, ITALY. 13-16 September 2016.
Горшков Ю. Г. Обработка речевых и акустических биомедицинских сигналов на основе вейвлетов. Монография. - М.: Радиотехника, 2017. - 240 с.
Сулавко А. Е., Еременко А. В., Борисов Р. В. Генерация криптографических ключей на основе голосовых сообщений // Прикладная информатика. 2016. № 5. С. 76-89.
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.
Monrose F., Reiter M. K., Li Q., Wetzel S. Cryptographic key generation from voice: Proceedings of the 2001 IEEE Symposium on Security and Privacy, 2001.
Ложников П. С. Биометрическая защита гибридного документооборота. - Новосибирск: Изд-во СО РАН, 2017. - 130 с.
Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition [Электронный ресурс]. Режим доступа: arXiv preprint arXiv:1409.1556, 2014.
Sulavko A. E., Zhumazhanova S. S., Fofanov G. А. Perspective Neural Network Algorithms for Dynamic Biometric Pattern Recognition in the Space of Interdependent Features: 2018 Dynamics of Systems, Mechanisms and Machines, Dynamics. 13-15 November, 2018. - Omsk, Russia. P. 1-12. DOI: 10.25206/2310-9793-2018-6-4-130-145.
Ахметов Б. С., Иванов А. И., Фунтиков В. А., Безяев А. В., Малыгина Е. А. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа. - Алматы: ТОО "ИздательствоLEM", 2014. - 144 с.
Матвеев Ю. Н. Технологии биометрической идентификации личности по голосу и другим модальностям // Вестник МГТУ им. Н. Э. Баумана. Сер. "Приборостроение". 2012. № 3(3). С. 46-61.
Amirsina Torfi, Jeremy Dawson, Nasser M. Nasrabadi. Text-independent speaker verification using 3d convolutional neural networks: IEEE In-ternational Conference on Multimedia and Expo (ICME). 23-27 July 2018.
Hossein Salehghaffari. Speaker Verification using Convolutional Neural Networks [Электронный ресурс]. Режим доступа: arXiv:1803.05427v2 [eess.AS]
Безяев А. В., Иванов А. И., Фунтикова Ю. В. Оптимизация структуры самокорректирующегося биокода, хранящего синдромы ошибок в виде фрагментов хеш-функций // Вестник УрФО. Безопасность в информационной сфере. 2014. № 3(13). С. 4-13.
- Купить
- 500.00 руб
