Ідентифікація окуло-моторної системи людини на основі ряду Вольтерри: застосування в системі захисту інформації
DOI:
https://doi.org/10.32626/2308-5916.2022-23.91-106Анотація
Отримала подальший розвиток інформаційна технологія біометричної ідентифікації особистості за рахунок використання в якості джерела первинних даних інформаційних моделей окуло-моторної системи (ОМС) типу «вхід-вихід» на основі рядів Вольтерри. Для побудови моделей застосовується технологія айтрекінгу. Здійснено експериментальні дослідження ОМС двох респондентів. На основі даних, отриманих за допомогою айтрекера Tobii Pro TX300, визначено перехідні функції першого, другого та третього порядків ОМС при застосуванні моделі у вигляді ряду Вольтерри. Це дозволяє підвищити точність моделювання ОМС і, як наслідок, підвищити достовірність розпізнавання в просторі запропонованих евристичних ознак, які визначаються за допомогою інтегральних і диференціальних перетворень багатовимірних перехідних функцій ОМС, що значно спрощує визначення ознак та практичну реалізацію байєсівського класифікатора.
Виявлено високу варіативність перехідних функцій другого та третього порядків для двох респондентів. Таким чином, представляється доцільнім використовувати багатовимірні перехідні функції для біометричної ідентифікації.
Запропоновано множину евристичних ознак, які визначаються на основі отриманих за даними айтрекінгу багатовимірних перехідних функцій. Досліджено інформативність окремих ознак та їх комбінацій в парах. Знайдено двовимірні простори ознак з максимальним значенням показника імовірність правильного розпізнавання при вирішенні задачі біометричної ідентифікації особистості (Pmax = 0,974). Результати досліджень отримано за допомогою побудови байєсівських класифікаторів у різних просторах запропонованих ознак засобами машинного навчання на основі даних сформованих навчальних вибірок.
Посилання
Lohr D., Griffith H., Komogortsev O. V. Eye Know You: Metric Learning for End-to-end Biometric Authentication Using Eye Movements from a Longitudinal Dataset. IEEE Transactions on Biometrics, Behavior and Identity Science. 2022. P. 1-18.
Brasil A. R. A., Andrade J. O., Komati K. S. Eye Movements Biometrics: A Bibliometric Analysis from 2004 to 2019. International Journal of Computer Applications. 2020. Vol. 176, № 24. P. 1-9.
Friedman L., Rigas I., Abdulin E., Komogortsev O. V. A novel evaluation of two related and two independent algorithms for eye movement classification during reading. Behavior Research Methods. 2018. Vol. 50, № 4. P. 1374-1397.
Cantoni V., Galdi C., Nappi M., Porta M., Riccio D. Gant: gaze analysis technique for human identification. Pattern Recognition. 2015. Vol. 48, № 4. P. 1027-1038.
Yoon H.-J., Carmichael T. R., Tourassi G. Gaze as a biometric. SPIE Medical Imaging, San Diego, California, USA / ed. by C. R. Mello-Thoms, M. A. Kupinski. 2014.
Матвійчук Я. М. Математичне макромоделювання динамічних систем: теорія та практика. Львів: ЛНУ ім. І. Франка, 2000. 236 с.
Doyle F. J. I., Pearson R. K., Ogunnaike B. A. Identification and Control Using Volterra Models (Communications and Control Engineering). Springer, 2001. 314 p.
Суворов С. Г. Аппроксимация нелинейных операторов рядами Вольтерра в многомерном случае. Український математичний вісник. 2005. Т. 2. № 3. С. 418-441.
Apartsyn A. S., Solodusha S. V., Spiryaev V. A. Modeling of Nonlinear Dynamic Systems with Volterra Polynomials. International Journal of Energy Optimization and Engineering. 2013. Vol. 2, № 4. P. 16-43.
Pavlenko V. D., Shamanina T. V., Chori V. V. Nonlinear Dynamics Identification of the Oculo-Motor System based on Eye Tracking Data. International Journal of Circuits, Systems and Signal Processing. 2021. Vol. 15. P. 569–577.
Pavlenko V., Pavlenko S. Deterministic identification methods for nonlinear dynamical systems based on the Volterra model. Applied Aspects оf Information Technology. 2018. Vol. 1. № 1. P. 9-29.
Pavlenko V. D., Milosz M., Dzienkowski M. Identification of the oculo-motor system based on the Volterra model using eye tracking technology. Journal of Physics: Conference Series. 2020. Vol. 1603.
Vapnik V. N. Complete Statistical Theory of Learning. Automation and Remote Control. 2019. Vol. 80, № 11. P. 1949-1975.
Файнзильберг Л. С. Математические методы оценки полезности диагностических признаков. Киев: Освита Украины, 2010. 152 с.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
