Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж
Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані рез...
Saved in:
| Published in: | Реєстрація, зберігання і обробка даних |
|---|---|
| Date: | 2018 |
| Main Authors: | , , , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут проблем реєстрації інформації НАН України
2018
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/168700 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-168700 |
|---|---|
| record_format |
dspace |
| spelling |
Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. 2020-05-08T14:59:53Z 2020-05-08T14:59:53Z 2018 Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. 1560-9189 DOI: https://doi.org/10.35681/1560-9189.2018.20.2.142913 https://nasplib.isofts.kiev.ua/handle/123456789/168700 621.384.3 Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані результати показали, що запропонований метод має кращу точність ідентифікаціїна 1-15 %. Проведено экспериментальное исследование возможности использования двухуровневой нейросети с встроенной сигмоидной активационной функцией для улучшения точности идентификации пользователя по клавиатурному почерку и предложен метод на основе данного математического аппарата, а также проведено сравнение предложенного метода идентификации с существующими. Полученные результаты показали, что предложенный метод имеет лучшую точность идентификации на 1–15 %. With the development of advanced technologies, the problem of information security is becoming increasingly relevant. Given the development of spyware and digital technology allow more effective attacks on computer systems, including corporate networks, confidentiality can only be achieved through the creation of comprehensive information security. And one of the main elements of such a security system is the subsystem, which provides the identification of the user of the computer. Traditional identification and authentication methods based on the use of cards, electronic keys or other portable identifiers, as well as passwords and access codes, have significant disadvantages. The main disadvantage of such methods is the ambiguity of the identified person. Existing methods of user identification by keyboard handwriting are accurate from 78 % to 93,59 % and built on multilevel neural networks, which affects the speed of their learning and as a result of the cost of more resources, so it is actual to increase the accuracy of identification and reduce the time to train the neural network and design the appropriate method. An experimental study was made of the possibility of using a two-level neural network with a built-in sigmoid activation function to improve the accuracy of user identification by keyboard handwriting and proposed a method based on this mathematical apparatus. A comparison of the proposed identification method with existing ones was also performed, which showed an increase in the accuracy of user identification by 1–15 %. The method of Saket Maheshwari and Vikram Pudi has similar accuracy indicators, but there are several significant differences between the proposed and the existing method: in their work Saket Maheshwari and Wikam Pudi used a five-level neural network; it took 9 minutes to study their neural network. In the proposed method, the time of training the neural network is 6 minutes, which is faster for 3 minutes and, as a result, is much more effective when used, since the user's identification time is reduced and high identification accuracy is on the same high level. uk Інститут проблем реєстрації інформації НАН України Реєстрація, зберігання і обробка даних Експертні системи та підтримка прийняття рішень Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж Метод идентификации пользователя по клавиатурному почерку на основе нейросети Neural network based method of a user identification by keyboard handwriting Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| spellingShingle |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. Експертні системи та підтримка прийняття рішень |
| title_short |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_full |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_fullStr |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_full_unstemmed |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| title_sort |
метод ідентифікації користувача за клавіатурним почерком на основі нейромереж |
| author |
Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. |
| author_facet |
Данилюк, І.І. Карпінець, В.В. Приймак, А.В. Яремчук, Ю.Є. Костюченко, О.І. |
| topic |
Експертні системи та підтримка прийняття рішень |
| topic_facet |
Експертні системи та підтримка прийняття рішень |
| publishDate |
2018 |
| language |
Ukrainian |
| container_title |
Реєстрація, зберігання і обробка даних |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| format |
Article |
| title_alt |
Метод идентификации пользователя по клавиатурному почерку на основе нейросети Neural network based method of a user identification by keyboard handwriting |
| description |
Проведено експериментальне дослідження можливості використання дворівненої нейромережі з вбудованою сигмоїдною активаційною функцією для покращення точності ідентифікації користувача за клавіатурним почерком, а також проведено порівняння запропонованого методу ідентифікації з існуючими. Отримані результати показали, що запропонований метод має кращу точність ідентифікаціїна 1-15 %.
Проведено экспериментальное исследование возможности использования двухуровневой нейросети с встроенной сигмоидной активационной функцией для улучшения точности идентификации пользователя по клавиатурному почерку и предложен метод на основе данного математического аппарата, а также проведено сравнение предложенного метода идентификации с существующими. Полученные результаты показали, что предложенный метод имеет лучшую точность идентификации на 1–15 %.
With the development of advanced technologies, the problem of information security is becoming increasingly relevant. Given the development of spyware and digital technology allow more effective attacks on computer systems, including corporate networks, confidentiality can only be achieved through the creation of comprehensive information security. And one of the main elements of such a security system is the subsystem, which provides the identification of the user of the computer. Traditional identification and authentication methods based on the use of cards, electronic keys or other portable identifiers, as well as passwords and access codes, have significant disadvantages. The main disadvantage of such methods is the ambiguity of the identified person. Existing methods of user identification by keyboard handwriting are accurate from 78 % to 93,59 % and built on multilevel neural networks, which affects the speed of their learning and as a result of the cost of more resources, so it is actual to increase the accuracy of identification and reduce the time to train the neural network and design the appropriate method. An experimental study was made of the possibility of using a two-level neural network with a built-in sigmoid activation function to improve the accuracy of user identification by keyboard handwriting and proposed a method based on this mathematical apparatus. A comparison of the proposed identification method with existing ones was also performed, which showed an increase in the accuracy of user identification by 1–15 %. The method of Saket Maheshwari and Vikram Pudi has similar accuracy indicators, but there are several significant differences between the proposed and the existing method: in their work Saket Maheshwari and Wikam Pudi used a five-level neural network; it took 9 minutes to study their neural network. In the proposed method, the time of training the neural network is 6 minutes, which is faster for 3 minutes and, as a result, is much more effective when used, since the user's identification time is reduced and high identification accuracy is on the same high level.
|
| issn |
1560-9189 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/168700 |
| citation_txt |
Метод ідентифікації користувача за клавіатурним почерком на основі нейромереж / І.І. Данилюк, В.В. Карпінець, А.В. Приймак, Ю.Є. Яремчук, О.І. Костюченко // Реєстрація, зберігання і обробка даних. — 2018. — Т. 20, № 2. — С. 68–76. — Бібліогр.: 11 назв. — укр. |
| work_keys_str_mv |
AT danilûkíí metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovíneiromerež AT karpínecʹvv metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovíneiromerež AT priimakav metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovíneiromerež AT âremčukûê metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovíneiromerež AT kostûčenkooí metodídentifíkacííkoristuvačazaklavíaturnimpočerkomnaosnovíneiromerež AT danilûkíí metodidentifikaciipolʹzovatelâpoklaviaturnomupočerkunaosnoveneiroseti AT karpínecʹvv metodidentifikaciipolʹzovatelâpoklaviaturnomupočerkunaosnoveneiroseti AT priimakav metodidentifikaciipolʹzovatelâpoklaviaturnomupočerkunaosnoveneiroseti AT âremčukûê metodidentifikaciipolʹzovatelâpoklaviaturnomupočerkunaosnoveneiroseti AT kostûčenkooí metodidentifikaciipolʹzovatelâpoklaviaturnomupočerkunaosnoveneiroseti AT danilûkíí neuralnetworkbasedmethodofauseridentificationbykeyboardhandwriting AT karpínecʹvv neuralnetworkbasedmethodofauseridentificationbykeyboardhandwriting AT priimakav neuralnetworkbasedmethodofauseridentificationbykeyboardhandwriting AT âremčukûê neuralnetworkbasedmethodofauseridentificationbykeyboardhandwriting AT kostûčenkooí neuralnetworkbasedmethodofauseridentificationbykeyboardhandwriting |
| first_indexed |
2025-12-07T15:19:46Z |
| last_indexed |
2025-12-07T15:19:46Z |
| _version_ |
1850863293443342336 |