CC BY
694. Осуществление выбора оптимального правила в графе кластера для выделения в его составе набора прецедентов, имеющих наибольшую взаимосвязанность, на основе классификационного алгоритма C4.5.
Для построения дерева решений с неограниченным количеством ветвей узла используется алгоритм C4.5 [7]. Данный алгоритм предназначен для решения исключительно классификационных задач, так как область его применения исключает все атрибуты кроме зависимых дискретных.
Кластерный анализ позволяет распределить выявленные прецеденты в кластеры на основе их взаимосвязей и частот возникновения, что делает возможным определение наиболее взаимосвязанных прецедентов для локализации источника возникновения нештатных ситуаций в распределенных управляющих системах.
Литература
1. ДюкВ., Самойленко А. Data mining. Учебный курс. СПб.: Питер, 2001. 368 с.
2. Чубукова И. А. Data mining. М.: Бином, 2008. 384 с.
3. Технологии анализа данных: DataMining, VisualMining, TextMining, OLAP / Барсегян, Куприянов, Степаненко, Холод, Под ред. Барсегяна А. А. 2 изд. СПб.: БХВ-Петербург, 2007. 336 с.
4. Башмаков А. И., Дудко Я. В. Алгоритм обнаружения и анализа нештатных ситуаций // Информатика, вычислительная техника и управление. Ижевск: Системная инженерия. Научно-теоретический журнал, 2015. С. 100-104.
5. Гитис Л. X. Кластерный анализ в задачах классификации, оптимизации и прогнозирования. М.: МГГУ, 2001. 103 с.
6. Дубровин Б. А., Новиков С. П., Фоменко А. Т. Современная геометрия методы и приложения: учебное пособие для физико-математических специальностей университетов. М.: Наука, 1986. 759 с.
7. Hand D., Mannila H. and Smyth P., 2001. Principles of Data Mining. London: MIT Press. P. 197-201.
БИОМЕТРИЯ: СИСТЕМА ИДЕНТИФИКАЦИИ ЛИЧНОСТИ
ПРИ ОПЛАТЕ Иванов В. В.1, Черкасов Д. Ю.2, Лубова Е. С.3
1Иванов Вадим Вадимович /Ivanov Vadim Vadimovich - апудент; 2Черкасов Денис Юрьевич / Cherkasov Denis Yurievich - студент; 3Лубова Елена Сергеевна /Lubova Elena Sergeevna - студент, кафедра компьютерной и информационной безопасности, Институт кибернетики Московский институт радиотехники электроники и автоматики Федеральное государственное бюджетное образовательное учреждение высшего образования Московский технологический университет, г. Москва
Аннотация: биометрия - это научная дисциплина, изучающая способы измерения и статического анализа физических и поведенческих характеристик людей, для идентификации одного человека из множества других людей. В настоящее время биометрические технологии используются и внедряются во многих областях или сферах, направленных на обеспечение защиты информации, такие как: сервисы онлайн-платежей, системы идентификации личности в различных структурах и в банковских структурах. С каждым годом количество биометрических систем и их пользователей увеличивается.
Ключевые слова: биометрия, аутентификация, платеж, технологии.
Если бы вы могли проверить подлинность онлайн-платежей нажатием пальца, быстрым селфи или сканированием радужной оболочки глаза вместо того, чтобы использовать традиционный пароль, Вы бы этим воспользовались?
Прогресс в области технологии оплаты имеет не только потенциал для повышения безопасности платежей, но и для увеличения пользовательского опыта. Биометрические меры обхода паролей, которые становятся все более сложными, невозможно забыть или украсть. Согласно исследованию Visa 2016 года, больше 2/3 европейских потребителей хотят использовать биометрическую идентификацию при осуществлении платежей. Давайте посмотрим правде в глаза: никто не хочет вводить пароль, содержащий, по меньшей мере, 10 заглавных и прописных букв и специальный символ каждый раз, когда они хотят подтвердить платеж. Давайте рассмотрим возможности биометрического анализа.
Оплата в ваших руках
В докладе Juniper Research под названием «10 лучших технологий в FinTech: 2016», биометрия занимает первое место как технология, способная усовершенствовать электронную коммерцию. Согласно исследованию 2016 года компании Visa, оплата с использованием отпечатка пальца была признана самым желательным методом аутентификации, выбранным потребителями из-за простоты использования и безопасности. Отчет Fiserv обнаружил, что сканирование отпечатков пальцев, является одним из самых предпочтительных способов ввода пароля, с точки зрения безопасности в глазах потребителей: 45% потребителей утверждает, что они будут чувствовать себя в безопасности с помощью ввода обыкновенного пароля для подтверждения своей личности при использовании мобильного приложения, тогда как 64% выступает за технологию снятия отпечатков пальцев, доказывая тем самым, что этот способ обладает огромным потенциалом. Уже некоторое время такие приложения как Apple Pay, Android Pay и Square Cash используют снятие отпечатков пальцев, добавляя, таким образом, дополнительный уровень безопасности платежных процессов для спокойствия пользователей [1].
Оплатить с помощью селфи?
Компания MasterCard предоставила новый способ, который позволит максимально упростить шоппинг в Интернете для держателей своих карт - селфи. Программа компании, которая называется MasterCard Identity Check, позволяет пользователям подтверждать свои покупки, используя отпечатки пальцев или фотографию своего лица. Для того чтобы оплатить приобретения с помощью селфи, MasterCard предлагает пользователям в первую очередь загрузить фотографию, которая с помощью технологии аутентификации распознавания лиц преобразуется в двоичную строку. Для авторизации всех будущих платежей пользователю нужно будет сделать быстрое селфи - если оно совпадает с первоначальной загрузкой, оплата будет подтверждена. Некоторые эксперты ставят под сомнение безопасность такого метода. Однако MasterCard настаивает на том, что система безопасности может обнаружить подозрительные случаи (обеспечивается проверка местоположения пользователя и где осуществляется покупка). Кроме того, приложение просит пользователя моргнуть для того, чтобы убедиться, что это настоящая фотография пользователя, а не подделка, которую прислал мошенник. Компания MasterCard сделала заявление о том, что на данный момент новая услуга будет использоваться только в некоторых случаях, где требуется дополнительная аутентификация. Тем не менее, данная область будет развиваться благодаря тому, что ряд компаний - в том числе и гиганты электронной коммерции Alibaba и Amazon - уже заключили контракт на оплату платежей с помощью селфи.
Разрабатываются и другие методы - обработка голоса, сердцебиения, подумывают и о внедрении технологии распознавания вены. При этом создаются условия для внедрения биометрических способов. В большинстве смартфонов уже есть датчики -акселерометр, гироскоп, и, конечно, GPS - которые можно использовать в сочетании с
65
другими биометрическими мерами по укреплению безопасности. Появились многочисленные стартапы, работающие над датчиками, измеряющими уникальные характеристики отдельно взятого человека, такие как Biocatch, AimBrain и Plurilock.
По мере развития биометрии появляются новые проблемы, которые нужно решать. Датчики могут быть заменены дубликатами, а биометрические данные не являются двоичным кодом, но основаны на вероятности совпадения, что делает их уязвимыми для ошибок. На данный момент биометрические методы лучше всего работают в сочетании с другими способами проверки подлинности. Несмотря на то, что они еще не могут быть использованы в качестве автономной аутентификации, они играют важную роль в рамках целостного подхода к аутентификации оплаты, особенно в отношении улучшения пользовательского опыта. Биометрия совершенствуется благодаря инновациям и все больше используется в современном мире. То, что кажется нам невозможным сейчас, станет реальностью уже совсем скоро!
Литература
1. Expectations & Experiences: Consumer Payments. [Electronic recourse]: October 2016. URL: https://www.fiserv.com/resources/expectations-experiences-consumer-payments-research-paper.aspx/ (date of access: 26.01.2017).
