Научные статьи \ Общие вопросы науки и культуры \ Информационные технологии. Вычислительная техника. Обработка данных \ Прикладные информационные (компьютерные) технологии. Методы основанные на применении компьютеров

Аутентификация пользователя по динамике подписи на основе нечёткого классификатора

Аутентификация пользователя по динамике подписи на основе нечёткого классификатора

Автор: Ходашинский Илья Александрович, Костюченко Евгений Юрьевич, Сарин Константин Сергеевич, Анфилофьев Александр Евгеньевич, Бардамова Марина Борисовна, Самсонов Сергей Сергеевич, Филимоненко Игорь Витальевич

Журнал: Компьютерная оптика @computer-optics

Рубрика: Обработка изображений, распознавание образов

Статья в выпуске: 4 т.42, 2018 года.

Бесплатный доступ

Анализ динамики подписи является одним из наиболее быстрых, интуитивно понятных и экономичных инструментов аутентификации пользователей. Динамическое распознавание подписи основано на анализе нескольких характеристик почерка индивидуума, таких как параметры движения, давление, азимут и угол наклона пера в определенные моменты времени, а также скорости и ускорения вышеперечисленных величин. В нашей работе в качестве признаков были использованы постоянная составляющая и первые семь гармоник разложения данных сигналов в ряд Фурье. Создание систем подтверждения подлинности подписи включает следующие этапы: предобработка, отбор информативных признаков, классификация. Для отбора признаков использованы бинарные метаэвристические и детерминированные алгоритмы. Классификация выполнялась с помощью нечеткого классификатора. Параметры нечетких классификаторов настраивались непрерывными метаэвристическими алгоритмами. Работоспособность системы аутентификации проверена на авторской базе данных. База данных содержит 280 оригинальных вариантов подписи одного автора и 1281 вариант фальсификаций (поддельных подписей) семи авторов. Для оценки статистической значимости различий в точности и ошибках нечетких классификаторов, сформированных метаэвристическими алгоритмами, использованы критерий Манна-Уитни (Уилкоксона) и тест Крускала-Уоллиса.

Еще

Распознавание образов, обработка информации, алгоритмы, отбор признаков, нечеткий классификатор, распознавание подписи

Короткий адрес: https://sciup.org/140238427

IDR: 140238427   |   DOI: 10.18287/2412-6179-2018-42-4-657-666

Dynamic-signature-based user authentication using a fuzzy classifier

Dynamic signature verification is one of the most fast, intuitive, and cost effective tools for user authentication. Dynamic signature recognition uses multiple characteristics in the analysis of an individual's handwriting. Dynamic characteristics include the velocity, acceleration, timing, pressure, and direction of the signature strokes, all analyzed in the x, y, and z directions. In this paper, the constant term and the first seven harmonics of the Fourier series expansion of the signature were used as features. The authentication systems development includes the following stages: preprocessing, feature selection, classification. Binary metaheuristic algorithms and deterministic algorithms are used to select attributes. The classification was carried out using a fuzzy classifier. The fuzzy classifiers parameters were tuned using continuous metaheuristic algorithms. The efficiency of the authentication system was verified on the author's database. The database contains 280 original variants of the signature of one author and 1281 variants of counterfeit signatures of seven authors. To assess the statistical significance of differences in the accuracy and error rates of the fuzzy classifiers formed by metaheuristic algorithms, the Mann-Whitney (-Wilcoxon) U-test to compare medians and the Kruskal-Wallis test were used.

Еще

Список литературы Аутентификация пользователя по динамике подписи на основе нечёткого классификатора

  • Ortega-Garcia, J. Authentication gets personal with biometrics/J. Ortega-Garcia, J. Bigun, D. Reynolds, J. Gonzalez-Rodriguez//IEEE Signal Processing Magazine. -2004. -Vol. 21, Issue 2. -P. 50-62. - DOI: 10.1109/MSP.2004.1276113
  • Ortega-Garcia, J. Authentication gets personal with biometrics/J. Ortega-Garcia, J. Bigun, D. Reynolds, J. Gonzalez-Rodriguez//IEEE Signal Processing Magazine. -2004. -Vol. 21, Issue 2. -P. 50-62. - DOI: 10.1109/MSP.2004.1276113
  • Gupta, G. A review of dynamic handwritten signature verification/G. Gupta, A. McCabe//Technical report at James Cook University, Australia. -1997.
  • Gupta, G. A review of dynamic handwritten signature verification/G. Gupta, A. McCabe//Technical report at James Cook University, Australia. -1997.
  • Zalasiński, M. Fuzzy-genetic approach to identity verification using a handwritten signature/M. Zalasiński, K. Cpałka, L. Rutkowski. -In Book: Advances in data analysis with computational intelligence/ed. by A. Gawęda, J. Kacprzyk, L. Rutkowski, G. Yen. -Cham: Springer, 2018. -P. 375-394. - DOI: 10.1007/978-3-319-67946-4_17
  • Zalasiński, M. Fuzzy-genetic approach to identity verification using a handwritten signature/M. Zalasiński, K. Cpałka, L. Rutkowski. -In Book: Advances in data analysis with computational intelligence/ed. by A. Gawęda, J. Kacprzyk, L. Rutkowski, G. Yen. -Cham: Springer, 2018. -P. 375-394. - DOI: 10.1007/978-3-319-67946-4_17
  • Аникин, И.В. Распознавание динамической рукописной подписи на основе нечёткой логики/И.В. Аникин, Э.С. Анисимова//Вестник Казанского государственного энергетического университета. -2016. -Т. 31, № 3. -С. 48-64.
  • Аникин, И.В. Распознавание динамической рукописной подписи на основе нечёткой логики/И.В. Аникин, Э.С. Анисимова//Вестник Казанского государственного энергетического университета. -2016. -Т. 31, № 3. -С. 48-64.
  • Kholmatov, A. Identity authentication using improved online signature verification method/A. Kholmatov, B. Yanikoglu//Pattern Recognition Letters. -2005. -Vol. 26, Issue 15. -P. 2400-2408. - DOI: 10.1016/j.patrec.2005.04.017
  • Kholmatov, A. Identity authentication using improved online signature verification method/A. Kholmatov, B. Yanikoglu//Pattern Recognition Letters. -2005. -Vol. 26, Issue 15. -P. 2400-2408. - DOI: 10.1016/j.patrec.2005.04.017
  • Sharma, A. An enhanced contextual DTW based system for online signature verification using vector quantization/A. Sharma, S. Sundaram//Pattern Recognition Letters. -2016. -Vol. 84, Issue C. -P. 22-28. - DOI: 10.1016/j.patrec.2016.07.015
  • Sharma, A. An enhanced contextual DTW based system for online signature verification using vector quantization/A. Sharma, S. Sundaram//Pattern Recognition Letters. -2016. -Vol. 84, Issue C. -P. 22-28. - DOI: 10.1016/j.patrec.2016.07.015
  • Xia, X. Signature alignment based on GMM for on-line signature verification/X. Xia, Z. Chen, F. Luan, X. Song//Pattern Recognition. -2017. -Vol. 65, Issue C. -P. 188-196. - DOI: 10.1016/j.patcog.2016.12.019
  • Xia, X. Signature alignment based on GMM for on-line signature verification/X. Xia, Z. Chen, F. Luan, X. Song//Pattern Recognition. -2017. -Vol. 65, Issue C. -P. 188-196. - DOI: 10.1016/j.patcog.2016.12.019
  • Khan, M.A.U. Velocity-image model for online signature verification/M.A.U. Khan, M.K. Khan, M.A. Khan//IEEE Transactions on Image Processing. -2006. -Vol. 15, Issue 11. -P. 3540-3549. - DOI: 10.1109/TIP.2006.877517
  • Khan, M.A.U. Velocity-image model for online signature verification/M.A.U. Khan, M.K. Khan, M.A. Khan//IEEE Transactions on Image Processing. -2006. -Vol. 15, Issue 11. -P. 3540-3549. - DOI: 10.1109/TIP.2006.877517
  • Razzak, M.I. Multilevel fusion for fast online signature recognition using multi-section VQ and time modelling/M.I. Razzak, B. Alhaqbani//Neural Computing and Applications. -2015. -Vol. 26, Issue 5. -P. 1117-1127. - DOI: 10.1007/s00521-014-1779-6
  • Razzak, M.I. Multilevel fusion for fast online signature recognition using multi-section VQ and time modelling/M.I. Razzak, B. Alhaqbani//Neural Computing and Applications. -2015. -Vol. 26, Issue 5. -P. 1117-1127. - DOI: 10.1007/s00521-014-1779-6
  • Cpałka, K. A new algorithm for identity verification based on the analysis of a handwritten dynamic signature/K. Cpałka, M. Zalasiński, L. Rutkowski//Applied Soft Computing. -2016. -Vol. 43. -P. 47-56.
  • Cpałka, K. A new algorithm for identity verification based on the analysis of a handwritten dynamic signature/K. Cpałka, M. Zalasiński, L. Rutkowski//Applied Soft Computing. -2016. -Vol. 43. -P. 47-56.
  • Doroz, R. Dynamic signature verification method based on association of features with similarity measures/R. Doroz, P. Porwik, T. Orczyk//Neurocomputing. -2016. -Vol. 171. -P. 921-931. - DOI: 10.1016/j.neucom.2015.07.026
  • Doroz, R. Dynamic signature verification method based on association of features with similarity measures/R. Doroz, P. Porwik, T. Orczyk//Neurocomputing. -2016. -Vol. 171. -P. 921-931. - DOI: 10.1016/j.neucom.2015.07.026
  • Nanni, L. Combining local, regional and global matchers for a template protected on-line signature verification system/L. Nanni, E. Maiorana, A. Lumini, P. Campisi//Expert Systems with Applications. -2010. -Vol. 37, Issue 5. -P. 3676-3684. - DOI: 10.1016/j.eswa.2009.10.023
  • Nanni, L. Combining local, regional and global matchers for a template protected on-line signature verification system/L. Nanni, E. Maiorana, A. Lumini, P. Campisi//Expert Systems with Applications. -2010. -Vol. 37, Issue 5. -P. 3676-3684. - DOI: 10.1016/j.eswa.2009.10.023
  • Jalalirad, A. Using feature-based models with complexity penalization for selecting features/A. Jalalirad, T. Tjalkens//Journal of Signal Processing Systems. -2018. -Vol. 90, Issue 2. -P. 201-210. - DOI: 10.1007/s11265-016-1152-3
  • Jalalirad, A. Using feature-based models with complexity penalization for selecting features/A. Jalalirad, T. Tjalkens//Journal of Signal Processing Systems. -2018. -Vol. 90, Issue 2. -P. 201-210. - DOI: 10.1007/s11265-016-1152-3
  • Alkuhlani, A. Multistage feature selection approach for high-dimensional cancer data/A. Alkuhlani, M. Nassef, I. Farag//Soft Computing. -2017. -Vol. 21, Issue 22. -P. 6895-6906. - DOI: 10.1007/s00500-016-2439-9
  • Alkuhlani, A. Multistage feature selection approach for high-dimensional cancer data/A. Alkuhlani, M. Nassef, I. Farag//Soft Computing. -2017. -Vol. 21, Issue 22. -P. 6895-6906. - DOI: 10.1007/s00500-016-2439-9
  • Bolón-Canedo, V. Feature selection for high-dimensional data/V. Bolón-Canedo, N. Sánchez-Maroño, A. Alonso-Betanzos. -London: Springer, 2015. -148 p. -ISBN: 978-3-319-21857-1.
  • Bolón-Canedo, V. Feature selection for high-dimensional data/V. Bolón-Canedo, N. Sánchez-Maroño, A. Alonso-Betanzos. -London: Springer, 2015. -148 p. -ISBN: 978-3-319-21857-1.
  • Иванов, А.И. Оценка надежности верификации автографа на основе искусственных нейронных сетей, сетей многомерных функционалов Байеса и сетей квадратичных форм/А.И. Иванов, П.С. Ложников, А.Е. Сулавко//Компьютерная оптика. -2017. -Т. 41, № 5. -С. 765-774. - DOI: 10.18287/2412-6179-2017-41-5-765-774
  • Иванов, А.И. Оценка надежности верификации автографа на основе искусственных нейронных сетей, сетей многомерных функционалов Байеса и сетей квадратичных форм/А.И. Иванов, П.С. Ложников, А.Е. Сулавко//Компьютерная оптика. -2017. -Т. 41, № 5. -С. 765-774. - DOI: 10.18287/2412-6179-2017-41-5-765-774
  • Kostyuchenko, E. Integration of Bayesian classifier and perceptron for problem identification on dynamics signature using a genetic algorithm for the identification threshold selection/E. Kostyuchenko, M. Gurakov, E. Krivonosov, M. Tomyshev, R. Mescheryakov, I. Hodashinsky. -In book: Advances in Neural Networks -ISNN 2016/ed. by L. Cheng, Q. Liu, A. Ronzhin. -Cham: Springer, 2016. -P. 620-627. - DOI: 10.1007/978-3-319-40663-3_71
  • Kostyuchenko, E. Integration of Bayesian classifier and perceptron for problem identification on dynamics signature using a genetic algorithm for the identification threshold selection/E. Kostyuchenko, M. Gurakov, E. Krivonosov, M. Tomyshev, R. Mescheryakov, I. Hodashinsky. -In book: Advances in Neural Networks -ISNN 2016/ed. by L. Cheng, Q. Liu, A. Ronzhin. -Cham: Springer, 2016. -P. 620-627. - DOI: 10.1007/978-3-319-40663-3_71
  • Мех, М.А. Сравнительный анализ применения методов дифференциальной эволюции для оптимизации параметров нечётких классификаторов/М.А. Мех, И.А. Ходашинский//Известия Российской академии наук. Теория и системы управления. -2017. -№ 4. -С. 65-75. - DOI: 10.7868/S0002338817040060
  • Мех, М.А. Сравнительный анализ применения методов дифференциальной эволюции для оптимизации параметров нечётких классификаторов/М.А. Мех, И.А. Ходашинский//Известия Российской академии наук. Теория и системы управления. -2017. -№ 4. -С. 65-75. - DOI: 10.7868/S0002338817040060
  • Rashedi, E. GSA: A gravitational search algorithm/E. Rashedi, H. Nezamabadi-pour, S. Saryazdi//Information Sciences. -2009. -Vol. 179, Issue 13. -P. 2232-2248. - DOI: 10.1016/j.ins.2009.03.004
  • Rashedi, E. GSA: A gravitational search algorithm/E. Rashedi, H. Nezamabadi-pour, S. Saryazdi//Information Sciences. -2009. -Vol. 179, Issue 13. -P. 2232-2248. - DOI: 10.1016/j.ins.2009.03.004
  • Mehrabian, A.R. A novel numerical optimization algorithm inspired from weed colonization/A.R. Mehrabian, C. Lucas//Ecological Informatics. -2006. -Vol. 1, Issue 4. -P. 355-366. - DOI: 10.1016/j.ecoinf.2006.07.003
  • Mehrabian, A.R. A novel numerical optimization algorithm inspired from weed colonization/A.R. Mehrabian, C. Lucas//Ecological Informatics. -2006. -Vol. 1, Issue 4. -P. 355-366. - DOI: 10.1016/j.ecoinf.2006.07.003
  • Yang, X.-S. Engineering optimisation by cuckoo search/X.-S. Yang, S. Deb//International Journal of Mathematical Modelling and Numerical Optimisation. -2010. -Vol. 1, Issue 4. -P. 330-343. - DOI: 10.1504/IJMMNO.2010.035430
  • Yang, X.-S. Engineering optimisation by cuckoo search/X.-S. Yang, S. Deb//International Journal of Mathematical Modelling and Numerical Optimisation. -2010. -Vol. 1, Issue 4. -P. 330-343. - DOI: 10.1504/IJMMNO.2010.035430
  • Yang, X.-S. Cuckoo search: recent advances and applications/X.-S. Yang, S. Deb//Neural Computing and Applications. -2014. -Vol. 24, Issue 1. -P. 169-174. - DOI: 10.1007/s00521-013-1367-1
  • Yang, X.-S. Cuckoo search: recent advances and applications/X.-S. Yang, S. Deb//Neural Computing and Applications. -2014. -Vol. 24, Issue 1. -P. 169-174. - DOI: 10.1007/s00521-013-1367-1
  • Zhao, R. Monkey algorithm for global numerical optimization/R. Zhao, W. Tang//Journal of Uncertain Systems. -2008. -Vol. 2, Issue 3. -P. 165-176.
  • Zhao, R. Monkey algorithm for global numerical optimization/R. Zhao, W. Tang//Journal of Uncertain Systems. -2008. -Vol. 2, Issue 3. -P. 165-176.
  • Gandomi, A.H. Krill herd: A new bio-inspired optimization algorithm/A.H. Gandomi, A.H. Alavi//Communications in Nonlinear Science and Numerical Simulation. -2012. -Vol. 17, Issue 12. -P. 4831-4845. - DOI: 10.1016/j.cnsns.2012.05.010
  • Gandomi, A.H. Krill herd: A new bio-inspired optimization algorithm/A.H. Gandomi, A.H. Alavi//Communications in Nonlinear Science and Numerical Simulation. -2012. -Vol. 17, Issue 12. -P. 4831-4845. - DOI: 10.1016/j.cnsns.2012.05.010
  • Yu, L. Feature selection for high-dimensional data: A fast correlation-based filter solution/L. Yu, H. Liu//Proceedings of the 12th International Conference on Machine Learning (ICML-03). -2003. -P. 856-863.
  • Yu, L. Feature selection for high-dimensional data: A fast correlation-based filter solution/L. Yu, H. Liu//Proceedings of the 12th International Conference on Machine Learning (ICML-03). -2003. -P. 856-863.
  • Sarin, K.S. Identification of fuzzy classifiers based on the mountain clustering and cuckoo search algorithms/K.S. Sarin, I.A. Hodashinsky//2017 International Siberian Conference on Control and Communications (SIBCON). -2017. -6 p. - DOI: 10.1109/SIBCON.2017.7998553
  • Sarin, K.S. Identification of fuzzy classifiers based on the mountain clustering and cuckoo search algorithms/K.S. Sarin, I.A. Hodashinsky//2017 International Siberian Conference on Control and Communications (SIBCON). -2017. -6 p. - DOI: 10.1109/SIBCON.2017.7998553
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp