Развитие биометрических систем идентификации пассажиров на основе средств помехоустойчивого кодирования

В работе рассматриваются вопросы применения биометрических технологий для идентификации личности пассажиров. Целью работы является проведение анализа возможностей повышения надежности функционирования различных биометрических устройств идентификации путем использования кодов коррекции ошибок. Представлены основные элементы и принцип функционирования классической биометрической системы. На основании рекомендаций Международной организации гражданской авиации (ИКАО) представлены особенности процедуры распознавания пассажиров по изображениям лица. Рассмотрены варианты реализации биометрических процедур аутентификации пассажиров, и сделан вывод, что при централизованных баз биометрических данных существуют проблемы конфиденциальности и защиты информации. Проблемы характеризуются возможностью компрометации биометрических образов, что потенциально может привести к утрате их конфиденциальности и невозможности дальнейшего использования для идентификации личности. Более надежной представляется организация процедуры аутентификации пассажиров с одновременным применением биометрических параметров и бесконтактных SMART-карт. SMART-карты используются для распределенного хранения биометрических и других дополнительных данных, тем самым нивелируя недостатки доступа к централизованным базам данных. Показано, что следующим шагом в развитии данной области является применение биометрической криптографии, предполагающей «связывание» ключей шифрования и паролей с биометрическими параметрами субъекта. Рассмотрен принцип работы «нечеткого экстрактора» как одного из вариантов преобразователя «биометрия-код». Показана целесообразность и необходимость совершенствования в рассматриваемых системах средств помехоустойчивого кодирования. Предлагается использование алгоритмов перестановочного декодирования данных, способных адекватно соответствовать именно задачам биометрической идентификации. На основе результатов статистического моделирования оптических каналов связи определяются необходимые и достаточные условия применения средств перестановочного декодирования для двоичных кодов, решается задача минимизации объема памяти когнитивной карты перестановочного декодера за счет выделения орбит перестановок и использования образующих комбинаций циклов в качестве указателей эталонных матриц. Предлагается результативный алгоритм поиска уникального номера орбиты и соответствующей ему эталонной матрицы при формировании приемником произвольной перестановки символов из множества допустимых перестановок.

1. Болл Р.М. Руководство по биометрии / Р.М. Болл, Д.Х. Коннел, Ш. Панканти, Н.К. Ратха, Э.У. Сеньор. М.: Техносфера, 2007. 368 с.

2. Sinha P. Face recognition by humans: nineteen results all computer vision researchers should know about / P. Sinha, B. Balas, Y. Ostrovsky, R. Russell // Proceedings of the IEEE. 2006. Vol. 94, no. 11. Pp. 1948–1962. DOI: 10.1109/JPROC.2006.884093

3. Jain A.K., Duin P.W., Mao J. Statistical pattern recognition: a review // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. Vol. 22, no 1. Pp. 4–37. DOI: 10.1109/34.824819

4. Крюков Д.А. Модели функционирования персональных систем идентификации с процедурами помехоустойчивого кодирования и декодирования хранимых данных [Электронный ресурс] // Электронное научно-техническое издание «Наука и образование: научное издание МГТУ им. Н.Э. Баумана». 2012. № 10. DOI: 10.7463/1012.0486630 (дата обращения: 23.01.2021).

5. Juels A., Wattenberg M. A fuzzy commitment scheme // Proceedings of the 6th ACM conference on Computer and communications security, 1999. Pp. 28–36. DOI: 10.1145/319709.319714

6. Dodis Y., Reyzin L., Smith A. Fuzzy extractors: how to generate strong keys from biometrics and other noisy data [Электронный ресурс] // Advances in Cryptology – EUROCRYPT 2004: Lecture Notes in Computer Science / Под ред. С. Cachin, J.L. Camenisch. 2004. Vol. 3027. Pp. 523–540. DOI: 10.1007/978-3-540-24676-3_31 (дата обращения: 28.01.2021).

7. Hao F., Anderson R., Daugman J. Combining crypto with biometrics effectively // IEEE Transactions on Computers. 2006. Vol. 55, no. 9. Pp. 1081–1088. DOI: 10.1109/TC.2006.138

8. Al-Saggaf A.A. Secure method for combining cryptography with iris biometrics // Journal of Universal Computer Science. 2018. Vol. 24, no. 4. Pp. 341–356. 9

9. . Peng L. (2012). An effective biometric cryptosystem combining fingerprints with error correction codes / Y. Xin, Q. Hua, C. Kai, L. Eryun, T. Jie [Электронный ресурс] // Expert Systems with Applications. 2012. Vol. 39. Pp. 6562–6574. DOI: 10.1016/j.eswa.2011.12.048 (дата обращения: 23.01.2021).

10. Ахметов Б.Б. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа: монография / Б.Б. Ахметов, А.И. Иванов, В.А. Фунтиков, А.В. Безяев, Е.А. Малыгина. Алматы: ТОО «Издательство LEM», 2014. 144 c.

11. Gladkikh A.A. Noiseless coding algorithm based on cognitive processing of biometric data in system of digital identification of passengers / A.A. Gladkikh, An.K. Volkov, Al.K. Volkov, R.Z. Ibragimov // Journal of Physics: Conference Series (ITBI 2019). 2019. Vol. 1333, iss. 3. Pp. 1–5. DOI: 10.1088/1742-6596/1333/3/032022

12. Gladkikh A.A. Cognitive decoding of redundant block codes in the system of processing and protection of biometric data of air passengers / A.A. Gladkikh, Al.K. Volkov, An.K. Volkov, V.M. Il'in, D.A. Kozlov // IOP Conference Series: Materials Science and Engineering (MIST: Aerospace – 2019), 2019. Vol. 734. Pp. 1–6. DOI: 10.1088/1757-899X/734/1/012163