vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2023-50-4-75-84vdgtu-1393Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGY AND TELECOMMUNICATIONSК вопросу обеспечения защищенного доступа к информационным системам с применением биометрической аутентификации на основе нечеткого образа личности пользователя и нейросетевых преобразованийOn the issue of ensuring secure access to information systems using biometric authentication based on a fuzzy image of the user’s identity and neural network transformationsБоковаО. И.BokovaO. I.

Бокова Оксана Игоревна - доктор технических наук, профессор.

115230, Москва, Каширское шоссе, 17 к. 5 стр. 3

Oksana I. Bokova - Dr. Sci. (Eng.), Prof.

17 Kashirskoe highway, k. 5 building 3, Moscow 115230

o.i.bokova@gmail.comhttps://orcid.org/0000-0003-0575-2773КанавинС. В.KanavinS. V.

Канавин Сергей Владимирович - кандидат технических наук, доцент, доцент кафедры инфокоммуникационных систем и технологий.

394065, Воронеж, пр-т. Патриотов, 53

Sergey V. Kanavin - Cand. Sci. (Eng.), Assoc. Prof., Assoc. Prof., of the Department of Infocommunication Systems and Technologies.

53 Patriotov Ave., Voronezh 394065

sergejj-kanavin@rambler.ruХохловН. С.KhokhlovN. S.

Хохлов Николай Степанович - доктор технических наук, профессор, профессор кафедры инфокоммуникационных систем и технологий.

394065, Воронеж, пр-т. Патриотов, 53

Nikolay S. Khokhlov - Dr. Sci. (Eng.), Prof., Prof., of the Department of Infocommunication Systems and Technologies.

53 Patriotov Ave., Voronezh 394065

nikolayhohlov@rambler.ruГилевИ. В.GilevI. V.

Гилев Игорь Владимирович - преподаватель кафедры инфокоммуникационных систем и технологий.

394065, Воронеж, пр-т. Патриотов, 53

Igor V. Gilev - Lecturer, Department of infocommunication systems and technologies.

53 Patriotov Ave., Voronezh 394065

gileviv@bk.ruЛекарьЛ. А.LekarL. A.

Лекарь Людмила Антоновна - кандидат технических наук, доцент кафедры информационных технологий.

125171, Москва, ул. Зои и Александра Космодемьянских ул., 8

Lyudmila A. Lekar - Cand. Sci. (Eng.), Assoc. Prof., Department of Information Technologies.

8 Zoe and Alexandra Kosmodemyanskikh St., Moscow 125171

antonna47@bk.ruООО «Каскад»РоссияLLC «Cascade»Russian FederationВоронежский институт МВД РоссииРоссияVoronezh Institute of the Ministry of Internal Affairs of RussiaRussian FederationАкадемия управления МВД РоссииРоссияAcademy of Management of the Ministry of Internal Affairs of RussiaRussian Federation2023210120245047584Copyright © Бокова О.И., Канавин С.В., Хохлов Н.С., Гилев И.В., Лекарь Л.А., 20242024Бокова О.И., Канавин С.В., Хохлов Н.С., Гилев И.В., Лекарь Л.А.Bokova O.I., Kanavin S.V., Khokhlov N.S., Gilev I.V., Lekar L.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/1393

Цель. В современных условиях для доступа к информационным системам применяются технологии криптографической аутентификации личности, основанные на обработке биометрической информации и преобразовании биометрических образов пользователя в его персональный код доступа. Актуальным направлением исследований является применение нейросетевых технологий при организации защищенного доступа к информационным системам. Средства биометрической аутентификации могут быть отнесены к высоконадежным, только если в их состав введены криптографические механизмы аутентификации, работающие совместно с биометрическими механизмами аутентификации через преобразование биометрических образов в однозначный криптографический код доступа. В этом случае совокупность биометрических идентификаторов личности пользователя формируют его нечеткий образ, который используется в дальнейшем при проведении аутентификации. Целью исследования является разработка алгоритма обеспечения защищенного доступа к информационным системам с применением биометрической аутентификации на основе нечеткого образа личности пользователя и нейросетевых преобразований. Метод. Разработка алгоритма основана на использовании методов нечеткой логики и аппарата нейронных сетей. Результат. В работе выявлены особенности биометрической идентификации личности пользователя информационных систем. Предложен алгоритм обеспечения защищенного доступа к информационным системам с применением биометрической аутентификации на основе нечеткого образа личности пользователя и нейросетевых преобразований. Вывод. На основе двухэтапной аутентификации личности пользователя реализован защищенный доступ к информационным системам зарегистрированных пользователей. Приведен листинг программного кода на языке Python для создания и обучения нейронной сети классификатора биоидентификаторов. Материалы статьи представляют практическую ценность для специалистов в области обеспечения защищенного доступа к информационным системам с применением искусственного интеллекта.

Objective. In modern conditions, cryptographic personal authentication technologies are used to access information systems, based on processing biometric information and converting the user’s biometric images into his personal access code. A current area of research is the use of neural network technologies in organizing secure access to information systems. Biometric authentication tools can be classified as highly reliable only if they include cryptographic authentication mechanisms that work together with biometric authentication mechanisms through the conversion of biometric images into a unique cryptographic access code; in this case, a set of biometric identifiers of the user’s identity form his fuzzy image, which is used later during authentication. The purpose of the study is to develop an algorithm for providing secure access to information systems using biometric authentication based on a fuzzy image of the user’s identity and neural network transformations. Method. The development of the algorithm is based on the use of fuzzy logic methods and neural networks. Result. The work reveals the features of biometric identification of the user of information systems. An algorithm is proposed for providing secure access to information systems using biometric authentication based on a fuzzy image of the user’s personality and neural network transformations. Conclusions. Based on two-step authentication of the user’s identity, secure access to the information systems of registered users is implemented. A listing of the program code in Python for creating and training a neural network of a bioidentifier classifier is provided. The materials of the article are of practical value for specialists in the field of providing secure access to information systems using artificial intelligence.

информационная безопасностьбиометрические механизмы аутентификациибиометрические идентификаторынейросетевая система преобразованиякриптографический ключнейросетевая система преобразования биометрических идентификаторовinformation securitybiometric authentication mechanismsbiometric identifiersneural network transformation systemcryptographic keyneural network transformation system for biometric identifiersReferencesРутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Иванов А.И., Фунтиков В.А., Ефимов О.В. Нейросетевая защита биометрических данных пользователя, а также его личного криптографического ключа при локальной и дистанционной аутентификации. Вопросы защиты информации. 2008. – С. 25–27.Rutkovskaya D. Neural networks, genetic algorithms and fuzzy systems / D. Rutkovskaya, M. Ivanov A.I., Funtikov V.A., Efimov O.V. Neural network protection of the user’s biometric data, as well as his personal cryptographic key during local and remote authentication. Information security issues. 2008; 25–27. (In Russ)Чуйков А.В., Вульфин А.М., Васильев В.И. Нейросетевая система преобразования биометрических признаков пользователя в криптографический ключ. Доклады ТУСУР. 2018. – С. 35–41.Chuikov A.V., Vulfin A.M., Vasiliev V.I. A neural network system for converting user biometric characteristics into a cryptographic key. TUSUR reports. 2018; 35–41. (In Russ)Волчихин В.И., Иванов А.И., Фунтиков В.А., Малыгина Е.А. Перспективы использования искусственных нейронных сетей с многоуровневыми квантователями в технологии биометрико-нейросетевой аутентификации. Известия высших заведений. Поволжский регион. 2013. – С. 86–96.Volchikhin V.I., Ivanov A.I., Funtikov V.A., Malygina E.A. Prospects for the use of artificial neural networks with multi-level quantizers in biometric-neural network authentication technology. News of higher institutions. Volga region. 2013; 86–96. (In Russ)Мишин С.А., Мишин А.В. Применение технологий искусственного интеллекта для ведения базы данных элементов внешности человека. Вестник Воронежского института МВД России. 2022. – С. 87–96.Mishin S.A., Mishin A.V. Application of artificial intelligence technologies to maintain a database of elements of human appearance. Bulletin of the Voronezh Institute of the Ministry of Internal Affairs of Russia. 2022; 87–96. (In Russ)Лапина Т.И., Димов Э.М., Петрик Е.А., Лапин Д.В. Управление доступом к информационным ресурсам в информационных системах. Моделирование, оптимизация и информационные технологии. 2018; 6(4). DOI:10.26102/2310-6018/2018.23.4.039 URL: https://moit.vivt.ru/wp-content/uploads/2018/10/LapinaSoavtors_4_18_3.pdf.Lapina T.I., Dimov E.M., Petrik E.A., Lapin D.V. Controlling access to information resources in information systems. Modeling, optimization and information technology. 2018;6(4). DOI: 10.26102/2310-6018/2018.23.4.0397. URL: https://moit.vivt.ru/wp-content/uploads/2018/10/LapinaSoavtors_4_18_3.pdf. (In Russ)Сулавко А.Е., Еременко А.В., Толкачева Е.В., Борисов Р.В. Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры хи-модуль. Информационно-управляющие системы. 2017. – С.50–62.Sulavko A.E., Eremenko A.V., Tolkacheva E.V., Borisov R.V. Integration of independent biometric features in subject recognition based on networks of quadratic forms, perceptrons and chi-modulus measures. Information and control systems. 2017; 50–62. (In Russ)Исмагилов Р.Ф., Лушников Н.Д., Исмагилова А.С. Конструирование модели обучающей нейронной сети для биометрической многофакторной аутентификации пользователя информационной системы. Вопросы защиты информации. 2023. – С.19–23.Ismagilov R.F., Lushnikov N.D., Ismagilova A.S. Construction of a training neural network model for biometric multi-factor authentication of an information system user. Information security issues. 2023;19–23. (In Russ)Иванов А.И., Сулавко А.Е. Проект третьего национального стандарта России по быстрому автоматическому обучению больших сетей корреляционных нейронов на малых обучающих выборках биометрических данных. Вопросы кибербезопасности. 2021. – С.84–93.Ivanov A.I., Sulavko A.E. Project of the third Russian national standard for fast automatic training of large networks of correlation neurons on small training samples of biometric data. Cybersecurity issues. 2021;.84–93. (In Russ)Еременко А.В., Сулавко А.Е., Толкачева Е.В., Левитская Е.А. Метод защиты текстовых документов на электронных и бумажных носителях на основе скрытого биометрического идентификатора субъекта, получаемого из подписи. Инфокоммуникационные технологии. 2016. – С.628–634.Eremenko A.V., Sulavko A.E., Tolkacheva E.V., Levitskaya E.A. A method for protecting text documents on electronic and paper media based on a hidden biometric identifier of a subject obtained from a signature. Infocommunication technologies. 2016; 628–634. (In Russ)Метод многофакторной аутентификации: обеспечение информационной безопасности в инновационных системах Лазарев А.И., Заенчковский А.Э., Халин В.Г., Масютин С.А. Экономика и предпринимательство. 2022. – С.1086–1090.Multi-factor authentication method: ensuring information security in innovative systems Lazarev A.I., Zaenchkovsky A.E., Khalin V.G., Masyutin S.A. Economics and entrepreneurship. 2022;1086–1090. (In Russ)Хорев П.Б. Многофакторная аутентификация пользователей при удаленном доступе к информационным системам Информационно-технологический вестник. –2022. – С.20–25.Khorev P.B. Multi-factor user authentication for remote access to information systems Information and Technology Bulletin. 2022; 20–25. (In Russ)Silasai, O.; Khowfa, W. The Study on Using Biometric Authentication on Mobile Device. NU Int. J. Sci. 2020. – рр.90–110.Silasai, O.; Khowfa, W. The Study on Using Biometric Authentication on Mobile Device. NU Int. J. Sci. 2020; 90–110.

The authors declare that there are no conflicts of interest present.