Automatikus osztályozási módszerek az off-line aláíráshitelesítésben

OData támogatás
Konzulens:
Dr. Kővári Bence András
Automatizálási és Alkalmazott Informatikai Tanszék

Az aláírás egyike a legrégebbi biometrikus azonosító módszereknek, amelyet praktikussága és hatékonysága miatt ma is széles körben használnak. A mesterséges intelligencia által elvégzett aláírás hitelesítés esetén különbséget teszünk az online és az offline forgatókönyv között aszerint, hogy az aláírás és a hitelesítés folyamata időben egybeesik vagy elkülönül egymástól. Az offline aláírás hitelesítés kihasználja az aláírás igazi gyakorlati előnyét, mivel a gyakorlatban legtöbbször csak egy aláírt papír áll a rendelkezésünkre. Ez a módszer ezen kívül sokkal inkább felhasználóbarát és széles körben alkalmazható.

Annak ellenére, hogy a szakterület mára már jelentős háttérrel rendelkezik, és évtizedek óta próbálnak mesterséges intelligencia felhasználásával különféle módon offline aláírás hitelesítő rendszert létrehozni, még napjainkban sem találhatunk olyat, amely képes a 10 százalékos hibahatár átlépésére.

Az AHR (Aláírás Hitelesítő Rendszer) projektben egy olyan offline aláírás hitelesítő rendszert próbáltunk meg felépíteni, amely az aláírás hitelesítés folyamatát a lehető legkisebb, egymástól független lépésekre bontja le, majd megpróbáltuk ezeket a lépéseket külön-külön optimalizálni.

Jelen diplomamunka túlnyomó részben az aláírás hitelesítés utolsó fázisával, az osztályozással foglalkozik. Az osztályozó módszerek és a jelenleg megtalálható aláírás hitelesítő rendszerek áttekintése után az osztályozási folyamat két lehetséges megoldását tárgyaljuk. Megvizsgálunk egy neurális hálón és statisztikai modellen alapuló megközelítést. Szemügyre vesszük a tervezési és implementációs folyamat főbb kihívásait és az alkalmazott megoldásokat, majd megvizsgáljuk és elemezzük az osztályozás során elért eredményeket.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.