УДК 004.932.2

ОБ ОСНОВНЫХ ГРУППАХ МЕТОДОВ ВЕРИФИКАЦИИ РУКОПИСНОЙ ПОДПИСИ

Анисимова Эллина Сергеевна
Елабужский институт (филиал) федерального государственного автономного образовательного учреждения высшего профессионального образования "Казанский (Приволжский) федеральный университет"
ассистент кафедры информатики и дискретной математики

Аннотация
Верификация рукописной подписи продолжает оставаться актуальной областью исследований. Это связано с необходимостью верификации подписи при проверке подлинности документов. Поэтому сегодня известно достаточно много разработанных методов верификации подписей. Данная статья посвящена классификации методов верификации рукописных подписей.

Ключевые слова: верификация, рукописная подпись


ABOUT THE MAIN GROUPS OF A HANDWRITTEN SIGNATURE VERIFICATION METHODS

Anisimova Ellina Sergeevna
Elabuga Institute (branch) of Kazan (Volga Region) Federal University
Assistant of Department of Informatics and Discrete Mathematics

Abstract
Verification of a handwritten signature is still relevant area of research. This is due to the need to verify the signature when checking the authenticity of the documents. So now we know a lot of developed signature verification methods. This article deals with the classification of handwritten signature verification methods.

Библиографическая ссылка на статью:
Анисимова Э.С. Об основных группах методов верификации рукописной подписи // Современная техника и технологии. 2016. № 4 [Электронный ресурс]. URL: http://technology.snauka.ru/2016/04/9781 (дата обращения: 01.10.2017).

Среди различных биометрических характеристик, предложенных и исследованных в литературе, распознавание рукописных подписей в связи с их социальным и законным признанием является одной из наиболее привлекательных характеристик.

Подписи могут быть характеризованы с помощью набора признаков. Выбор признаков является достаточно важным критерием, в связи с тем, что неправильный выбор признаков может привести к ухудшению точности биометрической системы.

Биометрические параметры подписи могут быть классифицированы на две категории: статические (оффлайн) и динамические (онлайн). Оффлайн-подпись содержит информацию только о форме подписи. Она может быть использована для простой верификации подписей в документах [5]. Онлайн-подпись содержит также информацию об изменении динамических признаков (координаты положения, скорость, ускорение или давление на поверхность планшета) во время процесса записи. Динамические характеристики регистрируются специальными устройствами – графическими планшетами. Благодаря использованию динамических признаков верификация подписи является более надежной, по сравнению с верификацией с использованием традиционной оффлайн-подписи. Динамические характеристики невидимы и делают подпись более уникальной, лучше характеризуют пользователя. Верификация личности на основе биометрических атрибутов является весьма интересной областью исследований. Если эффективность верификации на основе динамической подписи достаточно высока, то подпись может заменить многие широко используемые методы авторизации, например, пароль, PIN-код и т.д.

С практической точки зрения, биометрическая система – это система распознавания шаблонов, которая распознает пользователя на основе анатомических (например, отпечатки пальцев) или поведенческих (например, подпись) характеристик. Биометрический шаблон должен храниться в базе данных. Позже, шаблон используется для сравнения, что необходимо для распознавания личности. Биометрическая система может работать в режиме верификации или идентификации. Верификация включает подтверждение или отказ заявленной личности пользователя. Могут быть выделены следующие основные группы методов верификации подписи:

  • Методы на основе локальных и глобальных признаков. Глобальные признаки извлекаются из всей подписи, а локальные – из ограниченной области подписи. В этих методах анализируются вертикальные и горизонтальные проекции вместе с высотой и шириной подписи. Эти подходы называются параметрическими.
  • Функциональные методы. В этом подходе динамические признаки подписи регистрируются как временные последовательности, содержащие информацию об изменениях во времени признаков подписи. Этот набор включает динамические признаки, описывающие форму подписи (координаты х и у), локальное давление, скорости и ускорения. Это так называемые поведенческие методы анализа подписи.
  • Областные методы. Подпись каждого человека разбивается на области. Для каждой области подготавливается кодовая книга. Признаки подписи вместе с соответствующей кодовой книгой способны улучшить результаты классификации.
  • Комбинированные (гибридные) методы. Этот подход основан на комбинировании разных методов из числа вышеприведенных.

Тем не менее, практическое развертывание технологии распознавания подписи является более медленным по сравнению с другими хорошо известными технологиями такими, как отпечатки пальцев и сетчатка глаза. Слабая эффективность технологии распознавания рукописной подписи в основном обусловлена следующими аспектами, характерными для биометрического класса данных:

1) Внутриклассовая изменчивость (разница среди образцов одного и того же пользователя) обычно выше, чем в иных биометрических технологиях;

2) Низкая степень постоянства подписи со временем, вследствие чего уменьшается точность системы распознавания;

3) Возможность изучить подпись способствует возникновению двух разных сценариев подделок:

  • Случайная подделка – случай, когда атакующий старается получить доступ к системе верификации с использованием собственной биометрической характеристики, заявляя личность другого пользователя. Это наиболее общий случай для определения эффективности системы. В нем, как правило, происходит настройка системы распознавания для достижения требуемой эффективности, т.е. порог для принятия решения определяется при рассмотрении случайных подделок.
  • Умелая подделка – этот случай является уникальным именно для поведенческого класса биометрии. В этом случае атакующий имеет некоторые сведения о подписи определенного автора и пытается получить доступ к системе, имитируя подпись. Иногда такие умелые подделки могут объясняться внутриклассовой изменчивостью подписи автора, что ухудшает эффективность распознавания. Этот случай особенно важен при обнаружении подделок подписи в чеках или официальных документах.

Указанные выше поведенческие аспекты превращают распознавание рукописной подписи в весьма проблемную область исследований.

В настоящее время исследователи предлагают возможные пути решения проблемы распознавания подписи.


Библиографический список
  1. Doroz R., Porwik P., Orczyk T. Dynamic signature verification method based on association of features with similarity measures / Neurocomputing. – 2016. – No.171. – pp. 921–931.
  2. Eskander G. S., Sabourin R., Granger E. Hybrid writer-independent–writer-dependent offline signature verification system / Selected papers from International Conference on Frontiers in Handwriting Recognition / doi: 10.1049/iet-bmt.2013.0024 IET Biom. – 2013. -Vol. 2, Iss. 4. – pp. 169–181.
  3. Galbally J., Martinez-Diaz M, Fierrez J Aging in Biometrics: An Experimental Analysis on On-Line Signature. PLoS ONE – 2013. – 8(7): e69897. doi:10.1371/journal.pone.0069897.
  4. Galbally J., Diaz-Cabrera M., Miguel A. Ferrer, Gomez-Barrero M., Morales A., Fierrez J. On-line signature recognition through the combination of real dynamic data and synthetically generated static data / Pattern Recognition. – 2015. – No. 48. – pp. 2921–2934.
  5. Guerbai Y., Chibani Y., Hadjadji B. The effective use of the one-class SVM classifier for handwritten signature verification based on writer-independent parameters / Pattern Recognition. – 2015. – No. 48. – pp. 103–113.
  6. Sae-Bae N., Memon N. A simple and effective method for online signature verification / Proc. Int. Conf. Biometrics Special Interest Group (BIOSIG). – 2013. – pp. 147-158.
  7. Serdouk Y., Nemmour H., Chibani Y. New off-line Handwritten Signature Verification method based on Artificial Immune Recognition System / Expert Systems With Applications. – 2016. – No. 51. – pp. 186–194.
  8. Vipin, Dass R., Rajni Character Recognition using Neural Network / International Journal of Advanced Trends in Computer Science and Engineering. – 2013. – Vol. 2 No.3 – pp. 62-67.


Все статьи автора «Анисимова Эллина Сергеевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: