KFU. Card publication. Метод квантования биометрических данных рукописного почерка в преобразователях биометрия-код доступа

KAZAN
FEDERAL UNIVERSITY

- RUS
- 中文
- ES

МЕТОД КВАНТОВАНИЯ БИОМЕТРИЧЕСКИХ ДАННЫХ РУКОПИСНОГО ПОЧЕРКА В ПРЕОБРАЗОВАТЕЛЯХ БИОМЕТРИЯ-КОД ДОСТУПА

Form of presentation

Conference proceedings in Russian journals and collections

Year of publication

2024

Язык

русский

Authors, employees of KFU

Bayanov Bulat Ilmirovich, author

Bibliographic description in the original language

Bayanov B.I. Metod kvantovaniya biometricheskikh dannykh rukopisnogo pocherka v preobrazovatelyakh Biometriya-kod dostupa // Matematicheskie Metody v Tekhnike i Tekhnologiyakh MMTT-37: materialy Mezhdunarodnoy nauchnoy konferencii. - 2024. - №. 3. - S. 91-94.

Annotation

Математические методы в технологиях и технике

Keywords

Биометрия-код доступа, нечеткие экстракторы, биометрическая криптосистема, динамический рукописный почерк, нейронные сети, аутентификация

The name of the journal

Математические методы в технологиях и технике

URL

https://elibrary.ru/item.asp?id=68006834

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=322790&p_lang=2

Full metadata record

Field DC	Value	Language
dc.contributor.author	Bayanov Bulat Ilmirovich	ru_RU
dc.date.accessioned	2024-01-01T00:00:00Z	ru_RU
dc.date.available	2024-01-01T00:00:00Z	ru_RU
dc.date.issued	2024	ru_RU
dc.identifier.citation	Баянов Б.И. Метод квантования биометрических данных рукописного почерка в преобразователях Биометрия-код доступа // Математические Методы в Технике и Технологиях ММТТ-37: материалы Международной научной конференции. - 2024. - №. 3. - С. 91-94.	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/eng/?p_id=322790&p_lang=2	ru_RU
dc.description.abstract	Математические методы в технологиях и технике	ru_RU
dc.description.abstract	В статье рассматривается целесообразность применения метода квантования с линейным преобразованием в биометрических криптосистемах, основанных на нейросетевых моделях. В исследовании исходными данными являются случайные и умелые подделки динамического рукописного почерка собственной базы данных и базы данных SVC 2004 (Task 1). Для построения нейросетевой модели использован инструмент пакета данных Keras языка программирования Python. Входными значениями нейронной сети послужили битовые последовательности от 2500 до 4000 бит, описывающие биометрические образы. Выходными значениями нейронной сети послужили битовые последовательности, представляющие криптографический ключ от 320 до 1024 бит. При случайных подделках и ошибке первого рода FRR =1.25-2.4% ошибка второго рода составила FAR = 0%; при умелых подделках и ошибке первого рода FRR =1.25-2.4% ошибка второго рода составила FAR = 40-48%. Для сравнительного анализа в вычислительных экспериментах биометрическая криптосистема, основанная на той же нейросетевой модели, с применением предлагаемого метода квантования продемонстрировала наиболее приемлемые результаты, исходя из последней оценки FAR = 21.37-26.625%.	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	Биометрия-код доступа	ru_RU
dc.subject	нечеткие экстракторы	ru_RU
dc.subject	биометрическая криптосистема	ru_RU
dc.subject	динамический рукописный почерк	ru_RU
dc.subject	нейронные сети	ru_RU
dc.subject	аутентификация	ru_RU
dc.title	Метод квантования биометрических данных рукописного почерка в преобразователях биометрия-код доступа	ru_RU
dc.type	Conference proceedings in Russian journals and collections	ru_RU