Учет «тяжелых хвостов» ненормального закона распределения биометрических параметров все «Чужие» при настройке нелинейного элемента нейрона с несколькими дискретными состояниями

С.В. Куликов; М.В. Секретов; О.С. Захаров; А.И. Иванов; А.В. Майоров

Учет «тяжелых хвостов» ненормального закона распределения биометрических параметров все «Чужие» при настройке нелинейного элемента нейрона с несколькими дискретными состояниями

С.В. Куликов¹, М.В. Секретов², О.С. Захаров³, А.И. Иванов⁴, А.В. Майоров⁵

научная статья Страницы: 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

Ключевые слова: искусственный нейрон с несколькими выходными дискретными состояниями приближение ненормального закона распределения смесью нормальных законов

Аннотация

Параметры биометрических образов все «Чужие» имеют существенно ненормальный закон распределения значений. Учет «тяжелых хвостов» ненормальности легко осуществим в случае приближения распределения смесью двух нормальных законов. Описаны итерационные процедуры деления динамического диапазона данных все «Чужие» на интервалы с равной вероятностью попадания в них образов все «Чужие»

Для цитирования

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.

Список источников

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.

Полный текст, PDF 350 ₽

[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.