عميد كلية العلوم عضوا في مناقشة اطروحة دكتوراه في جامعة ديالى

شارك السيد عميد كلية العلوم الاستاذ الدكتور طه محمد حسن المحترم عضوا في مناقشة اطروحة الدكتوراه المقدمة من قسم علوم الحاسوب في كلية العلوم بجامعة ديالى للباحث وسام علي محمود والموسومة ” تطوير نماذج آمنة للتصويت الإلكتروني باستخدام تقنية البلوكشين القائمة على الإيماءات والتعلم الفيدرالي القائم على القياسات الحيوية” واقيمت على قاعة المناقشات في قسم علوم الفيزياء .




تناولت الاطروحة تعرف الأنظمة البيومترية على المستخدمين وتحديد هويتهم، اذ تمثل تقنية جديدة تستخدم بها الخصائص الفسيولوجية والسلوكية الفريدة للأشخاص للتحقق من هوياتهم.ومن التحديات التي تواجه هذه الأنظمة أولاً، المعالجة في الوقت الفعلي. ثانيًا، إمكانية الوصول للمستخدمين ذوي الإعاقة وكبار السن، والتي تتفاقم بسبب إجراءات المصادقة المعقدة وواجهات المستخدم غير البديهية، مما يؤثر على ثقة الناخبين ومشاركتهم. ثالثًا، معالجة المخاطر الأمنية المحتملة، حيث قد تكون عرضة للتهديدات السيبرانية التي تعرض نزاهة الانتخابات للخطر، بما في ذلك خروقات البيانات والتلاعب وهجمات التزييف ومركزية البيانات، مما يزيد من خطر الاختراق وتقويض نزاهة العملية الانتخابية. لذلك، تعالج هذه الأطروحة هذه التحديات من خلال تطوير أنظمة بيومترية آمنة للتصويت الإلكتروني تستخدم منهجيات ذكية ومبتكرة. يتكون النظام المقترح من نهجين. النهج الأول، يسهل الوصول للأشخاص ذوي الاحتياجات الخاصة وضعاف البصر وكبار السن. علاوة على ذلك، يستخدم المدخلات كقياس حيوي قائم على الإيماءات لتشجيع التصويت الإلكتروني باستخدام ميزة التعرف على الإيماءات في الكاميرا جنبًا إلى جنب مع تقنية blockchain لضمان الشفافية والأمان. ونتيجة لذلك، يمكن للمستخدمين التفاعل مع لوحة المفاتيح الافتراضية باستخدام الحاجبين أو أصابع الإشارة أو الأنف، والتي يتم تحليلها باستخدام Dlib و Cvzone لضمان النزاهة والاستقرار. النهج الثاني، يحسن خصوصية وأمان منصات التصويت الإلكتروني باستخدام تقنية التعلم الفيدرالية لضمان الناخبين المؤهلين والمسجلين فقط. ومع ذلك، يطبق النظام المقترح ثلاث خطوات من الأساليب الحيوية (تحديد المستخدم ومطابقة بصمات الأصابع وتحديد الجنس) كطبقة إضافية للتحقق لتقليل مخاطر سرقة الهوية.
في بيئة التعلم الفيدرالية، تم تنفيذ مجموعة متنوعة من الشبكات العصبية التلافيفية (CNNs) على ستة مواقع، بما في ذلك VGG16 وVGG19 و ResNet18 و MobileNetV2 وCNN مخصصة و ResNet-VGG هجين. أشارت النتائج التجريبية للنهج الأول باستخدام نموذج مُدرَّب مسبقًا إلى أن مدة التفاعل تراوحت من 33.6 إلى 54.0 ثانية، وتراوحت معدلات دقة الإيماءات بين 88.7٪ و92.5٪. ومع ذلك، في التصويت في الوقت الفعلي باستخدام blockchain، تُظهر النتائج أن كلًا من الشباب والبالغين حققوا دقة 100٪، بينما حقق كبار السن دقة 99.23٪ مع معدل رفض خاطئ (FRR ~ 2.86٪) وعدم وجود قبولات خاطئة (FAR = 0٪). بالإضافة إلى ذلك، أشارت النتائج التجريبية للنهج الثاني باستخدام إعداد التعلم الفيدرالي مع مجموعة بيانات بصمات الأصابع Sokoto-Coventry إلى دقة 99.75٪ في التعرف على الهوية، و99.90٪ في التعرف على بصمات الأصابع، و99.97٪ في تحديد الجنس. يوضح هذا فعالية النظام في حماية الخصوصية والحفاظ على سلامة التصويت الإلكتروني. وأخيرا، تكشف جميع النتائج التجريبية للنهجين عن قدرتهما على حل التحديات الحالية المرتبطة بالتصويت الإلكتروني بشكل فعال، وبالتالي ضمان ملاءمته للتطبيق الشامل في الانتخابات الحقيقية.