Felhő alapú adatelemzési megoldások

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

Napjainkban egyre fontosabb szerepet töltenek be a biometrikus hitelesítő rendszerek, melyek automatikusan, könnyen, de egyben hatékonyan és nagy biztonsággal működnek. Az aláírás-hitelesítés a meglévő módszerek közül is a legrégebbi és leggyakrabban használt hitelesítési módszer, több, mint 30 év kutatói tapasztalat áll mögötte, mégsem terjedt el igazán széles körben egy automatizált hitelesítési rendszer sem. Ennek egyik oka, hogy máig nem áll rendelkezésre egy könnyen kezelhető és megbízható módszer, amely nem igényli drága, speciális eszközök használatát.

Kutatásom során az aláírás-hitelesítés jelenlegi korlátait elemeztem egy nyilvános adatbázis alapján. A kutatás eszközéül az Azure Machine Learning eszköztárát használtam, mely lehetővé tette, hogy algoritmusok széles skáláját felmérjem és összehasonlítsam. Célom az volt, hogy kiaknázzam az erőforrást, illetve algoritmus-bázist, ami a keretrendszer mögött van és ezekkel minél pontosabb eredményt tudjak elérni.

Dolgozatomban megvizsgáltam a meglévő algoritmusok hatékonyságát az osztályozási feladat elvégzésében, s elemeztem a különböző bemeneti adathalmazok hatását az algoritmus pontosságára. A meglévő modulok mellett saját megközelítést is bemutatok, s eredményeit összevetem a nyilvánosan elérhető megoldásokkal.

Összességében 20 aláíró egyenként 40 aláírásának, darabonként mintegy 150 jellemzőjét vizsgálva általános módszertani és konkrét algoritmusválasztási következtetéseket tudunk levonni, mely nagyban segítheti további komplett automatizált aláírás-hitelesítő rendszerek kialakítását.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.