Реализация системы адаптивной аутентификации с применением ЭЭГ интерфейса

В работе предлагается методическое обеспечение для объектов критической информационной инфраструктуры, предусматривающее систематизацию основных шагов для формирования алгоритмов адаптивной аутентификации в том числе с применением биометрического фактора, заключающегося в проверке электроэнцефалограммы субъекта доступа. Предлагаемый подход устраняет недостатки существующих традиционных методов аутентификации, основанных на использовании явных способов проверки, связанных с тем, что для установления подлинности пользователя применяются опознавательные характеристики, которые могут быть скомпрометированы злоумышленниками. В ходе выполнения исследования была реализована подсистема аутентификации с помощью интерфейса мозг-компьютер. Несмотря на устойчивость к ошибкам второго рода, недостаточные результаты коэффициента ложного отказа в доступе, полученные на этапе проведения эксперимента, не позволяют осуществить «бесшовное» внедрение подобных механизмов биометрической аутентификации в действующие объекты критической информационной инфраструктуры. При этом, эффективность сформированных на основе предложенного в работе подхода адаптационных механизмов проверки пользовательского профиля свидетельствует о возможности их использования на реальных объектах с применением разносторонних факторов и критериев аутентификации. Таким образом, в рамках данной статьи был рассмотрен один из аспектов комплексного подхода по обеспечению безопасности функционирования технологических процессов, а также противодействию мошенничеству и хищению информации за счет формирования алгоритмов адаптивной аутентификации.

1. Двойнишников Н.Э. Технологические особенности проблем обеспечения информационной безопасности автоматизированных систем управления, являющихся объектами критической информационной инфраструктуры. Международный журнал прикладных наук и технологий «Integral». 2019;1:127-132.

2. Аракелян Э.К., Андрюшин А.В., Минзов А.П. Особенности систем информационной безопасности АСУТП ТЭС и АЭС. Доклады БГУИР. 2015;2:213-214.

3. Гончаров С.М., Вишняков М.С. Идентификация пользователей на основе электроэнцефалографии с использованием технологий «Интерфейс мозгкомпьютер». Доклады ТУСУР. 2012;1-2(25):166-170.

4. Damasevicius R., Maskeliunas R., Kazanavicius E., Wozniak M. Combining Cryptography with EEG Biometrics. Computational Intelligence and Neuroscience. 2018:1867548.

5. Кузьмин О.В., Дружинин В.И. Коды Боуза–Чоудхури–Хоквингема в системах обнаружения и исправления ошибок при передаче данных. Современные технологии. Системный анализ. Моделирование. 2013;3(39):23-29.

6. Гончаров С. М., Боршевников А. Е. Нейросетевой преобразователь «Биометрия – код доступа» на основе электроэнцефалограммы в современных криптографических приложениях. Вестник СибГУТИ. 2016;1:17-22.

7. Hu B., Liu Q., Zhao Q., Qi Y., Peng H. A real-time electroencephalogram (EEG) based individual identification interface for mobile security in ubiquitous environment. 2011 IEEE Asia-Pacific Services Computing Conference. 2011:436-441.

8. Marcel S., Millan J. del R. Person authentication using brainwaves (EEG) and maximum a posteriori model adaptation. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007;29;4:743–748.

9. Yang S., Deravi F. On the Usability of Electroencephalographic Signals for Biometric Recognition: A Survey. IEEE Transactions on Human-Machine Systems. 2017;47;6:958– 969.

10. Rahman M.W., Gavrilova M. Overt mental stimuli of brain signal for person identification. 2016 International Conference on Cyberworlds. 2016:197–203.

11. Chan H.-L., Kuo P.-C., Cheng C.-Y., Chen, Y.-S. Challenges and Future Perspectives on Electroencephalogram-Based Biometrics in Person Recognition. Frontiers in Neuroinformatics. 2018;12:1–15.

12. Исхаков А.Ю., Мещеряков Р.В. Схемы аутентификации пользователя в СКУД с использованием QR кодов и передачи данных по технологии NFC. Информационное противодействие угрозам терроризма. 2014;22: 11-15.

13. Богданов Д.С., Клюев С.Г. Классификация и сравнительный анализ технологий многофакторной аутентификации в Веб-приложениях. Моделирование, оптимизация и информационные технологии. 2020;8(1).

14. Исхаков А. Ю., Исхакова А. О., Мещеряков Р. В., Бендрау Р., Мелехова О. Использование тепловой карты поведения пользователя в задаче идентификации субъекта инцидента информационной безопасности. Труды СПИИРАН. 2018; 6(61):147-171.

15. Хайкин С. Нейронные сети: полный курс, 2-е изд: М. : Издательский дом «Вильямс». 2006.

16. Лебедева Н. Н., Каримова Е.Д. Устойчивость паттернов ЭЭГ человека в различных задачах: проблема аутентификации личности. Журнал высшей нервной деятельности им. И.П. Павлова, 2020;70(1):40-49.

17. Сулавко А.Е., Самотуга А.Е., Стадников Д.Г., Пасенчук В.А., Жумажанова С.С. Биометрическая аутентификация на основе параметров электроэнцефалограмм. Материалы III Международной научно-технической конференции Проблемы машиноведения. 2019;2:375-384.

18. Евсютин О.О., Мещеряков Р.В., Шумская О.О. Стегоанализ цифровых изображений с использованием наивного Байесовского классификатора. Материалы 10-й Всероссийской мультиконференции МКПУ-2017. 2017:56-58.

19. Usmonov B., Evsutin O., Iskhakov A., Shelupanov A., Iskhakova A., Meshcheryakov R. The cybersecurity in development of IoT embedded technologies. 2017 International Conference on Information Science and Communications Technologies (ICISCT). 2017:1- 4.

20. Исхаков С. Ю., Шелупанов А.А., Исхаков А.Ю. Имитационная модель комплексной сети систем безопасности. Доклады ТУСУР. 2014;2(32):82–86.