Integration of «heavy tails» of an abnormal law of biometric parameters of all «Foes» distribution during the configuration of the nonlinear neuron element with several discrete states

S.V. Kulikov; M.V. Secretov; O.S. Zakharov; A.I. Ivanov; A.V. Mayorov

Integration of «heavy tails» of an abnormal law of biometric parameters of all «Foes» distribution during the configuration of the nonlinear neuron element with several discrete states

S.V. Kulikov¹, M.V. Secretov², O.S. Zakharov³, A.I. Ivanov⁴, A.V. Mayorov⁵

research article Pages: 56-60

^1,2 аспирант, кафедра «Информационная безопасность систем и технологий», Пензенский государственный университет
³ науч. сотрудник, лаборатория «Биометрические и нейросетевые технологии», Пензенский научно-исследовательский электротехнический институт
⁴ д.т.н., профессор, нач. лаборатории «Биометрические и нейросетевые технологии», Пензенский научно-исследовательский электротехнический институт
⁵ аспирант, кафедра «Математическое обеспечение и применение ЭВМ», Пензенский государственный университет

Keywords: artificial neuron with multiple output discrete states approximation of abnormal distribution law by a mixture of normal laws

Abstract

The parameters of all «Foes» biometric images are significantly featured by the abnormal law of values distribution. Integration of abnormality-s «heavy tails» is easily feasible in the case of distribution approximation by a mixture of two normal laws. The article describes the iterative procedure of dividing the dynamic all «Foes» data range into intervals with equal probability of all «Foes» images to fall into each interval

How to cite

Куликов С.В., Секретов М.В., Захаров О.С., Иванов А.И., Майоров А.В. Учет «тяжелых хвостов» ненормального закона распределения биометрических параметров все «Чужие» при настройке нелинейного элемента нейрона с несколькими дискретными состояниями // Нейрокомпьютеры: разработка, применение. 2012. № 3. С. 56–60.

References

ГОСТ Р 52633.5-2011 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».
Dodis Y., Reyzin L., Smith A. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy // Data. 2004. April 13.
Monrose F., Reiter M., Li Q., Wetzel S. Cryptographic key generation from voice // Proc. IEEE Symp. on Security and Privacy. 2001.
Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Пенз. гос. ун-т. 2000.
Положительное решение по заявке на изобретение № 201012606/09(003581) «Способ однозначного хэширования неоднозначных биометрических данных» / Иванов А. И., Иванов С. М., Назаров И. Г., Фунтиков В. А., Ефимов О. В. Майоров А. В., Язов Ю. К.
ГОСТ Р 52633.0-2006 «Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации».
Майоров А.В. Нейросетевая хеш-функция // Нейрокомпьютеры, разработка, применение. 2009. № 6. С. 45-48.

[1] ГОСТ Р 52633.5-2011 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».

[2] Dodis Y., Reyzin L., Smith A. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy // Data. 2004. April 13.

[3] Monrose F., Reiter M., Li Q., Wetzel S. Cryptographic key generation from voice // Proc. IEEE Symp. on Security and Privacy. 2001.

[4] Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Пенз. гос. ун-т. 2000.

[5] Положительное решение по заявке на изобретение № 201012606/09(003581) «Способ однозначного хэширования неоднозначных биометрических данных» / Иванов А. И., Иванов С. М., Назаров И. Г., Фунтиков В. А., Ефимов О. В. Майоров А. В., Язов Ю. К.

[6] ГОСТ Р 52633.0-2006 «Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации».

[7] Майоров А.В. Нейросетевая хеш-функция // Нейрокомпьютеры, разработка, применение. 2009. № 6. С. 45-48.