Аппроксимация биномиального зависимого закона композициями нормального, равномерного, апксинусного распределений значений
- 1 д.т.н., профессор, директор, Институт информационных и телекоммуникационных технологий, Казахский национальный технический университет им. К.И. Сатпаева, г. Алматы
- 2 к.т.н., науч. сотрудник, Пензенский научно-исследовательский электротехнический институт
- 3 д.т.н., профессор, директор, Центр трансфера технологий, Пензенский государственный университет
- 4 к.т.н., зам. генерального директора, ОАО НПП «Рубин», г. Пенза
Ключевые слова:
биометрияпреобразователь биометрия-кодэнтропия зависимых данныхэнтропия распределения расстояний Хэмминга
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
Для цитирования
Ахметов Б.С., Надеев Д.Н., Урнев И.В., Сериков И.В. Аппроксимация биномиального зависимого закона композициями нормального, равномерного, апксинусного распределений значений // Нейрокомпьютеры: разработка, применение. 2012. № 3. С. 17–21.
Список источников
- Dodis Y., Reyzin L., Smith A. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy // Data April 13. 2004.
- Cavoukian A., Stoianov A. Biometric Encryption: A Positive-Sum Technology that Achieves Strong Authentication // Security AND Privacy. March 2007. http://www.ipc.on.ca.
- ГОСТ Р 52633.0-2006 «Защита информации. Техника защиты информации. Требования к средствам высоконадежной биометрической аутентификации»
- Проект ГОСТ Р 52633.5 «Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа».
- 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 .
- 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.
- 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.
- 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.
- 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.
- 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.