ВКР: Аутентификация по распознаванию лица на основе сверточной нейронной сети

АННОТАЦИЯ
Выпускная квалификационная работа выполнена в форме дипломной работы на тему: «Аутентификация по распознаванию лица на основе сверточной нейронной сети».
Объем дипломной работы – 73 страницы, на которых размещены 54 рисунка и 8 таблиц. Использовано 20 библиографических источника.
Ключевые слова: аутентификация, идентификация, сверточная нейронная сеть.
Объектом исследования дипломной работы является создание программы для аутентификации по лицу для доступа в банк.
Дипломная работа состоит из введения, шести глав и заключения.
Во введении раскрывается актуальность темы, обозначается проблема, цель и задачи дипломной работы.
Первая глава посвящена общей характеристики банка, первому и второму рубежу защиты информации.
Во второй главе рассматриваются основные методы распознавания по лицу и выбирается наиболее подходящий
В третьей главе приводиться математическая модель сверточной нейронной сети. Показывается как рассчитывается модель сверточного слоя, субдискретизирующего слоя, выходного слоя. Показывается, как происходить процесс распознавания и процесс обучения нейронной сети.
В четвертой главе приведены структорно-функциональные схемы и их описание.
В пятой главе показывается тестирование разработанного программного комплекса.
В шестой главе приводиться минимальное оборудование для аутентификации в банк
Заключение содержит выводы по работе, итоги разработки, и результаты полученные в дипломной работе.


СОДЕРЖАНИЕ
ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
ВВЕДЕНИЕ
1 ОБЩАЯ ХАРАКТЕРИСТИКА БАНКА «ДОМ.РФ»
1.1 Характеристика банка как объекта информационной безопасности
1.2 Особенности функционирования информационной системы банка «ДОМ.РФ» какобъекта информационной безопасности
1.3 Состав и эффективность существующей системы информационной безопасности банка «ДОМ.РФ»
Выводы по разделу
2 АЛГОРИТМЫ РАСПОЗНАВАНИЯ ЛИЦА
2.1 Общая структура
2.2 Метод гибкого сравнения на графах
2.3 Нейронные сети
2.4 Скрытые Марковские модели
2.5 Метод главных компонент
2.6 Алгоритм с использованием гистограмм
2.7 Каскады Хаара
2.8 Активные модели внешнего вида и активные модели формы
Вывод по разделу
3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ
3.1 Математическая модель сверточной нейронной сети.
3.2 Математическая модель сверточного слоя.
3.3 Математическая модель субдискретизирующего слоя.
3.4 Математическая модель выходного слоя
3.5. Процесс распознавания лица и обучения нейронной сети
3.5.1 Детектирование
3.5.2 Позирование и проецирование лиц.
3.5.3 Кодирование лиц.
3.5.4 Кодирование изображения нашего лица.
3.5.5 Кодирование изображения лица.
Выводы по разделу
4. СТРУКТУРНО-ФУНКЦИОНАЛЬНОЕ ОПИСАНИЕ СИСТЕМЫ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ ПО РАСПОЗНАВАНИЮ ЛИЦ
4.1 Структурно-функциональное описание системы биометрической аутентификации пораспознаванию лиц
Выводы по разделу
5 ТЕСТИРОВАНИЕ ПРОГРАММНОГО КОМПЛЕКСА
5.1 Недостатки работы алгоритма
Вывод по разделу
6 ОБОРУДОВАНИЕ ДЛЯ АУТЕНТИФИКАЦИИ ПО ЛИЦУ В БАНК «ДОМ.РФ»
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЕ А

ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

В настоящей пояснительной записке к выпускной квалификационной работе использованыследующие термины с соответствующими определениями:
ASM или Active Shape Models – активные модели формы
FAR ил False Acceptance Rate - Вероятность того, что система разрешит доступ пользователю, незарегистрированному в системе.
FRR или False Rejection Rate - Вероятность того, что зарегистрированному пользователю будетотказано в доступе.
LBP или Local Binary Patterns Histograms – алгоритм с использованием гистограмм
ААМ или Active Appearance Models – активные модели внешнего вида
БД – база данных
ЗИ – защита информации
ЗП – защищаемые помещения
ИБ – информационная безопасность
ИС – информационная система
КИ – конфиденциальная информация
КСИБ – комплексная система информационной безопасности
НСД – несанкционированный доступ
ПАЗИ – программно-аппаратная защита информации
ПО – программное обеспечение
ПЭМИН – побочные электромагнитные излучения и наводки
СВЧ – сверхвысокочастотное излучение
СЗИ – средства защиты информации
СКУД – система контроля и управления доступом
СММ – скрытая Марковская модель
СНС – сверточная нейронная сеть

ВВЕДЕНИЕ

Биометрическая идентификация – это установление соответствия между биометрическойхарактеристикой пользователя и базой данных.
Контроль доступа посредством биометрических систем – это удобный и практичный метод.Его основными достоинствами являются:
скорость, пользователь не тратит время на ввод пароля, верификацию через SMS-сообщения и так далее;
носитель информации, то есть биометрические данные, всегда находятся у пользователя ине могут быть похищены или потеряны;
биометрический контроль доступа является одним из наиболее надежных, так какидентификаторы технически не могут быть переданы посторонним лицам.
По итогам конференции CNews «Биометрическая идентификация: прогнозы и задачи», проведенной 1 октября 2019 года, попрошествии последних четырех лет российский рынок биометрических технологий продемонстрировал рост в размерах35,74% CAGR (совокупный среднегодовой темп роста). По прогнозам J’son&Partners Consulting, это значение может вырасти в 2,5 раза по сравнению с 2018 годом к концу 2022 года. Наряду с этим прогнозируемые