Upload
others
View
11
Download
0
Embed Size (px)
Citation preview
9Äàò÷èêè è Ñèñòåìû · ¹ 3.2017
УДК 681.61.065.1.003.076:677.014.5
РАСПОЗНАВАНИЕ ПОЛЬЗОВАТЕЛЕЙ КОМПЬЮТЕРНЫХ СИСТЕМПО КЛАВИАТУРНОМУ ПОЧЕРКУ И ДОПОЛНИТЕЛЬНЫМ ПРИЗНАКАМ
С ПОМОЩЬЮ СПЕЦИАЛЬНЫХ ДАТЧИКОВ1
COMPUTER USERS RECOGNITION BASED ON KEYBOARD HANDWRITING DYNAMICS WITH USING OF ADDITIONAL FEATURES
FROM SPECIAL SENSORS1) Еременко Александр Валериевичканд. техн. наук, доцентE-mail: [email protected]) Сулавко Алексей Евгеньевичканд. техн. наук, ст. преподавательE-mail: [email protected]) Мишин Денис Вячеславовичканд. техн. наук, доцентE-mail: [email protected]) Федотов Александр АнатольевичаспирантE-mail: [email protected]) Омский государственный университет путей сообщения, Омск2) Владимирский государственный университет им. Александра Григорьевича и Николая Григорьевича Столетовых, Владимир
Аннотация: Рассìотрена пробëеìа защиты äанных от неавто-ризованноãо äоступа посреäствоì аутентификаöии субъектовпо кëавиатурноìу по÷ерку. Преäëожено испоëüзоватü пара-ìетры äавëения на кëавиøи и вибраöии кëавиатуры совìест-но с вреìенныìи характеристикаìи нажатия кëавиø äëя рас-познавания пе÷атаþщеãо субъекта. Привеäены экспериìен-таëüные оöенки вероятностей оøибок иäентификаöии сетейперсептронов, реаëизованных по ГОСТ Р 52633.5—2011, и се-тей кваäрати÷ных форì.
Ключевые слова: кëавиатурный по÷ерк, äавëение на кëавиøи,вибраöия кëавиатуры, распознавание субъектов, нейронныесети.
1) Eremenko Alexander V.Ph. D. (Tech.), Associate ProfessorE-mail: [email protected]) Sulavko Aleksey E.Ph. D. (Tech.), Senior LecturerE-mail: [email protected]) Mishin Denis V.Ph. D. (Tech.), Associate ProfessorE-mail: [email protected]) Fedotov Alexander A.PostgraduateE-mail: [email protected]) Omsk State Transport University, Omsk2) Vladimir State Univercity, Vladimir
Abstract: The problem of data protection from unauthorized accessthrough authentication of subjects on keyboard handwriting is con-sidered. We propose to use the parameters of pressure on the keysand the keyboard vibration together with the timing keystrokes torecognize the user. A keyboard with special sensors allowing torecord additional parameters was assembled. The estimation errorprobabilities of identification based on perceptrons networks imple-mented according to GOST R 52633.5—2011 and networks ofquadratic forms was made.
Keywords: handwriting keyboard, the pressure on the keys, the key-board vibration, user recognition, neural networks.
ВВЕДЕНИЕ
Пробëеìы защиты инфор-ìаöии от несанкöионирован-ноãо äоступа со стороны внеø-них и внутренних наруøитеëейс кажäыì ãоäоì становятся ак-туаëüней (сì. резуëüтаты еже-ãоäных иссëеäований коìпанииPwC) [1].
1 Работа выполнена при финансовойподдержке РФФИ (грант № 16-37-50007).
Траäиöионные среäствааутентификаöии обы÷но осно-ваны на пароëях иëи на про-верке инäивиäуаëüных особен-ностей субъекта (биоìетри÷ес-ких признаков). Первые наибо-ëее поäвержены “÷еëове÷ескоìуфактору”, биоìетри÷еские сис-теìы защиты также не ëиøенынеäостатков.
Чтобы объеäинитü преиìу-щества упоìянутых техноëоãий
ìожно испоëüзоватü тайные био-ìетри÷еские образы, которыеìоãут бытü основаны тоëüко наäинаìи÷еских биоìетри÷ескихпризнаках, наприìер инäиви-äуаëüноì кëавиатурноì по÷еркесубъекта при наборе пароëüнойфразы. Неäостаток такоãо ìето-äа состоит в сравнитеëüно низ-кой наäежности приниìаеìыхреøений. Преäëаãается повы-ситü наäежностü распознавания
10 Sensors & Systems · ¹ 3.2017
субъектов по кëавиатурноìу по-÷ерку посреäствоì испоëüзова-ния äопоëнитеëüных признаков,реãистрируеìых спеöиаëüныìиäат÷икаìи и характеризуþщихäинаìику набора текста на кëа-виатуре.
Основные (базовые) призна-ки, а иìенно вреìенные харак-теристики ввоäа сиìвоëов накëавиатуре (вреìена уäержаниякëавиø и паузы ìежäу нажати-еì кëавиø), приìеняþтся прак-ти÷ески во всех систеìах рас-познавания [2]. Оäнако äопоë-нитеëüные признаки, основан-ные на у÷ете äанных о äинаìикеизìенения äавëения на кëави-øи и вибраöии кëавиатуры принаборе текста субъектоì, ìаëоиссëеäованы [3, 4]. В äаннойработе преäëаãается выäеëитüновый кëасс признаков, поëу-÷аеìых путеì приìенения кфункöияì äавëения и вибраöиивейвëет-преобразования Добе-øи [5].
АППАРАТНО-ПРОГРАММНЫЙ КОМПЛЕКС
В ка÷естве пëатфорìы äëяразработки аппаратно-проãраì-ìноãо коìпëекса äëя реãистра-öии äопоëнитеëüных признаковкëавиатурноãо по÷ерка быëавыбрана открытая проãраììи-руеìая аппаратная пëатфорìаArduino Uno R3, преäставëяþ-щая собой пëату с ìикроконт-роëëероì, а также спеöиаëüнуþсреäу разработки äëя написанияеãо проãраììноãо обеспе÷енияпри разработке интерактивныхсистеì, управëяеìых разëи÷-ныìи äат÷икаìи и перекëþ÷а-теëяìи. Контроëëер построенна ÷ипе ATmega328 с встроен-ныì 10-разряäныì АЦП и иìе-ет 14 öифровых вхоäов/выхоäов(6 из них ìоãут бытü выхоäаìиШИМ) и 6 анаëоãовых вхоäов.
Структурная схеìа коìп-ëекса äëя реãистраöии äопоëни-теëüных признаков кëавиатур-ноãо по÷ерка от äат÷иков äавëе-ния и вибраöии преäставëенана рис. 1.
К øести анаëоãовыì вхо-äаì Arduino Uno R3 поäкëþ÷е-ны пятü äат÷иков äавëения иäат÷ик вибраöии. Дëя опреäеëе-ния сиëы нажатия на кëавиøииспоëüзован äат÷ик äавëения(рис. 2, а) — сиëоизìеритеëü-ный резистор Interlink 408 FSR.Без наãрузки сопротивëение ре-зистора превыøает 1 МОì иварüируется от 100 кОì äо не-
скоëüких сотен Оì в зависиìос-ти от сиëы нажатия на поверх-ностü äат÷ика, но стабиëüно прификсированной наãрузке. Дëяопреäеëения коäов и ìоìентовнажатия кëавиø сëужит ìоäуëüUSB Host Shield (рис. 2, б), преä-назна÷енный äëя поäкëþ÷енияHID-устройств (в äанноì сëу-÷ае — USB-кëавиатуры) и эìу-ëяöии их работы в операöион-ной систеìе. Дëя поëу÷ения äан-ных о вибраöии кëавиатуры приввоäе текста испоëüзован пüезо-эëектри÷еский äат÷ик вибраöииAnalog Piezo Disk Vibration Sensorкоìпании DFRobot. Моäуëü äëя
Рис. 1. Структурная схема аппаратно-программного комплекса для регистрации допол-нительных признаков клавиатурного почерка от датчиков давления и вибрации
a)
б)
в)
г)
Рис. 2. Модули для клавиатуры
Дат÷ики сиëы äавëения на кëавиøу
Дат÷ик вибраöии
USB USB Host Shield
USB-интерфейс
Опреäеëение äëитеëüностей, периоäов ìежäу нажатияìикëавиø, построение функöии сиëы äавëения и вибраöии
Приëожение äëя сбора äанных
11Äàò÷èêè è Ñèñòåìû · ¹ 3.2017
поäкëþ÷ения äат÷ика вибраöиик пëате контроëëера преäстав-ëен на рис. 2, в. Усиëитеëеì ана-ëоãовоãо сиãнаëа сëужит реãу-ëируеìый ìоäуëü на основеìикросхеìы LM358 (рис. 2, г).
К контроëëеру поäкëþ÷енакëавиатура Logitech K120, кор-пус которой быë вскрыт, и поäряäы кëавиø установëены äат-÷ики äавëения (рис. 3).
Проãраììа äëя обработкиинфорìаöии, поступаþщей откëавиатуры и äопоëнитеëüныхäат÷иков, написана на языке C#.При нажатии 0 на NumPad кëа-виатуры ìикроконтроëëер оста-навëивает поток äанных, и про-ãраììа записывает буфер с äан-ныìи в файëы. Частота опросаäат÷иков ìикроконтроëëероìсоставëяет 3000 Гö, но из-запосëеäоватеëüноãо опроса øес-ти канаëов (äат÷иков) ÷астотаäискретизаöии кажäоãо из ре-ãистрируеìых сиãнаëов состав-ëяет 500 Гö.
Максиìаëüной скорости на-бора на кëавиатуре с раскëаäкойQWERTY [6] соответствует ÷ас-тота 12,5 Гö, норìе — 2,5 Гö.Сëеäоватеëüно, ÷астоты äискре-тизаöии 25 Гö äëя сиãнаëов,форìируеìых на разработаннойкëавиатуре, äостато÷но äëя опи-сания кëавиатурноãо по÷ерка÷еëовека.
БИОМЕТРИЧЕСКИЕ ПРИЗНАКИ КЛАВИАТУРНОГО ПОЧЕРКА
Дëя сбора биоìетри÷ескихäанных быëо привëе÷ено 100 ис-пытуеìых, кажäый из них осу-ществëяë ввоä фиксированнойпароëüной фразы не ìенее120 раз. Среäи испытуеìых бы-ëо равное коëи÷ество хоëериков,санãвиников, ìеëанхоëиков,фëеãìатиков по тесту Айзенка,так как тип теìпераìента вëия-ет на скоростü реакöии и пара-ìетры воспроизвеäения поäсо-знатеëüных äвижений [7].
Образöы кëавиатурноãо по-÷ерка обрабатываëисü проãраì-ìныì ìоäуëеì и преобразовы-ваëисü в вектор зна÷ений при-знаков (äаëее — реаëизаöиþ кëа-виатурноãо по÷ерка). Поìиìобазовых признаков в настоящейработе провеäена оöенка иäен-тификаöионных возìожностейсëеäуþщих ãрупп äопоëнитеëü-ных признаков:
— ìаксиìаëüный показатеëüäавëения, изìеряеìый в про-öессе нажатия на кëавиøу;
— ìаксиìаëüный показатеëüвибраöии, изìеряеìый в про-öессе нажатия на кëавиøу;
— коэффиöиенты вейвëет-преобразования, вы÷исëяеìыеиз функöии äавëения на кëа-виøи;
— коэффиöиенты вейвëет-преобразования, вы÷исëяеìые
из функöии вибраöии кëавиа-туры.
Первые äва виäа признаковассоöиированы с конкретныìикëавиøаìи по анаëоãии с ба-зовыìи признакаìи (к кажäойкëавиøе, заäействованной принаборе пароëüной фразы, при-вязан отäеëüный признак äавëе-ния и признак вибраöии).
Посëеäние äва виäа äопоë-нитеëüных признаков рассìот-рены äаëее.
За вреìя нажатия кëавиøиреãистрируется ряä показатеëейìоìентаëüноãо äавëения на кëа-виøу и ìоìентаëüной вибраöиикëавиатуры. Прежäе всеãо фор-ìируþтся функöии äавëения накëавиøи и вибраöии кëавиату-ры. Виä сиãнаëов äат÷иков äав-ëения и вибраöии при äвукрат-ноì ввоäе оäниì ÷еëовекоìоäинаковоãо текста на кëавиату-ре преäставëен на рис. 4, а. Этисиãнаëы явëяþтся реаëизаöия-ìи нестаöионарноãо сëу÷айноãопроöесса, и äëя оäноãо ÷еëовекаони иìеþт поäобный виä, ноиспоëüзованиþ “эффекта поäо-бия” äëя иäентификаöии ìеøа-ет неоäнозна÷ностü воспроизве-äения стиëя набора пароëüныхфраз на кëавиатуре.
Преäëаãается сëеäуþщая вер-сия аëãоритìа нейтраëизаöиивреìенных разëи÷ий ìежäу реа-ëизаöияìи функöий:
а) б)
Рис. 3. Клавиатура:а — распоëожение äат÷иков äавëения; б — внеøний виä
12 Sensors & Systems · ¹ 3.2017
— разëожение реаëизаöийвреìенных функöий поäписиразных авторов в ряä по ортоãо-наëüныì функöияì, наприìер,
f(tn) = 1/N Rekcos +
+ Imksin ,
ãäе N — коëи÷ество отс÷етовäискретной посëеäоватеëüностифункöии f(...), k — ноìер ãарìо-ники, n — ноìер отс÷ета функ-öии (n = 0, 1, ..., N – 1), Rek иImk — äействитеëüные и ìни-ìые коэффиöиенты ряäа Фурüе,по которыì нахоäится аìпëи-туäный спектр, равные:
Rek = f(tn)cos ;
Imk = f(tn)sin .
Аìпëитуäы спектра вы÷ис-ëяþтся по форìуëе:
Ak = 2/N ;
k 0=
N 1–∑ 2πktn
T----------------
2πktnT
----------------
k 0=
N 1–∑ k2πn
N----------⎝ ⎠
⎛ ⎞
k 0=
N 1–∑ k2πn
N----------⎝ ⎠
⎛ ⎞
Rek2 Imk
2+
— ÷астü ãарìоник высоких÷астот отбрасывается, есëи ихвкëаä в ìощностü исхоäноãо сиã-наëа оãрани÷ивается нескоëü-киìи проöентаìи, запоìинает-ся тоëüко периоä первой ãарìо-ники;
— вновü поступаþщие реаëи-заöии разëаãаþтся в ряä Фурüе,÷астоты ãарìоник ìасøтабиру-еìой функöии заìеняþт ÷асто-таìи соответствуþщих ãарìо-ник, поëу÷енных äëя функöии,к которой произвоäится ìасø-табирование, и äаëее выпоëня-ется синтез новой функöии.
Дëя иëëþстраöии эффек-тивности преäëоженной проöе-äуры нейтраëизаöии вреìенныхпреобразований функöий у÷аст-ник экспериìента äважäы вос-произвоäиë пароëüнуþ фразу накëавиатуре. Резуëüтат разëоже-ния функöий äавëения и вибра-öии в ряä Фурüе и синтез новыхфункöий с оäинаковой äëитеëü-ностüþ (обратное преобразова-
ние Фурüе äëя неизìенноãопериоäа первой ãарìоники) ко-эффиöиентаìи и фазаìи, по-ëу÷енныìи äëя кажäой из реа-ëизаöий, показан на рис. 4, б.Эффект поäобия кривых выра-жен äостато÷но ÷етко. Опера-öия ìасøтабирования позвоëи-ëа поëу÷итü оäинаковое ÷исëопризнаков äëя всех у÷астниковэкспериìента.
В äанной работе преäëаãает-ся перехоä от вреìенноãо преä-ставëения функöий äавëения ивибраöии к ÷астотноìу, их ис-сëеäование и поиск äинаìи÷ес-ких характеристик на основеìетоäа ìноãоìасøтабноãо ана-ëиза, основанноãо на äискрет-ноì вейвëет-преобразовании ипираìиäаëüноì аëãоритìе Маë-ëа äëя разëожения исхоäныхсиãнаëов на посëеäоватеëüностивейвëет-коэффиöиентов djk, ха-рактеризуþщих структуру ана-ëизируеìоãо проöесса на раз-ных ìасøтабах j. Быëи рассìот-
Рис. 4. Вид сигналов датчиков давления и вибрации при двукратном вводе одним человеком одинакового текста на клавиатуредо (а) и после (б) масштабирования
Дав
ëение,
еä. 80
706050403020100
132
665
197
613
0116
2619
5122
7626
0129
2632
5136
7639
0142
2645
5148
7652
0155
2658
5161
7665
0168
2671
5174
7678
0181
2684
5187
7691
0194
26
Дав
ëение,
еä.
110
1
90
70
50
30
10
136
269
403
537
671
805
939
1073
1207
1341
1475
1609
1743
1877
2011
2145
2279
2413
2547
2681
2815
2949
3083
3217
3361
3485
3619
3753
3887Ноìер
отс÷етаНоìеротс÷ета
Вибраöия,
еä.
595
132
665
197
613
0116
2619
5122
7626
0129
2632
5136
7639
0142
2645
5148
7652
0155
2658
5161
7665
0168
2671
5174
7678
0181
2684
5187
7691
0194
26
Вибраöия,
еä.
310
1
290
1270
1210
1170
136
269
403
537
671
805
939
1073
1207
1341
1475
1609
1743
1877
2011
2145
2279
2413
2547
2681
2815
2949
3083
3217
3361
3485
3619
3753
3887Ноìер
отс÷етаНоìеротс÷ета
a) б)
1250
1230
1190
575
555
535
515
495
475
455
435
13Äàò÷èêè è Ñèñòåìû · ¹ 3.2017
рены базисы вейвëетов Добеøиот D4 äо D10, поëу÷енных в ре-зуëüтате ìатеìати÷еской проöе-äуры поиска ортонорìирован-ных базисов с коне÷ныì носите-ëеì, ÷то обеспе÷ивает ìиниìи-заöиþ вы÷исëитеëüных затратпри ÷исëенноì анаëизе экспе-риìентаëüных äанных. ВейвëетD6, показавøий ка÷ественныйрезуëüтат и оптиìаëüное вреìяобработки, быë выбран äëя вы-÷исëения зна÷ений признаков.
Масøтабно-вреìенное преä-ставëение сиãнаëа x поëу÷аетсяс испоëüзованиеì ìетоäов öиф-ровой фиëüтраöии. Сна÷аëа сиã-наë пропускается ÷ерез низко-÷астотный фиëüтр (ФНЧ) с иì-пуëüсныì откëикоì g и поëу÷а-ется свертка:
y[n] = (x•g)[n] =
= x[k]•g[n – k].
В резуëüтате разëожениясиãнаëа с поìощüþ высоко÷ас-тотноãо фиëüтра (ФВЧ) h поëу-÷аþтся äетаëизируþщие коэф-фиöиенты (на выхоäе ФВЧ) икоэффиöиенты аппроксиìаöии(на выхоäе ФНЧ). Так как по-ëовина ÷астотноãо äиапазонасиãнаëа быëа отфиëüтрована, тоотс÷еты сиãнаëов ìожно про-реäитü в äва раза:
ylow[n] = x[k]•g[2n – k];
yhigh[n] = x[k]•h[2n – k],
ãäе yhigh[n] и ylow[n] — проре-женные в äва раза выхоäы ФВЧи ФНЧ, соответственно; h[n] иg[n] — ФВЧ и ФНЧ, соответст-венно; x[k] — исхоäный сиãнаë;n — ноìер уровня разëожения;k — коëи÷ество отс÷етов в сиã-наëе. Такое разëожение вäвоеуìенüøиëо разреøение по вре-
k ∞–=
∞
∑
k ∞–=
∞
∑
k ∞–=
∞
∑
ìени, оäнако кажäый из поëу-÷ивøихся сиãнаëов преäставëя-ет поëовину ÷астотной поëосыисхоäноãо сиãнаëа — ÷астотноеразреøение уäвоиëосü.
Так как анаëизируеìые сиã-наëы быëи äискретизованы на÷астоте 500 Гö, то верхняя ÷ас-тота сиãнаëа, найäенная в ре-зуëüтате ÷астотноãо анаëиза, со-ставëяет 250 Гö и соответствуетпервоìу уровнþ разëожения.Проöеäура повторяется в не-скоëüко итераöий, кажäая из ко-торых уäваивает ÷астотное раз-реøение, пока не останется оäинвейвëет-коэффиöиент и оäинотс÷ет аппроксиìаöии. Спектр÷астот äëя управëяþщих сиãна-ëов кëавиатурноãо по÷ерка на-хоäится в преäеëах 2...12,5 Гö,т. е. основная äоëя ìощности иинфорìаöионной составëяþщейсиãнаëа äоëжна бытü сосреäото-÷ена на уровнях разëожения с5-ãо по 7-ой. Физи÷еский сìысëкоэффиöиентов вейвëет-преоб-разования ìожно трактоватü какхарактеристики ãарìоник сиã-наëа, принаäëежащих опреäе-ëенноìу ÷астотноìу äиапазонуи возникаþщих в сиãнаëе в оп-реäеëенный ìоìент вреìени.Данные характеристики ìожнорассìатриватü как зна÷енияпризнаков. Всеãо уäаëосü поëу-÷итü по 720 признаков из каж-äой функöии äавëения и вибра-öии, т. е. 1440 признаков из каж-äой пароëüной фразы.
РАСПОЗНАВАНИЕ СУБЪЕКТОВ ПО КЛАВИАТУРНОМУ ПОЧЕРКУ
В ГОСТ Р 52633.5—2011 [8]рекоìенäуется испоëüзоватü оä-носëойные иëи äвухсëойныенейронные сети (сети с боëü-øиì коëи÷ествоì сëоев с÷ита-þтся избыто÷ныìи [9]). Первый
сëой осуществëяет обоãащениеäанных, второй иãрает роëü ко-äов, исправëяþщих оøибки [8].В настоящей работе приìеня-ëасü оäносëойная нейроннаясетü персептронов. Веса нейро-нов вы÷исëяþтся äетерìиниро-вано по форìуëе:
μi =
= |E÷(xi) – Eс(xi)|/σ÷(xi)•σс(xi),
ãäе Eс(xi) — ìатеìати÷еское ожи-äание (среäнее зна÷ение) зна÷е-ний признака äëя образа “свой”;σс(xi) — среäнекваäрати÷ное от-кëонение зна÷ений признака äëяобраза “свой”; E÷(xi) и σ÷(xi) —анаëоãи÷ные показатеëи äëя об-раза “÷ужой”.
Обработ÷ики признаков свя-зываþт с нейронаìи первоãосëоя сна÷аëа посëеäоватеëüно, апри превыøении ноìера ней-рона наä ÷исëоì признаков —сëу÷айно. Даëее осуществëяет-ся эìпири÷еская корректировказнаков весовых коэффиöиентовс öеëüþ äобитüся жеëаеìой ве-роятности оøибок аутентифи-каöии [8]. Выхоä суììаторанейрона ëþбоãо сëоя на этапепринятия реøений опреäеëяет-ся по форìуëе:
y = μivi + μ0,
ãäе vi — i-ый вхоä нейрона; m —÷исëо вхоäов; μi — весовой ко-эффиöиент i-ãо вхоäа; μ0 — ну-ëевой вес, отве÷аþщий за пе-рекëþ÷атеëü квантования ней-рона.
Поìиìо сетей персептроновтестироваëисü äве ìоäеëи сетейкваäрати÷ных форì: на основеìеры бëизости Пирсона и Байе-са-Пирсона [10]. Метрика Пир-сона закëþ÷ается в поëу÷енииинтеãраëüной оöенки бëизости
i 1=
m
∑
14 Sensors & Systems · ¹ 3.2017
(расстояния) вхоäноãо образöа кэтаëону образа.
χ = . (1)
Данная ìетрика не у÷итыва-ет корреëяöионных связей ìеж-äу признакаìи образа, поэтоìус ростоì корреëяöионных свя-зей ее ìощностü паäает [10].В этоì сëу÷ае рекоìенäуетсяпоëüзоватüся ìетрикой Байеса-Пирсона [10]:
χ = –
– . (2)
В выражениях (1) и (2): vi —i-ый вхоä нейрона; E(vi) — ìате-ìати÷еское ожиäание (среäнеезна÷ение) i-ãо вхоäа нейрона;σ(vi) — среäнекваäрати÷ное от-кëонение i-ãо вхоäа нейрона.
Метрика Байеса-Пирсона несоäержит в явной форìе вы-÷исëитеëüных операöий с коэф-фиöиентаìи корреëяöии, оäна-ко коэффиöиенты ìноãоìер-ной корреëяöии биоìетри÷ес-ких äанных сиëüно вëияþт нанее [10].
Сети кваäрати÷ных форìбыëи реаëизованы с оäниì сëо-еì нейронов, расс÷итываþщихвыхоä по оäной из привеäенныхфорìуë. Поëу÷енное зна÷ениесравниваëосü с пороãовыì. Дëякажäоãо нейрона оптиìаëüноепороãовое зна÷ение поäбирает-ся эìпири÷ески, исхоäя из про-извеäения θ = χmaxa1, ãäе χmax —ìаксиìаëüное зна÷ение кваäра-ти÷ной форìы при поступëениина вхоä обу÷аþщих приìеровобраза “свой”; a1 — стабиëизи-руþщий коэффиöиент, экспе-риìентаëüно поäбираеìый äëякажäоãо пространства призна-ков. При превыøении пороãа
i 1=
m
∑ E vi( ) vi–( )2
σ vi( )2-------------------------------
j 1=
m
∑i 1=
m
∑ E vi( ) vi–σ vi( )
--------------------------
E vj( ) vj–σ vj( )
--------------------------
нейрон выäает еäиниöу (“1”),ина÷е нуëü (“0”).
ЭКСПЕРИМЕНТ
В вы÷исëитеëüноì экспери-ìенте с иìеþщиìися биоìет-ри÷ескиìи äанныìи äëя обу÷е-ния описанных сетей испоëüзо-ваëосü не ìенее 21 реаëизаöииот кажäоãо субъекта и по оä-ной реаëизаöии от 64 субъектовäëя персептронов (соãëасно [8]).Остаëüные реаëизаöии поäава-ëисü на вхоä сетяì äëя принятияреøений. Чисëо нейронов и ихвхоäов — параìетр, который из-ìеняëся в проöессе вы÷исëи-теëüноãо экспериìента. Вероят-ности оøибок (рисунки 5—7)расс÷итываëисü как отноøениекоëи÷ества событий несовпаäе-ния коäа, выäаваеìоãо сетüþ,с правиëüныì коäоì и объеìатестовой выборки реаëизаöий.Достоверностü резуëüтатов со-ставиëа свыøе 0,99 при äовери-теëüноì интерваëе 0,01.
Как виäно из ãрафиков, в за-äа÷е распознавания субъектовпо кëавиатурноìу по÷ерку сетиПирсона-Хеììинãа существен-но уступаþт сетяì персептронови сетяì Байеса-Пирсона. Приувеëи÷ении ÷исëа признаков на1440 (сì. рис. 7) вреìя на обра-ботку сессий распознавания су-щественно возрастает, поэтоìуäëя эконоìии вы÷исëитеëüныхресурсов сети Пирсона-Хеììин-ãа äëя этоãо сëу÷ая не привëе-каëисü.
Анаëизируя резуëüтаты ìож-но отìетитü, ÷то разìерностüреøаþщеãо правиëа стоит по-выøатü, но не äо ìаксиìаëüновозìожноãо уровня, так как уве-ëи÷ение коëи÷ества вхоäов ней-ронов снижает вероятностü оøи-бок тоëüко äо опреäеëенноãоìоìента, посëе котороãо äаëü-нейøее повыøение разìернос-ти функöионаëов веäет к неко-тороìу росту ÷исëа оøибок.Увеëи÷ение коëи÷ества нейро-
Сетü персептронов по ГОСТ 52633.5–2011 с ÷исëоì нейронов:0,18
0,16
0,14
0,12
0,12 3 4 5 6 8 10 12 15 20 25 30 40 50
Вероятностü
оøибо
÷ных ре
øений
40 50 60 70
Сетü Пирсона-Хеììинãа с ÷исëоì нейронов:
0,39
0,322 3 4 5 6 8 10 12 15 20 25 30 40 50
40 50 60 70
Чисëо вхоäов нейрона
Сетü Байеса-Пирсона-Хеììинãа с ÷исëоì нейронов:
0,210,2
0,18
0,160,15
2 3 4 5 6 8 10 12 15 20 25 30 40 50
300
0,330,340,350,360,370,38
120 200 300
40 50 60 70 120 200 300
0,19
0,17
Рис. 5. Результаты распознавания субъектов в пространстве базовых признаков кла-виатурного почерка (только временные характеристики нажатий клавиш)
15Äàò÷èêè è Ñèñòåìû · ¹ 3.2017
нов не привоäит к стоëü сущест-венноìу изìенениþ в вероят-ности оøибо÷ных реøений.
Провеäенный экспериìентвкëþ÷аë 3 этапа (соответствуþ-
щих рисункаì 5—7), на кажäоìиз которых поëу÷ены сëеäуþ-щие наиìенüøие вероятностиоøибок первоãо (FRR) и второ-ãо (FAR) роäа:
— при испоëüзовании базо-вых признаков сетяìи персепт-ронов ГОСТ Р 52633.5-2011 с÷исëоì нейронов 300 и ÷исëоìвхоäов 15: FRR = 0,087; FAR == 0,115;
— при испоëüзовании базо-вых и ÷асти÷но äопоëнитеëüныхпризнаков (не вкëþ÷ая вейвëет-коэффиöиенты) сетяìи персеп-тронов ГОСТ Р 52633.5-2011 с÷исëоì нейронов 80 и ÷исëоìвхоäов 15: FRR = 0,080; FAR == 0,074;
— при испоëüзовании всехпризнаков сетяìи Байеса-Пир-сона-Хеììинãа с ÷исëоì ней-ронов 100 и ÷исëоì вхоäов 30:FRR = 0,033; FAR = 0,108.
ЗАКЛЮЧЕНИЕ
Разработанный опытный об-разеö кëавиатуры позвоëяет ре-ãистрироватü äавëение на кëави-øи и параìетры вибраöии кëа-виатуры при наборе пароëüнойфразы. Реãистрируеìые äопоë-нитеëüные признаки позвоëи-ëи снизитü вероятностü оøиб-ки аутентификаöии боëее ÷еìна 30 %.
Поäтвержäена эффектив-ностü преäëоженноãо способапоëу÷ения иäентификаöионныххарактеристик кëавиатурноãопо÷ерка с поìощüþ сиëоизìе-ритеëüных резисторов и пüезо-эëектри÷ескоãо äат÷ика, уста-новëенных на кëавиатуре, путеìпостроения функöий äавëенияна кëавиøи и вибраöии кëа-виатуры при наборе пароëüнойфразы с посëеäуþщиì разëо-жениеì äанных функöий пос-реäствоì вейвëет-преобразова-ния Добеøи D6 в ÷астотноìäиапазоне 1,953125...15,625 Гöна коэффиöиенты, испоëüзуе-ìые в ка÷естве иäентификаöи-онных признаков.
Сетü персептронов по ГОСТ 52633.5–2011 с ÷исëоì нейронов:0,25
0,2
0,15
0,1
0,052 3 4 5 6 8 10 12 15 20 25 30 40 50 70
Вероятностü
оøибо
÷ных ре
øений
40 60 80 100
Сетü Пирсона-Хеììинãа с ÷исëоì нейронов:
0,40,380,360,34
0,32 3 4 5 6 8 10 12 15 20 25 30 40 50 70
Чисëо вхоäов нейрона
Сетü Байеса-Пирсона-Хеììинãа с ÷исëоì нейронов:
0,2
0,15
0,1
0,05
02 3 4 5 6 8 10 12 15 20 25 30 40 50 70
40 60 80 100
Сетü Байеса-Пирсона-Хеììинãа с ÷исëоì нейронов:
0,12
0,11
0,1
0,09
0,0820 30 50 70
250 500
500
40 60 80 100 500
0,32
Сетü персептронов по ГОСТ 52633.5–2011 с ÷исëоì нейронов:0,25
0,2
0,15
0,1
0,052 3 4 5 6 8 10 12 15 20 25 30 40 50 70 100
Вероятностü
оøибо
÷ных ре
øений
100 200 400 600
Сетü Байеса-Пирсона-Хеììинãа с ÷исëоì нейронов:0,25
0,2
0,15
0,1
0,0510 15 20 30 45 70 100 150 250
100 500 1000 2000
Чисëо вхоäов нейрона
Рис. 6. Результаты распознавания субъектов по клавиатурному почерку в пространствебазовых и дополнительных признаков 1 и 2 группы
Рис. 7. Результаты распознавания субъектов по клавиатурному почерку в пространствебазовых и всех дополнительных признаков
16 Sensors & Systems · ¹ 3.2017
ЛИТЕРАТУРА
1. The Global State of Information Secu-rity® Survey 2016. Pricewaterhouse-Coopers. URL: http://www.pwc.com/gx/en/issues/cyber-security/informa-tion-security-survey/download.html(reference date 27.06.2016).
2. Pisani P. H., Lorena A. C. A systematicreview on keystroke dynamics // Journalof the Brazilian Computer Society. —2013. — № 19 (4).
3. Lv H. R. and Wang W. Y. Biologic ver-ification based on pressure sensor key-boards and classifier fusion techniques //IEEE Transactions on Consumer Elec-tronics. — 2006. — № 52 (3). —P. 1057—1063.
4. Nonaka H., Kurihara M. Sensing Pres-sure for Authentication System UsingKeystroke Dynamics // InternationalJournal of Computer, Control, Quan-tum and Information Engineering. —2007. — Vol. 1, N 1. URL: http://wa-set.org/publications/2995/sensing-pressure-for-authentication-system-using-keystroke-dynamics (referencedate 30.03.2015).
5. Daubechies I. Ten lectures on wave-lets. — Philadelphia: SIAM, 1992.
6. Ворона В. А., Тихонов В. А. Систеìыконтроëя и управëения äоступоì. —М.: Горя÷ая ëиния: Теëекоì, 2010. —272 с. [Vorona V. A., Tihonov V. A.Access control systems. — Moscow:Hot Line: Telekom, 2010. — 272 p.(In Russian)]
7. Иванов А. И. Биоìетри÷еская иäен-тификаöия ëи÷ности по äинаìикепоäсознатеëüных äвижений. — Пен-за: ПГУ, 2000. — 188 с. [Ivanov A. I.Biometric identification of a person bythe dynamics of subconscious move-ments. — Penza: PSU, 2000. — 188 p.(In Russian)]
8. ГОСТ Р 52633.5—2011. Защита ин-форìаöии. Техника защиты инфор-ìаöии. Автоìати÷еское обу÷ениенейросетевых преобразоватеëей био-ìетрия-коä äоступа. — М.: Стан-äартинфорì, 2011. — 20 с. [StateStandard R 52633.5—2011. Data pro-tection. Information protection tech-nology. Automatic learning of neuralnetwork converters biometry-accesscode. — M.: Standartinform, 2011. —20 p. (In Russian)]
9. Ахметов Б. С., Иванов А. И., Фунти-ков В. А. и äр. Техноëоãия испоëü-зования боëüøих нейронных сетейäëя преобразования не÷етких био-ìетри÷еских äанных в коä кëþ÷аäоступа: Моноãрафия. — Аëìаты:LEM, 2014. — 144 с. [Ahmetov B. S.,Ivanov A. I., Funtikov V. A., et al. Thetechnology of using large neural net-works to convert fuzzy biometric datainto access key code: Monograph / Al-maty: LEM, 2014. — 144 p. (In Rus-sian)]
10. Ложников П. С., Иванов А. И., Ка-чайкин Е. И., Сулавко А. Е. Биоìет-ри÷еская иäентификаöия рукопис-ных образов с испоëüзованиеì кор-реëяöионноãо анаëоãа правиëаБайеса // Вопросы защиты инфор-ìаöии. — 2015. — № 3. — С. 48—54.[Lozhnikov P. S., Ivanov A. I., Kachay-kin E. I., Sulavko A. E. Biometricidentification of handwritten imagesusing the correlation analogue of theBayesian rule // Issues of protection ofinformation. — 2015. — N 3. —P. 48—54. (In Russian)]
УДК 621.395.681.518.3:008.6
РАСПРЕДЕЛЕННАЯ ИЗМЕРИТЕЛЬНАЯ СИСТЕМА СЕТИ СОТОВОЙ СВЯЗИ НА ОСНОВЕ МОБИЛЬНЫХ ДАТЧИКОВ
DISTRIBUTED MEASURING SYSTEM for CELLULAR NETWORK BASEDON MOBILE SENSORS
1) Сорокин Александр Александровичканд. техн. наук, доцентЕ-mail: [email protected], 2) Горюнов Алексей Александровичмагистрант, разработчик программного обеспеченияЕ-mail: [email protected], 3) Марочкин Дмитрий Сергеевичмагистрант, ст. инженерЕ-mail: [email protected]) Астраханский государственный технический университет, Астрахань2) ООО “Мастер-Агент”, Астрахань3) Филиал ПАО “МТС”, Астрахань
1) Sorokin Alexander A.Ph. D. (Tech.), Associate ProfessorЕ-mail: [email protected], 2) Goryunov Aleksey A.Graduate Student, Software DeveloperЕ-mail: [email protected], 3) Marochkin Dmitry S.Graduate Student, Senior EngineerЕ-mail: [email protected]) Astrakhan State Technical University, Astrakhan2) Master Agent, Ltd, Astrakhan3) Branch of Public joint-stock company “MTS”,Astrakhan