مناقشة رسالة طالب الماجستير عمر عبد الستار محمود من قسم علوم الحاسوب

ناقش قسم علوم الحاسوب في كلية العلوم بجامعة ديالى رسالة طالب الماجستير عمر عبد الستار محمود والموسومة مصادقة حركة الأصابع باستخدام المقاييس الحيوية وذلك يوم الخميس الموافق 2019/6/13 وعلى قاعة المناقشات في عمادة الكلية.

أوضح الباحث في رسالته أنه في الآونة الأخيرة ، يتم أستخدام الهواتف الذكية المزودة بشاشات حساسة للمس على نطاق واسع للوصول إلى خدمات مختلفة. تفرض هذه الأجهزة الحاجة إلى تخزين المزيد من المعلومات الشخصية والحساسة حول المستخدمين ، مثل الصور وجهات الاتصال ومقاطع الفيديو. لحماية هذه المعلومات ، تم اقتراح أساليب مصادقة مختلفة لمصادقة المستخدمين في هذه الأجهزة قبل الكشف عن أي معلومات مخزنة عليها. تعتمد التقنيات الحديثة على قدرات الشاشة لهذة الاجهزة لمصادقة المستخدم وذلك بقياس ميزاته البيومترية عند تعامله معها.

ونظرًا لعدم وجود مجموعة بيانات عامة في مجال تضمين الميزات الحيوية لسلوك الشخص في طريقة مصادقة الهواتف الذكية المستندة على النمط السري ، تم بناء مجموعة البيانات الخاصة بنا في هذا العمل و التي تتكون من خمسة أنماط مختلفة في الطول والتعقيد , تم جمعها من (30) مشاركًا ، كل مشارك في الدراسة أدى خمسين محاولة لفتح الهاتف الذكي لكل نمط من أنماط القفل الخمسة. أيضا كل محاولة تم أستخدامها كمحاولة غير مشروعة ضد المشاركين الآخرين.

تم التحقيق في ثلاثة طرق لتعزيز أمان طريقة المصادقة المستندة على الأنماط  كطريقة لتامين الهواتف الذكية. في الطريقة المقترحة الأولى ، تم استخدام خوارزمية التفاف الوقت الديناميكي (DTW) لحساب المسافة بين المحاولة التي تمثل القالب للمستخدم والمحاولة الحالية , المراد مصادفتها كمحاولة مشروعة او غير مشروعة. حقق أفضل أداء لهذا الطريقة دقة 78.57 ٪ ، و معدل قبول خاطئ 21.13 ٪ (FAR) و 30.23 ٪ معدل رفض كاذب (FRR).

في الطريقة الثانية ، تم تصنيف مسافات DTW مع خمس قيم أخرى مرتبطة بسلوك المستخدم ، بواسطة خوارزميتي الغابات العشوائية Random Forest (RF) و شبكات عصبونية عميقة Deep Feedforward Neural Network  (DFNN).

أفضل معدل خطأ متساو (ERR) لهذا الطريقة هو 24.67 ٪ حققته خوارزمية DFNN ، مما يشير إلى تحسن هامشي مقارنة باستخدام قيمة العتبة (الطريقة الأولى).

في الطريقة المقترحة الثالثة ، تم استخدام DFNN لتصنيف الميزات السلوكية التي يتم استخراجها من شاشة الهاتف الذكي أثناء فتح النمط السري للهاتف ، تم إنشاء واصف واحد لكل محاولة وتم استخراج الواصف على أساس الميزات وهي: نسبة الوقت واتجاه الحركة لاصبع المستخدم والحجم والضغط المسلطين على الشاشة حين ما يقوم المستخدمون فتح النمط السري ، حيث تم استخدام ميزات الضغط والحجم بشكل منفصل مرة ، ثم تم استخدام ناتج قسمة الضغط على الحجم كنسبة ، بدلاً من كلاهما بشكل منفصل. علاوة على ذلك ، من أجل تقييم تأثير عدد الواصفات المستخدمة لإنشاء القالب ، تم تصميم قالب لكل مستخدم بناءً على مجموعات مختلفة من المحاولات ، باستخدام الدالة المتوسط الحسابي في الشق الأول من التجربة ودالة الوسيط في شقها الثاني.

تظهر نتائج التجريبية لطرق المصادقة الثلاث أن الطريقة الثالثة أظهرت أعلى أداء بين جميع الطرق التي تم تقييمها والتي حققت معدل خطأ متساوي نسبته  8.17٪ عند استخدام دالة المتوسط الحسابي. توضح هذة النتائج قدرة DFNN فعلى مطابقة الواصفات (القالب و المحاولة) ، بدلاً من طرق التصنيف التقليدية أضافة الى عدم الحاجة لاعادة التدريب عند أضافة مستخدم جديد في قاعدة البيانات.

وتألفت لجنة المناقشة من السادة المدرجة أسماؤهم أدناه:

أ. م. د. خالد شاكر جاسم / جامعة الأنبار / كلية الحاسوب وتكنولوجيا المعلومات … رئيساً

أ. ناجي مطر سحيب / جامعة ديالى / كلية العلوم … عضواً

أ. م. د. جمال مصطفى عباس / جامعة ديالى / كلية العلوم … عضواً

أ. د. ظاهر عبد الهادي عبد الله / جامعة ديالى / كلية العلوم … عضواً ومشرفاً

أ. د. زياد طارق مصطفى / جامعة ديالى / كلية العلوم … عضواً ومشرفاً

وقد تم قبول الرسالة ومنح الطالب درجة الماجستير في تخصص علوم الحاسوب.

<<  الموضوع التالي  |  الموضوع السابق  >>