Студент ОмГТУ Адиль Чобан разработал метод биометрической идентификации образов электроэнцефалограмм субъекта с использованием алгоритмов свёрточных нейронных сетей.
По мнению автора, обеспечение безопасности виртуального образа становится сложной задачей. Парольная аутентификация и шифрование не являются надежными, а биометрические образы можно подделать.
«Вместе с количеством личных кабинетов пользователей возрастает число паролей, которые нужно хранить, обостряются проблемы информационной безопасности, открываются новые возможности для совершения кибератак. Альтернативным методом идентификации, который лишен перечисленных выше недостатков, может стать идентификация человека по параметрам электроэнцефалограмм. Поэтому наша цель заключается в разработке метода биометрической идентификации субъекта с использованием алгоритмов многослойных свёрточных нейронных сетей». – рассказывает Адиль об идее своей разработки.
Сначала идет сбор данных ЭЭГ. Его можно осуществить двумя способами: электроэнцефалографом и нейрогарнитурой. В первом случае на голову надевается шапочка с электродами, и с помощью специального ПО происходит запись сигнала. Во втором – нейрогарнитура, похожая на головной микрофон. Она подключается к телефону или компьютеру через Bluetooth или Wi-Fi и с помощью приложения можно начать запись сигнала. Затем сигнал очищается от шумов и делится на мелкие фрагменты. Один такой фрагмент – это отдельный образ ЭЭГ, который впоследствии преобразуется в спектрограмму.
«Основное отличие разработки в том, что мы комбинируем различные способы предобработки данных, а в качестве алгоритма распознавания используем свёрточные нейронные сети. Также нами было предложено обучать СНС на данных ЭЭГ, записанных субъектом в разные дни. Полученные результаты указывают на то, что это позволит значительно повысить надежность идентификации личности, в том числе при изменении психофизиологического состояния субъекта. Если обучать системы на данных ЭЭГ, записанных в 3-4 разных дня, результаты распознавания станут устойчивыми вне зависимости от состояния испытуемых». – отмечает автор.
Результаты исследования показывают высокую точность идентификации по ЭЭГ – 98,5%-99,99% для 10 и более электродов, и 95% – при использовании только двух лобных датчиков. Сейчас проект находится на стадии прототипа, а в скором будущем Адиль планирует представить его в качестве MVP (минимально жизнеспособной версии продукта).
Источник фото: ru.123rf.com
