CC BY
77
Секретов М.В., Безяев В.С., Сериков И.В., Иванущак Н.Н.
ФГБОУ ВПО «Пензенский государственный университет» г. Пенза, Россия ОАО НПП «Рубин»г. Пенза, Россия
ОЦЕНКА КАЧЕСТВА РАБОТЫ ИСКУССТВЕННОМ НЕЙРОННОМ СЕТИ ПРИ РАСПОЗНАВАНИИ БИОМЕТРИЧЕСКОГО ОБРАЗА "СВОИ"
Статья подготовлена в рамках выполнения комплексного проекта «Разработка и подготовка производства телекоммуникационного оборудования, разработка программного сетевого, прикладного и специального обеспечения для создания цифровых сетей связи с персонализированным доступом» в соответствии с Постановлением Правительства РФ № 218 от 09.04.2010 г. (Договор № 13.G25.31.0039 от 7. 09.2010 г.)
Оценка качества работы искусственной нейронной сети необходима для определения надежности средства высоконадежной биометрической аутентификации в целом идолжна подтверждаться результатами ее тестирования, которое проводится с использованием тестовых баз биометрических образов «Свой» и
«Чужой» [1-3] .
Тестирование искусственной нейронной сети заключается в расчете ее стойкости к атакам подбора, то есть количества попыток необходимых злоумышленнику для получения кода доступа "Свой". А также в способности искусственной нейронной сети корректно воспроизводить код доступа"Свой", определяемой вероятностью ошибки первого рода [2] .Стандарт ГОСТ Р 52633.3 [4] устанавливает требования по оценке стойкости средств высоконадежной нейросетевой аутентификации, использующих большие и сверхбольшие искусственные нейронные сети.
Задача оценки качества работы искусственной нейронной сети требует формирования очень больших баз тестовых биометрических образов по ГОСТ Р 52633.1[5] . Если использовать обычное статистическое тестирование, то размеры базы должны быть очень большими для подтверждения характеристик тестируемых средств высоконадежной биометрии [3] . Увеличить размеры тестовой базы биометрических образов можно за счет синтетических биометрических образов, созданных согласно стандарту ГОСТ Р 52633.2 [6] . Однако стандарт ГОСТ Р 52633.3 [4] позволяет оценить качество работы искусственной нейронной сети с использованием малых тестовых баз содержащих не менее 128 примеров различных и естественных биометрических образов "Чужой".
При тестировании искусственной нейронной сети биометрические образы малой тестовой базы подаются на ее входы однократно и в произвольном порядке. Блок-схема тестирования приведена на рисунке 1.
Рисунок 1 - Блок-схема тестирования искусственной нейронной сети
В процессе тестирования кодовые отклики искусственной нейронной сети сравниваются с кодом «Свой» разрядностью n, и строится распределение значений показателей критерия Хэмминга - P(h) . Для численной оценки стойкости системы биометрической аутентификации к атакам подбора с разрядностью выходного кода более 32 в стандарте ГОСТ Р 52633.3 [4] рекомендовано использовать функцию
нормального закона распределения:
E (h)/
1 1 ■/S(h) 2 /
2 -j2p- I exp(-(А)Л ,
2 л/2Р 0
где E (h) - математическое ожидание распределения значений показателей критерия Хэмминга. s(h)
- среднеквадратическое отклонение распределения значений показателей критерия Хэмминга.
Вероятность ошибки первого рода Р1 определяется при подаче на вход искусственной нейронной сети малой тестовой базы, включающей различныеи естественные примеры биометрического образа "Свой", не участвующие в процессе обучения сети. Размер такой базы может составлять 20 примеров.
Кодовые отклики искусственной нейронной сети сравниваются с кодом «Свой», которые должны быть идентичны.
Тестирование ведется до появления как минимум первого примера биометрического образа "Свой", имеющего ошибочный кодовый отклик. В этом случае удается оценить вероятность появления ошибки первого рода Р1.
ПоказателиР1и Р2позволяютвполне корректно оценить качество работы искусственной нейронной сети по двум противоположным параметрам, однако по ним нельзя осуществлять взаимное сравнение разных нейронных сетей с непохожими статистическими характеристиками. Для решения этой задачи выведем комплексный показатель качества, являющийся функцией от вероятности ошибки первого рода и вероятности ошибки второго рода:
QEI N
1
ATP2
(1) .
Показатель качества работы искусственной нейронной сети(1) имеет смысл среднего геометрического значения обратных величин вероятности ошибки первого рода и вероятности ошибки второго рода. Он позволяет сравнивать между собой любые биометрические средства аутентификации и не требует, что бы сравниваемых показатели разных систем были сопоставимы.
ЛИТЕРАТУРА
1. Быстрые алгоритмы тестирования нейросетевых механизмов биометрико-криптографической защиты
информации/А.Ю. Малыгин, В.И. Волчихин, А.И. Иванов, В.А. Фунтиков. - Пенза: Изд-во Пензенского
гос. ун-та. 2006, 161 с.
2. Малыгин А.Ю., Надеев Д.Н., Иванов А.И. Две причины не идеальности нейросетевых преобразователей биометрия-код по выходным случайным состояниям кодов «Чужие» /Вопросы защиты информации № 2, 2008, с.19-21.
3. Малыгин А.Ю. Балансировка и тиражирование баз естественных биометрических образов /«Нейрокомпьютеры: разработка, применение» №12, 2007, С.55 - 59.
4. ГОСТ Р 52633.3-2011 Защита информации. Техника защиты информации. Тестирование стойкости средств высоконадежной биометрической защиты к атакам подбора.
5. ГОСТ Р 52633.1-2009 Защита информации. Техника защиты информации. Требования к формированию баз естественных биометрических образов, предназначенных для тестирования средств высоконадежной биометрической аутентификации.
6. ГОСТ Р 52633.2-2010 Защита информации. Техника защиты информации. Требования к формированию синтетических биометрических образов, предназначенных для тестирования средств высоконадежной биометрической аутентификации.
