|
Algoritm
Nomi
|
Kalit
uzunligi
(bit)
|
Tarkibidagi
Amallar
|
Kripto-
bardoshligi
|
Xususiyatlari
|
Kongruent
generatorlar
|
<64
|
Ko‘paytirish,
mod N
|
<264, kichik
|
Parametrlar tanlash, murakkab, tezligi past
|
Rekkurent generatorlar
|
<64
|
Ko‘paytirish, mod N
|
<264, kichik
|
Parametrlar tanlash, murakkab, tezligi past
|
Gifford
Algoritmi
|
64
|
Siljitish registri
|
264, kichik
|
Takrorlanmas davri
kichik
|
RC-4,
ISAAC
|
2048
bitgacha
|
Mod256, o‘rin almashtirish
|
21700, yuqori
|
Tezligi yuqori,
patentga yega
|
SEAL,
WAKE
|
128
|
O‘nga surish,
XOR
|
2160, o‘rta
|
Tezligi yuqori
|
A5, Geffe
|
64
|
Siljitish registrlari
kombinatsiyasi
|
264, kichik
|
Tezligi yuqori
|
RSA, BBS,
Shamir,
Blyum-
Mikali
|
1024-
2048
|
Katta sonlarni darajaga oshirish
|
21024, yuqori
|
Tezligi past, faqat
kalit ishlab chiqish
uchun
|
ANSI X9.17
FIPS-186
YARROW-
160
|
64-160
|
3DES, 2DES,
SHA-1
algoritmlari
|
2128, o‘rta
|
Tezligi past, faqat
kalit ishlab chiqish
uchun
|
Qurilmaga asoslangan kalit generatorlari qanchalik ishonchli bo‘lmasin, yuqori narxga egaligi sababli ko‘p hollarda foydalanuvchilar tomonidan afzal deb topilmaydi. Bunday hollarda kriptografik psevdotasodifiy sonlar generatori kombinatsiyasidan foydalanish yuqori samara beradi.
SUPERPIXELGA ASOSLANGAN FOTO ROBOTNI TANIB OLISH
Davronova L.U. (Muhammad al-Xorazmiy nomidagi TATU, tayanch doktorant)
Foto robot asosida shaxsni aniqlash kriminalistika fanining asosiy sohalaridan biridir. Foto robot rassomlar tomonidan yaratilib, joriy usullar bilan tanib olishga yuboriladi. Foto robotni tanib olish jarayoni yuzni tanishga o‘xshaydi. Biroq, bu jarayonda yuzning barcha belgilari kerak bo‘ladi. Ushbu maqolada superpikselga asoslangan foto robotini aniqlash sxemasi taklif etiladi. Bundan tashqari, yuz belgilari Viola-Jones usuli bilan aniqlanadi va o‘ziga xos xususiyatlar PCA tomonidan segmentlangan foto robotdan olinadi.
Biometrik parametr inson tanasining xususiyatlarini o‘lchash va tahlil qilish uchun muhim soha bo‘lib, amalda keng qo‘llaniladi. Mazkur ilovalar xavfsizlik, aloqa, sog‘liqni saqlash, huquqni muhofaza qilish, madaniyat va ta’lim sohalarini qamrab oladi. Ulardan biri insonni foto roboti orqali tanib olishdir. Bundan tashqari, yuzlarni o‘lchashning ikki turi mavjud: 2D (ikki o‘lchovli) va 3D (uch o‘lchovli). 3D yuzlardan foydalanish yuzni aniqlash jarayonida yuqori aniqlikni beradi, lekin foto robotni aniqlashda 2D yuzlardan foydalanish tezlikda yuqori samaradorlikni beradi. Bundan tashqari, yuzni tanib olish jamoat joylarida, guvohlarning ko‘rsatmalari bilan maxsus xonalarda foto robotni tanib olishni ta’minlaydi. Fotosurat mavjud bo‘lmaganda yoki juda nomaqbul sifatda bo‘lganida foto robotni aniqlash muhim muammo bo‘ladi. Foto robot guvohning bergan ma’lumotlar asosida sud-tibbiyot eksperti yoki yuz tasviri dasturi tomonidan chiziladi. Ma’lumotlar bazasidan qidirish orqali da’vo qilingan gumondorni aniq aniqlash uchun avtomatik moslashtirish mexanizmi zarur. Guvohlar tomonidan tasvirlangan foto robotlarda tasvirlangan ob’ektlarni avtomatik ravishda aniqlaydigan ko‘plab usullar qo‘llanilgan. Biroq, huquqni muhofaza qilish idoralarining galereyalarini taqlid qiluvchi haqiqiy sud-tibbiy foto robotlari va kengaytirilgan galereyalardan foydalanganda ularning ishlashi ko‘pincha yomonlashadi. Foto robotni aniqlash muhim va hal qilinishi qiyin muammodir. Bu xavfsizlik va huquqni muhofaza qilish uchun juda foydali bo‘lishi mumkin. Birinchidan, gumon qilinuvchining foto roboti rassom yoki mutaxassis tomonidan boshqariladi va tanib olishga yuboriladi [1]. Foto robotlar suratlar yoki kadrlar maʼlumotlar bazasida foto robotni izlash yoki subʼyektning yuziga moslashtirish kontekstida oʻrganilgan. 1-rasmda yuzni tanib olish jarayonining umumiy sxemasi keltirilgan.
3D Foto robotni tanib olish tahlillash va identifikatsiya qilish vaqtini oshiradi. Shuning uchun tanib olish uchun 2D model taklif qilingan. Foto robot asosida tanib olish tahlillash yoki birga-bir tekshirishga asoslanadi. Bu yerda tahlillashga asoslangan usul keltirilgan bo‘lib, agar tahlillash usullaridan foydalanilsa, unda dastlabki foto robot oldindan qayta ishlanadi va keyin tanib olinadi.
Biroq, foto robot va fotosuratni to‘liq tasvir bo‘yicha tahlil qilish muammosini hal qilishdagi kamchiliklar tufayli patchlarga asoslangan ko‘plab mustaqil mahalliy usullar taklif qilindi. Yuz tasvirini ustma-ust tushadigan to‘rtburchak maydonlarga bo‘lish usuli yuqori aniqlikni berdi [2]. Tahlillangan foto robotlar mahalliy chiziqli joylashtirish (Locally Linear Embedding, LLE) usulida hisoblangan koeffitsientlar bo‘yicha o‘lchangan nomzod foto robotlarining chiziqli birikmasidan yaratildi [3]. Usul yordamida CUFS (CUHK Face Sketch) ma’lumotlar bazasida 87,67% aniqlikka erishildi. Ushbu ko‘rsatkich, keltirilgan usulni tanib olishdan tortib ishlab chiqishqacha bo‘lgan oradagi qarorlari orasida yetarli hisoblanadi. Bundan tashqari, fototahlil uchun superpiksellarga asoslangan foto robotni aniqlash usuli ishlab chiqilgan.
1-rasm. Foto robotni tanib olish
Ushbu usuldan foydalanganda yuzning barcha asosiy nuqtalari yuzning oldidagi bitta maydonda taqdim etiladi. Barcha fotosuratlar va foto robotlar, ikki ko‘z va og‘izning markazlari, barcha yuz tasvirlarida bir xil holatda bo‘lishi uchun tekislanadi. Keyingi ilmiy ishlarda, ushbu usulni amalda tadbiq etish masalalari ko‘rib chiqiladi.
Do'stlaringiz bilan baham: |
