IX Международная студенческая научная конференция Студенческий научный форум - 2017

Характеристики безопасности данных в существующих условиях имеют большее значение, актуальным является формирование надежных способов распознавания личности [1-3].

Автоматические методы распознавания отпечатков пальцев возникли уже несколько десятилетий назад, их применяли, как правило, правоохранительные органы. Биометрические технологии на настоящий момент стали альтернативой для традиционных систем распознавания в разных компаниях.

Биометрия является комбинацией совокупности технологий и криминалистических подходов, один из примеров – это дактилоскопия. Можно распознавать не только при помощи отпечатков пальцев. Биометрические характеристики связаны с кодом ДНК, радужной оболочкой глаз, формой капиллярных рисунков на сетчатке глаз, особенностями форм лиц и ушей, скоростями клавиатурного набора, а формой узоров вен на поверхности запястья.

Нельзя говорить о том, что все подходы, связанные с биометрической идентификацией считаются надежными и точными на 100 % [4, 5]. Наиболее точным считают проведение анализа структур ДНК, хотя это довольно дорогостоящая и сложная операция. Затем идет радужная оболочка и глазная сетчатка, отпечатки пальцев.

В биометрических системах выделяют две компоненты: в первой из них идет регистрации, во второй – идентификация пользователя.

Если распознается лицо, то ориентируются на шаблоны – глаза, уши, рот и т.д.

Есть возможности для того, чтобы группировать несколько подходов в одной системе распознавания [6-8]. Тогда ее характеристики надежности будут больше, однако будет увеличиваться стоимость [9, 10].

Среди недостатков биометрии можно отметить – дороговизну решений, проблемы обеспечения универсальности методик, вероятность того, что систему обманут, проблемы обеспечения единства стандартизации.

ЛИТЕРАТУРА

1. Скубицкий А. В. Анализ применимости метода реконструкции динамических систем в системах биометрической идентификации по клавиатурному почерку / А. В. Скубицкий // Инфокоммуникационные технологии, Том 6, № 1, 2008, с.51-53.

2. Чопоров О.Н. Методы предварительной обработки информации при системном анализе и моделировании медицинских систем / О.Н.Чопоров, Н.В.Наумов, Л.А.Куташова, А.И.Агарков // Врач-аспирант. 2012. Т. 55. № 6.2. С. 382-390.

3. Клименко Г.Я. Методика и результаты преобразования лингвистических характеристик в численные оценки факторов риска / Г.Я.Клименко, В.П.Косолапов, О.Н.Чопоров // Консилиум. 2001. № 4. С. 25.

4. Матвеев Ю.Н. Технологии биометрической идентификации личности по голосу и другим модальностям / Ю.Н.Матвеев // Вестник МГТУ им. Н.Э. Баумана. Сер. "Приборостроение". 2012, с.46-61.

5. Сесин Е.М. Системы идентификации личности, основанные на интеграции нескольких биометрических характеристик человека / Е.М.Сесин, В.М.Белов // Доклады ТУСУРа, № 1 (25), часть 2, июнь 2012, с. 175-179

6. Воронов А.А. Применение методологического анализа в исследовании безопасности / А.А. Воронов, И.Я. Львович // Информация и безопасность. 2011. Т. 14. № 3. С. 469.

7. Иванов М.С. Разработка алгоритма отсечения деревьев / М.С.Иванов, Ю.П.Преображенский // Вестник Воронежского института высоких технологий. 2008. № 3. С. 031-032.

8. Зяблов Е.Л. Разработка лингвистических средств интеллектуальной поддержки на основе имитационно-семантического моделирования / Е.Л.Зяблов, Ю.П.Преображенский // Вестник Воронежского института высоких технологий. 2009. № 5. С. 024-026.

9. Кайдакова К.В. Проблемы защиты информации в современных электронных документах / К.В.Кайдакова // Успехи современного естествознания. 2012. № 6. С. 107-108.

10. Паневин Р.Ю. Реализация транслятора имитационно-семантического моделирования / Р.Ю.Паневин, Ю.П.Преображенский // Вестник Воронежского института высоких технологий. 2009. № 5. С. 057-060.

Код для цитирования: Скопировать