-
شماره ركورد
14446
-
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
14446
-
پديد آورنده
سلمي صادق
-
عنوان
احراز هويت در شبكههاي بيسيم بدني با استفاده از دادههاي نوار قلب در شرايط فعاليت بدني (مهندسي فناوري اطلاعات - گرايش شبكههاي كامپيوتري)
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
شبكههاي كامپيوتري
-
سال تحصيل
اسفندماه 1393
-
تاريخ دفاع
اسفندماه 1393
-
استاد راهنما
دكتر محمود فتحي
-
دانشكده
كامپيوتر
-
چكيده
چكيده
در طي ساليان اخير استفاده از شبكههاي حسگر بيسيم بدني پايش سلامت رواج بيشتري پيداكردهاند، به دليل اهميت حفظ امنيت اطلاعات بيماران، اين شبكهها نيازمند زيرساختهاي امنيتي مناسب جهت استفاده هرچه بهتر و ايمنتر از پيشرفتهاي اين تكنولوژي ارتباطي مراقبتي ميباشند . پايش وضعيت و علائم حياتي بيماران به كمك اين تكنولوژي علاوه بر نيازمنديهاي خاص در انتقال اطلاعات ، نيازمند يك ارتباط و انتقال ايمن اطلاعات و همچنين احراز هويت مطمئن ميباشد . با توجه به زيرساخت اين نوع شبكهها و محدوديتهاي ذاتي آنها جهت برقراري امنيت با چالشهايي مواجه هستيم . از سوي ديگر چون دادههاي فيزيولوژيكي هر فرد بسيار حساس است بايد صحت، محرمانگي و در دسترس بودن اين اطلاعات، براي تيم پزشكي تأمين شود. ازاينرو پارامترهاي امنيتي نقش بسيار مهمي در ارائه هر چه بهتر اين خدمات ايفا ميكنند. يكي از نيازمنديهاي مهم امنيتي در اين شبكه¬ها احراز هويت داده¬هاي منتقل شده به ايستگاه پايه است .
بيومتريك سيگنال قلبي به جهت غيرقابل جعل بودن و كپيبرداري و بهعنوان نمادي از زندهبودن فرد براي اهداف امنيتي موردتوجه است، همچنين در شبكههاي حسگر بيسيم بدني كه با چالش مصرف انرژي و سربارهاي محاسباتي روشهاي سنتي تصديق هويت مواجه هستيم انتخاب كارآمدي هست. در اين راستا انتخاب و استخراج ويژگيهاي مناسب از سيگنال قلب و سپس طبقهبندي مناسب داده در رسيدن بهدقت مناسب در تصديق هويت كمككننده است .
در اين پژوهش به بررسي پايداري احراز هويت افراد هنگام فعاليت بدني از روي بيومتريك سيگنال قلب آنها ميپردازيم . در اين راستا چهار ويژگي از سيگنال قلب استخراجشده است .به جهت دستيابي به نتايج بهتر از طبقهبندي دادهها استفاده كرديم. در زمان طبقهبندي دادهها از چهار روش شبكههاي عصبي پرسپترون چندلايه (MLP)، شبكه عصبي تابع پايهي شعاعي (RBF)، ماشين بردار پشتيبان (SVM) و K نزديكترين همسايه (KNN) استفاده نموديم و نتايج آنها باهم مقايسه شدهاند. بهترين طبقهبندي كننده KNN بود كه دقت آن در تشخيص الگوي فردمورد نظر در مجموعه داده هاي مورد استفاده 100% برآورد شد.
واژههاي كليدي: شبكه¬هاي بيسيم بدني(WBAN)، امنيت، بيومتريك، تصديق هويت، الكتروكارديوگرام (ECG)
-
لينک به اين مدرک :