Верифікація підпису

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку
Приклад підпису

Верифікація підпису — біометрична технологія, що використовує підпис для ідентифікації особистості.

Верифікація підпису може бути використана в областях, що вимагають автоматизацію документообігу, наприклад, банківська або судову справу. Алгоритми розпізнавання підпису спираються на алгоритми розпізнавання образів або математичні методи аналізу кривих, так як підпис може бути представлена набором точок. Тому в задачі верифікації часто використовується розкладання в ряди або апроксимація кривими.

Історія виникнення

[ред. | ред. код]

Підпис є одним з найпоширеніших способів підтвердження документів. Але, незважаючи на поширеність використання підпису, візуально досить складно відрізнити справжню підпис від підробки, адже навіть два підписи одного і того ж людини можуть істотно розрізнятися. Тому постає завдання створення автоматичних пристроїв розпізнавання підпису. Такі системи повинні мати досить високий рівень точності розпізнавання. Основою аутентифікації особи щодо підпису є відносна унікальність і стабільність характеристик процесу написання, які можуть бути використані для порівняння двох зразків підпису[1]. Розвиток технологій дозволило виявити та оцінити кількісно різні характеристики написання підпису. Для введення підпису стали використовуватися графічні планшети, відзначають в певні моменти часу положення кінця ручки, а також кут нахилу ручки і який чиниться на планшет тиск. Дані, одержувані з допомогою графічних планшетів, відображають динаміку мускульних рухів руки, і, отже, є біометричної характеристикою конкретної людини[2]. Очевидно, що підпис володіє меншою стабільністю, ніж деякі інші біометричні характеристики. Але завдання верифікації підпису залишається актуальною, так як підтвердження підписом є звичним способом підтвердження документів і операцій.

Методи розпізнавання підпису

[ред. | ред. код]

Завдання автентифікації користувача за підписом можна розділити на кілька етапів. Спочатку відбувається реєстрація еталона підпису. Людині пропонується кілька разів ввести підпис для збору статистики. Потім відбувається виявлення і аналіз унікальних характеристик користувача, вираз цих характеристик кількісно, а також визначення еталонних даних і допустиме відхилення від них. Під еталонними даними мається на увазі масив, який ставиться у відповідність особистого підпису і з якими буде проводитися порівняння. Далі відбувається введення зразка підпису. На цьому етапі виділяються характеристики введеного зразка підпису аналогічно реєстрації еталона. Потім порівнюються характеристики еталона і зразка, відбувається оцінка, наскільки вони збігаються. При достатній мірі збігу зразок підпису вважається справжнім. В іншому випадку, зразок вважається підробкою.



Методи розпізнавання підпису поділяються на два типи за способом отримання даних[3].

Статичний метод

[ред. | ред. код]

Статичний метод передбачає, що людина розписується на папері, зображення сканується або фотографується, а далі біометрична система аналізує отримане зображення. Часто цей метод називають «off-line» методом. Статичний метод дає менше інформації у порівнянні з динамічним методом, так як відомі лише координати точок.

Динамічний метод

[ред. | ред. код]
Динамічні характеристики підпису

Динамічний метод передбачає, що людина розписується у графічному планшеті, який зчитує підпис в режимі реального часу. Цей метод називають також «on-line» методом. Динамічна інформація може містити в собі наступні характеристики:

  • просторова координата кінця пера x(t),
  • просторова координата кінця пера y(t),
  • тиск кінця пера на планшет,
  • кут руху пера,
  • нахил пера.

Динамічний метод має більш високий ступінь надійності, оскільки, крім статичної інформації, що містить додаткову динамічну. Відповідно, останній метод отримав велику ступінь поширення[4]. [5].

Алгоритми розпізнавання підпису

[ред. | ред. код]

Для кожної людини можна виявити унікальні характеристики при написанні підпису. Дослідження в області біометрії припускають вибір оптимального способу порівняння двох біометричних об'єктів для конкретної людини. Наприклад, для однієї людини характерно швидке написання підпису з різкими піками і западинами, а для іншого — постійно сильний тиск на ручку і гладкість лінії. Існує достатня кількість алгоритмів виявлення різних характеристик підпису та подальшого їх порівняння. Різні алгоритми відображають різні властивості підпису, тому в загальному випадку не можна порівнювати алгоритми між собою.

Алгоритм, заснований на розпізнаванні образів

[ред. | ред. код]

Популярні техніки теорії розпізнавання образів застосовні і для розпізнавання підпису. Наприклад, прихована марківська модель і алгоритм динамічного трансформування часу (DTW алгоритм). Також можливі комбінації методів[6]. Підпис попередньо розбивається на ділянки наступним чином. Обчислюються координати геометричного центру всієї підписи, а потім підпис розбивається на дві ділянки відносно центру мас. Далі розбиття продовжується на кожній ділянці. Після завершення розбиття кожній ділянці підпису ставиться у відповідність еліпс інерції. Еліпсом інерції в даному випадку називається еліпс, центр якого збігається з геометричним центром ділянки підпису, а сам еліпс будується аналогічно еліпсу інерції фізичного тіла, приймаючи масу точки підписи за одиницю[7]. Таким способом будується пірамідальне поданням підпису еліптичними примітивами. Надалі порівняння здійснюється між уявленнями підпису.

Алгоритм апроксимації кривими Безьє

[ред. | ред. код]

Із зчитувального пристрою зчитуються координати точок підпису. Потім відбувається розділення масиву точок на ділянки, наприклад, за принципом виділення локальних екстремумів по осяхм[8] або розбиття точками перетину ліній підпису[9]. Після цього на кожному з ділянок проводиться крива Безьє на основі набору точок ділянки. Таким чином, кожній ділянці зіставляється масив коефіцієнтів, які задають криву Безьє. Порівняння двох підписів здійснюється зіставленням відповідних ділянок підписів і подальшим порівнянням коефіцієнтів при аппроксимирующем многочлене Безьє на ділянках[10].

Алгоритм на основі обчислення матриці відстані

[ред. | ред. код]

Результатом дії алгоритму є матриця відстаней, інваріантна відносно зсуву, повороту і масштабування. Іншими словами, якщо взяти зразок підпису, потім розтягнути, повернути і зрушити підпис, то матриця відстаней буде така ж як і у вихідної підпису. Матриця обчислюється такими діями:

1. Центруються вихідні дані щодо середнього значення

2. Обчислюються нормовані на елемент, що має максимальну величину, координати

3. Обчислюється матриця відстані для всієї сукупності нормованих координат[11]

  — відстань між i-й і j-й координатами.

Алгоритм зіставлення локальних екстремумів

[ред. | ред. код]
Зіставлення локальних екстремумів підпису

Розпізнавання підпису є досить схожою завданням по відношенню до розпізнавання людської мови. Тому існуючі методи в області розпізнавання мовлення застосовні до розпізнавання рукописного тексту з деякими доповненнями[12]. Одним з основних методів верифікації є підхід з використанням нейронних мереж і зіставлення точок динамічних кривих методом динамічної трансформації часової шкали(DTW алгоритм). Метод DTW має деякі недоліки: трудомісткість обчислень і приведення навіть підробленої підписи до еталонного вигляду. Щоб усунути ці недоліки був запропонований метод порівняння підписів на основі пошуку відповідності екстремальних точок (extreme points warping, EPW)[13]. Із залежності x(t) і y(t) виділяється послідовність максимумів і мінімумів. Тому слід знаходити відповідності між точками, укладеними між відповідними мінімумом і максимумом[14]. Після того, як побудовано відповідність точок одного підпису точкам іншого підпису, порівнюються безпосередньо відповідають один одному точки різних підписів.

Алгоритм, заснований на розкладанні функцій X(t), Y(t), P(t) в ряди

[ред. | ред. код]

Розкладання в ряди дозволяє компактно зберігати дані про підпису з можливістю відновлення вихідних і відображає динаміку написання підпису. Функції X(t), Y(t), P(t) можуть бути розкладені за коефіцієнтами Фур'є або вейвлет-розкладання. Далі порівняння підписів проводиться порівнянням відповідних масивів коефіцієнтів розкладання. З отриманого масиву коефіцієнтів розкладання також можливе відновлення вихідних функцій. При використанні вейвлет-перетворення зменшується кількість помилок першого роду, при фіксованій помилку другого роду. Але слід зазначити, що вейвлет-перетворення має велику обчислювальну складність алгоритмів, ніж перетворення Фур'є, для якого існує алгоритм швидкого перетворення Фур'є[15].

Часто порівнюються додаткові характеристики підписи: відношення довжини підписи до її ширині, кут нахилу підпису, кут нахилу між центрами половин підпису[16].

Область застосування

[ред. | ред. код]

Технологія може використовуватися в цілому ряді додатків, включаючи[17]:

  • банківська справа;
  • страхова справа;
  • електронну комерцію;
  • автоматизацію офісної діяльності;
  • автоматизацію підписання державних паперів;
  • контроль фізичного доступу;
  • контроль ув'язнених;
  • облік робочого часу.

Посилання

[ред. | ред. код]

Примітки

[ред. | ред. код]
  1. Дорошенко Т.Ю., Костюченко Е.Ю. (2014). Система аутентификации на основе динамики рукописной подписи (PDF). Доклады ТУСУРа, № 2 (32). Архів оригіналу (PDF) за 29 листопада 2014. Процитовано 25 квітня 2018.
  2. Колядин Д.В., Петров И.Б. (2005). Алгоритм выделения экстремальных точек применительно к задаче биометрической верификации рукописной подписи (PDF). Электронный журнал «ИССЛЕДОВАНО В РОССИИ». Архів оригіналу (PDF) за 29 листопада 2014. Процитовано 25 квітня 2018.
  3. VISHVJIT S. NALWA (2005). Automatic On-Line Signature Verification (PDF). PROCEEDINGS OF THE IEEE, VOL. 85, NO. 2.
  4. Александр Прохоров (2000). Мой дом - моя крепость, мое лицо - мой пропуск. КомпьютерПресс 7.
  5. Э.С. Анисимова (2014). Идентификация онлайн-подписи с помощью оконного преобразования Фурье и радиального базиса (PDF). КОМПЬЮТЕРНЫЕ ИССЛЕДОВАНИЯ И МОДЕЛИРОВАНИЕ Т. 6 № 3 С. 357–364.
  6. Faundez-Zanuy, Marcos (2007). On-line signature recognition based on VQ-DTW. Pattern recognition. 40 (3): 981—992.
  7. M. M. Lange, S.N. Ganebnykh (2005). Classification of 2D Grayscale Objects in a Space of the Multiresolution Representation.
  8. Колядин Д.В., Савин А.А. (2002). О проблеме верификации подписи в системах контроля доступа. Обработка информации и моделирование. – М.: МФТИ, 2002: 81—89. Архів оригіналу за 29 листопада 2014. Процитовано 25 квітня 2018.
  9. Алгоритм разбиения подписи на фрагменты применительно к задаче повышения надежности распознавания личности по динамике написания паролей. Материалы 62-й научно-технической конференции СибАДИ. -Омск, т.Кн. 1.: 124—128. 2008. Архів оригіналу за 15 грудня 2014. Процитовано 25 квітня 2018. {{cite journal}}: |first= з пропущеним |last= (довідка)
  10. Cubic Bezier Curve Approach for Automated Offline Signature Verification with Intrusion Identification. Mathematical Problems in Engineering Volume, Article ID 928039. 2014. {{cite journal}}: |first= з пропущеним |last= (довідка)
  11. Инварианты как метод верификации по статистической подписи (PDF). Знания-Онтологии-Теории(ЗОНТ-09). 2009. {{cite journal}}: |first= з пропущеним |last= (довідка)
  12. On-line cursive handwriting recognition using speech recognition methods. IEEE Conference on Acoustics, Speech, and Signal Processing. 5: 125—128. 1994. {{cite journal}}: |first= з пропущеним |last= (довідка)
  13. Online Signature Verification Using a New Extreme Points Warping Technique. Pattern Recognition Letters. 24: 2943—2951. 2003. {{cite journal}}: |first= з пропущеним |last= (довідка)
  14. Колядин Д.В., , Савин А.А. (2002). О проблеме верификации подписи в системах контроля доступа. Обработка информации и моделирование. – М.: МФТИ. Архів оригіналу за 29 листопада 2014. Процитовано 25 квітня 2018. {{cite journal}}: Текст «pages 81-89» проігноровано (довідка)
  15. Биометрическая аутентификация по динамическим характеристикам подписи. Каталог "СКУД. Антитерроризм". 2009. {{cite journal}}: |first= з пропущеним |last= (довідка)
  16. Инварианты как метод верификации по статистической подписи (PDF). Знания-Онтологии-Теории(ЗОНТ-09). 2009. {{cite journal}}: |first= з пропущеним |last= (довідка)
  17. Александр Прохоров (2000). Мой дом - моя крепость, мое лицо - мой пропуск. КомпьютерПресс 7'2000.