ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ С МНОГОУРОВНЕВЫМИ КВАНТОВАТЕЛЯМИ В ТЕХНОЛОГИИ БИОМЕТРИКО- НЕЙРОСЕТЕВОЙ АУТЕНТИФИКАЦИИ

Актуальность и цели. В настоящее время вопросы аутентификации личности с использованием биометрических данных становятся актуальными. Преимущество искусственных нейронных сетей большого размера над классическими кодами с обнаружением и исправлением ошибок обусловлено тем, что они в момент обучения способны учитывать реальные распределения многомерных вероятностей биометрических данных, тогда как все классические коды с обнаружением и исправлением ошибок строились в гипотезе равновероятного распределения ошибок. Целью данной работы является изменение парадигмы нейросетевой обработки; предложено от бинарных нейронов (персептронов) перейти к использованию нейронов с многоуровневыми квантователями. Материалы и методы. Сравнение проведено с использованием комплексного показателя качества кодов – энтропии (близости их к «белому шуму»). Для кодов длиной порядка 20 бит расчет энтропии может быть проведен по Шеннону. Для более длинных кодов ресурсов современных машин недостаточно. Предложено анализировать только начальный участок кодовых последовательностей возрастающей длины. Далее строится экстраполирующий полином и предсказывается ожидаемое значение энтропии длинных кодов. Результаты. Результирующее значение 256-мерной энтропии кодов нейросетевого преобразователя оказалось выше, чем 51-мерная энтропия кодов «нечеткого экстрактора». Выигрыш обусловлен увеличение длины биокода несмотря на то, что длинные коды имеют более высокий уровень корреляции их разрядов. Переход от бинарных нейронов к нейронам с многоуровневыми квантователями увеличивает выигрыш примерно в миллион раз. Выводы. При переходе от бинарных нейронов к троичным нейронам длина выходного кода увеличивается в два раза, а их энтропия увеличивается примерно в полтора раза. Выигрыш, связанный с ростом энтропии биокодов, растет с числом уровней квантования в каждом нейроне. При этом проблемы обучения нейронных сетей усиливаются. Необходимо модифицировать стандартный алгоритм обучения ГОСТ Р 52633.5–2011 под сети, состоящие из смеси обычных бинарных нейронов и троичных нейронов

• Волчихин В.И.
• Иванов А.И.
• Малыгина Е.А.
• Фунтиков В.А.

• Искусство. Декоративно-прикладное искусство. Фотография. Музыка. Игры. Спорт

• Технические науки. Промышленность
• Физико-математические науки