18846

۱۸۸۴۶

احراز هويت با تركيب بيومتريك هاي عنبيه، چهره و اثر انگشت در سطح تصميم و امتياز

كارشناسي ارشد

هوش مصنوعي

اسفند ۱۳۹۴

دكتر مرتضي آنالويي

كامپيوتر

با توجه به نياز روز افزون جامعه امروزي به امنيت بيشتر اطلاعات، استفاده از فناوري بيومتريك اهميت بيشتري يافته است. در دهه اخير، وجود نقاط ضعف در هر يك از تك بيومتريك ها، مانند يكتا نبودن، در دسترس نبودن، احتمال حملات تقلب و دلايلي مانند اين باعث شده حوزه تركيب و همجوشي بيومتريك ها براي دسترسي به دقت و امنيت بالاتر بيش از پيش مورد توجه قرار گيرد. از بين سطوح تركيب و همجوشي منابع اطلاعات بيومتريك، همجوشي امتيازات مقايسه، به دليل كارايي مناسب و پيچيدگي زماني پايين، از محبوبيت زيادي برخوردار بوده و مورد توجه محققان قرار گرفته است. در اين پروژه، هدف ما تركيب دو يا سه بيومتريك در سطح امتياز ميباشد. براي هر كدام از اين بيومتريك ها، تطبيق دهنده مخصوص به آن در نظر گرفته شده است. اين تطبيق دهنده ها هر كدام امتيازات مقايسه مخصوص به خود را دارند، كه توزيع و دامنه آنها با هم متفاوت ميباشد. در اين پژوهش، براي دستيابي به روشي بهتر نسبت به روشهاي موجود در سطح امتياز، دو راهبرد كلي ارائه ميدهيم. يكي استفاده از تركيب ويژگي هاي مشخصه مختلف ميباشد و ديگري استفاده از رده بند مخصوص داده هاي نامتعادل. روشهاي تركيب ارائه شده خود را با استفاده از سناريوهاي مختلف در دو مجموعه دادگان بيومتريك مي آزماييم و از بازه اطمينان براي سنجش ميزان معناداري پارامترها استفاده مينماييم. در قسمت نتيجه گيري نشان خواهيم داد كه در سناريو هاي مختلف روشهاي تركيب ويژگي به طور موثري بهتر عمل ميكنند. اين نتيجه را از روي نمودار ROC و نمودار هاي FRRدر FAR ثابت انجام ميدهيم. در پايان روشهاي ارائه شده را با روش هاي موجود مقايسه نموده و از لحاظ دقت و پيچيدگي زماني نشان خواهيم داد كه روش هاي ارائه شده نسبت به روشهاي موجود كاراتر هستند.

1397/02/29

5/19/2018 12:00:00 AM

Considering the increasing need of today’s societies to more information security, using biometric technology has become more critical. In the past decade, uni-biometric traits has shown new weaknesses such as lack of uniqueness, lack of availability, fraud and so on, cause muti-biometrics to become more attractive. In fusion levels of biometric information sources, score level fusion is the most popular level, because of appropriate percision and low time complexity. In this research, our purpose is combination of two or three biometric traits in score level. For each of these biometric traits, appropriate matcher has been chosen. Every matcher has its specific scores in specific distribution and domain. In order to acquiring more optimal methods in comparison with current ones, we will suggest two main approach; using combination of discriminant features and using specific classifiers for imbalance data. We will test our combination methods using different scenarios in two multi-biometric dataset and will utilize confidence interval for significance level of resuts. It has been shown in result section that proposed feature combination method will act much better than other methods. These results has been inferred of the ROC diagram and also FRR value in constant FAR. Finally we will examine proposed methods in comparison with state of the art methds show its better