Особенности распознавания подлога подписи человеком как первичные критерии для разработки системы искусственного интеллекта
Автор: Бахтеев Д. В.
Журнал: Сибирское юридическое обозрение @vestnik-omua
Рубрика: Криминалистика, судебно-экспертная деятельность, оперативно-розыскная деятельность
Статья в выпуске: 4 т.17, 2020 года.
Бесплатный доступ
Современные возможности компьютеров вернули интерес к технологиям искусственного интеллекта. Частным направлением применения этих технологий является распознавание образов, которое может быть применено к традиционной криминалистической задаче - определению признаков подлога (имитации) подписи. Результаты такой имитации бывают трех типов: автоподлог, простые и квалифицированные подлоги. В рамках данного исследования рассматриваются именно квалифицированные подлоги. Описываются онлайновый и офлайновый подходы к исследованию подписей и иного почеркового материала. Разрабатываемая система искусственного интеллекта на основе искусственной нейронной сети относится к офлайновому типу распознавания подписей, т. е. она ориентирована на работу исключительно с последствиями выполнения подписи - ее графическим изображением. Излагаются содержание и принципы формирования гипотезы для разработки системы искусственного интеллекта при сочетании гуманитарного (юридического) знания с естественно-техническим. На первоначальном этапе исследования для создания экспериментально-прикладной системы искусственного интеллекта на основе искусственной нейронной сети, ориентированной на определение подлога подписи, было проведено анкетирование 127 человек в целях выявления способности человека обнаруживать подложные подписи. Было установлено, что в экспериментальных условиях вероятность корректного определения оригинальности или подложности подписи для респондента составляет в среднем 69,29 %. Это значение может использоваться как пороговое для выявления эффективности разрабатываемой системы искусственного интеллекта. В процессе подготовки датасета (массива для обучения и верификации его результатов) системы в части подложных подписей, были установлены некоторые криминалистически значимые особенности, проявляющиеся при имитации подписи, связанные с психологическими и анатомическими особенностями лица, выполняющего подлог, как уже известные криминалистической науке, так и новые. Подчеркивается, что совместная разработка систем искусственного интеллекта методами компьютерных наук и криминалистики способна генерировать дополнительные результаты, которые могут оказаться полезными за рамками поставленных задач исследования.
Искусственный интеллект, искусственные нейронные сети, офлайновое распознавание подписи, подлог подписи, почерковедение, подпись
Короткий адрес: https://sciup.org/143172773
IDR: 143172773 | УДК: 004.93+343.98.06 | DOI: 10.19073/2658-7602-2020-17-4-514-522
Features of signature verification by a person as a primary criteria for developing an artificial intelligence system
The modern capabilities of computers have returned interest in artificial intelligence technologies. A particular area of application of these technologies is pattern recognition, which can be applied to the traditional forensic task - identification of signs of forgery (imitation) of a signature. The results of forgery are differentiated into three types: auto-forgery, simple and skilled forgeries. Only skilled forgeries are considered in this study. The online and offline approaches to the study of signatures and other handwriting material are described. The developed artificial intelligence system based on an artificial neural network refers to the offline type of signature recognition - that is, it is focused on working exclusively with the consequences of the signature - its graphic image. The content and principles of the formation of a hypothesis for the development of an artificial intelligence system are described with a combination of humanitarian (legal) knowledge and natural-technical knowledge. At the initial stage of the study, in order to develop an experimental-applied artificial intelligence system based on an artificial neural network focused on identifying forged signatures, 127 people were questioned in order to identify a person's ability to detect fake signatures. It was found that under experimental conditions the probability of a correct determination of the originality or forgery of the presented signature for the respondent is on average 69.29 %. Accordingly, this value can be used as a threshold for determining the effectiveness of the developed artificial intelligence system. In the process of preparing the dataset (an array for training and verification of its results) of the system in terms of fraudulent signatures, some forensically significant features were revealed, associated with the psychological and anatomical features of the person performing the forgery, both known to criminalistics and new ones. It is emphasized that the joint development of artificial intelligence systems by the methods of computer science and criminalistics can generate additional results that may be useful outside the scope of the research tasks.
Список литературы Особенности распознавания подлога подписи человеком как первичные критерии для разработки системы искусственного интеллекта
- Козочкин В. М., Рыбалкин Н. А. Судебно-почерковедческая экспертиза подписей, выполненных с подражанием подписям другого лица // Известия Тульского государственного университета. Экономические и юридические науки. 2016. № 4-2. С. 125-130.
- Криминалистическое исследование подписи: учеб. пособие / В. Ю. Федорович; под общ. ред. В. Ю. Федоровича. М.: Юрайт, 2020. 142 с.
- Охлупина А. Н. Теоретические, методические и организационно-тактические основы применения интеллектуальных систем в судебно-почерковедческом исследовании подписей: дис. … канд. юрид. наук. М., 2019. 192 с.
- Регулирование робототехники: введение в "робоправо". Правовые аспекты развития робототехники и технологий искусственного интеллекта / В. В. Архипов; под ред. А. В. Незнамова. М.: Инфотропик Медиа, 2018. 232 с.
- Тимофеев А. В. Роботы и искусственный интеллект. М.: Гл. ред. физико-мат. лит. изд-ва "Наука", 1978. 192 с.
- Федотов А. Ю. Проблемы надежности в рамках различных типов научной рациональности // Психопедагогика в правоохранительных органах. 2017. № 4 (71). С. 24-28.
- Hafemann L. G., Sabourin R., Oliveira L. S. Offline Handwritten Signature Verification - Literature Review // 2017 Seventh International Conference on Image Processing Theory, Tools and Applications (IPTA). IEEE, 2017. P. 1-8.
- DOI: 10.1109/IPTA.2017.8310112
- MCYT Baseline Corpus: A Bimodal Biometric Database / J. Ortega-Garcia// IEE Proceedings - Vision, Image and Signal Processing. 2003. Vol. 150, iss. 6. P. 395-401. :20031078.
- DOI: 10.1049/ip-vis
- Vargas F., Ferrer M., Travieso C., Alonso J. Off-line Handwritten Signature GPDS-960 Corpus // Proceedings of the International Conference on Document Analysis and Recognition (ICDAR 2007). Parana, 2007. P. 764-768.
- DOI: 10.1109/ICDAR.2007.4377018
- Radhika K. S., Gopika S. Online and Offline Signature Verification: A Combined Approach // Procedia Computer Science. 2015. Vol. 46. P. 1593-1600.
- DOI: 10.1016/j.procs.2015.02.089
- SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification / S. Dey. URL: https://arxiv.org/abs/1707.02131
