Влияние параметров первичных преобразователейна результат оценки защищенности речевой информации Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

V. Обсуждение результатов

По итогам практических экспериментов была выявлена эффективность шумоочистки сигнала (прирост разборчивости речи) в зависимости от отношения сигнал/шум для розового и речеподобного шумов.

Метод адаптивного подавления помех позволяет улучшить разборчивость речи на 0.25 в случае речеподобного шума и на 0.11 при наличии розового шума. Объясняется разница широкополосной природой розового шума. В средствах защиты часто используются данные виды шумов.

При преодолении значения q = -5 дБ, прирост разборчивости начинает значительно расти, достигая своего пика в 0.25 при очистке от речеподобного шума и 0.11 при очистке от розового шума. После отношения 5-10 дБ начинается спад, так как разборчивость быстро приближается к 1.

VI. Выводы и заключение

В результате работы была исследована эффективность применения метода адаптивной фильтрации на примере использования широкополосных помех (розовый шум и речеподобный). Установлено, что даже при низкой исходной разборчивости (менее 0.3) можно получить существенный прирост (0.1 и более). Максимальный же прирост может достигать 0.25.

Полученные результаты в очередной раз говорят о необходимости учета шумоочистки в методике оценки защищенности речевой информации. Данный момент можно учитывать снижением норм до значений, при которых эффективность шумоочистки незначительна.

Список литературы

1. Железняк В. К., Макаров Ю. К., Хорев А. А. Некоторые методические подходы к оценке эффективности защиты речевой информации // Специальная техника. 2000. № 4. С. 39-45.

2. Покровский Н. Б. Расчет и измерение разборчивости речи. М.: Связьиздат, 1962. 390 с.

3. Авдеев В. Б. О некоторых направлениях совершенствования методических подходов, применяемых при оценке эффективности технической защиты информации // Специальная техника. 2013. № 2. С. 1-10.

4. Дидковский В. С., Дидковский М. Л., Продеус А. Н. Акустическая экспертиза каналов речевой коммуникации. Киев: Имекс-ЛТД, 2008. 420 с.

5. Герасименко В. Г., Лаврухин Ю. Н., Тупота В. И. Методы защиты акустической речевой информации от утечки по техническим каналам. М.: РЦИБ «Факел», 2008. 258 с.

6. Трушин В. А., Рева И. Л., Иванов А. В., Экспериментальная оценка разборчивости речи в задачах защиты информации на основе модифицированных артикуляционных измерений // Актуальные проблемы электронного прибостроения: материалы X-й Междунар. конф. (АПЭП. 2010). Новосибирск: НГТУ, 2010. Т. 3. C. 133-136.

7. Хорев А. А. Контроль эффективности защиты выделенных помещений от утечки речевой информации по техническим каналам // Защита информации. Инсайд. 2010. № 1 (31). С. 34-45.

8. Steeneken H. J. M., Houtgast T. RASTI: A Tool for Evaluating Auditoria // Bruel & Kjaer Technical Review. 1985. № 3. Р. 13-39.

УДК 004.056

ВЛИЯНИЕ ПАРАМЕТРОВ ПЕРВИЧНЫХ ПРЕОБРАЗОВАТЕЛЕЙ НА РЕЗУЛЬТАТ ОЦЕНКИ ЗАЩИЩЕННОСТИ РЕЧЕВОЙ ИНФОРМАЦИИ

А. В. Иванов, И. Л. Рева, Д. С. Кофанов

Новосибирский государственный технический университет, г. Новосибирск, Россия

DOI: 10.25206/2310-9793-2017-5-4- 73-77

Аннотация - Рассмотрены основные характеристики измерительных микрофонов. Поставлен эксперимент с применением микрофонов с различными параметрами. Произведена оценка влияния данных параметров на результат оценки разборчивости речи. Измерения производились в одной и той же контрольной точке различными микрофонами. Выявлено существенное влияние уровня собственных шумов микрофона, при проведении оценки защищенности контрольной точки, в которой не используются средства активной защиты (измерения производятся на уровне фоновых шумов).

Ключевые слова: разборчивость речи, защита информации, уровень собственных шумов, микрофон.

I. Введение

Критерием оценки защищенности речевой информации от утечки по виброакустическим каналам является словесная разборчивость, которая определяется по методике Н.Б. Покровского [1], адаптированной под задачи защиты информации [2]. Разборчивость рассчитывается на основании измерений акустических и вибрационных сигналов. В качестве средств измерения используются шумомеры совместно с микрофонами и акселерометрами. Очевидно, что характеристики первичных преобразователей могут существенно влиять на точность измерения физических величин, а, следовательно, и на результат расчета разборчивости речи. Возникает вопрос: насколько сильным окажется данное влияние?

Для определения степени влияния параметров первичных преобразователей проведем эксперимент по оценке разборчивости речи в одной и той же контрольной точке с применением различных по характеристикам микрофонов. Сопоставим полученные результаты и сделаем выводы.

II. Основные характеристики микрофонов

К основным техническим характеристикам микрофонов относятся [3]:

- чувствительность - отношение напряжения на выходе микрофона к воздействующему на него звуковому давлению;

- динамический диапазон - разность между уровнями предельного звукового давления и собственных шумов;

- диапазон частот;

- уровень собственных шумов;

- соотношение сигнал/шум.

Все эти параметры, так или иначе, влияют на результат измерения. Например, низкое значение параметра чувствительности у микрофона повлияет на то, что погрешность измерения увеличится, так как сигнал, поступающий на предусилитель, будет низкий, а усиление низкого сигнала ведет к увеличению погрешности. Уровень собственных шумов показывает, какой минимальный уровень полезного сигнала может быть воспринят первичным преобразователем. Соотношение сигнал/шум связано с динамическим диапазоном и уровнем собственных шумов (бывает, что уровень собственных шумов не указывается, а приводится отношение сигнал/шум).

Особенно сильно будет сказываться значение уровня собственных шумов при проведении измерений в контрольных точках, где защищенность достигается без применения средств активной защиты (генераторов шума), то есть сигнал будет измеряться на уровне фонового шума, уровень которого может оказаться ниже уровня собственных шумов микрофона.

III. Постановка эксперимента

Для эксперимента были взяты три различных микрофона: GRAS 40AE (первый класс точности), ZETLAB BC 501 (третий класс точности), а также микрофон Behringer ECM8000, используемый в составе программно-аппаратного комплекса для проведения акустических и виброакустических измерений «Спрут-мини-А».

Основные технические характеристики сравниваемых устройств идентичны, большая разница видна лишь в показателе уровня собственных шумов. Данные характеристики приведены в табл. 1.

ТАБЛИЦА 1

ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ МИКРОФОНОВ

Технические характеристики GRAS 40AE ZETLAB BC 501 Behringer ECM8000

Частотный диапазон, Гц 3,15 - 20 000 50 - 13 000 20 - 20 000

Чувствительность, мВ/Па 50 50 10

Динамический диапазон, дБ 19 - 146 35 - 140 -

Уровень собственных шумов, дБА 19 35 -

Для проведения измерений выбрана контрольная точка (дверной тамбур), в которой разборчивость речи (W) с применением микрофона Behringer ECM8000 составляет менее 0.2 (меньше 20%). Проведем аналогичные измерения с применением остальных микрофонов.

IV. Результаты эксперимента

Расчет словесной разборчивости производился согласно методике [2] по 7-и октавным полосам. Для оценки разборчивости речи были проведены следующие измерения: уровня тестового сигнала; уровня шума (фонового);

уровня смеси сигнал+шум (при включенном генераторе тестового сигнала). Полученные результаты измерений и расчетов, приведены в табл. 2-4.

ТАБЛИЦА2

УРОВНИ ТЕСТОВОГО СИГНАЛА В КАЖДОЙ ОКТАВНОЙ ПОЛОСЕ

Среднегеометрическая частота октав- Уровень тестового сигнала Ьтест1,

ной полосы F, Гц дБ

125 78,2

250 83,7

500 83,6

1000 89,3

2000 88,4

4000 90,9

8000 88,3

ТАБЛИЦА 3

УРОВНИ ШУМА В КАЖДОЙ ОКТАВНОЙ ПОЛОСЕ

Среднегеометрическая частота октавной полосы F, Гц Уровень шума Ьш1 (микрофон ECM8000), дБ Уровень шума Ьш1 (микрофон BC 501), дБ Уровень шума Ьш1 (микрофон 40AE), дБ

125 46,3 50,9 45,3

250 38 41,9 36,8

500 33,3 26,5 24,9

1000 30,2 23,1 19,1

2000 29,2 21,8 14,9

4000 28,3 22,0 13,6

8000 32,9 22,1 13,5

ТАБЛИЦА4

УРОВНИ СМЕСИ СИГНАЛ+ШУМ В КАЖДОЙ ОКТАВНОЙ ПОЛОСЕ

Среднегеометрическая частота Уровень смеси сигнала

октавной полосы F, Гц с шумом Ь(с+ш)1, дБ

125 60,8

250 55,1

500 52

1000 45,7

2000 41

4000 40,2

8000 35

Существенной разницы в измерении сигналов большого уровня (тестовый сигнал и смесь сигнал+шум) для различных микрофонов не наблюдается (разница не больше 2 дБ). А вот при измерении сигналов низкого уровня (фоновый шум) проявляется влияние уровня собственных шумов каждого из микрофонов. Произведем вычисления разборчивости речи для каждого из микрофонов (табл. 5-7).

ТАБЛИЦА 5

ВЫЧИСЛЕННЫЕ ЗНАЧЕНИЯ ПАРАМЕТРОВ С ИСПОЛЬЗОВАНИЕМ МИКРОФОНА ЕСМ8000

№ октавной полосы Разница м/у ур-м тес.сигнала и ср.ур-м речи АЬ1, дБ Уровень сигнала ЬС1, дБ Уровень ощущений Р1, дБ ' Коэффициент восприятия р1 Словесная разборчивость речи W

1 25,20 60,64 -35,86 0,0012

2 17,70 55,01 -18,69 0,0634

3 17,60 51,94 -12,96 0,1462

4 28,30 45,58 -21,92 0,0357 0,19

5 32,40 40,70 -26,90 0,0127

6 37,90 39,91 -31,29 0,0044

7 39,30 30,84 -45,36 0,0001

ТАБЛИЦА6 ВЫЧИСЛЕННЫЕ ЗНАЧЕНИЯ ПАРАМЕТРОВ С ИСПОЛЬЗОВАНИЕМ МИКРОФОНА ВС 501

№ октавной полосы Разница м/у ур-м тес.сигнала и ср.ур-м речи АЬ1, дБ Уровень сигнала ЬС1, дБ Уровень ощущений р1, дБ ' Коэффициент восприятия р1 Словесная разборчивость речи W

1 25,20 60,33 -40,77 0,0003

2 17,70 54,89 -22,71 0,0307

3 17,60 51,99 -6,11 0,3092

4 28,30 45,68 -14,72 0,1156 0,50

5 32,40 40,95 -19,25 0,0577

6 37,90 40,13 -24,77 0,0203

7 39,30 34,77 -30,63 0,0052

ТАБЛИЦА7 ВЫЧИСЛЕННЫЕ ЗНАЧЕНИЯ ПАРАМЕТРОВ С ИСПОЛЬЗОВАНИЕМ МИКРОФОНА 40АЕ

№ октавной полосы Разница м/у ур-м тес.сигнала и ср.ур-м речи АЬ1, дБ Уровень сигнала ЬС1, дБ Уровень ощущений Р1, дБ ' Коэффициент восприятия р1 Словесная разборчивость речи W

1 25,20 60,68 -34,82 0,0017

2 17,70 55,04 -17,46 0,0772

3 17,60 51,99 -4,51 0,3570

4 28,30 45,69 -10,71 0,1919 0,79

5 32,40 40,99 -12,31 0,1586

6 37,90 40,19 -16,31 0,0921

7 39,30 34,97 -21,83 0,0364

V. Обсуждение результатов В результате эксперимента оказалось, что влияние уровня собственных шумов микрофона на результат разборчивости речи более чем существенно. От значения 0.19 (скрытие предмета переговоров в помещении, согласно [4]) до 0.79 (информация не защищена, существенно превышено значение 0.4 - скрытие содержания переговоров [4]).

VI. Выводы и заключение Проведены исследования влияния характеристик первичных преобразователей на результат оценки разборчивости речи. Экспериментально, на примере трех различных микрофонов, оценено влияние уровня собственных шумов микрофона на результат.

Полученные результаты говорят о необходимости строго устанавливать требования к параметрам первичных преобразователей, особенно к уровню собственных шумов. Возможно также предложить альтернативный вариант, установить нормированные уровни фонового шума по октавным полосам, и если выбранное средство

измерений не может обеспечить измерение сигналов такого уровня, то принимать результат измерений за смесь сигнал+шум, а вместо уровней шума принимать нормированные значения (производить так называемый «расчет по шумам»).

Список литературы

1. Покровский Н. Б. Расчет и измерение разборчивости речи. М.: Связьиздат, 1962. 390 с.

2. Железняк В. К., Макаров Ю. К., Хорев А. А. Некоторые методические подходы к оценке эффективности защиты речевой информации // Специальная техника. 2000. № 4. С. 39-45.

3. Петелин Р. Ю., Петелин Ю. В. Звуковая студия в PC. СПб.: БХВ-Санкт-Петербург, 1998. 256 с.

4. Хорев А. А. Контроль эффективности защиты выделенных помещений от утечки речевой информации по техническим каналам // Защита информации. Инсайд. 2010. № 1 (31). С. 34-45.

УДК 004.8

ПРИМЕНЕНИЕ СЕТЕЙ КВАДРАТИЧНЫХ ФОРМ ДЛЯ РАСПОЗНАВАНИЯ СУБЪЕКТОВ ПО ДИНАМИЧЕСКИМ БИОМЕТРИЧЕСКИМ ОБРАЗАМ

П. С. Ложников, А. Е. Сулавко

Омский государственный технический университет, г. Омск, Россия

DOI: 10.25206/2310-9793-2017-5-4- 77-84

Аннотация - Статические биометрические образы не являются секретными и могут быть скопированы для изготовления физического или электронного муляжа незаметно для владельца, поэтому идет процесс поиска эффективных решений для аутентификации субъектов по динамическим биометрическим признакам. Проведена серия вычислительных экспериментов на основе биометрических данных подписи и клавиатурного почерка с использованием персептронов, сетей квадратичных форм и функционалов Хи-модуль. Предложено адаптировать алгоритм обучения персептронов из ГОСТ Р 52633.5-2011 для настройки сетей квадратичных форм. Удалось достичь количества ошибок верификации образа субъекта по подписи около 1 %, двухфакторной аутентификации по клавиатурному почерку и подписи -0,31 %.

Ключевые слова: особенности подписи, клавиатурный почерк, искусственные нейронные сети, параметры лица, квадратичные формы, мера близости Хи-модуль.

I. Введение

На сегодняшний день идет борьба за надежность биометрических систем распознавания личности. Интерес к решению проблемы повышения надежности биометрической аутентификации обусловлен высокими финансовыми потерями от действий киберпреступников по всему миру [1]. По оценке аналитического агентства J'son & Partners Consulting, объем мирового рынка биометрических систем достигнет к 2022 году $40 млрд. Заинтересованность России в развитии рынка биометрических систем находит отражение в структуре НТИ (Национальной технологической инициативе - долгосрочной программе развития инновационных рынков России). В проекте НТИ присутствуют задачи и пилотные проекты, связанные с внедрением национальной биометрической платформы аутентификации, электронной подписи с биометрической активацией, мультимодальных биометрических систем управления персональными данными и другие. В НТИ выделяется рынок безопасных и защищенных компьютерных технологий SafeNet, целый сегмент которого (Прикладные системы для решения задач безопасности) связан со средствами биометрической аутентификации.

Поиск новых эффективных методик биометрической аутентификации обусловлен недостатками разработанных решений: статически биометрические образы отпечатка пальца, сетчатки, радужки, геометрии руки допускают возможность изготовления муляжа, не являются секретными и не позволяют реализовать процедуру скрытой идентификации субъекта. Поэтому усилия многих исследователей сконцентрированы на развитии других биометрических технологий, в частности на базе динамических признаков рукописных образов и клавиатурного почерка. Основной их недостаток заключается в более низкой надежности, которая определяется вероятностью ошибок 1-го и 2-го рода - ложного отказа в доступе «Своему» (FRR, false reject rate) и ложного доступа «Чужого» (FAR, false acceptance rate).