АНАЛИЗ МЕТОДА БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ НА ОСНОВЕ СЧИТЫВАНИЯ ГЕОМЕТРИИ ЛИЦА

ANALYSIS OF THE BIOMETRIC AUTHENTICATION METHOD BASED ON SCANING GEOMETRY OF THE FACE

Arseniy I. Kaplin,

Graduate, Department of information security, Moscow Technical University of Communication and Informatics,

Russia, Moscow,

АННОТАЦИЯ

В статье рассматривается биометрическая аутентификация на основе метода статистического распознавания геометрии лица. Актуальность данной темы обусловлена увеличением числа информационных систем, требующих прохождения процедуры аутентификации. Произведена оценка работы алгоритма классификации. Показано, что описанный метод обладает высокой эффективностью в решении задачи аутентификации на основе геометрии лица.

ABSTRACT

The article discusses biometric authentication based on the method of statistical recognition of facial geometry. The relevance of this topic is due to the increase in the number of information systems that require authentication procedures. The work of the classification algorithm is evaluated. It is shown that the described method is highly effective in solving the authentication problem based on the geometry of the face.

Ключевые слова: информационная безопасность, защита информации, биометрическая аутентификация, геометрия лица, статистический анализ.

Keywords: information security, protection of information, biometric authentication, facial geometry, statistical analysis.

Введение

Развитие современных информационных технологий увеличивает потребность в обеспечении целостности и подлинности информации. Одним из вариантов решения этой задачи является аутентификация пользователя на основе его биометрических данных.

В статье будет рассмотрен метод биометрической аутентификации пользователя на основе двухмерного изображения лица. Этот метод основывается на активной модели форм лица. Построение модели производится на основе базовых элементов, которые называются характерными точками. Рассмотрена возможность использования метода в системах использующих потоковую передачу видео данных [1]. Приведен пример программного кода алгоритмов извлечения дескрипторов изображения, сравнения с сохраненными образцами и другие элементы системы авторизации [2].

Целью статьи является исследования эффективности метода биометрической аутентификации на основе считывания геометрии лица.

Реализация алгоритма

Алгоритма распознавания лица пользователя будет реализован на основе библиотеки «face-api.js» [3].

Предполагая, что у нас есть несколько доступных примеров изображений для объектов, мы сначала извлекаем изображения [4]. Для каждого выбранного изображения мы затем определим местоположение лица объекта и вычислим дескриптор лица. Алгоритма извлечения дескрипторов изображения приведен на рисунке 1.

Рисунок 1. Алгоритм извлечения дескрипторов изображения

После извлечения массива дескрипторов преданных изображений необходимо произвести их сравнение с заранее сохраненными справочными данными, которые соответствуют каждому пользователю для проведения процедуры идентификации. Для тестирования максимальный коэффициент различия между дескрипторами был выбран равным 0.6. Алгоритм сравнения переданного изображения с сохраненным приведен на рисунке 2.

Рисунок 2. Алгоритм сравнения переданного изображения с сохраненным

Качество работы метода

Классификация при помощи статических классов не уступает современным аналогичным алгоритмам при небольших объемах статистических выборок, а при увеличении объема выборки показывает более высокое качество [5].

Следует отметить, что каждое лицо представлено 128-мерным байтовым вектором, что подходит для крупномасштабной кластеризации и распознавания. Встраивания меньшего размера возможны с незначительной потерей точности и могут быть использованы на устройствах с относительно низкой вычислительной мощностью.

Метод должен быть инициализирован параметрами расположения для первой итерации. Поскольку ориентация лица аналогична на большинстве изображений, использование идентификационной матрицы обычно работает достаточно эффективно.

Однако метод низко эффективен в вопросе поиска локальных оптимумов. Поэтому для дополнительного повышения надежности метод может быть использован несколько раз при разных факторах масштабирования и поворота изображения. Каждый из полученных, повторно изображений может повысить вероятность успешного обнаружения лица.

Выводы

В результате было установлено, что метод распознавания лица при помощи классификации на основе статических классов показал высокую эффективность в рассматриваемой задаче идентификации пользователя. Полученные результаты свидетельствуют о пригодности алгоритма для систем аутентификации.

Список литературы:

1. Руднев А.Н., Шелухин О.И. Потоковое видео в системах радиодоступа. Монография/ Под ред. О.И. Шелухина. – М.: Гор. линия-Телеком, 2013г. – 308 с.
2. Шелухин О. И., Ерохин С.Д., Полковников МВ. Технологии машинного обучения в сетевой безопасности. / Под ред. О. И. Шелухина. – М.: Горячая линия – Телеком, 2021. – 360 с.
3. face-api.js – JavaScript API for Face Recognition in the Browser with tensorflow.js URL: https://itnext.io/face-api-js-javascript-api-for-face-recognition-in-the-browser-with-tensorflow-js-bcc2a6c4cf07 (дата обращения: 05.05.2023).
4. Современные биометрические методы идентификации URL: https://habr.com/ru/post/126144 (дата обращения: 05.05.2023).
5. Micro, Macro & Weighted Averages of F1 Score, Clearly Explained URL: https://towardsdatascience.com/micro-macro-weighted-averages-of-f1-score-clearly-explained-b603420b292f (дата обращения: 05.05.2023).