CC BY
16
5. Токарев, М.Ф. Механические воздействия и защита радиэлектронной аппаратуры/ М.Ф. Токарев, Е.Н. Талицкий, В.А. Фролов. - М.: Радио и связь, 1984. - 224 с.
6. Стрелков, С.П. Введение в теорию колебаний/ С.П. Стрелков. - М.:Наука, 1965. - 438 с.
7. Литвинов, А.Н. Исследование влияния конструктивных особенностей плат на их динамические характеристики/ А.Н. Литвинов, Г.В. Гуральник, О.Ш. Хади// «Надежность и качество». Труды междунар. симп. В 2т, Пенза, изд-во ПГУ, т.1, 2015.- с.245-250.
8. Литвинов, А.Н. Анализ вибропрочности плат приборных устройств при динамических воздей-ствиях/А.Н. Литвинов, О.Ш. Хади// «Надежность и качество». Труды междунар. симп. В 2-х т., Пенза, изд-во ПГУ, т.1, 2016.- с.173-176.
9. Артамонов, Д.В. Методика проведения экспериментально-теоретических динамических исследований в процессе проектирования приборных устройств/ Д.В.Артамонов, А.Н. Литвинов, Н.К. Юрков//Надежность сложных технических систем, 2017, №4(20), с. .
Контроль уровня независимости образов «Чужой» был осуществлен взаимным сравнением их кодов на выходе тестируемого преобразователя по критерию Хэмминга. Критерий Хэмминга вычислялся между каждым из кодов-откликов «Чужой». При этом велся учет того, что в малой тестовой базе не должно быть пар биометрических образов, чьи выходные коды по критерию Хэмминга выпадают из интервала
-[п п +
-] , где п- число разрядов в выходном
n -
тестируемого преобразователя биометрия-
УДК: 519.24
Волчихин1 В.И., Малыгин1 А.Ю., Урнев1 И.В., Сериков2 А.В., Куприянов3 Е.Н.
1ФГБОУ ВО «Пензенский государственный университет», Пенза, Россия
2АО «Научно-производственное предприятие «Рубин», Пенза, Россия
3Сотрудник ФГКУ «Войсковая часть 83417», Приморский край, Россия
ОСОБЕННОСТИ ТЕСТИРОВАНИЯ НЕЙРОСЕТЕВЫХ ПРЕОБРАЗОВАТЕЛЕЙ БИОМЕТРИЯ-КОД НА МАЛЫХ ТЕСТОВЫХ ВЫБОРКАХ ОБРАЗОВ «ЧУЖОЙ»
Рассмотрены вопросы тестирования нейросетевых преобразователей биометрия-код на малых тестовых выборках естественных образов «Чужой». Контроль уровня независимости образов «Чужой» осуществлялся взаимным сравнением их кодов на выходе тестируемого преобразователя по критерию меры Хэмминга. Вероятность появления нулевого значения критерия меры Хэмминга соответствует ситуации появления кодового отклика «Свой» при предъявлении одного из образов «Чужой». Результаты экспериментов показали, что реальное распределение значений меры Хэмминга отличается от нормального закона распределения значений, поэтому необходима корректировка с использованием таблиц поправок, учитывающих показатели средней стабильности, уникальности, качества биометрических параметров тестируемого биометрического образа, а также среднее значение модуля парных корреляций.
Ключевые слова:
ДОНОР БИОМЕТРИИ, ТЕСТОВЫЕ БАЗЫ БИОМЕТРИЧЕСКИХ ОБРАЗОВ «ЧУЖОЙ», ПРОЦЕДУРЫ ТЕСТИРОВАНИЯ, ПРЕОБРАЗОВАТЕЛЬ БИОМЕТРИЯ-КОД
Тестирование нейросетевых преобразователей биометрия-код в соответствии с ГОСТ Р 52 633.0 -200 6 [1] должно проводиться с использованием баз биометрических образов «Свой» и «Чужой», размеры которых являются достаточными для подтверждения характеристик тестируемых средств аутентификации .
При этом создание баз биометрических образов «Свой» не вызывает особых трудностей и требует минимальных временных затрат, однако в соответствие с требованиями [1, 2], размеры используемых баз биометрических образов «Чужой» должны быть на порядок больше заявленной производителем стойкости средства биометрической аутентификации. Поэтому наиболее сложной частью задачи явилось тестирование стойкости обученных преобразователей биометрия-код к атакам подбора. В общем случае задача тестирования стойкости преобразователя биометрия-код требует формирования очень больших баз тестовых биометрических образов и применения вычислительных средств с большим объемом памяти, а также с высокой производительностью .
Экспериментально доказано, что создать достаточно большой объем естественных биометрических образов по требованиям ГОСТ Р 52633.1 - 2009 [2] практически невозможно. Одним из выходов из создавшегося положения может стать многократное увеличение размеров тестовой базы биометрических образов за счет синтетических биометрических образов, созданных по ГОСТ Р 52633.2 - 2010 [3].
Тестирование средства высоконадежной биометрической аутентификации проводилось при условии высокого уровня взаимного доверия, которое возникает в случае, когда донор биометрии является владельцем средства биометрической аутентификации со встроенным блоком самотестирования.
В указанном выше случае донор биометрии способен после каждого этапа обучения нейросетевого преобразователя биометрия-код самостоятельно протестировать его уровень стойкости к атакам подбора кода ключа [4].
Для тестирования обученного преобразователя биометрия-код была сформирована тестовая биометрическая база рукописных образов слова-пароля [2], включающая в себя 10000 примеров различных естественных биометрических рукописных образов «Чужой», которые ранее никогда не были использованы при обучении тестируемого нейросетевого преобразователя биометрия-код.
2
коде код.
При выполнении процедуры тестировании преобразователя биометрия-код биометрические образы малой тестовой базы «Чужой» подаются на входы преобразователя однократно в произвольном порядке.
Блок-схема тестирования приведена на рисунке 1. В процессе тестирования кодовые отклики преобразователя биометрия-код сравниваются с кодом «Свой», и строится распределение значений показателей критерия меры Хэмминга - р№) .
По форме и параметрам распределения значений показателя критерия Хэмминга осуществляют прогнозирование появления нулевого значения. Вероятность появления нулевого значения критерия Хэмминга соответствует ситуации появления кодового отклика «Свой» при предъявлении одного из образов «Чужой».
Распределение значений меры Хэмминга является дискретным, однако при больших значениях длины выходного кода, например, 256 бит и более, эффектом дискретности можно пренебречь и рассматривать описывающую функцию дискретного распределения как непрерывное распределение с некоторыми статистическими моментами [4, 5, 6].
По полученной выборке кодов-откликов вычисляют математическое ожидание значений показателя меры Хэмминга - Е№) и среднеквадратическое отклонение показателей меры Хэмминга - о№).
При тестировании приближенная оценка вероятности ошибки второго рода - Р2 (пропуск «Чужого») тестируемого преобразователя биометрия-код оценивалась в рамках гипотезы нормальности закона распределения значений меры Хэмминга [4, 6]:
В(И)/
Г" "*2/2№ (1)
1 1 ' a(h) 2 / *2"ТЕГ { exp("V2)dt
Рисунок 1 - Схема тестирования преобразователя биометрия-код с использованием базы естественных образов «Чужой», полученных от разных доноров биометрии
Стойкость к атакам подбора оценивалась как обратная величина - 1/Р2.
Как показали результаты экспериментов по тестированию с различными размерами баз естественных биометрических образов «Чужой» реальное распределение значений меры Хэмминга отличается от нормального закона распределения значений.
В связи с этим прогноз, вычисленный по формуле (1), является приближенным и должен быть скорректирован соответствующей таблицей поправок, учитывающих показатели средней стабильности, уникальности, качества биометрических параметров тестируемого биометрического образа, а также среднее значение модуля парных корреляций [4 - 8]
ЛИТЕРАТУРА
1. ГОСТ Р 52633.0 - 2006 Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации. М.: Изд-во Стандартинформ, 2007.
2. ГОСТ Р 52633.1-2009 Защита информации. Техника защиты информации. Требования к формированию баз естественных биометрических образов, предназначенных для тестирования средств высоконадежной биометрической аутентификации.
3. ГОСТ Р 52633.2 - 2010 Защита информации. Техника защиты информации. Требования к формированию синтетических биометрических образов, предназначенных для тестирования средств высоконадежной биометрической аутентификации. М.: Изд-во Стандартинформ, 2011.
4. ГОСТ Р 52633.3-2011 Защита информации. Техника защиты информации. Тестирование стойкости средств высоконадежной биометрической защиты к атакам подбора.
5. Волчихин В.И. Быстрые алгоритмы обучения нейросетевых механизмов биометрико-криптографической защиты информации. Монография. / В.И. Волчихин, А.И. Иванов, В.А. Фунтиков. - Пенза: ПГУ. - 273
6. Быстрые алгоритмы тестирования нейросетевых механизмов биометрико-криптографической защиты информации. Монография / А.Ю. Малыгин, В.И. Волчихин, А.И. Иванов, В.А. Фунтиков /Пенза: ПГУ. -2006. - 161 с.
7. Надеев Д.Н. Моделирование биномиального зависимого закона распределения значений вероятностей ошибок нейросетевых преобразователей для высоконадежной биометрической защиты //Вопросы защиты информации № 3, 2008, с. 31-35.
8. Волчихин В.И. Особенности тестирования средств биометрико-нейросетевой аутентификации пользователей телекоммуникационной системы Министерства образования и науки Российской Федерации/ В.И. Волчихин, И.И. Артемов, В.С. Безяев, В.А. Алисов, А.Ю. Малыгин//Нейрокомпьютеры: разработка, применение. - М.: Радиотехника, 2012. - В 3. - С. 49 - 51.
УДК 004.89, 004.94
Яковлев С.Ю., Путилов В.А., Маслобоев А.В.
Институт информатики и математического моделирования Федерального исследовательского центра «Кольский научный центр Российской академии наук», Апатиты, Россия
ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ПОДДЕРЖКИ УПРАВЛЕНИЯ ПРОМЫШЛЕННО-ЭКОЛОГИЧЕСКОЙ БЕЗОПАСНОСТЬЮ АРКТИЧЕСКОГО РЕГИОНА
Для поддержки управления устойчивым развитием арктических регионов разработана информационная технология агрегирования слабоструктурированных разнородных данных о влиянии техногенный; рисков на состояние региональных систем в сфере обеспечения промышленно-экологической безопасности. Особенностью технологии является применение модифицируемым структур — шаблонов, что обеспечивает автоматизацию формирования концептуальной модели предметной области. При разработке математического описания опасностей учтены различная степень изученности опасный; процессов и объектов, отсутствие статистически достоверной информации о вероятности и ущербе аварий, особенно крупныа и редких. Предложены и апробированы методика построения дискретных моделей потенциальных опасностей и средства поддержки нормативного регулирования промышленно-экологической безопасности критически важных объектов Арктической зоны. России.
Ключевые слова:
ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ, УПРАВЛЕНИЕ, ПРОМЫШЛЕННО-ЭКОЛОГИЧЕСКАЯ БЕЗОПАСНОСТЬ, АРКТИЧЕСКИЙ РЕГИОН
Введение
Базовыми стратегическими документами, определяющими политику Российской Федерации (РФ) и регулирующими вопросы национальной безопасности в Арктической зоне (АЗ), являются акты [1-3]. Современное состояние и тенденции развития ситуации вокруг ресурсов Арктики определяются следующими основными группами факторов: геополитические, макроэкономические, природно-климатические, военно-политические. Специфика развития АЗ РФ также состоит в том, что, с одной стороны, уровень безопасности региона существенно зависит от глобальных угроз, с другой стороны, возможные
кризисы и чрезвычайные ситуации, обусловленные особенностями региона, способны привести к дестабилизации систем более высокого уровня - федерального, международного, мирового [4].
Высокую значимость для Арктических регионов представляет проблема обеспечения приемлемого уровня промышленно-экологической безопасности развития. Особенностями АЗ РФ, важными для тех-ногенно-природной безопасности, являются экстремальные природно-климатические условия, очаговый (кластерный) характер освоения территорий, низкая плотность населения, удалённость от ос-
