|
Nisbiy chastota
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
– 0,3407117 –0,05415725 0,05415725 0,2515917 0.4490261 0.6464606
Bir juft xususiyat o'rtasidagi korrelyatsiya koeffitsienti
3.5-rasm - Klaviatura qo'l yozuvi belgilari juftlari orasidagi korrelyatsiya koeffitsientlari
133
0,02529779 0,1432772 0,2651533 0,3850811 0,5050089 0,6249366 0,7448644 Bir juft xususiyatning ehtimollik zichliklarining kesishish maydoni
0,9
0,8
0,7
0,6
0,5
0.4
0.3
0.2
0.1
0
Xususiyatlar guruhi 1
|
2
|
3 4 5
|
|
Mx
|
Mx+Sx
|
|
Mx-Sx
|
|
bitta59
|
uch
|
|
97
|
|
o'n1721252933374145495357616569737781858993
|
101105109113117121125129133137141145149153157161165169173177181185189193197201205209213217221225229233237
|
|
Xususiyat raqami
3.6-rasm - Har birining ehtimoliy zichlik funksiyalarining barcha juftlarining kesishish maydoni
turli sub'ektlarni tavsiflovchi imzolar belgisi
134
0,00785962 0,1493317 0,2908038 0,4322759 0,5573748 0,7152201
Bir juft xususiyatning ehtimollik zichliklarining kesishish maydoni
|
Guruh
|
Mx
|
Mx+Sx
|
Mx-S x
|
Rang Rang
|
|
0,8
|
belgilar
|
ko'z terisi
|
|
3
|
4
|
|
|
12
|
|
5.1 5.2
|
|
0,7
|
|
|
|
|
|
|
0,6
|
|
|
|
|
|
|
0,5
|
|
|
|
|
|
|
0.4
|
|
|
|
|
|
|
0.3
|
|
|
|
|
|
|
0.2
|
|
|
|
|
|
|
0.1
|
|
|
|
|
|
|
0
|
|
|
|
|
|
|
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61
Xususiyat raqami
3.7-rasm - Har birining ehtimoliy zichlik funksiyalarining barcha juftlarining kesishish maydoni
turli mavzularni xarakterlovchi shaxs belgisi
Nisbiy chastota
|
|
|
|
|
|
|
|
10954650.
|
0,2142219
|
0,3188974
|
0,4235729
|
0,5282483
|
0,6329238
|
0,7375993
|
0,8422747
|
Bir juft xususiyatning ehtimollik zichliklarining kesishish maydoni
3.8-rasm - Har birining ehtimoliy zichlik funksiyalarining barcha juftlarining kesishish maydoni
turli mavzularni tavsiflovchi klaviatura qo'l yozuvi belgilari
135
Shuningdek, xususiyatlar sifatida asarlardan sichqon kursorining traektoriyalarining xususiyatlari ko'rib chiqildi [7, 25]. Biroq, bu xususiyatlar uchun ehtimollik zichliklarining kesishish joylari juda muhim bo'lib chiqdi (maydonlarning 80% dan ortig'i 0,7 dan oshdi) va bu xususiyatlardan voz kechishga qaror qilindi.
3.4. Loyqa ekstraktorlarning klassik modelini yangilash variantlari
Keling, PBCni qurish usullarini ko'rib chiqaylik. Keling, noaniq ekstraktorning klassik modelini ko'rib chiqamiz va uni takomillashtirish imkoniyatlarini tahlil qilamiz. Loyqa ekstraktorning tipik tuzilishi (3.9-rasm) uchta turdagi modifikatsiyani amalga oshirishga imkon beradi:
Xatolarni tuzatish kodlash va dekodlash usullarini modernizatsiya qilish;
Biometrik ma’lumotlarni kvantlash usullarini modernizatsiya qilish;
Bit ketma-ketligini "birlashtirish" va "tarqatish" usullarini modernizatsiya qilish (odatda modul 2 qo'shilishigacha qisqartiriladi).
3.9-rasm - loyqa ekstraktorning tipik sxemasi
136
Shubhasiz, "xom" biometrik ma'lumotlarning ko'p qismi informatsion bo'lmagan qismlardan iborat. Loyqa ekstraktorning samaradorligiga "xom" biometrik ma'lumotlarni oldindan kvantlash usuli ta'sir qiladi. Tajribaning bir qismi sifatida atribut qiymatlarini transformatsiyaga muvofiq diskretlashtirishga qaror qilindi:y=f(a), qayerdaaxususiyat qiymati hisoblanadi, vay {0, 1, 3, 7, 15, 31, 63, 127, 255, 254, 252, 248, 240, 224, 192, 128} toʻplamga tegishli boʻlib, xuddi [164] da qanday bajarilgan boʻlsa. Qiymatlary ikkilik 8-bitli shaklda ifodalanadi. Transformatsiya operatsiyasining mohiyati 3.10-rasmda tasvirlangan. Ushbu transformatsiya kvantlash bosqichidagi yagona xatolar sonini sezilarli darajada kamaytiradi, bu 1 va 2-toifa xatolar ehtimoliga ta'sir qiladi (ular sezilarli darajada kamayadi) [164]. Yaratilgan kalitning (parol) rasmiy uzunligi ham ortadi. Shu bilan birga, kvantlangan ma'lumotlarning entropiyasi sezilarli darajada pasayadi, bu, albatta, ekstraktorning xavfsizlik xususiyatlariga salbiy ta'sir qiladi (maxfiy kalit yoki parol va ob'ektning biometrikasi ochiq qatorda saqlansa, endi xavfsiz deb hisoblanmaydi). Shuning uchun biz ushbu kvantlash usulidan (3.10-rasmga qarang) faqat "loyqa ekstraktorlar" samaradorligini tekshirish uchun foydalanamiz. Shuningdek, ushbu usul xususiyatlar diapazonining chegaralarini bilishni talab qiladi, ya'ni ekstraktor "Alien" ma'lumotlar namunalari bo'yicha o'qitilishi kerak. Ko'proq "halol" kvantlash usuli qo'llanilgan [29, 171]. Ammo xatolik ehtimoli, hatto olingan natijalarning ishonchliligi past bo'lgan taqdirda ham sezilarli bo'lib chiqdi ([29, 171] sub'ektlar soni 12-14).
Keling, [38] da taklif qilingan formula (3.7) bo'yicha xususiyatlarning bit ko'rinishining barqarorligini baholash texnikasini qo'llash orqali klassik modeldagi ma'lumotlarni boyitishning etishmasligini qisman qoplashga harakat qilaylik.
ōi=2|0,5 -P0,i| = 2|0,5 -Pbitta,i|
|
(3.7)
|
137
Har bir mavzu uchun ma'lum miqdordagi xususiyatlar tanlanadi, ular uchun formula (3.7) bo'yicha hisoblangan qiymatlar mahsuloti eng yuqori bo'ladi, bu erdaP0,ida nolga teng bo'lish ehtimoli (nisbiy chastotasi).i- kodning raqami, Pbitta,i dagi birlikning paydo bo'lish ehtimoli (nisbiy chastotasi).i- kodning raqami.
Axborot tarkibini baholash tartibi faqat ochiq qatorni shakllantirish bosqichida (bit ketma-ketligini birlashtirishdan oldin darhol) amalga oshiriladi. Bundan tashqari, ushbu ma'lumotlar maxfiy kalitni yaratish bosqichida saqlanadi va foydalaniladi (ya'ni, ochiq satrdan xususiyat qiymati vektorining bit ko'rinishini olish va "ajratish" paytida). Yakuniy bit ketma-ketligini olish uchun eng barqaror xususiyatlarning bit ko'rinishlari yopishtiriladi, bu esa o'z navbatida kodlangan xatolarni tuzatish kodidan "birlashtirilgan" / "ajratilgan".
maxfiy kalit.
Konvertatsiya natijasi:
Xususiyat qiymati zichligi
|
00000000
|
00000001
|
00000011
|
00000111
|
00001111
|
00011111
|
00111111
|
01111111
|
11111111
|
11111110
|
11111100
|
11111000
|
11110000
|
11100000
|
11000000
|
10000000
|
0.4
0.3
bitta
0.2
Do'stlaringiz bilan baham: |
