Разработка математической модели и структуры нейросетевого спецпроцессора цифровой обработки сигналов, функционирующего в полиномиальной системе класса вычетов

• Автор: Шилов, Артем Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Ставрополь
• Количество страниц: 160 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. АНАЛИЗ СОВРЕМЕННЫХ СИСТЕМ КОНТРОЛЯ И УПРАВЛЕНИЯ ДОСТУПОМ

1.1. Анализ биометрических систем аутентификации и идентификации пользователей

1.2. Математическая модель нейронной сети

1.3. Цифровая обработка сигналов в поле комплексных чисел

1.4. Постановка задачи исследований

Выводы
2. РЕАЛИЗАЦИЯ ОРТОГОНАЛЬНЫХ ПРЕОБРАЗОВАНИЙ СИГНАЛОВ В РАЗЛИЧНЫХ АЛГЕБРАИЧЕСКИХ СТРУКТУРАХ.

2.1. Теоретикочисловые преобразования в полях Галуа С7г

2.2. Реализация ортогональных преобразований над прямыми суммами полей Г алуа

2.3. Реализация ортогональных преобразований в полях уменьшенной размерности
2.4. Теоретикочисловые преобразования в расширенных полях Галуа с использованием полиномиальной системы класса вычетов Выводы
3. НЕЙРОСЕТЕВАЯ РЕАЛИЗАЦИЯ ВЫЧИСЛЕНИЙ В ПОЛИНОМИНАЛЫ ЮЙ СИСТЕМЕ КЛАССА ВЫЧЕТОВ РАСШИРЕННЫХ
ПОЛЕЙ ГАЛУА
3.1. Реализация модульных операций полиномиальной системы
класса вычетов
3.2. Немодульные операции полиномиальной системы класса вычетов и их нейросетевая реализация
3.2.1. Нейросетевая реализация преобразования из позиционной
системы счисления в ПСКВ
3.2.2 Преобразование из полиномиальной системы класса вычетов в позиционную систему счисления на основе китайской теоремы об остатках и его нейросетевая реализация
3.2.3 Реализация преобразований из ПСКВ в обобщенную полиадическую систему счисления
Выводы
4. РАЗРАБОТКА МЕТОДИКИ ПОСТРОЕНИЯ НЕЙРОСЕТЕВОГО
СПЕЦПРОЦЕССОРА ЦОС
4.1. Методика построения нсйросетевого спецпроцессора ЦОС
4.2. Разработка структуры высокоскоростного спецпроцессора ЦОС
4.3. Сравнительная оценка эффективности спецпроцессора ЦОС функционирующего в полиномиальной системе класса вычетов расширенного поля Галуа
Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ


По данным International Biometric Group [9, , ] прогнозируемый рост капитала рынка биометрических технологий за пять лет составит порядка %, а годовой темп развития %. Повсеместное распространение биометрических технологий ожидается в ближайшие несколько лет. В России также высок интерес к биометрическим средствам защиты информации, поэтому в марте года, было создано «Русское биометрическое общество», а компании BioLink, Speech Technology Center, Sonda и Elsys, были включены в международную Биометрическую информационную директорию. Кроме того, ряд крупных научных центров (ТРТУ, СПбГТУ, МГУ и др. СКУД. Для выявления путей повышения эффективности систем контроля и управления доступом, использующих биометрические характеристики необходимо провести анализ существующих систем биометрической идентификации и аутентификации. Биометрические средства защиты информации основаны на использовании в качестве входных параметров системы контроля управления доступом личностных характеристик объекта, которые можно подразделить на две больших группы: статические и динамические [9,,]. К первой группе следует отнести индивидуальные характеристики личности, данные ей от рождения и слабо изменяющиеся с течением времени. Ко второй группе относятся характеристики, которые могут быть легко изменены автором путем простого перехода в иную форму. Представителями подобных характеристик являются голос, клавиатурный или рукописный почерк. Использование статических характеристик в основе систем контроля и управления доступом характерно для случаев обработки больших потоков людей, где необходимо обеспечить независимость от эмоционального состояния объекта и отсутствие усилий со стороны пользователей. Динамические характеристики в системах биометрической аутентификации и идентификации позволяют снизить стоимость разработки и эксплуатации систем контроля доступом, а так же обеспечить любой уровень информационной безопасности. Первой статической характеристикой, которую стали использовать при синтезе систем биометрической защиты информации является рисунок глазного дна, являющийся уникальным для каждого конкретного индивидуума. Процедура идентификации личности сводится к сравнению имеющего эталона с текущим полученным рисунком глазного дна пользователя. При использовании этого метода ошибки возникают из-за неверной фокусировки пользователем взгляда на удаленном источнике света (при тестировании испытуемый должен сфокусировать свой взгляд на удаленной светящейся точке). Ошибка первого рода при использовании этой статической характеристики составляет порядка 0,4%, второго практически отсутствует. Стоимость системы контроля доступа, использующей глазное дно в качестве характеристики биометрической идентификации составляет порядка 3-4 тыс. Информация о случаях получения несанкционированного доступа отсутствует [,, ]. Другой статической характеристикой геометрии глаза является радужная оболочка. Системы биометрической защиты информации, использующие ее в качестве входного параметра, для устранения возможных изменений по сравнению с эталоном в связи с болезнью индивидуума, обрабатывают черно-белое изображение высокого разрешения. Процедура получения изображения происходит в непосредственной близости от видеокамеры, после чего происходит выделение зрачка и радужной оболочки. Стоимость подобных систем колеблется от 0,5 до 7 тыс. Ошибка второго рода составляет 0,% [, , ]. Использование радужной оболочки глаза в качестве статической характеристики обладает рядом недостатков связанных с дефектами зрения и изменением со временем пятен радужной оболочки. Самым экономичным является использование систем основанных на идентификации по силуэту кисти, однако они отличаются низкой устойчивостью [, , ]. В качестве их развития выступают системы, работающие в 3-0 пространстве и осуществляющие получение параметров характеристики путем использования теневых вариантов трехмерной геометрии кисти руки. Стоимость устройств составляет от 0,5-3 тыс. Ошибки первого и второго рода составляют менее 0,2%.