Record Details

The problem of pattern recognition dimensionality in biometric authentication systems

Наукові журнали Національного Авіаційного Університету

View Archive Info
 
 
Field Value
 
Title The problem of pattern recognition dimensionality in biometric authentication systems
Проблемы размерности задач распознавания образов в системах биометрической аутентификации
Проблеми розмірності задач розпізнавання образів у системах біометричної аутентифікації
 
Creator Алимсеитова, Жулдыз; Університет ім. Сатпаєва
Сейлова, Нургуль; Університет ім. Сатпаєва
Гнатюк, Сергей Александрович; Національний авіаційний університет
 
Subject Information security
biometric image; artificial neural network; neural network Converter; the dimensionality of the task of transformation; correlation; space of distance of the Hamming
UDC 681.322:681.5.015.42 (045)
Информационная безопасность
биометрический образ; аутентификация; искусственная нейронная сеть; нейросетевой преобразователь; размерность задачи преобразования; корреляция; пространство расстояний Хэмминга
УДК 681.322:681.5.015.42 (045)
Інформаційна безпека
біометричний образ; аутентифікація; штучна нейронна мережа; нейромережевий перетворювач; розмірність завдання перетворення; кореляція; простір відстаней Хеммінга
УДК 681.322:681.5.015.42 (045)
 
Description In biometric authentication systems, the process of prov-ing and verifying the authenticity of a user-claimed name through the user's presentation of his biometric image is performed and by converting this image in accordance with a predefined authentication protocol. An important issue remains the transformation of biometric data into code. The paper discusses the two most well-known conversion technology of biometrics in the code, the scheme of con-version of biometric parameters in the code key. It is shown that one of the main reasons for the difficulties of biometric authentication is the high dimensionality of the problem. To solve this problem, there are artificial neural networks or "fuzzy extractors". Of the many existing learn-ing algorithms of neural networks selected algorithm for automatic training of large artificial neural networks. Shows the use of entropy device to reduce the dimension of the problem of converting the biometrics-code. To reduce the volume of calculations made the transition to the Ham-ming distances.
В системах биометрической аутентификации осуществляется процесс доказательства и проверки подлинности заяв-ленного пользователем имени через предъявление пользователем своего биометрического образа и путём преобразования этого образа в соответствии с заранее определенным протоколом аутентификации. Важным вопросом остается прео-бразование биометрических данных в код. В статье рассматриваются две наиболее известные технологии преобразова-ния биометрии в код, приводится схема преобразования биометрических параметров в код ключа. Показано, что одной из основных причин трудности биометрической аутентификации является высокая размерность задачи. Для решения этой проблемы используются искусственные нейронные сети или «нечеткие экстракторы». Из множества существую-щих алгоритмов обучения нейронных сетей выбран алгоритм автоматического обучения большой искусственной ней-ронной сети. Показано применение энтропийного аппарата для снижения размерности задачи преобразования биоме-трия-код. Для снижения объемов вычислений произведен переход в расстояния Хемминга.
У системах біометричної аутентифікації здійснюється процес доказу і перевірки автентичності заявленого користувачем імені через пред'явлення користувачем свого біометричного образу і шляхом перетворення цього образу відповідно до заздалегідь визначених протоколів аутентифікації. Важливим питанням залишається перетворення біометричних даних в код. У статті розглядаються дві найбільш відомі технології перетворення біометрії в код, наводиться схема перетворення біометричних параметрів в код ключа. Показано, що однією з основних причин труднощів біометричної аутентифікації є висока розмірність завдання. Для вирішення цієї проблеми використовуються штучні нейронні мережі або «нечіткі екстрактори». З безлічі існуючих алгоритмів навчання нейронних мереж обраний алгоритм автоматичного навчання великої штучної нейронної мережі. Відображено застосування ентропійного апарату для зниження розмірності задачі перетворення біометрія-код. Для зниження обсягів обчислень проведений перехід до відстаней Хеммінга.
 
Publisher National Aviation University
 
Contributor —
—
—
 
Date 2017-12-11
 
Type —
—
—
 
Format application/pdf
application/pdf
application/pdf
 
Identifier http://jrnl.nau.edu.ua/index.php/ZI/article/view/12219
10.18372/2410-7840.19.12219
 
Source Ukrainian Information Security Research Journal; Том 19, № 4 (2017); 310-316
Защита информации; Том 19, № 4 (2017); 310-316
Захист інформації; Том 19, № 4 (2017); 310-316
 
Language ru
 
Rights Authors who publish with this journal agree to the following terms: Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим: Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договоронности, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами: Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
 

Технічна підтримка: НДІІТТ НАУ