Univerzita PardubiceFakulta ekonomicko- správní

Univerzita Pardubice

Zaměstnanci
|
Studenti
English

Publikace detail

Hand-Based Biometric System Using Convolutional Neural Networks

Autoři: Příhodová Kateřina | Hub Miloslav

Rok: 2020

Druh publikace: článek v odborném periodiku

Název zdroje: Acta Informatica Pragensia

Strana od-do: 48-57

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Biometrické systémy na bázi ruky využívající konvoluční neuronové sítě	Dnes je zabezpečení dat stále aktuálnějším tématem, a tedy i bezpečnost a spolehlivost ověření totožnosti koncového uživatele, tj. Autentizace. V posledních letech začaly banky nahrazovat autentizaci heslem bezpečnějšími způsoby autentizace, protože hesla nebyla považována za dostatečně zabezpečená. Současná legislativa nutí banky zavádět vícefaktorové ověřování svých klientů. Banky proto považují použití biometrické autentizace za jeden z možných způsobů. K ověření totožnosti uživatele používá biometrická autentizace jedinečné biometrické charakteristiky uživatele. Příklady takových metod jsou rozpoznávání obličeje, skenování duhovky, otisky prstů atd. Tento článek se zabývá další možností biometrické autentizace, kterou lze použít k ověřování v aplikacích mobilního bankovnictví; Vzhledem k tomu, že téměř všechny mobilní telefony mají integrovanou kameru, může ověření pomocí smínku ruky učinit bankovní informační systém bezpečnějším a jeho uživatelské rozhraní pohodlnější. Přestože myšlenka biometrické autentizace na bázi ruky není zcela nová a existuje mnoho způsobů jejího provedení, náš přístup založený na používání konvolučních neuronových sítí není jen inovativní, ale jeho výsledky jsou slibné. Tento článek představuje moderní přístup k identifikaci uživatelů pomocí konvolučních neuronových sítí, když se tento typ neuronové sítě používá jak pro extrakci funkcí rukou, tak pro ověření identity bankovního uživatele.	bezpečnost dat; autentizace; biometrická autentizace; konvoluční neuronové sítě; ruční biometrický systém
eng	Hand-Based Biometric System Using Convolutional Neural Networks	Today, data security is an increasingly hot topic, and thus also the security and reliability of end-user identity verification, i.e. authentication. In recent years, banks began to substitute password authentication by more secure ways of authentication because passwords were not considered to be secure enough. Current legislation even forces banks to implement multi-factor authentication of their clients. Banks, therefore, consider using biometric authentication as one of the possible ways. To verify a user's identity, biometric authentication uses unique biometric characteristics of the user. Examples of such methods are facial recognition, iris scanning, fingerprints, and so on. This paper deals with another biometric feature that could be used for authentication in mobile banking applications; as almost all mobile phones have an integrated camera, hand authentication can make a banking information system more secure and its user interface more convenient. Although the idea of hand biometric authentication is not entirely new and there exist many ways of implementing it, our approach based on using convolutional neural networks is not only innovative, but its results are promising as well. This paper presents a modern approach to identifying users by convolutional neural networks when this type of neural network is used both for hand features extraction and bank user identity validation.	data security; authentication; biometric authentication; convolutional neural networks; hand-base biometric system