Технология программного комплекса
электронной рукописной подписи
Наш программно-аппаратный комплекс позволяет распознавать рукописную подпись, с помощью специализированного планшета. Мы отбираем информативно-значимые признаки , а также используем ансамбль из классификаторов:
Метод опорных векторов
SVM - алгоритм машинного обучения, который строит гиперплоскость в многомерном пространстве, разделяющую данные на классы. При использовании SVM для аутентификации по онлайн подписи, сначала извлекают признаки из образца подписи, такие как длительность касания, угол наклона пера и скорость движения пера. Затем SVM обучается на этих признаках, строя гиперплоскость, которая разделяет подлинные и фальшивые подписи. SVM используется для классификации новых образцов подписи, которые находятся на одной или другой стороне гиперплоскости, что позволяет определить их подлинность.
Метод машинного обучения, который используется для классификации и регрессии. В контексте задачи аутентификации по онлайн подписи деревья решений могут использоваться для определения подлинности подписи на основе характеристик, извлеченных из динамических данных подписи, таких как скорость, ускорение и угол поворота.
Преимущества деревьев решений в задачах аутентификации по онлайн подписи включают их интерпретируемость, относительную простоту в использовании и возможность быстрой обработки больших объемов данных.
Скрытые марковские модели
Скрытые Марковские модели (HMM) используются для аутентификации по электронной рукописной подписи. Этот метод основывается на моделировании последовательности координат, представляющих подпись, как последовательность состояний, в которых вероятности перехода зависят от вероятностей наблюдений. HMM использует алгоритм Витерби для вычисления наиболее вероятной последовательности скрытых состояний и может быть применен для распознавания подписей и детектирования подделок
Нейронная сеть глубокого обучения
Недавно стало популярным использовать сверточные нейронные сети (Convolutional Neural Networks, CNN) для аутентификации по онлайн подписи. Этот метод использует последовательность координат, представляющую траекторию пера на планшете, и выделяет признаки, которые могут быть использованы для распознавания подписей. При аутентификации вычисляется расстояние между образцом подписи и известными образцами в базе данных. Использование глубоких нейронных сетей обеспечивает высокую точность распознавания, что позволяет использовать этот метод в различных сферах, включая банковскую и медицинскую области, где безопасность и точность имеют критическое значение.
Благодаря их использованию достигается наивысшая точность при аутентификации пользователя
Деревья решений
Динамическое распознавание