Identification potential capacity of typical hardware for the purpose of hidden recognition of computer network users

Influence of the signer's psychophysiological state on the results of his identification using handwritten pattern by natural and artificial intelligence

“…Условные вероятности P(Aj/Hi) вычисляются исходя из закона распределения значений признаков, как плотности вероятности значений признаков предъявленных субъектом в процессе идентификации [15,16]. Решение о принадлежности вектора значений признаков к одному из эталонов принимается на каком-либо шаге, когда апостериорная вероятность одной из гипотез преодолевает пороговое значение (подбираемое заранее по аналогии с работами [2,5,16]) в пользу данной гипотезы (ее апостериорная вероятность будет максимальной). Если ни одна из гипотез не преодолела порог, образ считается нераспознанным, т.е.…”

“…Очередной технологический скачок в решении этой проблемы лежит на пути перехода к биометрическим системам защиты, реализующим технологии скрытой идентификации пользователей компьютера и их психофизиологического, а также эмоционального состояния [1][2][3][4][5]. Такие системы позволяют определить потенциально опасного субъекта при попытке доступа к информационным ресурсам.…”

Users' Identification Through Keystroke Dynamics Based on Vibration Parameters and Keyboard Pressure

“…A. Идентификация субъектов по клавиатурному почерку Реализовать алгоритм идентификации субъектов можно при помощи метода последовательного применения формулы гипотез Байеса (1) [9], который заключается в вычислении интегральных апостериорных вероятностей гипотез за некоторое число шагов, равное количеству признаков, при помощи формулы (1). Каждая гипотеза подразумевает, что предъявляемая реализация клавиатурного почерка принадлежит определенному субъекту, т.е.…”

Usage of Quadratic Form Networks for Users’ Recognition by Dynamic Biometric Images

“…Более приемлемые показатели надежности распознавания субъектов по динамическим биометрическим при-знакам удается получить при помощи метода последовательного применения формулы гипотез Байеса [9,10]. Однако при использовании данного метода приходится хранить параметры распределения значений признаков в исходном виде, что может являться причиной компрометации биометрического эталона.…”

“…Однако при использовании данного метода приходится хранить параметры распределения значений признаков в исходном виде, что может являться причиной компрометации биометрического эталона. Также достигнутый в рамках предыдущих исследований [9,10] уровень надежности целесообразно повысить. По этим причинам ис-пользовать способы из работ [9,10] для защиты информации на важных объектах пока затруднительно.…”