Разработка и исследование программной системы биометрической аутентификации пользователя по динамике рукописной подписи с использованием нечетких признаков

Сложность надежной биометрической аутентификации пользователя по динамике рукописных подписей обусловлена их высокой внутриклассовой вариативностью, связанной с изменениями физического и эмоционального состояния человека, а также условий написания. Существующие подходы не всегда обеспечивают достаточную точность и устойчивость к этим вариациям. Данная работа посвящена исследованию и разработке программной системы биометрической аутентификации, использующей аппарат теории нечетких множеств для повышения надежности распознавания. В работе предложена оригинальная признаковая модель динамической рукописной подписи, включающая набор статических и динамических признаков, в том числе нечеткие, учитывающие неопределенность и вариативность почерка. В качестве эталона подписи используется совокупность функций принадлежности, построенных на основе компонентов признаковой модели. Предложена архитектура системы распознавания, состоящая из подсистем обучения, создания модели тестовой подписи и принятия решения о подлинности. Разработана программная система, реализующая предложенный подход, с использованием математического пакета SciLab и языка программирования C++. Система предоставляет функционал регистрации пользователей и формирования обучающей выборки на основе подписей, введенных с помощью графического планшета, а также распознавание тестовых подписей. Экспериментальное исследование проведено на базе коллекции подписей MCYT Signature 100. В ходе исследования экспериментально определено оптимальное значение степени компактности кластера для построения функций принадлежности признаков, минимизирующее коэффициент равного уровня ошибок. Результаты экспериментов демонстрируют снижение коэффициента равного уровня ошибок по сравнению с известными методами, что свидетельствует об эффективности предложенного подхода. Применение нечетких признаков способствует повышению устойчивости системы к вариациям в подписях и, как следствие, повышению надежности биометрической аутентификации в различных приложениях, требующих подтверждения личности. Результаты исследования могут быть использованы для повышения безопасности систем аутентификации и защиты конфиденциальной информации.

1. Tolosana R., Vera-Rodriguez R., Gonzalez-Garcia C., et al. ICDAR 2021 Competition on On-Line Signature Verification. In: Document Analysis and Recognition – ICDAR 2021: 16th International Conference: Proceedings, Part IV, 5–10 September 2021, Lausanne, Switzerland. Cham: Springer; 2021. pp. 723–737. https://doi.org/10.1007/978-3-030-86337-1_48

2. Guru D.S., Prakash H.N. Online Signature Verification and Recognition: An Approach Based on Symbolic Representation. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2009;31(6):1059–1073. https://doi.org/10.1109/TPAMI.2008.302

3. Jain A.K., Griess F.D., Connell S.D. On-line signature verification. Pattern Recognition. 2002;35(12):2963–2972. https://doi.org/10.1016/S0031-3203(01)00240-0

4. Kutsman V., Kolesnytskyj O. Dynamic handwritten signature identification using spiking neural network. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska. 2021;11(3):34–39. https://doi.org/10.35784/iapgos.2718

5. Maiorana E., Campisi P., Fierrez J., Ortega-Garcia J., Neri A. Cancelable Templates for Sequence-Based Biometrics with Application to On-line Signature Recognition. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans. 2010;40(3):525–538. https://doi.org/10.1109/TSMCA.2010.2041653

6. Maiorana E., Martinez-Diaz M., Campisi P., Ortega-Garcia J., Neri A. Template Protection for HMM-based On-Line Signature Authentication. In: 2008 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, 23–28 June 2008, Anchorage, AK, USA. IEEE; 2008. pp. 1–6. https://doi.org/10.1109/CVPRW.2008.4563114

7. Zadeh L.A. Similarity relations and fuzzy orderings. Information Sciences. 1971;3(2):177–200. https://doi.org/10.1016/s0020-0255(71)80005-1

8. Zalasiński M., Cpałka K., Laskowski Ł., Wunsch D.C., Przybyszewski K. An Algorithm for the Evolutionary-Fuzzy Generation of on-Line Signature Hybrid Descriptors. Journal of Artificial Intelligence and Soft Computing Research. 2020;10(3):173–187. https://doi.org/10.2478/jaiscr-2020-0012

9. Anikin I., Anisimova E. Framework for Biometric User Authentication Based on a Dynamic Handwritten Signature. In: Cyber-Physical Systems: Intelligent Models and Algorithms. Cham: Springer; 2022. pp. 219–231. https://doi.org/10.1007/978-3-030-95116-0_18

10. Anisimova E.S., Anikin I.V. Fuzzy Sets Theory Approach for Recognition Handwritten Signatures. In: Advances in Automation II: Proceedings of the International Russian Automation Conference, RusAutoConf2020, 6–12 September 2020, Sochi, Russia. Cham: Springer; 2021. pp. 969–982. https://doi.org/10.1007/978-3-030-71119-1_93