Тип работы:
Предмет:
Язык работы:


Валидация пользователя, основанная на определении его характерной активности

Работа №43850

Тип работы

Дипломные работы, ВКР

Предмет

математика

Объем работы43
Год сдачи2018
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
319
Не подходит работа?

Узнай цену на написание


Введение 3
1. Теоретические основы валидации пользователя 5
1.1 Методы валидации личности, основанные на анализе ее
биометрических данных 5
1.2 Самоорганизующиеся карты Кохонена 9
2. Практическое применение самоорганизующихся карт Кохонена
для задачи идентификации пользователя 14
2.1. Модель валидации личности, основанная на применении карт Кохонена 14
2.2. Практическая реализация модели валидации пользователя ... 18
2.3. Тестирование разработанного приложения и полученные
результаты 24
Заключение 28
Литература 30
Приложения


Во многих существующих системах, например, личных кабинетах, социальных сетях, систем дистанционного обучения используются процедура авторизации пользователя. Данная процедура позволяет получить различные права на определенные действия. Права предоставляются определенному лицу либо группе лиц. Часто процесс авторизации базируется на проверке правильности ввода логина и пароля. К сожалению такая проверка не является достаточной. В качестве примера можно рассмотреть несколько ситуаций.
Предположим, существует система дистанционного обучения студентов. В данной системе существуют различные индивидуальные задания для студентов. Например, написание сочинения за определенное время. Задача состоит в том, чтобы определить действительно ли пишет сочинение тот студент, который зарегистрирован (произвести валидацию). Еще одним примером может служить следующая ситуация. Используя компьютер, совершаются различные действия (открываются различные программы, используется клавиатура, мышь и т.д.). Предположим, к компьютеру получил доступ злоумышленник и использует его в своих целях. Задача состоит в предотвращении использовании компьютера злоумышленником. Поэтому, помимо авторизации в целях обеспечения безопасности или контроля действий пользователей необходимо дополнительно использовать методы валидации. Под валидацией подразумевается подтверждение законности нахождения авторизованного пользователя в какой-либо системе.
Целью данной работы является изучение возможностей применения самоорганизующихся карт Кохонена для задачи валидации пользователя, основываясь на клавиатурном почерке и программная реализация алгоритма, построенного с использованием рассмотренного типа искусственных нейронных сетей.
Для достижения поставленной цели необходимо:
1) изучить теоретические основы методов валидации пользователя;
2) создать модель искусственной нейронной сети;
3) определить необходимые характеристики клавиатурного почерка;
4) реализовать соответствующее программное обеспечение.
В работе строится математическая модель клавиатурного почерка, при помощи которой и происходит процесс валидации, а также модификация карт Кохонена путем добавления в них специальной активационной функции. Данная функция позволяет на основании сигнала нейрона получить значение успешной валидации пользователя.
Выпускная квалификационная работа состоит из 31 страницы основного текста, десяти рисунков и четырех таблиц. Структурно работа выглядит следующим образом: введение, две главы, заключение, список
использованной литературы (14 источников), а также три приложения.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


Процесс валидации пользователя может производиться на основе неизменяемых и изменяемых биометрических данных. В настоящей работе был подробно рассмотрен такой источник изменяемых биометрических данных как клавиатурный почерк (КП). Он представляет собой набор различных характеристик, которые были выявлены в данном исследовании.
Анализ КП производился с применением линейного коэффициента корреляции (коэффициент Пирсона), а также при помощи искусственных нейронных сетей (самоорганизующихся карт Кохонена). Коэффициент корреляции Пирсона позволяет выявить линейную зависимость между случайными величинами, в качестве которых выступают некоторые характеристики клавиатурного почерка пользователя.
Самоорганизующиеся карты Кохонена представляет собой один вычислительный слой нейронов, которые расположены в двумерной решетке, содержащей некоторую меру соседства нейронов. Обучение такой сети проходит итеративным способом в три этапа: конкуренция, кооперация, синаптическая адаптация. Такая конструкция позволяет с высокой точностью кластеризовать входной вектор данных.
Для проверки работоспособности самоорганизующихся карт Кохонена, были созданы две компьютерные программы. В первой представляются средства для набора текста и считывания клавиатурного почерка пользователя. Во второй был реализован алгоритм валидации пользователя, основанный на искусственных нейронных сетях.
В качестве эксперимента в нейронную сеть были поданы различные типы клавиатурного почерка. На обучающем множестве сеть продемонстрировала хорошие результаты, после чего было решено проверить КП, не входящие в данное множество. Результат работы карт Кохонена на группе, состоявшей из примеров того человека, на котором проводилось обучение следующий. 70% верных ответов, 10% ошибочных и в 20% случаях
сеть затруднилась ответить. На группе, которая состоит из КП другого человека, но с похожим клавиатурным почерком сеть также продемонстрировала хорошие результаты, а точнее в 90% случаев валидация произошла безошибочно и только в 10% сеть ошиблась. На сильно отличающимся почерке нейронная сеть продемонстрировала 100% верный результат
Проведенные испытания показали, что построенные карты Кохонена способны с высокой точностью произвести валидацию пользователя, основываясь на его клавиатурном почерке.



1. Мазур, Е. С. Дерматоглифика в исследованиях личности: криминалистический и судебно-медицинский аспекты / Е. С. Мазур. Учебное пособие под ред. В.Н. Звягина. - Томск: Издательский дом ТГУ, 2014. -150 с.
2. Болл, Р. М. Руководство по биометрии / Р.М. Болл, Д.Х. Коннел, Ш. Панканти, Н.К. Ратха, Э.У. Сеньор; пер. Н.Е. Агаповой. - М.: Техносфера,
2007. - 368 с.
3. Рудаков, О. М. Метод биометрической аутентификации, основанный на анализе клавиатурного почерка / О.М. Рудаков // Журн. Молодой ученый. -
2016. - №11(115). - 487 с.
4. Семенов, В.А. Теория вероятностей и математическая статистика /
В.А. Семенов. Учебное пособие. - СПб.: Питер, 2013. - 192 с.
5. Харченко, М.А. Корреляционный анализ / М.А. Харченко. Учебное пособие. - Воронеж: Воронежский государственный университет, 2008. - 31 с.
6. Хайкин, С. Нейронные сети: полный курс / С. Хайкин 2-е изд., испр. Пер. с англ. -М.: ООО «И.Д.Вильямс», 2006. - 1104 с.
7. Кохонен, Т. Самоорганизующиеся карты / Т. Кохонен; пер. 3-го англ. изд. — М. : БИНОМ. Лаборатория знаний, 2008. — 655 с.
8. Каллан, Р. Основные концепции нейронных сетей / Р. Каллан. Пер. с англ. - М.: Издательский дом «Вильямс», 2001. - 287 с.
9. Национальный открытый университет «ИНТУИТ» [Электронный ресурс]: / Задачи Data Mining. Информация и знания. Режим доступа: https://www.intuit.rU/studies/courses/6/6/lecture/164, свободный.
10. Буреева, Н.Н. Многомерный статистический анализ с использованием 111111 «STATISTICA» / Н.Н Буреева. Уч. мет. пособие - Нижний Новгород,
2007. -112 с.
11. Albahari, B. C# 6.0 in a Nutshell / B. Albahari, J. Albahari. Pub. O'Reilly Media inc., 2016. -1115 c.
12. Стиллмен, Э. Изучаем C# / Э. Стиллмен, Д. Грин. 3-е изд. - СПб.: Питер, 2014. -816 с.
13. Доусон, М. Программируем на python / М. Доусон. Пер. с англ. -СПб.: «Питер», 2016. - 416 с.
14. Рейтц, К. Автостопом по Python / К. Рейтц, Т. Шлюссер. Пер. с англ. Е. Зазноба. - СПб.: «Питер», 2017. - 336 с.


Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ