ВЛИЯНИЕ ПСИХОФИЗИОЛОГИЧЕСКОГО СОСТОЯНИЯ ПОДПИСАНТА НА РЕЗУЛЬТАТЫ ЕГО ИДЕНТИФИКАЦИИ ПО РУКОПИСНОМУ ОБРАЗУ ЕСТЕСТВЕННЫМ И ИСКУССТВЕННЫМ ИНТЕЛЛЕКТАМИ
Аннотация
В настоящее время активно совершенствуются различные механизмы обеспечения информационной безопасности, и особое внимание уделяется предотвращению несанкционированного доступа к информационным ресурсам. Наиболее слабым звеном остается человеческий фактор и процесс идентификации, а также аутентификации пользователя. Совершенствование технологий защиты информационных ресурсов от внутренних угроз безопасности лежит на пути перехода к биометрическим системам скрытой идентификации пользователей компьютера и их психофизиологического состояния. Изменение психофизиологического состояния отражается на почерке человека. В работе проведена оценка влияния состояния утомления и возбуждения подписантов на результаты их идентификации человеком и методами распознавания образов по воспроизводимым подписям. Осуществлено сравнение возможностей естественного и искусственного интеллекта в равных условиях. При изменении состояния подписанта вероятность ошибок его распознавания искусственным интеллектом возрастает в 3,3-3,7 раз. Человек идентифицирует рукописный образ с меньшим числом ошибок, если подписант возбужден, и с большим числом ошибок, если он утомлен.
Ключевые слова
Полный текст:
PDFЛитература
1 Сулавко А.Е., Еременко А.В., Левитская Е.А., Самотуга А.Е. Идентификация психофизиологических состояний подписантов по особенностям воспроизведения автографа // Информационно-измерительные и управляющие системы. 2017. №1. С. 40–48.
2 Vasilyev V.I., Sulavko A.E., Eremenko A.V., Zhumazhanova S.S. Identification potential capacity of typical hardware for the purpose of hidden recognition of computer network users // X International IEEE Scientific and Technical Conference "Dynamics of Systems, Mechanisms and Machines" (Dynamics), Omsk, 15-17 november 2016, pp. 1-5. DOI: 10.1109/Dynamics.2016.7819106.
3 Ложников П.С., Сулавко А.Е., Толкачева Е.В., Жумажанова С.С. Распознавание водителей и их функциональных состояний по обычному и тепловому изображениям лица // Труды научно-технической конференции кластера пензенских предприятий, обеспечивающих БЕЗОПАСНОСТЬ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ. Том 10, Пенза, 2016. С. 63–65, (http://пниэи.рф/activity/science/BIT/T10-p63.pdf).
4 Васильев В.И., Ложников П.С., Сулавко А.Е., Еременко А.В. Технологии скрытой биометрической идентификации пользователей компьютерных систем // Вопросы защиты информации. 2015. № 3 (110). С. 37–47.
5 Сулавко А.Е., Еременко А.В., Левитская Е.А. Разграничение доступа к информации на основе скрытого мониторинга действий пользователей в информационных системах: портрет нелояльного сотрудника // Известия Транссиба. 2015. № 1(21). С. 80‒89.
6 Нигрей А.А. Исследование изменения динамики подписи подписанта на графическом планшете при изменении его психофизиологического состояния // Безопасность городской среды: Материалы IV Международной научно-практической конференции (Россия, Омск, 16-18 нояб. 2016 г.). Омск: ОмГТУ, 2017. С. 383‒385.
7 Богомолов А.В., Гридин Л.А., Кукушкин Ю.А., Ушаков И.Б. Диагностика состояния человека: математические подходы. М.: Медицина, 2003. 464 с.
8 Федеральные правила полетов (США) 91.17: Алкоголь и пилотирование (Режим доступа: http://flightphysical.com/pilot/alcohol.htm, дата обращения: 16.05.2017).
9 Uhr L., Vossler C. A pattern recognition program that generates, evaluates and adjusts its own operators, в сб. «Computers and thought» под ред. Feigenbaum E., Feldman J., New Yo r k. (Русский перевод в сб. «Вычислительные машины и мышление» под ред. Фейгенбаума Э. И. Фельдмана Дж. М.: Мир, 1967).
10 Иванов А.И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции. Пенза: Изд-во ПНИЭИ, 2016. 133 с.
URL: http://пниэи.pф/activity/science/ BOOK16.pdf.
11 Lozhnikov P.S., Sulavko A.E., Eremenko A.V., Volkov D.A. Methods of Generating Key Sequences based on Parameters of Handwritten Passwords and Signatures // Information. 2016. №7. С. 59. DOI: 10.3390/info7040059.
12 Харман Г. Современный факторный анализ. М.: Статистика, 1972. 489 с.
13 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. 2016. №5. С. 73‒85.
14 Сулавко А.Е., Еременко А.В., Толкачева Е.В., Борисов Р.В. Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры ХИ-модуль // Информационно-управляющие системы. 2017. № 1. С. 50‒62. DOI: 10.15217/issn1684-8853.2017.1.50.
15 Епифанцев Б.Н., Ложников П.С., Сулавко А.Е. Сравнение алгоритмов комплексирования признаков в задачах распознавания образов // Вопросы защиты информации. 2012. № 1. С. 60‒66.
16 Епифанцев Б.Н., Ложников П.С., Сулавко А.Е. Алгоритм идентификации гипотез в пространстве малоинформативных признаков на основе последовательного применения формулы Байеса // Межотраслевая информационная служба. 2013. № 2. С. 57‒62.
DOI: http://dx.doi.org/10.26583/bit.2017.4.10
Ссылки
- На текущий момент ссылки отсутствуют.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.