احراز بی درنگ هویت متقاضیان خدمات الکترونیک با استفاده از روش مبتنی بر یادگیری عمیق سه بعدی با دو مسیر

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 221

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SCJKA-11-2_003

تاریخ نمایه سازی: 29 آبان 1403

چکیده مقاله:

احراز هویت در فضای مجازی، حفظ امنیت را به دنبال دارد و اگر با دقت بسیار بالا انجام شود، می تواند برای تداوم خدمت رسانی در شرایط مختلف مورد توجه قرار گیرد. پژوهش حاضر با هدف پیشنهاد یک روشی کاربردی برای احراز هویت متقاضیان خدمات الکترونیک به صورت بی درنگ ارائه شده است. برای جلوگیری از حقه های احتمالی کاربران، در روش پیشنهادی از شناسایی حرکات ماهیچه های صورت و سنجه بیومتریکی عنبیه استفاده شده است. عنبیه قابلیت اطمینان بیشتری را ایجاد می کند و قابل سرقت و جعل نیست؛ زیرا باید به صورت زنده در اختیار باشد. برای احراز هویت و به طور همزمان، شناسایی حرکات ماهیچه های صورت و تمییز فرد زنده از تصویر، یک روش مبتنی بر یادگیری عمیق سه بعدی با دو مسیر پیشنهاد شده است. با توجه به ارزیابی ها مشخص شد که روش پیشنهادی اطمینان قابل توجهی را برای استفاده عموم فراهم می آورد و قابل اجرا در شرایط واقعی و عملی می باشد. با استفاده از روش پیشنهادی، دقت ۹۹.۹۹ درصد و میانگین صحت احراز هویت و شناسایی افراد در هر دو پایگاه داده CASME و CASME۲ بیش از ۹۹.۵۰ درصد است.

کلیدواژه ها:

احراز هویت ، سنجه بیومتریکی عنبیه ، شناسایی حرکات ماهیچه های صورت ، یادگیری عمیق ، DenseNet سه بعدی با دو مسیر

نویسندگان

ویدا اسماعیلی

دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

محمود محصل فقهی

دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز، تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. Saniei, A. Qeble, and M. Ebrahimi Moghadam, “identity recognition ...
  • V. Esmaeili, M. Mohassel Feghhi, and S.O. Shahdi, “A comprehensive ...
  • V. Esmaeili and M. Mohassel Feghhi, “Diagnosis of Covid-۱۹ Disease ...
  • V. Esmaeili, M. Mohassel Feghhi, and S.O. Shahdi, “Early COVID-۱۹ ...
  • M. Eftekharian and A. Nodehi, “Breast Cancer Diagnosis and Classification ...
  • F. Zare Mehrjardi, M. Yazdian-Dehkordi, and A. Latif, “Evaluating classical ...
  • Z. Farahmandpoor, H. Nikmehr, M. Mansoorizade, and O. Tabibzadeh Ghamsary, ...
  • J. Daugman, “How iris recognition works,” IEEE Trans. Circuits Syst. ...
  • T.W. Ng, T.L. Tay, and S.W. Khor, “Iris recognition using ...
  • L. Ma, Y. Wang, and T. Tan, “Iris recognition using ...
  • C.-H. Park, J.-J. Lee, M.J. Smith, and K.-H. Park, “Iris ...
  • A. Czajka, D. Moreira, K.W. Bowyer, and P.J. Flynn, “Domain-specific ...
  • N. Liu, M. Zhang, H. Li, Z. Sun, and T. ...
  • A. Gangwar and A. Joshi, “DeepIrisNet: Deep iris representation with ...
  • Z. Zhao and A. Kumar, “Towards more accurate iris recognition ...
  • K. Wang and A. Kumar, “Toward more accurate iris recognition ...
  • K. Nguyen, C. Fookes, A. Ross, and S. Sridharan, “Iris ...
  • S. Minaee, A. Abdolrashidiy, and Y. Wang, “An experimental study ...
  • T. Zhao, Y. Liu, G. Huo, and X. Zhu, “A ...
  • J.E. Zambrano, D.P. Benalcazar, C.A. Perez, and K.W. Bowyer, “Iris ...
  • M.A.A. Kashani, M.M. Arani, and M.R.R. Fini, “Eye detection and ...
  • X. Li, X. Hong, A. Moilanen, X. Huang, T. Pfister, ...
  • C. Hu, D. Jiang, H. Zou, X. Zuo, and Y. ...
  • W.J. Yan, X. Li, S.J. Wang, G. Zhao, Y.J. Liu, ...
  • W.J. Yan, Q. Wu, Y.J. Liu, S.J. Wang, and X. ...
  • V. Esmaeili, M. Mohassel Feghhi, S.O. Shahdi, “Spotting micro?movements in ...
  • V. Esmaeili, M. Mohassel Feghhi, S.O. Shahdi, “Automatic Micro-Expression Recognition ...
  • V. Esmaeili, M. Mohassel Feghhi, S.O. Shahdi, “Micro-Expression Recognition based ...
  • نمایش کامل مراجع