Aláírás ellenőrzése

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2019. április 14-én felülvizsgált verziótól ; az ellenőrzések 3 szerkesztést igényelnek .

Az aláírás-ellenőrzés  egy biometrikus technológia , amely aláírást használ egy személy azonosítására.

Az aláírás-ellenőrzés alkalmazható lehet a munkafolyamat-automatizálást igénylő területeken, például banki vagy peres ügyekben. Az aláírásfelismerő algoritmusok mintafelismerő algoritmusokra vagy matematikai görbeelemzési módszerekre támaszkodnak, mivel egy aláírást pontok halmaza is ábrázolhat. Ezért az igazolási feladatban gyakran alkalmaznak sorozatokká vagy görbe közelítést.

Eredet

Az aláírás a dokumentumok ellenőrzésének egyik leggyakoribb módja. Az aláírás használatának elterjedtsége ellenére azonban vizuálisan meglehetősen nehéz megkülönböztetni a valódi aláírást a hamistól, mivel ugyanazon személy két aláírása is jelentősen eltérhet. Ezért felmerül az automatikus aláírás-felismerő eszközök létrehozásának feladata. Az ilyen rendszereknek kellően magas szintű felismerési pontossággal kell rendelkezniük. Az aláírás-azonosság-hitelesítés alapja az írási folyamat jellemzőinek relatív egyedisége és stabilitása, amely alapján két aláírásminta összehasonlítható [1] . A technológia fejlődése lehetővé tette az aláírásírás különféle jellemzőinek azonosítását és számszerűsítését. Grafikus táblákat kezdtek használni az aláírás bevitelére , amelyek bizonyos időpontokban megjelölték a toll végének helyzetét, valamint a toll dőlésszögét és a táblára gyakorolt ​​nyomást. A grafikus táblákkal nyert adatok a kéz izommozgásának dinamikáját tükrözik, és ezért egy adott személy biometrikus jellemzői [2] . Nyilvánvaló, hogy az aláírás kevésbé stabil, mint néhány más biometrikus jellemző. Az aláírás-ellenőrzés feladata azonban továbbra is releváns, mivel az aláírással történő megerősítés a dokumentumok és műveletek megerősítésének általános módja.

Aláírás felismerési módszerek

A felhasználó aláírással történő hitelesítés feladata több szakaszra osztható. Először az aláírássablont regisztrálják. A statisztika gyűjtése érdekében a rendszer többször kéri a személy aláírását. Ezután következik a felhasználó egyedi jellemzőinek azonosítása, elemzése, ezeknek a jellemzőknek a mennyiségi kifejezése, valamint a referencia adatok és az azoktól megengedhető eltérés meghatározása. A referenciaadat egy személyes aláírással párosított tömb, amellyel a jövőben összehasonlítás történik. A következő lépés egy aláírásminta megadása. Ebben a szakaszban a bevitt aláírásminta jellemzői a sablon regisztrációjához hasonlóan kinyerésre kerülnek. Ezután összehasonlítják a szabvány és a minta jellemzőit, és felmérik, hogy mennyire esnek egybe. Ha kellő mértékű az egyezés, az aláírásminta hitelesnek minősül. Ellenkező esetben a minta hamisítványnak minősül.



Az aláírás-felismerési módszereket az adatszerzés módja szerint két típusra osztják [3] .

Statikus metódus

A statikus módszer azt feltételezi, hogy az ember papíron aláír, a képet beszkennelik vagy lefényképezik, majd a biometrikus rendszer elemzi a kapott képet. Ezt a módszert gyakran "off-line" módszernek nevezik. A statikus módszer kevesebb információt ad, mint a dinamikus módszer, mivel csak a pontok koordinátái ismertek.

Dinamikus módszer

A dinamikus módszer feltételezi, hogy egy személy egy grafikus táblán ír alá, amely valós időben olvassa be az aláírást. Ezt a módszert "on-line" módszernek is nevezik. A dinamikus információk a következő jellemzőket tartalmazhatják:

A dinamikus módszer nagyobb megbízhatóságú, hiszen a statikus információkon kívül további, dinamikus információkat is tartalmaz. Ennek megfelelően az utóbbi módszer nagyfokú eloszlást kapott [4] , [5] , [6] .

Aláírás-felismerő algoritmusok

Az aláírás írásakor minden egyes személy esetében egyedi jellemzők azonosíthatók. A biometria területén végzett kutatás magában foglalja a két biometrikus objektum összehasonlításának legjobb módját egy adott személy számára. Például az egyik személyre a gyors írás, éles csúcsokkal és völgyekkel, míg egy másik személyre a tollra nehezedő állandó erős nyomás és a vonal simasága. Elegendő számú algoritmus áll rendelkezésre a különböző aláírási jellemzők azonosítására és azok további összehasonlítására. A különböző algoritmusok az aláírás különböző tulajdonságait tükrözik, így általános esetben lehetetlen az algoritmusokat egymással összehasonlítani.


Mintafelismerésen alapuló algoritmus

A mintafelismerés elméletének népszerű technikái az aláírás-felismerésre is alkalmazhatók. Például a rejtett Markov-modell és a dinamikus időtranszformációs algoritmus ( DTW algoritmus ). A módszerek kombinációja is lehetséges [7] . Az aláírás előzetesen szakaszokra oszlik az alábbiak szerint. A rendszer kiszámítja a teljes aláírás geometriai középpontjának koordinátáit, majd az aláírást két részre osztja a tömegközépponthoz képest. Továbbá a particionálás minden szakaszon folytatódik. A partíció befejezése után az aláírás minden szakaszához hozzárendelődik egy tehetetlenségi ellipszis. Ebben az esetben a tehetetlenségi ellipszis egy olyan ellipszis, amelynek középpontja egybeesik a jelszakasz geometriai középpontjával, és maga az ellipszis a fizikai test tehetetlenségi ellipsziséhez hasonlóan épül fel , az aláírási pont tömegét egynek véve [ 8] . Ily módon az aláírás piramisszerű ábrázolása elliptikus primitívekkel épül fel. További összehasonlítást végeznek az aláírás ábrázolásai között.

Bezier-görbe közelítési algoritmus

Az aláírási pontok koordinátái az olvasóból olvashatók le. Ezután a pontok tömbjét szakaszokra bontjuk, például a lokális szélsőségek kiválasztásának elve szerint a tengelyek mentén [9] vagy az aláírási vonalak metszéspontokkal való felosztása [10] elve szerint . Ezt követően az egyes parcellákon egy Bezier-görbét rajzolunk a parcellában található pontok alapján. Így minden szakaszhoz olyan együtthatók tömbje van társítva, amelyek meghatározzák a Bezier-görbét . Két aláírás összehasonlítása az aláírások megfelelő szakaszainak összehasonlításával és a közelítő Bezier-polinom együtthatóinak további összehasonlításával történik a szakaszokban [11] .

A távolságmátrix kiszámításán alapuló algoritmus

Az algoritmus eredménye egy távolságmátrix, amely invariáns a transzláció, az elforgatás és a skálázás során. Más szóval, ha vesz egy aláírásmintát, majd nyújtja, forgatja és mozgatja az aláírást, akkor a távolságmátrix ugyanaz lesz, mint az eredeti aláírásé. A mátrix kiszámítása a következő lépésekkel történik:
1. A kezdeti adatok az átlagértékhez képest középre kerülnek

2. Kiszámítja a maximális értékű elemre normalizált koordinátákat

3. A távolságmátrixot a normalizált koordináták teljes halmazára számítják ki [12]

 az i-edik és a j-edik koordináta távolsága.

Továbbá összehasonlítjuk a két aláírás távolságmátrixát.

Algoritmus a lokális szélsőségek egyeztetésére

Az aláírás-felismerés az emberi beszédfelismeréshez meglehetősen hasonló feladat. Ezért a beszédfelismerés területén meglévő módszerek néhány kiegészítéssel alkalmazhatók a kézírás-felismerésre [13] . Az ellenőrzés egyik fő módszere a neurális hálózatokat és a dinamikus görbék illesztési pontjait használó megközelítés az időskála dinamikus transzformációjának módszerével ( DTW algoritmus ). A DTW-módszernek van néhány hátránya: a számítási bonyolultság és a hamis aláírások hivatkozási formává való redukálása. E hiányosságok kiküszöbölésére egy olyan aláírás-összehasonlítási módszert javasoltak, amely az extrém pontok megfelelésének keresésén alapul (extreme point warping, EPW) [14] . Az x(t) és y(t) függőségből maximumok és minimumok sorozatát különböztetjük meg. Ezért meg kell találni a megfeleléseket a megfelelő minimum és maximum közé zárt pontok között [15] . Miután az egyik aláírás pontjainak megfeleltetése egy másik aláírás pontjaihoz létrejött, a különböző aláírások egymásnak megfelelő pontjai közvetlenül összehasonlításra kerülnek.

Algoritmus az X(t), Y(t), P(t) függvények sorozatokba való bővítésén alapul

A sorokra bontás lehetővé teszi az aláírási adatok kompakt tárolását az eredeti helyreállítás lehetőségével, és megjeleníti az aláírás írási dinamikáját. Az X(t), Y(t), P(t) függvények Fourier-együtthatókkal vagy wavelet-kiterjesztésekkel bővíthetők . Ezután az aláírásokat összehasonlítjuk a kiterjesztési együtthatók megfelelő tömbjeinek összehasonlításával. Az így kapott tágulási együtthatók tömbje szerint lehetőség van az eredeti függvények visszaállítására is. A wavelet transzformáció alkalmazásakor az első típusú hibák száma csökken, a második típusú fix hiba esetén. De meg kell jegyezni, hogy a wavelet-transzformáció számítási bonyolultsága nagyobb, mint a Fourier-transzformációé, amelyhez létezik egy algoritmus a gyors Fourier-transzformációhoz [16] .

Gyakran hasonlítják össze az aláírás további jellemzőit: az aláírás hosszának és szélességének arányát, az aláírás dőlésszögét, az aláírás feleinek középpontjai közötti dőlésszöget [17] .

Hatókör

A technológia számos alkalmazásban használható, többek között [18] :

Linkek

Jegyzetek

  1. ↑ Doroshenko T.Yu., Kostyuchenko E.Yu. Kézírásos aláírás dinamikán alapuló hitelesítési rendszer  // Reports of TUSUR, No. 2 (32): folyóirat. — 2014.
  2. ↑ Kolyadin D.V., Petrov I.B. Algoritmus a szélsőséges pontok kiválasztására a kézírásos aláírás biometrikus ellenőrzésének problémájával kapcsolatban  // Elektronikus folyóirat "RESEARCHED IN RUSSIA" : folyóirat. – 2005.
  3. ↑ VISHVJIT S. NALWA. Automatikus on-line aláírás-ellenőrzés  (undefined)  // AZ IEEE ELJÁRÁSA, VOL. 85, NO. 2. - 2005.
  4. ↑ Alekszandr Prohorov. A házam az erőd, az arcom a  bérletem (neopr.)  // ComputerPress 7. - 2000.
  5. ↑ Sorokin I.A. Jelrendszer kialakítása egy személy azonosítására az aláírás-reprodukció dinamikája alapján: szerző. értekezései Cand. tech. Tudományok. Penza állam. egyetem, Penza, 2005.  : folyóirat. – 2005.
  6. ↑ E.S. Anisimov. [ http://crm.ics.org.ru/uploads/crmissues/crm_2014_3/14302.pdf Online aláírás azonosítása ablakos Fourier-transzformáció és radiális bázis segítségével]  // SZÁMÍTÓGÉPES KUTATÁS ÉS MODELLEZÉS 6. kötet, 3. kötet, pp. 357– 364 : log. — 2014.
  7. ↑ Faundez-Zanuy, Marcos. On-line aláírás-felismerés VQ-DTW alapján  (undefined)  // Mintafelismerés. - 2007. - T. 40 , 3. sz . - S. 981-992 .
  8. ↑ MM Lange, SN Ganebnykh. 2D szürkeárnyalatos objektumok osztályozása a többfelbontású reprezentáció terében  (angol)  : folyóirat. – 2005.
  9. ↑ Kolyadin D.V., Savin A.A. Az aláírás-ellenőrzés problémájáról a beléptető rendszerekben  // Információfeldolgozás és modellezés. - M.: MIPT, 2002: folyóirat. - 2002. - S. 81-89 . Az eredetiből archiválva : 2014. november 29. Archivált másolat (nem elérhető link) . Letöltve: 2014. november 20. Az eredetiből archiválva : 2014. november 29.. 
  10. ↑ Eremenko A.V. Az aláírás töredékekre való felosztásának algoritmusa a személyiségfelismerés megbízhatóságának javításának problémájával kapcsolatban a jelszavak írásának dinamikájával  // A SibADI 62. tudományos és műszaki konferencia előadásai. -Omszk, t.Kn. 1. : folyóirat. - 2008. - S. 124-128 . Az eredetiből archiválva: 2014. december 15. Archivált másolat (nem elérhető link) . Letöltve: 2014. november 20. Az eredetiből archiválva : 2014. december 15. 
  11. ↑ Arun Vijayaragavan J. Visumathi, KL Shunmuganathan. Cubic Bezier Curve Approach for Automated Offline Signature Verification with Intrusion Identification  //  Mathematical Problems in Engineering Volume, Cikkazonosító 928039 : folyóirat. — 2014.
  12. ↑ Ruchai A.N. Az invariánsok, mint a statisztikai aláírással történő ellenőrzés módszere  // Knowledge-Ontology-Theory (ZONT-09): folyóirat. – 2009.
  13. ↑ T. Starner, J. Makhoul, R. Schwartz, G. Chou. On-line kurzív kézírás-felismerés beszédfelismerő módszerekkel  //  IEEE Conference on Acoustics, Speech, and Signal Processing : Journal. - 1994. - 1. évf. 5 . - 125-128 . o .
  14. ↑ F. Hao, C. W. Chan. Online aláírás-ellenőrzés új extrém pontok vetemítési technikával  //  Mintafelismerő levelek : folyóirat. - 2003. - 1. évf. 24 . - P. 2943-2951 .
  15. ↑ Kolyadin D.V., Savin A.A. Az aláírás-ellenőrzés problémájáról a beléptető rendszerekben  // Információfeldolgozás és modellezés. - M.: MIPT: folyóirat. - 2002. Archiválva : 2014. november 29. Archivált másolat (nem elérhető link) . Letöltve: 2014. november 20. Az eredetiből archiválva : 2014. november 29.. 
  16. ↑ Leus A.V. Biometrikus hitelesítés az aláírás dinamikus jellemzői alapján  // Katalógus "ACS. Antiterrorism" : folyóirat. – 2009.
  17. ↑ Ruchai A.N. Az invariánsok, mint a statisztikai aláírással történő ellenőrzés módszere  // Knowledge-Ontology-Theory (ZONT-09): folyóirat. – 2009.
  18. ↑ Alekszandr Prohorov. A házam az erőd, az arcom a  bérletem (neopr.)  // ComputerPress 7'2000. – 2000.