Біометрична автентифікація користувача смартфона за допомогою даних акселерометра

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorКагарлицький, Роман Євгенійович
dc.date.accessioned2023-09-16T15:17:15Z
dc.date.available2023-09-16T15:17:15Z
dc.date.issued2023
dc.description.abstractДипломна робота: 122 сторінки, 24 рисунки, 14 таблиць, 1 додаток, 39 джерел. Об’єкт дослідження – розробка нейронної мережі для задачі автентифікації користувача смартфона за допомогою даних акселерометра. В наші дні майже у кожної людини є смартфон. Ми використовуємо їх для спілкування, ведення соціальних мереж, для банківських операцій тощо. Для захисту цих пристроїв ми налаштовуємо коди, паролі, шаблони свайпів та біометричні методи, такі як розпізнавання відбитків пальців та обличчя. Це приклади методів одноразової автентифікації; вони ґрунтуються на тому, що після розблокування телефону законним користувачем він буде єдиним, хто зможе ним користуватися, доки телефон не буде повторно заблокований. Традиційні методи автентифікації (перелічені вище) вимагають від користувача виконання певних дій для логування в систему. Це негативно впливає на користувацький досвід, адже змушує користувача виконувати рутинну роботу. Мета цієї роботи полягає в створенні оптимального методу біометричної автентифікації користувача смартфона з використанням даних акселерометра, застосовуючи алгоритми і підходи глибинного навчання. Розробка такого додаткового пасивного рівня захисту зробило б наші смартфони простішими в користуванні, більш захищеними, і при цьому не вимагало б якихось складних постійних обчислень – адже отримати й обробити дані вбудованого в смартфон акселерометра дуже просто в наші дні і це не потребує потужного процесора.uk
dc.description.abstractotherBachelor thesis: 122 pages, 24 figures, 14 tables, 1 appendix, 39 sources. Research object is the development of a neural network for the task of authenticating a smartphone user using accelerometer data. These days, almost everyone has a smartphone. We use them for communication, social networking, banking, etc. To protect these devices, we set up codes, passwords, swipe patterns, and biometric methods such as fingerprint and face recognition. These are examples of one-time authentication methods; they are based on the idea that once a phone is unlocked by a legitimate user, they are the only one who can use it until the phone is re-locked. Traditional authentication methods (listed above) require the user to perform certain actions to log in to the system. This has a negative impact on the user experience, as it forces the user to perform routine work. The purpose of this work is to create an optimal method of biometric authentication of a smartphone user using accelerometer data, applying machine learning algorithms and deep learning approaches. The development of such a additional passive layer of protection would make our smartphones easier to use, more secure, and would not require any complex constant computing - after all, it is very easy to obtain and process data from the accelerometer built into a smartphone these days and it does not require a powerful processor.uk
dc.format.extent122 с.uk
dc.identifier.citationКагарлицький, Р. Є. Біометрична автентифікація користувача смартфона за допомогою даних акселерометра : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Кагарлицький Роман Євгенійович. – Київ, 2023. – 122 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60442
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectконволюційні нейронні мережіuk
dc.subjectакселерометерuk
dc.subjectчасові рядиuk
dc.subjectскалеограмаuk
dc.subjectвіконне перетворення фур'єuk
dc.subjectвейвлет-перетворенняuk
dc.subjectmachine learninguk
dc.subjectconvolutional neural networksuk
dc.subjectaccelerometeruk
dc.subjecttime seriesuk
dc.subjectscaleogramuk
dc.subjectshort-time fourier transformuk
dc.subjectwavelet transformuk
dc.titleБіометрична автентифікація користувача смартфона за допомогою даних акселерометраuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kaharlytskyi_bakalavr.pdf
Розмір:
6.98 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи