Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Повышение защищенности процедуры биометрической аутентификации по лицу на основе нейросетевых преобразователей «биометрия-код»
- Авторы
- Ложников Павел Сергеевич lozhnikov@gmail.com, д-р техн. наук, заведующий кафедрой "Комплексная защита информации", ФГБОУ ВО "Омский государственный технический университет", г. Омск, Россия
Сулавко Алексей Евгеньевич sulavich@mail.ru, канд. техн. наук, доцент кафедры "Комплексная защита информации", ФГАОУ ВО "Омский государственный технический университет", г. Омск, Россия
Панфилова Ирина Евгеньевна panfilova_2015@bk.ru, аспирант, инженер, ФГБОУ ВО «Самарский государственный технический университет», г. Самара, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. Управление доступом
- Ключевые слова
- нейросетевой преобразователь «биометрия-код» / защищенная биометрическая аутентификация / распознавание лиц / глубокое обучение / спуфинг атаки
- Год
- 2024 номер журнала 3 Страницы 3 - 11
- Индекс УДК
- 004.89
- Код EDN
- VAPPGY
- Код DOI
- 10.52190/2073-2600_2024_3_3
- Тип статьи
- Научная статья
- Аннотация
- Предложена концепция защищенной биометрической аутентификации по лицу на основе нейросетевых преобразователей «биометрия-код» (НПБК), обеспечивающая устойчивость к деструктивным воздействиям в виде атак извлечения знаний НПБК, компрометации биометрических данных и атак на биометрическое предъявление (спуфинг атак). За счет применения классического нейросетевого преобразователя, обученного классификации реальных и поддельных изображений, решается задача противодействия спуфинг атакам, а также обеспечивается защита параметров пользовательского НПБК путем применения механизма защиты нейросетевого контейнера (ЗНК). В качестве НПБК для аутентификации использована модель нейросетевого преобразователя на базе нового типа нейронов, основанных на тригонометрической мере оценки расстояния между биометрическими образами субъектов в подпространстве пар признаков исходного вектора признаков лица. Предложенная мера близости не используют параметры распределений и/или характеристики образов «Свой», что обеспечивает защиту открытых биометрических данных лиц и знаний НПБК от компрометации.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Kortli Y. et al. Face recognition systems: A survey //Sensors. - 2020. - Т. 20. - №. 2. - С. 342.
Сулавко А. Е. Искусственный интеллект в защищенном исполнении //Информационная безопасность: современная теория и практика. - 2020. - С. 112-114.
Сулавко А. Е. Высоконадежная биометрическая аутентификация на основе защищенного исполнения нейросетевых моделей и алгоритмов искусственного интеллекта //Системная инженерия и информационные технологии. - 2024. - Т. 6. - №. 2 (17). - С. 11-32.
ГОСТ Р 52633.5-2011. Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа - Введ. 01.04.2012. - М. : Стандарт информ, 2018. - 13 с. - (Система стандартов по информации, библиотечному и издательскому делу).
Иванов А. И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции //Монография. Пенза-«ПНИЭИ. - 2016.
Sulavko A. Biometric-based key generation and user authentication using acoustic characteristics of the outer ear and a network of correlation neurons //Sensors. - 2022. - Т. 22. - №. 23. - С. 9551.
Yu Z. et al. Deep learning for face anti-spoofing: A survey //IEEE transactions on pattern analysis and machine intelligence. - 2022. - Т. 45. - №. 5. - С. 5609-5631.
Zhang Y. et al. Celeba-spoof: Large-scale face anti-spoofing dataset with rich annotations //Computer Vision-ECCV 2020: 16th European Conference, Glasgow, UK, August 23-28, 2020, Proceedings, Part XII 16. - Springer International Publishing, 2020. - С. 70-85.
ГОСТ Р 52633.4-2011. Защита информации. Техника защиты информации. Интерфейсы взаимодействия с нейросетевыми преобразователями биометрия - код доступа - Введ. 01.09.2012. - М. : Стандарт информ, (Система стандартов по информации, библиотечному и издательскому делу). 2019. - 32 с.
Майоров А. В. и др. Оценка стойкости защищенных нейросетевых преобразователей биометрия-код с использованием больших баз синтетических биометрических образов //Известия высших учебных заведений. Поволжский регион. Технические науки. 2018. №. 4 (48). С. 65-74.
Hatkar S. S., Pawar B. K. Symmetric key algorithm using vernam cipher: VSA //2016 International Conference on Inventive Computation Technologies (ICICT). - IEEE, 2016. Т. 3. С. 1-5.
- Купить
- 500.00 руб
