V paragrafe 3.4 rassmotreni matematicheskie modeli, metodi i algoritmi biometricheskoy identifikasii, ne trebuyushie spesialnogo oborudovaniya, i modeli klassifikasii podlinnosti. Takje viyavleno poyavlenie teksturnix artefaktov i neravnomernost izmeneniya osveshennosti raspoznavaemix uchastkov ob'ekta pri izmenenii intensivnosti osveshennosti, a takje pokazano, chto opisanie izmeneniya osveshennosti izobrajeniya predmetov do i posle osvesheniya mojet osushestvlyatsya putem analiza yarkostnix otnosheniy pikseley izobrajeniya. Krome togo, v etom paragrafe predlagaetsya sleduyushiy metod obnarujeniya lojnix dannix, pri kotorom iznachalno generiruetsya posledovatelnost kontroliruemix sluchaynix chisel
Y . Dlya kajdogo znacheniya Y j
posledovatelnosti Y formiruetsya massiv
pikseley
I0, j i
I1, j , sootvetstvuyushix otdelnim izobrajeniyam lisa.
Esli sleduyushee znachenie v posledovatelnosti
Yj 1, to massiv
I1, j
formiruetsya posle osveshenie, esli
Yj 0
– posle otklyuchenie. Formiruetsya
nabor znacheniy dlya osenki relefa mestnosti identifisiruemogo ob'ekta
mnojestva 0, 1 . Sravnitelniy analiz posledovatelnosti Y i nabora
znacheniy obrazom:
X I0, j , I1, j
vipolnyaetsya po porogovomu znacheniyu
spf
sleduyushim
Q1
X I0, j , I1, j Yj spf j0
gde 𝑗 – 𝑌 – zadanniy nomer znacheniya posledovatelnosti, 𝑗 = 0,1, …, 𝑄-1;
𝑄 – kolichestvo znacheniy v posledovatelnosti 𝑌; ⊕ — summa vtorogo modulya.
Virajenie dlya osenki relefa ob'ekta budet viglyadet sleduyushim obrazom:
gde
ROC
1, DI0, j , I1, j ROC ;
X I0, j , I1, j
0, D I0, j , I1, j ROC ;
- porogovoe znachenie, pri kotorom raznisa mejdu znacheniyami
(𝑇𝑃𝑅 – 𝐹𝑃𝑅) maksimalna.
Matematicheskaya model zadachi slujit osnovnim istochnikom dlya sozdaniya ee algoritma. Algoritm soderjit chetkoe i polnoe opisanie, opredelyayushee posledovatelnost vipolneniya vichislitelnix deystviy, pozvolyayushuyu poluchit jelaemiy rezultat, kotoriy v dannom sluchae ispolzuetsya dlya obnarujeniya lojnoy ataki v sisteme biometricheskoy identifikasii. Algoritm viyavleniya lojnoy ataki, vnedrennoy v sistemu biometricheskoy identifikasii, i ego sxema predstavleni na risunke nije. Predlagaemiy algoritm realizuetsya v sleduyushie etapi.
Shag 1. Sozdayotsya posledovatelnost sluchaynix chisel 𝑌.
Shag 3. Formiruetsya massiv pikseley
I1, j , pri etom, esli sleduyushee
znachenie,
Yj 1
to massiv formiruetsya pri vklyuchyonnoy podsvetke, a esli,
Yj 0
to pri viklyuchennoy.
Shag 4. Prinimaetsya reshenie s uchyotom shaga 3, esli j Q 1 , to sleduet pereyti k shagu 5, inache k shagu 2. K velichine 𝑗 dobavlyaetsya edinisa.
Shag 5. Formiruetsya sovokupnost znacheniy osenki relefnosti
raspoznavaemogo ob'ekta
X I0, j , I1, j .
Shag 6. Provoditsya sravnitelniy analiz posledovatelnosti 𝑌 i
sovokupnosti znacheniy
X I0, j , I1, j .
Shag 7. Prinimaetsya reshenie o podlinnosti ob'ekta.
V paragrafe 3.4 analiziruyutsya sushestvuyushie metodi i algoritmi obnarujeniya poddelnix lis na osnove glubokix neyronnix setey, a takje privoditsya informasiya ob osnovnix prichinax, tipax, parametrax, funksiyax aktivasii i oshibki, a takje instrumentax, ispolzuemix dlya uspeshnogo primeneniya glubokix neyronnix setey. Krome togo, dlya obnarujeniya lojnix atak predlagaetsya arxitektura glubokoy neyronnoy seti (tabl. 2) i model identifikasii lichnosti na osnove ee obucheniya (ris. 4).
|
