Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- Архитектура перспективных нейронов для обработки биометрических данных с высокой взаимной корреляционной зависимостью (Обзор)
- Авторы
- Сулавко Алексей Евгеньевич sulavich@mail.ru, канд. техн. наук, доцент кафедры "Комплексная защита информации", ФГАОУ ВО "Омский государственный технический университет", г. Омск, Россия
- В разделе
- ТЕХНИЧЕСКАЯ ЗАЩИТА ИНФОРМАЦИИ. ДОВЕРЕННАЯ СРЕДА
- Ключевые слова
- статистические функционалы / клавиатурный почерк / биометрический признак / параметры голоса / особенности подписи / широкие нейронные сети / закон распределения случайной величины
- Год
- 2018 номер журнала 1 Страницы 35 - 48
- Индекс УДК
- 004.93.1
- Код EDN
- Код DOI
- Финансирование
- Тип статьи
- Обзорная статья
- Аннотация
- Рассматриваются и обобщаются различные варианты построения нейронов в "широких" сетях для задач распознавания образов при наличии малого объема обучающей выборки. Описан ряд функционалов, которые можно использовать как основу для формирования перспективных нейронов, способных эффективно работать в пространстве признаков с высокой взаимной корреляционной зависимостью. Найдены стойкие статистические связи между корреляционной зависимостью признаков, их информативностью и параметрами ряда функционалов, основанных на критериях проверки гипотез о законе распределения случайной величины. Найденные закономерности подтверждаются расчетами для реальных биометрических признаков (голос, клавиатурный почерк, рукописный образ, лицо). Предложено преобразование, позволяющее модифицировать дифференциальный функционал на базе критерия Джини для эффективной работы с сильно зависимыми биометрическими признаками.
- Полный текст статьи
- Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Список цитируемой литературы
-
Ложников П. С., Сулавко А. Е., Еременко А. В., Волков Д. А. Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами // Информационно-управляющие системы. 2016. № 5. С. 73-85.
Ахметов Б. С., 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.
Еременко А. В., Ложников П. С., Сулавко А. Е. Генерация ключевых последовательностей на основе параметров подсознательных движений // Информационные системы и технологии. 2017. № 1. С. 99-109.
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 "Издательство LEM", 2014. - 144 с.
Сулавко А. Е., Еременко А. В., Жумажанова С. С., Бурая Е. В. Генерация ключевых последовательностей и верификация субъектов на основе двумерного изображения лица // Автоматизация процессов управления. 2017. № 1. С. 58-66.
Lozhnikov P. S., Sulavko A. E., Eremenko A. V., Buraya E. V. Methods of generating key sequences based on keystroke dynamics: X International IEEE Scientific and Technical Conference "Dynamics of Systems, Mechanisms and Machines" (Dynamics), 15-17 November, 2016, Omsk, Russia. P. 1-5.
Lozhnikov P. S., Sulavko A. E., Volkov D. A. Application of noise tolerant code to biometric data to verify the authenticity of transmitting information / Control and Communications (SIBCON), 21-23 May 2015, Omsk, Russia. P. 1-3.
Lozhnikov P. S., Sulavko A. E., Eremenko A. V., Volkov D. A. Methods of Generating Key Sequences based on Parameters of Handwritten Passwords and Signatures // Information. 2016. № 7(4). P. 59.
Сулавко А. Е., Еременко А. В., Борисов Р. В. Генерация криптографических ключей на основе голосовых сообщений // Прикладная информатика. 2016. № 5. С.76-89.
Hafemann L. G. et al. Writer-independent Feature Learning for Offline Signature Verification using Deep Convolutional Neural Networks, 2016.
Иванов А. И., Ложников П. С., Сулавко А. Е. Оценка надежности верификации автографа на основе искусственных нейронных сетей, сетей многомерных функционалов Байеса и сетей квадратичных форм // Компьютерная оптика. 2017. Т. 41. № 5. С. 765-774.
Иванов А. И. Подсознание искусственного интеллекта: программирование автоматов нейросетевой биометрии языком их обучения. - Пенза: ОАО "ПНИЭИ". 2012. -125 с.
Волчихин В. И., Иванов А. И., Фунтиков В. А. Быстрые алгоритмы обучения нейросетевых механизмов биометрико-криптографической защиты информации. - Пенза: Изд-во Пензенского государственного университета, 2005. - 273 с.
Сулавко А. Е., Еременко А. В., Толкачева Е. В., Борисов Р. В. Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры ХИ-модуль // Информационно-управляющие системы. 2017. № 1 (86). С. 50-62.
Иванов А. И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции. Монография. - Пенза: ОАО "ПНИЭИ". 2016. - 133 с.
Ivanov A. I., Lozhnikov P. S., Serikova Yu. I. Reducing the Size of a Sample Sufficient for Learning Due to the Symmetrization of Correlation Relationships Between Biometric Data // Cybernetics and Systems Analysis. 2016. V. 52 (3), P. 379-385.
Ivanov A. I., Kachajkin E. I., Lozhnikov P. S. A Complete Statistical Model of a Handwritten Signature as an Object of Biometric Identification: Control and Communications (SIBCON), Moscow, May 2016, P. 1-5.
Ложников П. С., Сулавко А. Е., Бурая Е. В., Писаренко В. Ю. Аутентификация пользователей компьютера на основе клавиатурного почерка и особенностей лица // Вопросы кибербезопасности. 2017. № 3. С. 24-34.
Ivanov A. I., Lozhnikov P. S., Vyatchanin S. E. Comparable Estimation of Network Power for Chisquared Pearson Functional Networks and Bayes Hyperbolic Functional Networks while Processing Biometric Data: Control and Communications (SIBCON), 29-30 June 2017, Astana, Kazakhstan. P.1-3.
Сулавко А. Е. Сравнение функционалов на базе статистических критериев для формирования широких нейронных сетей сверхбыстрого обучения // Инфографика и информационный дизайн: визуализация данных в науке: мат. Межд. науч.-практ. конф. Омск, 17-18 ноября 2017 г. - Омск: Изд-во ОмГТУ, 2017. - 290 с.
Волчихин В. И., Иванов А. И., Фунтиков В. А., Малыгина Е. А. Перспективы использования искусственных нейронных сетей с многоуровневыми квантователями в технологии биометрико-нейросетевой аутентификации // Известия высших учебных заведений. Поволжский регион. 2013. № 4(28). С. 86-96.
- Купить
