RU2292079C2

RU2292079C2 - Method for human identification by his biometrical image

Info

Publication number: RU2292079C2
Application number: RU2005102541/09A
Authority: RU
Inventors: Олег Владимирович Ефимов (RU); Олег Владимирович Ефимов; Александр Иванович Иванов (RU); Александр Иванович Иванов; В чеслав Александрович Фунтиков (RU); Вячеслав Александрович Фунтиков
Priority date: 2005-02-02
Filing date: 2005-02-02
Publication date: 2007-01-20
Also published as: RU2005102541A

Abstract

FIELD: biometrical identification and authentication; electronic passports, identity cards, systems of electronic documents circulation, access restriction systems.

SUBSTANCE: artificial neural network is trained on the examples of biometrical images of identified human. Description of trained neural network is included into document, which identifies human identity, as a table. When identifying a human his biometrical image is converted into controlled parameters, which are converted into output code using neural network. Output code and defined code are compared. If they match, positive decision is made regarding human identity.

EFFECT: reduced number of communication channels for transferring trained artificial neural networks for identified humans, and reduced memory size on checkpoints for storing named neural networks.

2 cl, 2 dwg

Description

Изобретение относится к биометрической идентификации и аутентификации человека и может быть использовано в электронных паспортах и удостоверениях личности, в системах электронного документооборота, в системах ограничения доступа на охраняемые объекты.The invention relates to biometric identification and authentication of a person and can be used in electronic passports and identity cards, in electronic document management systems, in systems for restricting access to protected objects.

В настоящее время широко используется идентификация человека по его рукописной подписи (автографу). Идентификация сводится к тому, что человек формирует образец своей подписи, например, в паспорте. В случае необходимости подтвердить свою личность производится аутентификация человека, который в присутствии проверяющего воспроизводит свою подпись (автограф). Затем проверяющий визуально сравнивает образец подписи и воспроизведенный при нем автограф. В случае их достаточно большого совпадения принимается положительное аутентификационное решение. Недостатком данного способа является низкий уровень достоверности принимаемого проверяющим аутентификационного решения. Кроме того, проверяющий должен иметь высокую квалификацию (проверяющий должен быть специально обучен сравнивать автографы), что делает этот способ дорогим.Currently, the identification of a person by his handwritten signature (autograph) is widely used. Identification is reduced to the fact that a person forms a sample of his signature, for example, in a passport. If necessary, to verify their identity, an authentication is made of a person who, in the presence of the verifier, reproduces his signature (autograph). Then, the verifier visually compares the signature sample and the autograph reproduced with it. In the case of a sufficiently large match, a positive authentication decision is made. The disadvantage of this method is the low level of reliability of the authentication decision made by the verifier. In addition, the examiner must be highly qualified (the examiner must be specially trained to compare autographs), which makes this method expensive.

Известен способ биометрической аутентификации человека по его автографу [1, 2] или иному рукописному слову. По этому способу человек обучает биометрическую систему, предъявляя ей примеры своей подписи. Биометрическая система формирует биометрический эталон подписи и хранит его. В процессе аутентификации человек воспроизводит свой автограф, а вычислительная машина сравнивает его с эталоном. Если эталон и предъявленный автограф близки, то делается вывод о положительной аутентификации личности. Недостатком данного способа является то, что биометрический эталон пользователя должен храниться в тайне. Кроме того, программное обеспечение, сравнивающее введенный рукописный образ с эталоном, необходимо оберегать от попыток искажения и подделок (например, искажение одного последнего бита решающего правила). Так как программное обеспечение и биометрический эталон нельзя делать общедоступными, то существенно сужается область применения описанного выше способа идентификации и аутентификации по рукописному автографу. В частности, данный способ не пригоден для его использования в открыто хранящихся и общедоступных электронных паспортах и удостоверениях личности.A known method of biometric authentication of a person by his autograph [1, 2] or other handwritten word. In this way, a person teaches a biometric system, presenting her with examples of his signature. The biometric system forms a biometric signature standard and stores it. In the process of authentication, a person reproduces his autograph, and the computer compares it with the standard. If the standard and the presented autograph are close, then a conclusion is made about the positive authentication of the person. The disadvantage of this method is that the biometric standard of the user must be kept secret. In addition, software comparing the entered handwritten image with the standard must be protected from attempts to distort and falsify (for example, distortion of the last one bit of the decision rule). Since the software and the biometric standard cannot be made publicly available, the scope of the above-described method of identification and authentication by handwritten autograph is significantly narrowed. In particular, this method is not suitable for its use in openly stored and generally accessible electronic passports and identity cards.

Известен способ, позволяющий открыто хранить биометрические данные в форме таблицы связей между нейронами и таблицы значений весовых коэффициентов этих связей искусственной нейронной сети [2, 3]. По этому способу человек предварительно обучает искусственную нейронную сеть преобразовывать свой рукописный образ в секретный ключ пользователя, например, секретный ключ, формирующий электронную цифровую подпись пользователя. Аутентификация по этому способу осуществляется путем воспроизведения рукописного пароля пользователем. Рукописный пароль обрабатывается программой вычисления параметров подписи, которые поступают на вход обученной искусственной нейронной сети. Искусственная нейронная сеть преобразует параметры подписи в секретный ключ пользователя, который используется в одном из криптографических механизмов аутентификации. Например, может использоваться электронная цифровая подпись пользователя, проверяемая другим человекам по известному всем открытому ключу пользователя.There is a method that allows you to openly store biometric data in the form of a table of connections between neurons and a table of values of the weight coefficients of these connections of an artificial neural network [2, 3]. In this way, a person preliminarily trains an artificial neural network to convert his handwritten image into a user's secret key, for example, a secret key that forms the user's electronic digital signature. Authentication by this method is carried out by reproducing the handwritten password by the user. The handwritten password is processed by the program for calculating the signature parameters that are input to the trained artificial neural network. An artificial neural network converts the signature parameters into the user's secret key, which is used in one of the cryptographic authentication mechanisms. For example, an electronic digital signature of a user can be used, verified by other people using the public key of the user known to everyone.

Основным недостатком данного способа идентификации и аутентификации человека является то, что проверяющий должен обязательно знать открытый ключ пользователя для его проверки. Для обеспечения достоверности открытых ключей необходимо создавать целую систему сертификационных центров, гарантирующих подлинность открытых ключей. Еще одним недостатком этого способа является то, что проверяющий человек не может лично проверить достоверность автографа проверяемого без привлечения специальных криптографических программ. Если человек сомневается в правильности работы криптографических программ, он не может проверить подлинность подписи и надежно аутентифицировать рядом находящегося человека.The main disadvantage of this method of identification and authentication of a person is that the verifier must know the public key of the user to verify it. To ensure the validity of public keys, it is necessary to create a whole system of certification centers that guarantee the authenticity of public keys. Another disadvantage of this method is that the verifier cannot personally verify the authenticity of the autograph being verified without involving special cryptographic programs. If a person doubts the correct operation of cryptographic programs, he cannot verify the authenticity of the signature and authenticate reliably with a nearby person.

Использование нейронной сети для принятия решения об идентификации человека известно из патента США № 5892838 [4]. Недостаток известного технического решения заключается в необходимости наличия в пункте опознания нейронной сети идентифицируемого или оперативной доставки этой сети в указанный пункт, что возможно только при хороших каналах связи и наличия памяти большого объема для хранения нейронных сетей всех идентифицируемых лиц, что в свою очередь приводит к большой стоимости системы идентификации.The use of a neural network to make a decision on the identification of a person is known from US patent No. 5892838 [4]. A disadvantage of the known technical solution is the need for an identifiable or prompt delivery of this network to a specified point in a neural network identification point, which is possible only with good communication channels and a large memory capacity for storing neural networks of all identifiable persons, which in turn leads to a large identification system costs.

Наиболее близким к предлагаемому способу и выбранным в качестве прототипа является способ идентификации человека по его биометрическому образу (автографу) [5] с помощью искусственной нейросети, которая предварительно обучена на нескольких (порядка 12-16) образцах подписи человека. При обучении использована стратегия [6, с.25], при которой подбор весовых коэффициентов (весов связей нейронов) организуется так, чтобы выходные сигналы нейронов выходного слоя принимали значения, равные значениям заданного кода. Обученная искусственная нейросеть, например, в виде таблицы связей между нейронами и таблицы значений весовых коэффициентов этих связей хранится в памяти компьютера. При необходимости осуществления идентификации человек однократно вводит свой биометрический образ. В прототипе в качестве биометрического образа используется подпись (автограф) человека, которая преобразуется планшетом, на котором расписывается человек, в электрический сигнал, при этом колебания пера и его давление преобразуются в цифровую форму и поступают в вычислитель, который вычисляет контролируемые параметры подписи. Эти параметры поступают на вход предварительно обученной, как это говорилось выше, искусственной нейросети. Последняя преобразует их в выходной код, который сравнивается с заданным при обучении нейросети кодом. При совпадении выходного и заданного кодов нейросети выносится положительное решение об идентификации человека, а при несовпадении - отрицательное решение.Closest to the proposed method and selected as a prototype is a method for identifying a person by his biometric image (autograph) [5] using an artificial neural network that is pre-trained on several (about 12-16) samples of a person’s signature. In training, a strategy was used [6, p.25], in which the selection of weighting coefficients (weights of neuron connections) is organized so that the output signals of the neurons of the output layer take values equal to the values of the given code. A trained artificial neural network, for example, in the form of a table of connections between neurons and a table of values of the weight coefficients of these connections is stored in computer memory. If it is necessary to carry out identification, a person once enters his biometric image. In the prototype, as a biometric image, a person’s signature (autograph) is used, which is converted by a tablet on which a person signs, into an electrical signal, while the vibrations of the pen and its pressure are converted into digital form and fed to a calculator that calculates the controlled signature parameters. These parameters are input to a pre-trained, as mentioned above, artificial neural network. The latter converts them into the output code, which is compared with the code specified during the training of the neural network. If the output and the specified codes of the neural network coincide, a positive decision is made to identify the person, and if they do not coincide, a negative decision is made.

Недостаток способа-прототипа аналогичен недостатку способа по патенту США № 5892838 [4] и заключается в большой сложности процесса идентификации в случае организации его на большом количестве территориально распределенных контрольно-пропускных пунктах (КПП) (аэропортах, железнодорожных вокзалах, таможнях и других пунктах досмотра), что связано с необходимостью передачи в эти пункты и хранения на них предварительно обученных искусственных нейросетей, соответствующих идентифицируемым лицам, что требует хороших каналов связи и значительных затрат времени для передачи этих нейросетей, а на каждом КПП - наличие большого объема памяти для хранения этих нейросетей, что при большом количестве идентифицируемых лиц и КПП приводит к большой стоимости системы идентификации.The disadvantage of the prototype method is similar to the disadvantage of the method according to US patent No. 5892838 [4] and lies in the great complexity of the identification process if it is organized at a large number of geographically distributed checkpoints (airports), railway stations, customs and other inspection points) , which is associated with the need to transfer to these points and store on them pre-trained artificial neural networks corresponding to identifiable persons, which requires good communication channels and significant amount of time for the transmission of these neural networks, and at each check point - the presence of a large amount of memory to store these neural networks that with a large number of identified persons and PPC leads to high cost of the identification system.

Задачей, решаемой предлагаемым способом, является упрощение процедуры идентификации человека.The problem solved by the proposed method is to simplify the procedure for identifying a person.

Технический результат, достигаемый предлагаемым способом по п.1, заключается в уменьшении количества каналов связи (вплоть до полного отказа от них) для передачи обученных искусственных нейронных сетей идентифицируемых лиц и уменьшении объема памяти на КПП для хранения указанных нейросетей, а также упрощении принятия решения для проверяющего человека.The technical result achieved by the proposed method according to claim 1, is to reduce the number of communication channels (up to a complete rejection of them) for the transfer of trained artificial neural networks of identifiable persons and reduce the amount of memory at the checkpoint for storing these neural networks, as well as simplifying the decision for checking person.

Указанный технический результат достигается тем, что в известном способе идентификации человека по его биометрическому образу, по которому биометрический образ преобразуют в контролируемые параметры, последние подают на вход искусственной нейросети, которую предварительно обучают с использованием заданного кода на примерах биометрических образов идентифицируемого человека и запоминают, преобразуют контролируемые параметры с помощью этой нейросети в выходной код, который сравнивают с заданным кодом, и при совпадении упомянутых кодов принимают положительное решение о идентификации человека, а при несовпадении - отрицательное решение, в качестве заданного кода при обучении искусственной нейросети используют код, однозначно соответствующий записи, содержащейся в документе, удостоверяющем личность идентифицируемого человека, а таблицу описания обученной искусственной нейросети, например, в виде таблицы связей между нейронами и таблицы значений весовых коэффициентов этих связей включают в состав этого документа.The specified technical result is achieved by the fact that in the known method of identifying a person according to his biometric image, in which the biometric image is converted into controlled parameters, the latter are fed to the input of an artificial neural network, which is pre-trained using a given code on examples of biometric images of an identified person and stored, converted controlled parameters using this neural network in the output code, which is compared with a given code, and if the mentioned code they make a positive decision on the identification of a person, and if they do not match, a negative decision, a code that uniquely corresponds to the record contained in the document identifying the person being identified is used as a given code when training an artificial neural network, and a description table for a trained artificial neural network, for example, in the form tables of connections between neurons and tables of values of weight coefficients of these connections are included in this document.

Дополнительный технический результат, достигаемый предлагаемым способом по п.2, заключается в уменьшении вероятности ложной идентификации человека, возможной из-за внедрения в оборудование (ПЭВМ) программных закладок. Указанный результат достигается благодаря тому, что сравнение выходного кода нейросети и заданного кода осуществляют проверяющим человеком.An additional technical result achieved by the proposed method according to claim 2, is to reduce the likelihood of false identification of a person, possible due to the introduction of software bookmarks into the equipment (PC). The specified result is achieved due to the fact that the comparison of the output code of the neural network and the specified code is carried out by a checking person.

На фиг.1 представлен пример истинной подписи, на фиг.2 - ложной подписи идентифицируемого человека.Figure 1 presents an example of a true signature, figure 2 is a false signature of an identifiable person.

Процедура идентификации человека по предлагаемому способу осуществляется следующим образом.The procedure for identifying a person by the proposed method is as follows.

В электронном паспорте и обычном паспорте идентифицируемого (аутентифицируемого) человека содержится запись «Иванов Александр Иванович». По предложенному способу производят обучение нейронной сети преобразованию автографа владельца паспорта в выходной код, соответствующий записи «Иванов Александр Иванович». Обученная этому преобразованию нейронная сеть записывается в виде таблицы связей между нейронами и таблицы значений весовых коэффициентов этих связей, которые размещаются в электронном паспорте пользователя или в любом ином электронном документе, удостоверяющем личность конкретного человека (в нашем случае Иванова).An electronic passport and an ordinary passport of an identifiable (authenticated) person contain the entry "Alexander Ivanovich Ivanov." According to the proposed method, the neural network is trained to convert the autograph of the passport holder into an output code corresponding to the record "Ivanov Alexander Ivanovich." The neural network trained in this transformation is written in the form of a table of connections between neurons and a table of values of the weight coefficients of these connections, which are placed in the user's electronic passport or in any other electronic document that identifies the identity of a particular person (in our case, Ivanova).

При аутентификации проверяющий убеждается в подлинности предъявленного ему паспорта обычными методами (например, проверяет подлинность электронной цифровой подписи органа МВД, выдавшего электронный паспорт). Убедившись в подлинности документа, проверяющий просит проверяемого воспроизвести его автограф на графическом планшете. Далее проверяющий сравнивает визуально воспроизведенный при нем автограф с образцом в паспорте Иванова. Если автографы похожи, то проверяющий идентичность человека реальному Иванову запускает программу эмуляции нейросети, связывающей автограф Иванова с одной из записей в его паспорте.During authentication, the verifier verifies the authenticity of the passport presented to him by the usual methods (for example, verifies the authenticity of the electronic digital signature of the authority of the Ministry of Internal Affairs that issued the electronic passport). After verifying the authenticity of the document, the verifier asks the verifiable to reproduce his autograph on a graphic tablet. Next, the examiner compares the autograph visually reproduced with him with a sample in Ivanov’s passport. If the autographs are similar, then the person checking the identity of the real Ivanov launches a neural network emulation program that links Ivanov’s autograph with one of the entries in his passport.

Если автограф действительно принадлежит Иванову, то нейросеть, таблицы описания которой размещены в паспорте Иванова, даст выходной код, совпадающий с записью «Иванов Александр Иванович». Проверяющий сравнивает получившуюся запись на выходе нейросети с содержанием соответствующей записи в паспорте. При их совпадении делается вывод о тождестве расписавшегося только что человека Иванову, которому ранее был выдан электронный паспорт МВД.If the autograph really belongs to Ivanov, then the neural network, the description tables of which are located in Ivanov’s passport, will give an output code that matches the entry “Ivanov Alexander Ivanovich”. The verifier compares the resulting record at the output of the neural network with the contents of the corresponding record in the passport. If they coincide, a conclusion is drawn about the identity of the newly signed person, Ivanov, who was previously issued an electronic passport of the Ministry of Internal Affairs.

Описанная выше процедура иллюстрируется фигурой 1, где приведена заставка программного продукта «Нейрокриптон», нейросеть которого обучена преобразовывать изображенный на фигуре 1 автограф в код «Иванов Александр Иванович». При правильном воспроизведении динамики автографа на выходе нейросети появляется нужная запись, точно соответствующая записи в паспорте.The procedure described above is illustrated by figure 1, which shows the splash screen of the Neurocrypton software product, whose neural network is trained to convert the autograph depicted in figure 1 into the code "Ivanov Alexander Ivanovich." With the correct reproduction of the dynamics of the autograph, the necessary record appears exactly at the output of the neural network, exactly corresponding to the record in the passport.

Если кто-либо другой пытается подделать автограф истинного владельца паспорта, то его рукописный автограф даст на выходах нейронной сети совершенно другой код. Пример попытки подделки отображен на фигуре 2. Подлинный автограф и попытка подделки внешне очень похожи, однако подделка порождает на выходе нейросети случайный код

If someone else is trying to fake an autograph of the true owner of the passport, then his handwritten autograph will give a completely different code on the outputs of the neural network. An example of a fake attempt is shown in Figure 2. The original autograph and the fake attempt are very similar in appearance, but the fake generates a random code at the output of the neural network

Сравнивая ожидаемый код «Иванов Александр Иванович» с кодом подделки

, визуально наблюдаем их существенные отличия.Comparing the expected code “Ivanov Alexander Ivanovich” with the fake code

, visually observe their significant differences.

Используя предложенный нами способ, проверяющий человек способен без специальных криптографических программ убедиться в тождестве автографа, пытаясь читать выходной код нейронной сети. Если выходной код имеет смысл, легко читаем и соответствует записям в паспорте, то человек, воспроизведший автограф, действительно является тем, за кого себя выдает. Если на выходе обученной нейросети код оказывается нечитаемым частично или полностью, то перед нами злоумышленник, пытающийся воспользоваться чужим паспортом.Using the method we have proposed, the testing person is able, without special cryptographic programs, to verify the identity of the autograph by trying to read the output code of the neural network. If the output code makes sense, is easy to read and matches the entries in the passport, then the person who reproduced the autograph is really who he claims to be. If at the output of a trained neural network the code turns out to be unreadable partially or completely, then we have an attacker trying to use someone else's passport.

Крайне важным в предложенном способе является то, что он реализуется чисто программными методами и основан на использовании стандартных устройств ввода графической информации (графических планшетов или чувствительных экранов карманных компьютеров). Все это позволяет создавать недорогие и высокоэффективные программные приложения, способные надежно аутентифицировать владельцев электронных документов по их автографу.It is extremely important in the proposed method that it is implemented using purely software methods and is based on the use of standard input devices for graphic information (graphic tablets or sensitive screens of handheld computers). All this allows you to create low-cost and high-performance software applications that can reliably authenticate the owners of electronic documents by their autograph.

Возможна иная реализация предложенного нами способа путем документирования в паспорте параметров нейросети, преобразующей голосовую фразу человека в выходной код, однозначно соответствующий паспортным данным идентифицируемого или аутентифицируемого человека. По предложенному способу производят обучение нейронной сети преобразованию голосовой фразы владельца паспорта в выходной код, соответствующий записи «Иванов Александр Иванович». Обученная этому преобразованию нейронная сеть записывается в виде таблицы связей между нейронами и таблицы значений весовых коэффициентов этих связей. Таблица описания обученной нейронной сети размещается в электронном паспорте пользователя или в любом ином электронном документе, удостоверяющем личность конкретного человека (в нашем случае Иванова).Another implementation of our proposed method is possible by documenting in a passport the parameters of a neural network that converts a person’s voice phrase into an output code that uniquely corresponds to the passport data of an identifiable or authenticated person. According to the proposed method, the neural network is trained to convert the voice phrase of the passport holder into the output code corresponding to the entry "Ivanov Alexander Ivanovich." The neural network trained in this transformation is written in the form of a table of connections between neurons and a table of values of the weight coefficients of these connections. The description table of the trained neural network is placed in the user's electronic passport or in any other electronic document that identifies the identity of a particular person (in our case, Ivanova).

При аутентификации проверяющий убеждается в подлинности предъявленного ему паспорта обычными методами (например, проверяет подлинность электронной цифровой подписи органа МВД, выдавшего электронный паспорт). Убедившись в подлинности документа, проверяющий просит проверяемого произнести фразу, записанную в его паспорте, «Я Иванов Александр Иванович». Далее проверяющий сравнивает на слух голосовой файл в паспорте и произнесенную при нем фразу. Если голоса похожи, то проверяющий идентичность человека реальному Иванову запускает программу эмуляции нейросети, связывающей голосовой файл Иванова с одной из записей в его паспорте.During authentication, the verifier verifies the authenticity of the passport presented to him by the usual methods (for example, verifies the authenticity of the electronic digital signature of the Ministry of Internal Affairs that issued the electronic passport). Having ascertained the authenticity of the document, the inspector asks the inspector to pronounce the phrase recorded in his passport, "I am Ivanov Alexander Ivanovich." Next, the examiner compares the voice file in the passport and the phrase uttered with it by ear. If the voices are similar, then the person checking the identity of the real Ivanov launches a neural network emulation program that links Ivanov’s voice file with one of the entries in his passport.

Если голос действительно принадлежит Иванову, то нейросеть, таблицы описания которой размещены в паспорте Иванова, даст выходной код, совпадающий с записью «Иванов Александр Иванович». Проверяющий сравнивает получившуюся запись на выходе нейросети с содержанием соответствующей записи в паспорте. При их совпадении делается вывод о тождестве говорившего только что человека Иванову, которому ранее был выдан электронный паспорт МВД.If the voice really belongs to Ivanov, then the neural network, the description tables of which are located in the passport of Ivanov, will give an output code that matches the entry “Ivanov Alexander Ivanovich”. The verifier compares the resulting record at the output of the neural network with the contents of the corresponding record in the passport. If they coincide, a conclusion is drawn about the identity of the person who was just speaking to Ivanov, who had previously been issued an electronic passport of the Ministry of Internal Affairs.

В полном соответствии с предложенным выше способом может быть реализована идентификация и аутентификация человека по его любому открытому, общедоступному биометрическому образу. В качестве таких открытых, общедоступных биометрических образов может использоваться рисунок отпечатка пальца [4] (записанный в электронном паспорте человека), рисунок радужной оболочки глаза (также записанный в паспорте человека), рисунок вен и кровеносных сосудов на глазном дне или запястье, форма уха и так далее.In full accordance with the method proposed above, the identification and authentication of a person by any open, public biometric image can be implemented. As such open, generally accessible biometric images, a fingerprint pattern [4] (recorded in a person’s electronic passport), an iris pattern (also recorded in a person’s passport), veins and blood vessels in the fundus or wrist, and the shape of the ear and etc.

При этом следует подчеркнуть, что затраты на реализацию предлагаемого способа незначительны и сводятся к включению в состав документа, удостоверяющего личность, вкладыша (на бумажном или магнитном носителе), несущего информацию о параметрах обученной искусственной нейросети владельца документа. Этот вкладыш может быть изготовлен, например, по месту выдачи документа. На КПП, где осуществляется идентификация личности, должна быть установлена ПЭВМ с устройствами считывания информации с вкладыша и программным обеспечением эмуляции нейросети. При этом на проверяющего возлагаются дополнительно лишь функции по организации процедуры считывания информации с вкладыша и сравнения выходного кода, высвечиваемого на дисплее с заданным кодом в документе идентифицируемого человека. Так как этот документ все время должен находиться с его владельцем, то последний, прибывая на КПП, доставляет лично и свой биометрический образ и свою обученную искусственную нейросеть. Этим самым отпадает необходимость дистанционной передачи нейросети по каналу связи, что упрощает построение системы идентификации человека и повышает оперативность этой идентификации. При этом время идентификации практически определяется временем считывания биометрического образа и нейросети, а также временем сравнения кодов проверяющим, что не требует высокой квалификации последнего, и, самое главное, результат проверки становится понятен и легко доступен любому человеку.It should be emphasized that the costs of implementing the proposed method are insignificant and boil down to including an insert (on paper or magnetic media) containing information about the parameters of the trained artificial neural network of the owner of the document in the identity document. This insert can be made, for example, at the place of issue of the document. At the checkpoint, where personal identification is carried out, a personal computer must be installed with devices for reading information from the insert and software for emulating the neural network. At the same time, the inspector is entrusted with only functions to organize the procedure for reading information from the insert and comparing the output code displayed on the display with the specified code in the document of the person being identified. Since this document must always be with its owner, the latter, arriving at the checkpoint, personally delivers both his biometric image and his trained artificial neural network. This eliminates the need for remote transmission of a neural network via a communication channel, which simplifies the construction of a person’s identification system and increases the efficiency of this identification. At the same time, the identification time is practically determined by the reading time of the biometric image and the neural network, as well as the time of comparing the codes to the verifiers, which does not require the last qualification, and, most importantly, the verification result becomes understandable and easily accessible to any person.

Источники информацииInformation sources

1. Ричард Э. Смит Аутентификация: от паролей до открытых ключей // М., С.-Питербург, Киев - изд-во «Вильяме». 2002 г.1. Richard E. Smith Authentication: from passwords to public keys // M., St. Petersburg, Kiev - William Publishing House. 2002 year

2. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. //Монография. Пенза. Изд-во ПГУ, 2000 г., 188 с. (http://beda.stup.ac.ru/biometry).2. Ivanov A.I. Biometric personality identification by the dynamics of subconscious movements. //Monograph. Penza PSU Publishing House, 2000, 188 pp. (http://beda.stup.ac.ru/biometry).

3. Иванов А.И. Объединение протоколов аутентификации//Защита информации. Конфидент. 2002 г., № 1, с. 64-69.3. Ivanov A.I. Association of authentication protocols // Information security. Confident 2002, No. 1, p. 64-69.

4. Патент США № 5892838, МПК G 06 К 9/46. Биометрическая опознавательная система, использующая нейронную сеть классификации.4. US Patent No. 5892838, IPC G 06 K 9/46. A biometric identification system using a neural classification network.

5. Патент РФ № 2148274, МПК G 06 К 9/22. Способ идентификации личности по особенностям подписи (прототип).5. RF patent No. 2148274, IPC G 06 K 9/22. A method of identifying a person by signature features (prototype).

6. С.Оссовский. Нейронные сети для обработки информации. М., Финансы и статистика, 2002.6. S. Ossovsky. Neural networks for information processing. M., Finance and Statistics, 2002.

Claims

1. A method for identifying a person by his biometric image, according to which the biometric image is converted into controlled parameters, the latter are fed to the input of an artificial neural network, which is pre-trained using a given code on the examples of biometric images of an identified person and stored, transform the controlled parameters using this neural network into the output code, which is compared with the given code, if the codes mentioned coincide, they make a positive decision about the identification of the person, and when mismatch - a negative decision, characterized in that when training an artificial neural network as a given code, a code is used that uniquely corresponds to the record contained in the identity document of the identifiable person, and the description table of the trained artificial neural network is included in this document.

2. The method according to claim 1, characterized in that the comparison of the output code of the neural network and the specified code is carried out by a checking person.