МОДУЛЬНА НЕЙРОМЕРЕЖЕВА МОДЕЛЬ БІОМЕТРИЧНОЇ АВТЕНТИФІКАЦІЇ ПЕРСОНАЛУ ОБ’ЄКТІВ КРИТИЧНОЇ ІНФРАСТРУКТУРИ ЗА ЗОБРАЖЕННЯМ ОБЛИЧЧЯ ТА РАЙДУЖНОЮ ОБОЛОНКОЮ ОКА
DOI:
https://doi.org/10.18372/2225-5036.30.19247Ключові слова:
біометрична автентифікація, розпізнавання особи, зображення обличчя, райдужна оболонка ока, нейрона мережа, об’єкт критичної інфраструктуриАнотація
Проблематика статті пов’язана із підвищенням ефективності систем біометричної автентифікації персоналу об’єктів критичної інфраструктури. Показано, що перспективи підвищення ефективності доцільно співвіднести з вдосконаленням нейромережевих засобів, що використовуються в процесі біометричної автентифікації. В результаті проведених досліджень розроблено модульну нейромережеву модель, що забезпечує ефективну автентифікацію персоналу за зображенням обличчя та райдужною оболонкою ока на об'єкті критичної інфраструктури з урахуванням необхідності розпізнавання спуфінг-атак та оперативного оновлення даних щодо переліку легітимних представників персоналу об’єкту. Новизна запропонованої модульної нейромережевої моделі полягає у застосуванні авторських варіантів нейронних мереж, що дозволяють реалізувати розпізнавання емоційного стану зареєстрованої особи, розпізнавання спуфінг-атак на основі природності емоцій та зображень фонових об’єктів, характерних для конкретних умов відеореєстрації, та розпізнавання особи шляхом порівняння піддослідного зображення обличчя із зображеннями обличчя легітимного персоналу, що дає змогу оперативно реагувати на зміну переліку легітимних представників персоналу об’єкту критичної інфраструктури без необхідності донавчання моделі.
Посилання
Ahmad Sabri N.I., Setumin S. One-Shot Learning for Facial Sketch Recognition using the Siamese Convolutional Neural Network. 2021 IEEE 11th IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE), Penang, Malaysia, 2021, pp. 307-312. DOI: 10.1109/ISCAIE51753.2021.9431773.
Daniel N., Anitha A. Texture and quality analysis for face spoofing detection. Computers & Electrical Engineering, Volume 94, 2021, 107293, ISSN 0045-7906. DOI: 10.1016/j.compeleceng.2021.107293.
Edmunds T., Caplier A. Motion-based countermeasure against photo and video spoofing attacks in face recognition. Journal of Visual Communication and Image Representation, Volume 50, 2018, Pages 314-332, ISSN 1047-3203. DOI: 10.1016/j.jvcir.2017.12.004.
Hamdani N., Bousahba N., Bousbai A., Braikia A. Face Detection and Recognition Using Siamese Neural Network. International Journal of Computing and Digital System (Jāmiʻat al-Baḥrayn. Markaz al-Nashr al-ʻIlmī), 2023, Vol. 14, No. 1, pp. 889–897. DOI: 10.12785/ijcds/140169.
Hangaragi S., Singh T., Neelima N. Face Detection and Recognition Using Face Mesh and Deep Neural Network. Procedia Computer Science, Volume 218, 2023, pp. 741-749, ISSN 1877-0509. DOI: 10.1016/j.procs.2023.01.054.
Kumar C.R., Saranya N., Priyadharshini M., Gilchrist E.D., Rahman M.K. Face recognition using CNN and siamese network. Measurement: Sensors, Vol. 27, 2023, 100800, ISSN 2665-9174.
Li L., Correia P.L., Hadid A. Face recognition under spoofing attacks: countermeasures and research directions. IET Biometrics, 2018, Vol. 7, pp. 3-14.
Ma Y., Wu L., Li Z., Liu F. A novel face presentation attack detection scheme based on multi-regional convolutional neural networks. Pattern Recognition Letters, Volume 131, 2020, pp. 261-267, ISSN 0167-8655.
Muthukumaran B., Harshavarthanan L., Dhyaneshwar S., Sharief M.Z. Face and Iris based Human Authentication using Deep Learning. 2023. 4th International Conference on Electronics and Sustainable Communication Systems (ICESC), Coimbatore, India, 2023, pp. 841-846.
Osa E., Orukpe P.E., Iruansi U. Design and implementation of a deep neural network approach for intrusion detection systems. e-Prime - Advances in Electrical Engineering, Electronics and Energy. Vol. 7, 2024, 100434, ISSN 2772-6711.
Perdana R.N., Ardiyanto I., Nugroho H.A. A Review on Face Anti-Spoofing. IJITEE (International Journal of Information Technology and Electrical Engineering), 2021. Vol. 5, No. 1, pp. 29.
Pranav K.B., Manikandan J. Design and Evaluation of a Real-Time Face Recognition System using Convolutional Neural Networks. Procedia Computer Science. Vol. 171, 2020, pp. 1651-1659, ISSN 1877-0509.
Tran H.N., Phan P.H., Nguyen K.H., et al. Augmentation-Enhanced Deep Learning for Face Detection and Emotion Recognition in Elderly Care Robots. PREPRINT, 07 February 2024, Research Square.
Wang Y., Tan T., Jain A.K. Combining Face and Iris Biometrics for Identity Verification. In: Kittler J., Nixon M.S. (eds) Audio- and Video-Based Biometric Person Authentication. AVBPA 2003, Lecture Notes in Computer Science. Vol. 2688. Springer, Berlin, Heidelberg. 2003.
Yergesh A.K. Development of an advanced biometric authentication system using iris recognition based on a convolutional neural network. Herald of Science. Vol. 2, no. 5 (74), 2024, pp. 615-625.
Бушуєв С.Д., Кулаков Ю.О., Терейковська Л.О., Терейковський І.А., Терейковський О.І. Нейромережева модель детектування кордонів обличчя людини. Науково-технічний збірник «Управління розвитком складних систем» Київського національного університету будівництва і архітектури, 2022. Вип. 51, С. 5-11.
Корченко О.Г., Терейковський О.І. Аналіз та оцінювання засобів біометричної аутентифікації за зображенням обличчя та райдужної оболонки ока персоналу об’єктів критичної інфраструктури. Кібербезпека: освіта, наука, техніка, №1(21), 2023. С. 136-148.
Корченко О.Г., Терейковський О.І. Модель процедури розпізнавання особи за зображенням обличчя та райдужною оболонкою ока при біометричній автентифікації персоналу об’єктів критичної інфраструктури з застосуванням нейромережевих засобів. Захист інформації, №1(26), 2024. С. 157-170.
Терейковський І.А., Заріцький О.В., Терейковська Л.О., Погорелов В.В. Метод розробки архітектури глибокої нейронної мережі, призначеної для розпізнавання комп’ютерних вірусів. Захист інформації, Том 20, № 3 (2018). С. 188-199.
