АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ БИОМЕТРИЧЕСКОЙ ИДЕНТИФИКАЦИИ СКУД

Введение. В настоящее время биометрические технологии находят все большее применение во многих прикладных областях и рассматриваются как один из перспективных методов распознавания людей. Наблюдается всплеск научного и практического интереса к биометрической идентификации, сопровождающийся ростом числа биометрических методов, алгоритмов и технологий [1-5]. Идентификация, распознавание и авторизация объектов обусловлена активной информатизацией современного общества и увеличением потоков конфиденциальной информации.

Анализ показывает, что защита любого объекта включает в себя несколько рубежей [6]. Во всех случаях важным рубежом будет система управления и контроля доступа (СКУД) - совокупность средств контроля и управления доступом, обладающих технической, информационной, программной и эксплуатационной совместимостью. В настоящее время данные различного назначения хранятся как в традиционных базах данных (в виде отдельных файлов [1] или архивов [2]), так и в облачных хранилищах. Защита данных проводится в основном с помощью разрешения на доступ к ним, в том числе и по биометрическим параметрам. Общепринято считать, что разрешение доступа к данным по биометрическим параметрам может осуществляться на основе распознавания а) отпечатков пальцев; б) радужной оболочки глаза (РОГ); в) лица; г) геометрии руки; д) голоса; е) сетчатки глаза; ж) ряда дополнительных биометрических параметров (по ДНК, по термограммам, по запаху тела и т. д.) [4].

Анализ исследований и публикаций. Большое количество научных исследований и публикаций по данной теме свидетельствует о повышенном интересе к данному направлению. Общие проблемы использования биометрических информационных технологий исследовали А.Бертильон, Р.Э. Эльбурн, А. Джейн, Р. Болл, А. Кетле, Д. Уэймен, А. Росс, У. Улудаг, Д. Райзман, Ш. Панканти, Н. Ратха Р. Капели, У. Дикманн, С. Ли, Г.А. Кухарев, В.В. Завгородний, Ю.Н. Мельников и другие. В работах перечисленных авторов были заложены основы технологии биометрической идентификации, что дало возможность разработать методы и алгоритмы, которые заложены в ГОСТ Р 54412-2011/ISO/IEC/TR 24741:2007.

Цель статьи. Несмотря на лавинный и стремительный спрос на биометрию в СКУД, необходимо выполнить анализ современных методов биометрической идентификации.

Основной материал

Биометрия (biometrics) - автоматизированное распознавание личности, основанное на определении поведенческих и биологических (анатомических и физиологических) характеристик (ГОСТ Р ИСО/МЭК19794-2—2005). Биометрический контроль доступа – это автоматизированный метод, с помощью которого идентифицируется не внешний предмет, принадлежащий человеку, а собственно сам человек. У всех биометрических технологий существуют общие подходы к решению задачи идентификации, хотя все методы отличаются удобством применения, точностью результатов.

В биометрических идентификаторах используются статические, основанные на физиологических характеристиках человека (рисунки папиллярных линий пальцев, радужной оболочки глаз, капилляров сетчатки глаз, тепловое изображение лица, геометрия руки, ДНК), и динамические (почерк и динамика подписи, голос и особенности речи, ритм работы на клавиатуре) методы. Предполагается использование таких уникальных статических методов как идентификация по под ногтевому слою кожи, по объему указанных для сканирования пальцев, форме уха, запаху тела и динамических: идентификация по движению губ при воспроизведении кодового слова, по динамике поворота ключа в дверном замке и т.д.

Статические методы биометрической аутентификации основываются на физиологической (статической) характеристике человека, то есть уникальной характеристике, данной ему от рождения. Динамические методы биометрической аутентификации основываются на поведенческой (динамической) характеристике человека, то есть построены на особенностях, характерных для подсознательных движений в процессе воспроизведения какого-либо действия.

Сфера исследований методов идентификации по отпечаткам пальцев весьма разнообразна и получила освещение в ряде научных направлений:

− тест безопасности на обнаружение «живучести». В качестве ключевого параметра выступает вопрос о подлинности, является ли источник входного сигнала живой палец;

− использование признаков, вычисленных из поддиапазонов вейвлет-трансформированных изображений и статистических функций для увеличения шансов успешной идентификации;

− идентификация по отпечаткам пальцев, которая состоит из трех этапов: предварительной обработки изображения отпечатка пальца, выделения особых точек отпечатка и совпадения характеристик. В основе всех рассмотренных методов лежит дискретное вейвлет-преобразование (ДВП) исходного изображения.

Рассмотрим преимущества и недостатки исследуемых методов:

1) Метод основан на обнаружении картины потовыделения из двух последовательных отпечатков пальцев, захваченных на нулевой секунде и через пять секунд. Обнаружение "живучести" в дактилоскопических устройствах обеспечивает возможное решение для атак подмены. Потение может быть использовано в качестве меры обнаружения "живучести" в случае соответствия отпечатков пальцев системе. В отличие от неживых или подмененных пальцев, живые пальцы демонстрируют характерный влажный шаблон, в случае физического контакта с захваченной поверхностью сканера отпечатков пальцев. Эта модель развивается во времени из-за физиологического явления потовыделения, и, следовательно, ее можно назвать «шаблоном потовыделения». Основные недостатки метода заключаются в том, что захваченные изображения могут быть:

− нечистыми из-за пыли на пальцах рук;

− различного среднего контраста, из-за неравномерного давления в момент захвата;

− слишком слабыми или слишком темными в зависимости от того слишком сухие или слишком влажные пальцы.

2) Метод идентификации по отпечаткам пальцев с использованием вейвлет-преобразования и статистических функций. В данном методе ДВП применяется на множестве изображений отпечатков пальцев. Статистические характеристики, такие как среднее и стандартное отклонение извлекаются из аппроксимации и детализации областей ДВП разложенного изображения, в разных масштабах. Различные комбинации статистических функций высокого порядка применяют для проверки отпечатков пальцев и выбора набора лучших векторов. Для того, чтобы повысить вероятность успеха проверки, матрица смежности рассчитывает для исходного изображения, аппроксимацию и детализацию поддиапазонов 1-уровня ДВП разложенного изображения и извлекает дополнительные функции. Эти дополнительные функции в сочетании с вышеназванными выбранными лучшими наборами вейвлет статистических функций показывают, что вероятность успеха значительно повышается путем объединения вышеупомянутых функций.

3) Метод идентификации по отпечаткам пальцев, основанный на характеристике коэффициентов ДВП. В этом методе приводится алгоритм идентификации отпечатков пальцев по обобщенным вероятностям гауссовского распределения коэффициентов ДВП. Этот алгоритм имеет два шага для извлечения признаков изображения отпечатка пальца и функции совпадения. Первым шагом является совпадение особой точки отпечатка пальца и калибровки изображения отпечатка пальца. На втором шаге, вейвлет-коэффициенты используются для второго совпадения. Алгоритм имеет простой процесс предварительной обработки, он практически не изменил исходное изображение при извлечении функции распознавания отпечатков пальцев, поэтому скорость идентификации была улучшена. Алгоритм требует только хранение пары коэффициентов ДВП, что значительно уменьшило емкость хранения характеристики отпечатка пальца. Проведенный анализ показал, что в настоящее время биометрическая аутентификация не только является неотъемлемой процедурой для получения допуска к объектам повышенной секретности, но и входит в нашу повседневную жизнь. Таким образом, наиболее эффективным алгоритмом является идентификация по отпечаткам пальцев, который основан на использовании коэффициентов ДВП, так как он не требует больших объемов памяти и может преодолеть негативные последствия от вращения изображения и его сдвига, обеспечивая высокую надежность.

Также существуют методы для вычисления биометрической информации с использованием относительной энтропии заключается в следующих шагах: 1) выдвижение требований; 2) относительная энтропия биометрических характеристик; 3) гауссова модель для вычисления биометрических характеристик и относительной энтропии, 4) методы регуляризации для вырожденных характеристик; 5) методы регуляризации для неполных данных. Основные требования к особенностям биометрической информации: 1. Если распределение характеристик человека p равна распределения характеристик между людьми q, тогда нет информации, которая отличает человека, и тогда информация о ее биометрические характеристики равен 0. 2. Если измерения особенности становится более точным, легче определить кого-то в популяции, и биометрическая информация увеличивается. 3. Если у человека необычное значение характеристики (далеко от значения популяции), информация о ее биометрическую характеристику увеличивается. 4. Биометрическая информация о некоррелированные характеристики равна сумме биометрических информаций этих характеристик. 5. Характеристики, которые не связаны с определением идентичности, не повышают биометрическую информацию. 6. Биометрические характеристики такие как вес и рост менее информативны.

Общей характеристикой, которую используют для сравнения различных методов и способов биометрической идентификации, являются статистические показатели: ошибка первого рода (не пустить в систему «своего») и ошибка второго рода (пустить в систему чужого).

Вывод. Технология аутентификации с применением биометрических методов имеет существенные преимущества. Поскольку каждый из методов имеет как свои преимущества, так и недостатки, то при монопольном использовании существующих методов целесообразно сопоставлять их преимущества и недостатки с особенностями и требованиями целевой области их применения. В перспективе, целесообразно комбинировать различные методы идентификации личности для получения наилучших результатов.

Список литературы:

1. Blackburn D. Research needs in biometrics: federal perspective // Biometric Consortium Conference 2004, URL: http://www.biometrics.org/(дата обращения: 04.10.2011)
2. Болл, Р. Руководство по биометрии [Текст] / Болл Р.М., Коннел Дж.Х., Панканти Ш., Ратха Н.К., Сеньор Э.У. - М.: Техносфера, 2007. - 368 с
3. Васильев Р.А. Биометрическая идентификация пользователей информационных систем на основе кластерной модели элементарных речевых единиц: диссертация ... кандидата технических наук: 05.13.19 / Васильев Роман Александрович; [Место защиты: Уфим. гос. авиац.-техн. ун-т]. - Саров, 2016. - 153 с.
4. Волхонский В.В. Системы контроля и управления доступом. – СПб: Университет ИТМО, 2015. - 105 с.
5. Ворона В. А., Тихонов В. А.  Системы контроля и управления доступом. - М.: Горячая линия - Телеком, 2010. - 272 с.
6. Лебеденко, Ю. И. Биометрические системы безопасности [Текст] /Ю. И. Лебеденко. – Тула: Изд-во ТулГУ, 2012. - 160 с.
7. Ложников П.С., Сулавко А.Е., Еременко А.В., Волков Д.А. Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами // Информационно-управляющие системы / ГУАП, Санкт-Петербург, 2016, №5, С. 73-85.
8. Иванов А.И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции. Монография. Пенза – 2016 г. Издательство АО «Пензенский научно- исследовательский электротехнический институт» (ОА «ПНИЭИ») – 133 с. http://пниэи.pф/activity/science/BOOK16.pdf
9. Прудник А.М., Власова Г.А., Рощупкин Я.В. Биометрические методы защиты информации: учебно-методическое пособие для специальности 1-98 01 02 «Защита информации в телекоммуникациях». – Минск: БГУИР, 2014. – 150 с.
10. Романов Е. Л. Архитектура системы учета рабочего времени, совмещенной со СКУД / Е. Л. Романов // Динамика систем, механизмов и машин. – 2016. – Т. 2, № 1. – С. 291–293.
11. Харитонов А.В. Обзор биометрических методов идентификации личности // NB: Кибернетика и программирование. — 2013. - № 2. - С.12-19.
12. Якименко А.А, Внедрение биометрической идентификации в системы контроля и управления доступом [Текст] : учебное пособие / А. А. Якименко, В. В. Вихман ; М-во образования и науки Российской Федерации, Новосибирский гос. технический ун-т,  - Новосибирск : Изд-во НГТУ, 2016. - 46 с.