Методы и средства синтеза автоматов мультибиометрической аутентификации

• Автор: Майоров, Александр Викторович
• Шифр специальности: 05.13.17, 05.13.19
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Пенза
• Количество страниц: 185 с. : ил.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ
1 МЕТОДЫ ЗАЩИТЫ БИОМЕТРИЧЕСКИХ ПРИЛОЖЕНИЙ ОТ ПОПЫТОК ИССЛЕДОВАНИЯ ВНЕ ДОВЕРЕННОЙ СРЕДЫ
1.1 Задача защиты биометрических приложений от попыток исследования вне доверенной среды
1.2 Методы защиты исполняемого кода от исследования
1.3 Шифрование и упаковка кода
1.4 Обфускация программ
1.5 Генераторы полиморфных программ
1.6 Контроль целостности и защита от модификации
1.7 Трансляторы и компиляторы времени исполнения
1.8 Гомоморфные преобразования
1.9 Превентивные меры контроля доступа
1.10 Методы высоконадежной биометрической аутентификации
1.11 Использование преобразователей биометрия-код для защиты исполняемого кода
2 НАСТРАИВАЕМАЯ ХЭШ-ФУНКЦИЯ
2.1 Определение и способы реализации настраиваемой хэш-функции
2.2 Порядок работы с настраиваемой хэш-функцией
2.3 Представление обучающего множества входных параметров
2.4 Оценка качества входных и выходных параметров
2.5 Настройка нейросетевой НХФ
2.6 Оценка качества нейросетевой НХФ
2.7 Усиление хэширующих свойств нейросетевой НХФ
2.8 Экспериментальная проверка методов настройки и усиления хэширующих свойств нейросетевой НХФ
Выводы по главе
3 АВТОМАТ НАСТРАИВАЕМОЙ ХЭШ-ФУНКЦИИ
3.1 Стадии процесса высоконадежной биометрической аутентификации
3.2 Выбор представления биометрических образов
3.3 Выбор представления биометрических параметров
3.4 Представление настраиваемой хэш-функции конечным автоматом
3.5 Управление состоянием автомата
3.6 Управление параметрами обучения автомата НХФ
3.7 Сохранение состояния настроенного автомата НХФ
3.8 Индикация ошибок автомата НХФ
3.9 Моделирование работы автомата НХФ
Выводы по главе
4 АВТОМАТ МУЛЬТИБИОМЕТРИЧЕСКОГО ПРЕОБРАЗОВАНИЯ
4.1 Преимущества высоконадежной мультибиометрической аутентификации
4.2 Виды высоконадежной мультибиометрической аутентификации
4.3 Практические вопросы мультибиометрического слияния

4.4 Модель мультибиометрического преобразования
4.5 Автоматы преобразования биометрических и случайных параметров
4.6 Операции мультибиометрического преобразователя
4.7 Схемы мультибиометрического преобразования
4.8 Организация мультибиометрического контейнера
4.9 Управление обработкой команд автомата мультибиометрического преобразования
4.10 Автоматическое обучение мультибиометрического преобразователя
4.11 Выполнение преобразования биометрия-код мультибиометрическим преобразователем
4.12 Достаточность введенных классов преобразований для решения задачи мультибиометрической аутентификации
4.13 Моделирование работы автомата мультибиометрического преобразования
Выводы по главе
5 ЯЗЫК ОПИСАНИЯ ПРОЦЕССА МУЛЬТИБИОМЕТРИЧЕСКОЙ
АУТЕНТИФИКАЦИИ
5.1 Цели определения языка
5.2 Концепция языка
5.3 Модель обработки сигналов и вычислений
5.4 Графические элементы и конструкции языка
5.5 Текстовые элементы языка
Выводы по главе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ А. Экспериментальная проверка метода настройки НХФ, пределов
сжатия хранимых параметров НХФ, метода усиления хэширующих свойств НХФ
ПРИЛОЖЕНИЕ Б. Экспериментальная проверка автоматов элементарных
преобразований и автомата мультибиометрического преобразования
ПРИЛОЖЕНИЕ В. Акты внедрения
ПРИЛОЖЕНИЕ Г. Авторские справки

ВВЕДЕНИЕ
Актуальность темы. Проблема обеспечения надежной и достоверной аутентификации пользователей является одной из ключевых в развитии общества. И в этой связи средства высоконадежной биометрической аутентификации, применяемые вместе с другими способами и средствами аутентификации, позволяют обеспечить высокий уровень безопасности персональных данных граждан и защиты результатов их деятельности.
Требования к средствам высоконадежной биометрической аутентификации определяют ГОСТ Р 52633.0-2006. Стандарт регламентирует порядок использования средств высоконадежной биометрической аутентификации, определяет показатели качества их настройки, требования к хранимым параметрам выполнения преобразования биометрия-код и не допускает открытое хранение биометрических данных граждан и личных кодов доступа.
Реализация этих требований является сложной научно-технической задачей. Большинство известных методов сравнения биометрических шаблонов, успешно применяемых в процессе биометрической идентификации (1БО/1ЕС 19784), не могут использоваться в процессе высоконадежной аутентификации. В работах О. С. Ушмаева, А. Джулса, М. Судана, Ф. Хао, Р. Андерсена, Дж. Даугмана для различных биометрических технологий показано, что использование нечетких экстракторов и методов биометрического шифрования при переходе от открытого сравнения биометрических шаблонов к их бескомпроматному преобразованию в код доступа существенно ухудшает качество работы преобразователей (вероятности ошибок первого и второго рода).
Алгоритмы обучения нейросетевых преобразователей биометрия-код и их тестирования, удовлетворяющие требованиям ГОСТ Р 52633.0-2006, впервые были описаны в работах В. И. Волчихина, В. А. Фунтикова,
А. И. Иванова, А. Ю. Малыгина. Задача практического применения алгоритмов для мультибиометрической аутентификации и защиты информации требует обобщения этих алгоритмов с целью построения универсальных автоматов мультибиометрического преобразования, инвариантных к биометрическим технологиям, характеристикам входных биометрических параметров и способам их объединения. Синтез модели функционирования автоматов мультибиометрического преобразования и языка описания процессов обработки биометрических данных позволит выполнить унификацию средств биометрической аутентификации и стандартизировать процессы их разработки, тестирования и сертификации.
Цель исследования - разработка автомата мультибиометрической аутентификации, методов и средств его синтеза.
Задачи исследования:
1) анализ методов защиты исполняемых кодов биометрических приложений от попыток исследования вне доверенной среды;
2) разработка методов усиления хэширующих свойств преобразователя биометрия-код и повышение универсальности методов его настройки:
3) разработка автомата преобразования биометрия-код для использования в процессе биометрической аутентификации;
4) обобщение автомата преобразования биометрия-код для случая мультибиометрической аутентификации.
Методы исследования. В работе использованы методы теории кодирования, математической статистики, системного анализа (декомпозиции и синтеза), защиты

В силу ограниченности числа примеров [Х]свой, описывающих множество Хсвой, первое равенство (2.6) становится нестрогим, т.е. Р([Х]свой, VСвой) — 1 Значение Р1:1-Р([Х]Свой, Усвой) определяет величину ошибки первого рода. Аналогично ДЛЯ ХвсеЧужие Р([Х]всеЧужие, Усвой) 0 . Значение Рп:1-Р([Х]всечужие> Усвой) определяет величину ошибки второго рода. Отметим, что на Рг и Рц влияет алгоритм обучения НХФ, поэтому между Р1 и Рц имеется нелинейная зависимость.
Для уменьшения Р1 и Рц важным является вопрос выборы достаточного размера примеров обучающих множеств. Множество Усвой состоит из одного значения, поэтому оно определяется однозначно. Множество Хсвой на практике ограничивается примерами, которые вводятся донором личной биометрии. Регулируя число биометрических образов, донор личной биометрии принимает решение о достаточной для практического использования вероятности ошибки первого рода. Число примеров [Х]всеч)Жие должно выбираться с учетом достаточного приближения к Хвсечужие Для минимизации Рц. Увеличение числа примеров приводит к плавному изменению статистических параметров, которые, как показано ниже, используются в процедуре настройки НХФ. Вопросы построения и балансировки [Х]всечужие определены в ГОСТ Р 52633.1-2009 [40], ГОСТ Р 52633.2-2010 [41].
2.4 ОЦЕНКА КАЧЕСТВА ВХОДНЫХ И ВЫХОДНЫХ ПАРАМЕТРОВ
2.4.1 Оценка качества входных биометрических параметров
На вход НХФ подаются параметры различного качества, зависящего, в том числе, от размерности входного пространства X и числа примеров репрезентативных выборок [Х]свой и [Х]всеЧужие- Поэтому необходимо уметь оценивать их качество до начала настройки НХФ. В качестве возможных оценок биометрических параметров могут успешно применяться оценки стабильности, уникальности и качества [42].
Показатель стабильности параметра:
с(у,)
всеЧужие V
СТС,„Й(Ч)
гДе сг»сечУж„е(у,) _ стандартное отклонение 1-го параметра ХвсечУжИе; сс.ой(',|) — стандартное отклонение 1-го параметра Хсвой-
Показатель уникальности параметра, отражающий отличие контролируемого параметра от среднестатистического значения этого параметра, характерного для всех пользователей, вычисляемый по формуле:
. 4всеЧужие1'’'. ') 4свой(Чч
и(У,) = *
всеЧужие С 1 )
гДе 4всеЧужие (1) _ математическое ожидание иго параметра ХВСеЧужие;
Рс,0й(у,) - математическое ожидание иго параметра Хсвой-Показатель уникальности биометрического параметра:
, , ксеЧсжие (V,)- 4с,ой 0,)|
Ч(у,) = 1.
С,е.Ч>жие('',) + Освой (V.)
В то же время они имеют большую погрешность оценки, если значения биометрического параметра распределены не по нормальному закону. Это приводит к потере части информации