Полная версия

Главная arrow Информатика

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

БИОМЕТРИЧЕСКИЙ КОНТРОЛЬ ДОСТУПА ПО ДИНМИЧЕСКИМ ХАРАКТЕРИСТИКАМ

Особенности динамических характеристик личности

А.И. Биометрическая идентификация л

Динамические биометрические характеристики личности основаны на индивидуальных особенностях хорошо заученных подсознательных движений, таких как походка, жестикуляция, голос, рукопись и др. Возникает вопрос - чем объясняется индивидуальность и устойчивость динамических характеристик человека? Правдоподобным объяснением этого является то, что движения человека реализуются в многомерном пространстве его мышечных двигательных возможностей, что порождает огромную избыточность вариантов достижения цели.

В первом приближении размерность двигательной задачи можно оценить по числу задействованных мышц. Так, во время письма оказываются задействованными мышцы большинства пальцев и часть мышц предплечья. При этом общее число задействованных мышц может быть более 50. Даже принимая во внимание, что наиболее существенную роль играют примерно 10 мышц, то получается, что при письме человек решает в реальном времени 10-мерную задачу управления.

При работе с клавиатурой дополнительно включаются еще примерно 20 мышц плеча и плечевого пояса по каждой руке, что в совокупности может задействовать в движении до 140 мышц. Исходя из предположения, что наибольшее влияние оказывают только 20 % от общего числа мышц, получаем примерно 28-мерную задачу управления.

При воспроизведении речи участвуют 44 мышцы груди, 9 мышц живота и брюшной полости, 28 мышц лица и челюстей, 12 мышц языка, 9 мышц глотки, 6 мышц мягкого неба и мышцы гортани. То есть в совокупности может быть задействовано порядка 120 мышц. Исходя из предположения, что наибольшее влияние оказывают только 20 % от общего числа мышц, получаем примерно 24-мерную задачу управления.

С точки зрения решения задачи управления, мышцы следует рассматривать как нелинейный по управлению привод. Это еще более увеличивает мерность задачи управления двигательными реакциями человека.

В итоге получается, что человек при реализации своих двигательных функций должен непрерывно решать сложнейшие многомерные задачи управления. Мозг человека не способен делать это постоянно в процессе многообразной двигательной активности. Природа решила эту проблему через обучение. С самого рождения в течение многих лет человек путем проб, ошибок и длительных тренировок учится наиболее оптимально для него самого выполнять сначала наиболее простые, а потом все более сложные движения и запоминать их. Постепенно у человека вырабатываются свои индивидуальные способы реализации большинства двигательных функций (программ совокупного управления мышцами): походка, почерк, голос и т. д., которыми он затем успешно пользуется на протяжении всей оставшейся жизни.

Фактически у человека осуществляется перенос задачи управления на автоматический подсознательный уровень, который сопряжен с появлением строго индивидуальных особенностей (индивидуального почерка) сложных движений.

Следует отметить, что подсознательные движения стабильны, если в них не вмешивается более высокий сознательный уровень. При вмешательстве сознания высокого уровня происходит прерывание «подпрограммы управления» до момента принятия решения. Эта ситуация хорошо всем знакома. Если при воспроизведении своего факсимиле человека хоть на мгновение что-то отвлекло, он не может «правильно» закончить свою подпись.

Еще одним следствием многомерности задачи управления движениями является уникальность динамики движений каждой личности, когда сходных результатов можно достичь совершенно разными совокупностями управляющих воздействий. С одной стороны, подобная избыточность является гарантией работоспособности системы в целом при плохой работе части мышц (например, при ранениях). С другой стороны, из-за большой избыточности каждый индивидуум находит свои, оптимальные для него решения задач управления. Одних и тех же результатов разные люди могут добиваться, работая разными группами мышц.

Таким образом, уникальность динамических портретов наших движений не является следствием того, что мы имеем разные головы, руки, ноги, глотки. Это следствие заложенной природой избыточности и следствие случайности процедуры итерационного статистического обучения для выполнения движений. Каждый индивид вынужден самостоятельно решать задачу управления своим телом в период длительного обучения. Голос, походка, почерк вырабатываются на всю жизнь и стоят их владельцу очень больших усилий. Именно в этом причина уникальности и стабильности динамики быстрых подсознательных движений.

Общие принципы построения динамических БСКД. Биометрические системы, построенные на анализе индивидуальных особенностей динамики движений (голос, рукописный и клавиатурный почерки), имеют много общего. Это позволяет для описания биометрических систем этого класса использовать одну обобщенную схему (рис. 3.1).

Обобщенная структурная схема динамических БСКД

Рис. 3.1. Обобщенная структурная схема динамических БСКД

Динамические характеристики в отличие от статических являются функциями времени, что накладывает ряд принципиальных особенностей их получения и использования.

Входные образы динамической БСКД любой модальности представляют собой сигналы, соответствующие воспроизведению голосом, рукописью или набором на клавиатуре определенного текста.

Система имеет два режима работы: регистрации и аутентификации. В обоих режимах входные образы поступают в блок предварительной обработки, где они преобразуются в электрические сигналы, при необходимости оцифровываются и нормируются. Затем экстрактор свойств из полученных сигналов извлекает значимую для идентификации личности биометрическую информацию - контролируемые биометрические параметры, которые представляются в виде компактных биометрических препаратов - машинных репрезентаций биометрических образов соответствующей модальности. Формат машинных репрезентаций соответствует виду биометрического эталона личности.

В режиме регистрации личность несколько раз предъявляет свой динамический биометрический образ. После его предварительной обработки образа экстрактор свойств извлекает из него контролируемые биометрические параметры личности, которые поступают в блок обучения и там усредняются. Результатом усреднения является машинная репрезентация биометрического образа личности, выступающая далее в качестве биометрического эталона данной личности. Полученный эталон заносится в ББД, где он связывается в единый массив с эталонами других личностей.

Аутентификация личности в зависимости от приложения реализуется в двух возможных режимах: верификации и идентификации.

В режиме верификации личность предъявляет системе свой биометрический образ и некоторый дополнительный идентификационный параметр ID (логин, пароль, ПИН и т.п.). Предъявленный биометрический образ после своей предобработки поступает в экстрактор свойств, который извлекает из него контролируемые биометрические параметры личности, представляет их в виде машинной репрезентации и направляет на вход мэтчера. Одновременно, по предъявленному личностью ID, выполняющему роль адреса, мэтчер извлекает из ББД соответствующий биометрический эталон и сравнивает его с машинной репрезентацией предъявленного биометрического образа. Если степень близости между машинной репрезентацией предъявленного биометрического образа и эталоном оказывается достаточно высокой (превышает заданный порог), мэтчер выносит решение «Свой». В противном случае, выносится решение «Чужой» и отказ в доступе.

В режиме идентификации личность предъявляет системе только свой биометрический образ, который после предобработки поступает в экстрактор свойств. Последний извлекает из образа контролируемые биометрические параметры личности, представляет их в виде машинной репрезентации и направляет на вход мэтчера. В распоряжении мэтчера в этом случае нет информации о том, с каким эталоном должно осуществляться сопоставление предъявленного образа. Поэтому мэтчер осуществляет процедуру поочередного сопоставления машинной репрезентации предъявленного образа со всеми эталонами, имеющимися в ББД. Результатом этой процедуры является список эталонов, которые имеют наибольшую степень сходства с предъявленным образом. Возможен также отрицательный (нулевой) ответ, свидетельствующий об отсутствии в ББД эталонов, обладающих достаточным сходством с предъявленным образом.

С позиции теории распознавания образов верификация соответствует задаче классификации входных образов на два класса: «свой» / «чужой». Наличие ID позволяет осуществлять сопоставление образов по принципу 1:1. Идентификация соответствует задаче классификации входных образов на (т+1) классов, где т - число зарегистрированных в БСА пользователей - «своих», плюс один класс всех остальных не зарегистрированных в БСА пользователей - «чужой». В условиях отсутствия ID сопоставление осуществляется по принципу 1:ш. Реализация режима идентификации требует существенных дополнительных ресурсов, поэтому применяется в приложениях, когда отсутствует возможность использования ID личности (например, ББД преступников).

Вид используемого в мэтчере решающего правила и вид биометрического эталона тесно связаны. При разработке БСКД чаще всего выбранный способ представления биометрического эталона определяет вид решающего правила. Но иногда разработчики поступают наоборот, отталкиваются от вида решающего правила, исходя из которого затем конструируют подходящую машинную репрезентацию контролируемых параметров и вид биометрического эталона.

В динамических БСКД биометрический эталон личности создается на основе усреднения и установления границ вариации его биометрических параметров, что обусловлено их пластичностью (изменчивостью). Для определения границ вариации биометрических параметров используются два способа. Выбор одного из них определяется числом образцов 1 каждого контролируемого параметра.

При малом числе образцов 1 (1-й способ) биометрический эталон строится путем прямого измерения граничных значений вариации каждого контролируемого параметра vf.

Большинство динамических параметров личности характеризуются распределением вероятностей, близким к нормальному. Поэтому при большом числе образцов 1 (2-й способ) более достоверным становится вычисление числовых характеристик нормального распределения контролируемых параметров: математических ожиданий m(vj) и дисперсий а(г;Д на основе которых затем определяются граничные значения вариации каждого параметра:

При обработке биометрических данных используются распределения выборочных статистик, поэтому более точно граничные значения лучше задавать на основе t-распределения Стьюдента, учитывающего ошибку первого рода Pi «своего» пользователя:

где t - коэффициенты Стьюдента, получаемые из соответствующих таблиц, табулированных по заданным значениям 1 и Pi.

В конечном итоге на этапе реализации динамической БСКД возможны два способа представления контролируемых параметров в биометрическом эталоне:

• в виде граничных значений вариации параметров

• в виде числовых характеристик m(Vj) и c(vj) нормального или t-распределения Стьюдента.

Выбор того или иного способа зависит от приложения и типа используемых биометрических параметров и влияет на характеристики производительности БСКД в режимах регистрации и аутентификации.

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>