ЖУРНАЛ СТА №4/2023

Введение Обнаружение злонамеренных дей- ствий осуществляется путём сбора био- метрической базы данных Умного зда- ния на основе IoT. Функции обработан- ных биометрических данных извле- каются для анализа с использованием основных компонентов ядра системы. Затем обработанные биометрические признаки классифицируются с помо- щью свёрточной нейросети VGG 16. За- тем вся сеть защищается с помощью протокола детерминированной довери- тельной передачи (DTTP). Производи- тельность предложенного метода рас- считывалась с использованием не- скольких показателей, таких как точ- ность (f-оценка), полнота и среднеквад- ратическая ошибка. Результатымодели- рования показали, что предложенный метод обеспечивает лучшие результаты обнаружения вторжений. Биоидентификация с применением ИИ Современные методы биометриче- ской аутентификации пользователей должны обладать высокой точностью, универсальностью и высокой произво- дительностью (практически в реальном времени). Биометрическая аутентифи- кация подразделяется на две категории: физическая и поведенческая. Физиче- ская биометрия основывается на опре- делённых индивидуальных физических характеристиках людей и сочетает в се- бе следующие методы: сканирование лица, рисунка вен ладоней, голоса, ра- дужной оболочки глаза и отпечатков пальцев. Поведенческая биометрия ра- ботает исходя из того, что поведение че- ловека при выполнении определённых задач обычно достаточно отчётливо по- вторяется, чтобы его можно было ис- пользовать для аутентификации поль- зователя. В качестве примера можно привести динамику касания сенсорного экрана смартфона, нажатия клавиш клавиатуры и динамику движения и кликов мыши. Если сравнивать пове- денческую биометрию с физической биометрией для аутентификации, пове- денческая биометрия привлекла боль- ше внимания из-за её более широкой применимости, меньшей навязчивости и отсутствия внешних датчиков. Кроме того, было продемонстрировано, что ди- намика мыши является непрерывным, портативным и ненавязчивым решени- ем для аутентификации пользователя. Кроме того, методы машинного обуче- ния (ML) и глубокого обучения (DL) мо- гут извлечь выгоду из огромных объё- мов данных динамики движения мы- ши, доступных в доменном простран- стве. Когда методы ML и DL объеди- няются, работа с большим количеством данных показывает удивительные ре- зультаты. ML оказалось достаточно сильным, чтобы его можно было при- менять к различным проблемным обла- стям, и использует неявные шаблонына больших объёмах данных, которые слишком сложны для восприятия людь- ми. Тем не менее этот метод всё же тре- бует большого ручного труда для из- влечения нужных признаков из боль- шого количества данных. Найти наи- лучшее сочетание гиперпараметров, из- влекаемых функций и методов подго- товки данных для конкретной задачи очень сложно. Аутентификация с помо- щью ИИ может решать ряд задач в со- четании с машинным обучением и глу- бокими нейронными сетями. Рассмот- рим текущее состояние аутентифика- ции с применением ИИ. Аутентифика- ция с использованием связки логина и пароля больше не являются единствен- ным методом аутентификации. ИИ ус- пешно работает с распознаванием изоб- ражений, таких как отпечатки пальцев, рисунки вен ладоней и распознавание лиц, а также хорошо верифицирует пользователей по динамике нажатия клавиш и движения мыши. Важнымшагом в развитии биометри- ческой идентификации является реше- ние о том, какие данные следует комби- нировать и как их комбинировать. На данный момент исследователи предло- жили большое количество мультибио- метрических комбинаций. В мультимо- дальных методах биометрического рас- познавания, использующих два подхода Обнаружение вторжений на основе биометрической аутентификации с ИИ и IoT В настоящее время во всём мире растёт потребность в обеспечении информационной безопасности и своевременном обнаруженим вторжений в сети во время передачи данных. Для подобных мероприятий существуют методы применения искусственного интеллекта (ИИ) с поддержкой технологий Интернета вещей (IoT), входящих в архитектуру Умных городов, позволяющие принимать решения практически без вмешательства человека. В статье рассматривается новый метод для безопасной передачи данных и обнаружения злоумышленника в системе биометрической аутентификации. ОБЗОРЫ СТА 4/2023 62 www.cta.ru Дмитрий Швецов