Идентификация пользователя по динамике подписи Текст научной статьи по специальности «Компьютерные и информационные науки»

Секция безопасности информационных технологий

(AL-j)!xAL- Xtх(Lt)!= (A64)!xA64 xtx(Lt)!= [(^-^xx4x(74)!.

Предложенный подход позволяет использовать полученные псевдослучайные последовательности в качестве бегущего ключа для поточного шифрования, т.к. большая длина последовательности является одним из основных показателей качества таких шифров. В дальнейшем авторы предполагают произвести оценку других показателей качества поточных шифров. Также предполагается рассмотреть возможность схемотехнической реализации предложенных алгоритмов.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Варфоломеев А.А., Жуков А.Е., Пудовкина М.А. Поточные криптосистемы. Основные свойства и методы анализа стойкости: Учебное пособие. М.: ПАИМС, 2000.

2. Bajalcaliev K. Stream cipher design postulates/SQ model. - Proc. 3rd Int. Workshop on “Computer Science and Information Technologies, 2001, Ufa, Yagantau, Russia”, Ufa: USATU. V.2. P.170-175.

3. Ryabko B., Fionov A. Efficient Algorithm for strong ideal cipher. - Proc. 3rd Int. Workshop on “Computer Science and Information Technologies, 2001, Ufa, Yagantau, Russia”, Ufa: USATU. V.3. P.94-97.

4. A.S. Hedayat, N.J.A. Sloane, J. Stufken. Orthogonal arrays: theory and applications. -N.Y.: Springer-Verlag New York, 1999.

5. СачковB.H. Комбинаторные методы в дискретной математике. М.: Наука, 1977.

6. . ., . ., . .

// -гии. Днепропетровск, Украина. 2000. №5. C.56-59.

7. . ., . .

3 // -

ции молодых ученых и аспирантов «Новые информационные технологии, разработка и аспекты применения». Таганрог, 2001. C.120-122.

8. Мазурова ТА., Чефранов АТ. О генерации ортогональных матриц произвольной силы // Известия ТРТУ. Спец. вып. Материалы XLVII НТК. Таганрог, 2002. №1. C.81-82.

УДК 681.32

Ю.А. Брюхомицкий, М.Н. Казарин ИДЕНТИФИКАЦИЯ ПОЛЬЗОВАТЕЛЯ ПО ДИНАМИКЕ ПОДПИСИ

В современных системах защиты информации все более широко применяются методы биометрической идентификации личности пользователя, и одним из наиболее эффективных является метод идентификации по динамике подписи. Достоинствами метода являются малый процент ошибок, низкая стоимость и возмож-

( ).

Ввод подписи осуществляется со стандартного графического планшета в виде функций x(t), y(t) колебаний пера в плоскости планшета. Последующий анализ частотной структуры функций x(t), y(t) реализуется разложением их в ряд Фурье на

N. -

нейность ортогональных функционалов позволяет весьма просто осуществлять операцию масштабирования вводимых подписей. Коэффициенты разложения в ряд

Фурье a0, axi, bxi, ayi, byi , вычисленные для i = 1,N членов pазложения, в

совокупности рассматриваются как 4Ж-мерный вектор информативных парамет-.

Процедура идентификации строится на основе измерения близости предъявляемого вектора X к биометрическому эталону Хэ мерой X эмминга, что позволяет классифицировать предъявляемый вектор X как «свой» или «чужой».

Биометрический эталон Хэ формируется на основе анализа N реализа ций вектора X. При этом определяется характерный для личности интервал изменения каждого параметра [min(xi ),max(xi)]. При попадании параметра xi в интервал,

0,

параметра xi из интервала - 1. Для «своего» вектор Хэмминга будет состоять

, « »,

, - ( ).

Результатом работы является действующая программа, реализующая процедуру идентификации личности по динамике подписи.

УДК 681.3.06:612.087

..

НЕЙРОСЕТЕВАЯ СИСТЕМА АНАЛИЗА ДИНАМИКИ ПОДПИСИ

При биометрической идентификации личности по динамике подписи функции x(t), y(t) колебаний пера в плоскости планшета обычно разлагают в ряд Фурье.

Коэффициенты axi ,bxi, ayi, byi разложения, вычисленные для i = 1,N членов разложения, в совокупности рассматриваются как 4N-MepHbm вектор V информатив-. -стоит в применении обучаемой нейронной сети, отклик которой непосредственно

VX « » - V « » - V . -

тод имеет ряд проблем, одна из которых - обучение на «чужого».

Обучение нейронной сети на «своего» и «чужого» в классическом варианте осуществляется на основе обучающего множества, состоящего из «своих» и «чужих» подписей: V=(Vг, V2, ..., V„). Но, если формирование обучающего подмножества «своих» подписей не вызывает трудностей, то как формировать обучающее подмножество всевозможных «чужих» подписей?

В данной работе для формирования обучающего подмножества «чужих» подписей предлагается искусственная автоматическая генерация вектора V4, выполненная по определенным правилам. На основе анализа обучающего подмножества «своих» подписей устанавливается интервал изменения каждого из 4N компонент вектора Vc: [min vk, max vk]. Затем формируется вероятная область «чужой»: [(min vk)-A, (max vk)+A], которая дискретизируется с некоторым шагом h. Формирование обучающего подмножества векторов V4 осуществляется путем перебора возмож-

vk « ». A

h диктуется числом компонент вектора и, в конечном итоге, определяет размер обучающего подмножества V4. Во избежание чрезмерного роста обучающего под-