<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE root>
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ali="http://www.niso.org/schemas/ali/1.0/" article-type="research-article" dtd-version="1.2" xml:lang="en"><front><journal-meta><journal-id journal-id-type="publisher-id">Infokommunikacionnye tehnologii</journal-id><journal-title-group><journal-title xml:lang="en">Infokommunikacionnye tehnologii</journal-title><trans-title-group xml:lang="ru"><trans-title>Инфокоммуникационные технологии</trans-title></trans-title-group></journal-title-group><issn publication-format="print">2073-3909</issn><publisher><publisher-name xml:lang="en">Povolzhskiy State University of Telecommunications and Informatics</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="publisher-id">56201</article-id><article-id pub-id-type="doi">10.18469/ikt.2017.15.2.12</article-id><article-categories><subj-group subj-group-type="toc-heading" xml:lang="en"><subject>Articles</subject></subj-group><subj-group subj-group-type="toc-heading" xml:lang="ru"><subject>Статьи</subject></subj-group><subj-group subj-group-type="article-type"><subject>Research Article</subject></subj-group></article-categories><title-group><article-title xml:lang="en">THE REDUCTION OF SIZE REQUIREMENTS OF TEST BIOMETRIC SAMPLES WHILE TRANSITION TO USING THE BAYES MULTIDIMENSIONAL CORRELATION FUNCTIONALS</article-title><trans-title-group xml:lang="ru"><trans-title>Снижение требований к размеру тестовой выборки биометрических данных при переходе к использованию многомерных корреляционных функционалов Байеса</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author"><name-alternatives><name xml:lang="en"><surname>Ivanov</surname><given-names>Alexander Ivanovich</given-names></name><name xml:lang="ru"><surname>Иванов</surname><given-names>Александр Иванович</given-names></name></name-alternatives><email>ivan@pniei.penza.ru</email><xref ref-type="aff" rid="aff1"/></contrib><contrib contrib-type="author"><name-alternatives><name xml:lang="en"><surname>Lozhnikov</surname><given-names>Pavel Sergeevich</given-names></name><name xml:lang="ru"><surname>Ложников</surname><given-names>Павел Сергеевич</given-names></name></name-alternatives><email>lozhnikov@gmail.com</email><xref ref-type="aff" rid="aff2"/></contrib><contrib contrib-type="author"><name-alternatives><name xml:lang="en"><surname>Sulavko</surname><given-names>Alexey Evgenjevich</given-names></name><name xml:lang="ru"><surname>Сулавко</surname><given-names>Алексей Евгеньевич</given-names></name></name-alternatives><email>sulavich@mail.ru</email><xref ref-type="aff" rid="aff2"/></contrib><contrib contrib-type="author"><name-alternatives><name xml:lang="en"><surname>Serikova</surname><given-names>Yulia Igorevna</given-names></name><name xml:lang="ru"><surname>Серикова</surname><given-names>Юлия Игоревна</given-names></name></name-alternatives><email>julia-ska@yandex.ru</email><xref ref-type="aff" rid="aff3"/></contrib></contrib-group><aff-alternatives id="aff1"><aff><institution xml:lang="en">Scientific and Research Electrotechnical Institute of Penza</institution></aff><aff><institution xml:lang="ru">Пензенский научно-исследовательский электротехнический институт</institution></aff></aff-alternatives><aff-alternatives id="aff2"><aff><institution xml:lang="en">Omsk State Technical University</institution></aff><aff><institution xml:lang="ru">Омский государственный технический университет</institution></aff></aff-alternatives><aff-alternatives id="aff3"><aff><institution xml:lang="en">Penza State University</institution></aff><aff><institution xml:lang="ru">Пензенский государственный университет</institution></aff></aff-alternatives><pub-date date-type="pub" iso-8601-date="2017-06-15" publication-format="electronic"><day>15</day><month>06</month><year>2017</year></pub-date><volume>15</volume><issue>2</issue><issue-title xml:lang="en">VOL 15, NO2 (2017)</issue-title><issue-title xml:lang="ru">ТОМ 15, №2 (2017)</issue-title><fpage>186</fpage><lpage>193</lpage><history><date date-type="received" iso-8601-date="2020-12-20"><day>20</day><month>12</month><year>2020</year></date></history><permissions><copyright-statement xml:lang="en">Copyright ©; 2017, Ivanov A.I., Lozhnikov P.S., Sulavko A.E., Serikova Y.I.</copyright-statement><copyright-statement xml:lang="ru">Copyright ©; 2017, Иванов А.И., Ложников П.С., Сулавко А.Е., Серикова Ю.И.</copyright-statement><copyright-year>2017</copyright-year><copyright-holder xml:lang="en">Ivanov A.I., Lozhnikov P.S., Sulavko A.E., Serikova Y.I.</copyright-holder><copyright-holder xml:lang="ru">Иванов А.И., Ложников П.С., Сулавко А.Е., Серикова Ю.И.</copyright-holder><ali:free_to_read xmlns:ali="http://www.niso.org/schemas/ali/1.0/"/><license><ali:license_ref xmlns:ali="http://www.niso.org/schemas/ali/1.0/">https://creativecommons.org/licenses/by-nc-nd/4.0</ali:license_ref></license></permissions><self-uri xlink:href="https://journals.eco-vector.com/2073-3909/article/view/56201">https://journals.eco-vector.com/2073-3909/article/view/56201</self-uri><abstract xml:lang="en"><p>The problem of improving the reliability of biometric authentication procedures of users of computer systems using small training sample for configuring of recognition machines was considered. In the present article is shown that the Bayes multidimensional correlation functionals can be modified to using the identically correlated in modulus biometric data. The correlation coefficients of biometric data have a significant error at a small test samples. This impedes their use when configuring the classical quadratic form and Bayesian networks. The authors suggested using the method of symmetrization of biometric data, ie, replace biometric data by other multidimensional data with the same entropy. After symmetrization of correlation matrix it will have the same coefficients of pair correlations outside the diagonal. It is proved that requirements to biometric data volume are significantly reduced while using the mentioned method, error of calculation results of correlation coefficients gets smaller. The effect of increasing the stability of calculations is observed for any biometric data. As a consequence, the configuring of the classical quadratic forms and of the Bayesian maximum likelihood networks become more resistant tasks. The data that allowing to estimate how much the size of biometric data sample can be reduced are provided.</p></abstract><trans-abstract xml:lang="ru"><p>Рассмотрена проблема повышения надежности процедур биометрической аутентификации путем настройки сетей квадратичных форм и функционалов Байеса с использованием малой тестовой выборки. На малых тестовых выборках коэффициенты корреляции биометрических данных имеют значительную погрешность. Это препятствует их использованию при обучении (настройке) классических квадратичных форм и сетей Байеса. Показано, что многомерные корреляционные функционалы Байеса могут быть модифицированы под использование одинаково коррелированных по модулю биометрических данных. Предложено воспользоваться приемом симметризации корреляционных связей. Доказано, что в этом случае требования к объему биометрических данных существенно снижаются. Как следствие, настройка (обучение) квадратичных форм и сетей наибольшего правдоподобия Байеса становятся гораздо более устойчивыми задачами. Приведены графики, позволяющие оценить, насколько удается снизить размеры выборки биометрических данных.</p></trans-abstract><kwd-group xml:lang="en"><kwd>biometric identification</kwd><kwd>quadratic form</kwd><kwd>Bayes multidimensional functionals</kwd><kwd>quadratic forms neural network</kwd><kwd>Bayes functionals neural network</kwd></kwd-group><kwd-group xml:lang="ru"><kwd>биометрическая идентификация</kwd><kwd>квадратичные формы</kwd><kwd>многомерные функционалы Байеса</kwd><kwd>сети квадратичных форм</kwd><kwd>сети функционалов Байеса</kwd></kwd-group></article-meta></front><body></body><back><ref-list><ref id="B1"><label>1.</label><mixed-citation>Форсайт Дж., Молер К. Численное решение систем линейных алгебраических уравнений. М.: Мир, 1969. - 168 с.</mixed-citation></ref><ref id="B2"><label>2.</label><mixed-citation>Райс Д. Матричные вычисления и математическое обеспечение. М.: Мир, 1984. - 412 с.</mixed-citation></ref><ref id="B3"><label>3.</label><mixed-citation>Лоусен Ч., Хенсон Р. Численное решение задач методом наименьших квадратов. М.: Наука, 1966. - 230 с.</mixed-citation></ref><ref id="B4"><label>4.</label><mixed-citation>Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1979. - 248 с.</mixed-citation></ref><ref id="B5"><label>5.</label><mixed-citation>Качайкин Е.И., Иванов А.И. Идентификация авторства рукописных образов с использованием нейросетевого эмулятора квадратичных форм высокой размерности // Вопросы кибербезопасности. № 4(12), 2015. - С. 42-47.</mixed-citation></ref><ref id="B6"><label>6.</label><mixed-citation>Волчихин В.И., Ахметов Б.Б., Иванов А.И. Быстрый алгоритм симметризации корреляционных связей биометрических данных высокой размерности // Известия высших учебных заведений. Поволжский регион. Технические науки. №1, 2016. - С. 3-7.</mixed-citation></ref><ref id="B7"><label>7.</label><mixed-citation>Нейросетевая защита персональных биометрических данных. Под ред. Ю.К. Язова. М.: Радиотехника, 2012. - 157 с.</mixed-citation></ref><ref id="B8"><label>8.</label><mixed-citation>ГОСТ Р 52633.5-2011. Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа.</mixed-citation></ref><ref id="B9"><label>9.</label><mixed-citation>Aхметов Б.С., Надеев Д.Н., Фунтиков В.А., Иванов А.И., Малыгин А.Ю. Оценка рисков высоконадежной биометрии. Алматы: Изд-во КазНТУ им. К.И. Сатпаева, 2014. - 108 с.</mixed-citation></ref><ref id="B10"><label>10.</label><mixed-citation>Иванов А.И., Ложников П.С., Качайкин Е.И. Идентификация подлинности рукописных автографов сетями Байеса-Хэмминга и сетями квадратичных форм // Вопросы защиты информации. №2 (109)? 2015. - С. 28-34.</mixed-citation></ref><ref id="B11"><label>11.</label><mixed-citation>Иванов А.И., Качайкин Е.И., Ложников П.С., Сулавко А.Е., Биометрическая идентификация рукописных образов с использованием корреляционного аналога правила Байеса // Вопросы защиты информации. №3 (110), 2015. - С.48-54.</mixed-citation></ref><ref id="B12"><label>12.</label><mixed-citation>Волчихин В.И., Иванов А.И., Серикова Ю.И. Компенсация методических погрешностей вычисления стандартных отклонений и коэффициентов корреляции, возникающих из-за малого объема выборок // Известия высших учебных заведений. Поволжский регион. Технические науки. №1, 2016. - С. 45-49.</mixed-citation></ref><ref id="B13"><label>13.</label><mixed-citation>Иванов А.И., Захаров О.С. Среда моделирования «БиоНейроАвтограф» // URL: http://пниэи.рф/activity/science/noc.htm (с 2009 г. для свободного использования вузами России, Белоруссии, Казахстана).</mixed-citation></ref></ref-list></back></article>
