350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2012 г.
Статья в номере:
Аппроксимация биномиального зависимого закона композициями нормального, равномерного, апксинусного распределений значений
Ключевые слова: биометрия преобразователь биометрия-код энтропия зависимых данных энтропия распределения расстояний Хэмминга
Авторы:
Б.С. Ахметов - д.т.н., профессор, директор, Институт информационных и телекоммуникационных технологий, Казахский национальный технический университет им. К.И. Сатпаева, г. Алматы Д.Н. Надеев - к.т.н., науч. сотрудник, Пензенский научно-исследовательский электротехнический институт И.В. Урнев - д.т.н., профессор, директор, Центр трансфера технологий, Пензенский государственный университет И.В. Сериков - к.т.н., зам. генерального директора, ОАО НПП «Рубин», г. Пенза
Аннотация:
Показано, что аппроксимацию биномиального зависимого закона можно получить, используя композицию нормального, равномерного, арксинусного законов распределений значений. Полученные данные могут использоваться при симметрии распределения меры Хэмминга выходного кода преобразователя биометрия-код относительно математического ожидания. Погрешность аппроксимации может составить 0,03% от 256 бит выходного кода преобразователя биометрия-код
Страницы: 17-21
Список источников
  1. Dodis Y., Reyzin L., Smith A. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy // Data April 13. 2004.
  2. Cavoukian A., Stoianov A. Biometric Encryption: A Positive-Sum Technology that Achieves Strong Authentication // Security AND Privacy. March 2007. http://www.ipc.on.ca.
  3. ГОСТ Р 52633.0-2006 «Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации»
  4. Проект ГОСТ Р 52633.5 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».
  5. Малыгин А.Ю., Волчихин В.И., Иванов А.И., Фунтиков В.А. Быстрые алгоритмы тестирования нейросетевых механизмов биометрико-криптографической защиты информации. Пенза: Пенз. Гос. ун-т. 2006 .
  6. Олейник Ю.И., Огнев И.В., Малыгин А.Ю. Пути экономии ресурсов при ускоренном тестировании средств высоконадежной нейросетевой биометрии // Нейрокомпьютеры: разработка, применение. 2009. № 6. С. 68-71.
  7. Нейросетевые преобразователи биометрических образов человека в код его личного криптографического ключа. Научная серия «Нейрокомпьютеры и их применение». Кн. 29 / под ред. А.Ю. Малыгина. М.: Радиотехника. 2008.
  8. Малыгин А.Ю., Надеев Д.Н., Иванов А.И. Две причины не идеальности нейросетевых преобразователей биометрия-код по выходным случайным состояниям кодов «Чужие» // Вопросы защиты информации. 2008. № 2(81). С.19-21.
  9. Надеев Д.Н. Моделирование биномиального зависимого закона распределения значений вероятностей ошибок нейросетевых преобразователей для высоконадежной биометрической защиты // Вопросы защиты информации. 2008. № 3. С. 31-35.
  10. Захаров О.С., Иванов А.И. Учет корреляционных связей биометрических данных через дробный показатель степеней свободы закона распределения значений хи-квадрат // Инфокоммуникационные технологии. 2008. Т. 6.  № 1. С. 12-15.