 |
 |
№ 5 сентябрь-октябрь 2007 г.
Тема номера:
SOA И ЗАЩИТА ОТ НСД
|
|
НЕЙРОСЕТЕВОЕ ПРЕОДОЛЕНИЕ «ПРОКЛЯТИЯ» РАЗМЕРНОСТИ,
ВЫХОД НА «БЛАГОДАТЬ» ВЫСОКОЙ РАЗМЕРНОСТИ БИОМЕТРИЧЕСКИХ ДАННЫХ
А. И. Иванов, д. т. н., начальник лаборатории биометрических и нейросетевых технологий
ФГУП «ПНИЭИ» |
|
  |
Плохая обусловленность задач биометрической идентификации
Одной из основных проблем биометрической идентификации человека является низкая стабильность биометрических параметров человека. В итоге задача оказывается плохо обусловленной, что мешает использовать для ее решения классический аппарат линейной алгебры. В частности, если воспользоваться биометрическими данными человека, получаемыми из динамики его рукописного почерка, то возможен учет порядка 416 параметров (416 функционалов Фурье, построенных на кривых колебаний пера во времени Х(t), Y(t), используются в демоверсии продукта «Нейрокриптон»). Каждый из этих параметров плох, но в совокупности они все же позволяют высоконадежно идентифицировать человека.
Мы можем при идентификации «Своего» попытаться воспользоваться эллиптической квадратичной мерой
Обычно требуется обучить систему биометрической защиты на 10–16 примерах биометрических образов. При выборке в 16 примеров относительная ошибка при вычислении коэффициентов ковариации, как правило, составляет от 5 до 15 %. Столь значительная ошибка не позволяет корректно обращать ковариационные матрицы высоких порядков. Реально удается обращать ковариационные матрицы 4–5 порядков, если обращение стабилизировано специальными процедурами регуляризации. Наблюдается экспоненциальный рост сложности задачи (экспоненциальный рост числа примеров обучения) при увеличении размерности обращаемой ковариационной матрицы. Классическая линейная алгебра позволяет нам учитывать примерно в 100 раз меньше биометрических параметров, чем это необходимо.
Можно попытаться выбрать из 416 биометрических параметров 4–5 самых хороших и одновременно попробовать улучшить регуляризацию, однако это – путь в никуда. Тем не менее этим путем регулярно пользуются приверженцы классики доводя до 10–12 порядка размерность обращаемых при обучении системы ковариационных матриц. В этом случае приходится применять не менее 5000–10000 примеров биометрических образов и вручную подбирать параметры регуляризации. Тем не менее в итоге удается получить вероятности ошибок первого и второго родов только на уровне 0,5–0,1 %.
< ... >
| |
 |
Полную версию статьи смотрите на страницах журнала «Защита информации. Инсайд» |
Обращайтесь!!!
e-mail: magazine@inside-zi.ru
тел.: +7 (921) 958-25-50, +7 (911) 921-68-24
Предыдущая статья СОДЕРЖАНИЕ НОМЕРА Следующая статья
|
