ارائه یک رویکرد نوین احراز هویت کاربران مبتنی بر ویزگی های بیومتریک رگ انگشتان دست

تایید هویت فردی مسئله ای است که در حوزه ی اینترنت اشیا (IoT) تبدیل به امر پیچیده تری شده است. روش هایی مثل کلمات عبور و احراز هویت دو عاملی (2FA) که فعلا در زمینه ی تایید هویت مورد استفاده قرار می گیرند به دلیل خطاهای انسانی و دیگر عوامل مخرب، به روش هایی ناکافی و بی اثر تبدیل شده اند. برای اینکه بتوانیم IoT امن تری داشته باشیم، این پژوهش یک روش احراز هویت مبتنی بر رگ های انگشت را با کشف جهات و اندازه ها از روی تصاویر رگ های انگشت معرفی کرده است. روش تشخیص رگ های انگشت یک راه حلقابل اعتماد و امیدوار کننده برای احراز هویت بیومتریک است.در روش پیشنهادی پس از استخراج ویژگی توسطشبکه های عمیق باور از الگوریتم LDA برای کاهش ابعاد ویژگی ها استفاده شده و با استفاده از الگوریتم بهینه سازی کلونی مورچگان یک زیر مجموعه بهینه ویژگی برای پردازش نهایی انتخاب می گردد. در نهایت پس ازکاهش بعد مساله با طبقه بند ماشین یادگیری شدید فرایند احراز هویت انجام می شود. پیشنهاد این پژوهشاستفاده از ماشین یادگیری شدید می باشد. پس از آنکه مرحله آموزش به اتمام رسید با استفاده از داده هایمرحله آزمون کارایی روش پیشنهادی سنجیده می شود. بررسی یافته ها با روش پیشنهادی بیانگر این امر است که:- بررسی دقت روش پیشنهادی در زیر مجموعه بهینه ویژگی ها نشان می دهد که دقت روش پیشنهادی در با 5 ویژگی 46، 33، 22، 20 و 4 بالترین مقدار خود را کسب کرده است. - روش پیشنهادی با 35 نرون در لایه پنهان بهترین میزان دقت را از خود نشان می دهد. - نتایج بررسی ها نشان می دهد که روش پیشنهادی توانسته است دقت احراز هویت کاربران را در مقایسه با Gabor filte به میزان 2/66 درصد، نسبت به روش HCGR به میزان 0/67 درصد، نسبت به روش HOG-6-6-15 به میزان 1/04 درصد، نسبت به روش LBP-5-5 به میزان 0/7 درصد، نسبت به روش Steerable filter به میزان 3/47 درصد، نسبت به روش LPQ-4-2 به میزان 1/2 درصد، نسبت به روش Haralick به میزان 3/96 درصد، نسبت به روش DWT-haar به میزان 4/21 درصد، نسبت به روش HCO به میزان 0/53 درصد ارتقاء دهد.

کلیدواژه ها:

بازیابی تصاویر ، احراز هویت مبتنی بر رگ های انگشت ، اینترنت اشیاء ، الگوریتم IDA ، الگوریتم بهینه سازی کلونی مورچگان