Система біометричної верифікації користувача на основі методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorГаврилович, Марія Павлівна
dc.date.accessioned2020-03-06T13:22:35Z
dc.date.available2020-03-06T13:22:35Z
dc.date.issued2019-12
dc.description.abstractenMaster thesis: 60 p., 10 fig., 25 tables., 20 sources. A comparative analysis of the use of recurrent auto-encoders as a component of the proposed automated decision support system for biometric verification of the behavioral type user from the indicators of the chest accelerometer sensor is carried out. The purpose of the proposed system is to perform continuous, implicit user verification based on the accelerometer, to improve the security of the use of the application or device, as well as improve user interaction with the device. The goal of research is to build a continuous-based user biometric verification system based on accelerometer data using unsupervised deep learning recurrent algorithms. The subject of the study is to build a biometric verification system using machine learning methods. The object of the study is data from a user's device, namely a breast accelerometer. Auto-encoders enable one-class classification, ie non-teacher training, as well as additional layers in the network architecture to automatically generate features and encode a data input into a feature vector, which greatly facilitates data processing and makes the system more automated. The purpose of the model is to define the boundaries of the positive class, namely to distinguish a specific user from others, that is, to solve the problem of detecting anomalies. The comparative analysis compared three types of recurrent auto-encoders with recurrent units of long-short term memory type with two methods of classical machine learning (one-class support vector machines and “isolation” forest) which required manual feature generation. Proof of concepts of using recurrent autoencoders for biometric verification was implemented and tested on the open-source dataset. Usage of recurrent autoencoders for user behavioral-based verification has shown robust and high accuracy results and the ability of implementing such algorithms in modern security systems. Further research can include using more sophisticated models such as stacked autoencoders and also propose some complex vector metric for evaluating the results of such kind of models.uk
dc.description.abstractukМагістерська дисертація: 60 с., 10 рис., 25 табл., 20 джерел. Здійснено порівняльний аналіз використання періодичних автокодувальників як складової запропонованої автоматизованої системи підтримки прийняття рішень для біометричної верифікації користувача поведінкового типу за показниками датчика грудного акселерометра. Метою запропонованої системи є здійснення постійної, неявної перевірки користувача на основі акселерометра, для підвищення безпеки використання програми чи пристрою, а також поліпшення взаємодії користувачів з пристроєм. Предметом дослідження є побудування системи біометричної верифікації з допомогою методів машинного навчання. Об’єктом дослідження є дані з пристрою користувача а саме нагрудного акселерометра. Автокодувальники дають змогу реалізовувати однокласову класифікацію, тобто навчання без вчителя, а також за допомогою додаткових шарів в архітектурі мережі дозволяють автоматично провести генерацію признаків та кодувати вхідний зразок даних в вектор признаків, що значним чином полегшує обробку даних та робить систему більш автоматизованою. Ціллю моделі є визначити границі позитивного класу, а саме відрізняти конкретного користувача від інших, тобто розв’язувати задачу виявлення аномалій. В ході порівняльного аналізу було порівняно три типи рекурентних автокодувальників з архітектурою рекурентних вузлів типу “довгої короткочасної пам’яті” з двома методами класичного машинного навчання (однокласові опорні векторні машини та “ізоляційний” ліс), для яких необхідна була ручна генерація признаків. Реалізація концепції використання рекурентних автокодувальників для біометричної верифікації була імплементована та протестована на відкритому наборі даних. Використання рекурентних автокодувальників для верифікації на основі поведінкових патернів показало надійні та високоточні результати та можливість впровадження таких алгоритмів у сучасних системах безпеки. Подальше дослідження може включати використання більш досконалих моделей, таких як ансамблі автокодувальників, а також розробка більш складних векторних метрик для оцінки результатів подібних моделей.uk
dc.format.page60 c.uk
dc.identifier.citationГаврилович, М. П. Система біометричної верифікації користувача на основі методів машинного навчання : магістерська дис. : 122 Комп'ютерні науки / Гаврилович Марія Павлівна. - Київ, 2019. - 60 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/32157
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectбіометрична верифікаціяuk
dc.subjectрекурентні автокодувальникиuk
dc.subjectвиявлення аномалійuk
dc.subjectваріаційний автокодувальникuk
dc.subjectbiometric verificationuk
dc.subjectrecurrent auto-encoderuk
dc.subjectanomaly detectionuk
dc.subjectvariational auto-encoderuk
dc.subject.udc004.89uk
dc.titleСистема біометричної верифікації користувача на основі методів машинного навчанняuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи