Yangın ve Güvenlik Dergisi 200. Sayı (Temmuz-Ağustos 2018)

Yangın ve Güvenlik / Temmuz-Ağustos 2018 21 yanginguvenlik.com.tr Bir tarayıcı veya medya tableti vasıtasıyla iki veya üç bo- yutlu (eğer ilave özellikler de ele alınacaksa, örneğin kaleme yapılan baskı, kalemin yazarken eğimi, imza oranı gibi) imza modeli elde edilebilir. Günümüzde, görüntü tanıması için dikkate alınan imza parametrelerinin sayısına bağlı olmaksızın tek bir yaklaşım yoktur. Statik bir imza üçüncü taraflara aktarılabilir ve kopya korumalı değildir: asıl ya da orijinal resim saydam bir kağı- da kopyalanır, daha sonra bir bloknot üzerine koyulur ve bu imza basitçe ana hatlarıyla çizilir. Sonuçta orijinal imzanın ta- mamen aynı bir kopyası elde edilmiş olur [6] [7]. Dinamik kimlik doğrulama sistemleri için aşağıdaki genel sıra bu tablonun esasına göre dağıtılabilir: • elektriksel olmayan değerlerin (kalem uç noktasının ko- ordinatları, ses şiddeti) elektrik sinyallerine dönüştürülür; • girdi elektrik sinyallerinin dijitalleştirilmesi; • giriş genliklerinin (şiddetlerinin) ölçeklendirilmesi, bunla- rın belli bir referans değere getirilmesi; • sinyallerin tek bir zaman skalasına ayarlanması; • ölçülen biyometrik parametreler için bir vektörün (mat- ris) hesaplanması; sistem çalışma konumu (talimat veya kimlik doğrulama) önceden şekillendirilmiş parametre vektörüyle bir seri çalışmayı belirler. 2. Benzerlik. Tün sınıf fonksiyonları dönüşümü ve kaydır- mayı ölçekleyerek bir dalgacığın analizinden elde edilir: İki parametre sınıfı fonksiyonlar aşağıdaki gibi gözükür: ‘a’ parametresi – bir fonksiyon skalası (uzama), ‘b’ paramet- resi – bir pozisyon fonksiyonu (kaydırma). 3. Tersine döndürülebilme. Fonksiyonun dalgacık dönü- şümüne bağlı olarak, kesin olarak orijinal fonksiyonu iyileşti- ren, tersine bir dönüşümün mevcudiyeti. 4. Düzenli olma. Ψ (t) fonksiyonunun yeri gerek fiziksel gerekse Fourier uzayında çok iyi belirlenmelidir. 4. MATEMATIKSEL YÖNTEMLER Bir dinamik kimlik belirleme yönteminin matematiksel çözümleri bir statik imza tanıma yönteminden çok daha fazla karmaşıktır. Bu yöntem imza parametrelerinin gerçek zaman konumunda okunmasına imkân sağlar, örneğin, farklı konum- lardaki el hareketinin hızı, özel hatları yazma düzeni, bir çizgi ve bir yön formu, imzanın tüm aşamalarında basınç kuvveti ve süresi. Burada imza sahtekârlığı ihtimali sıfıra düşer, zira bir imza atarken en küçük nüansları tekrarlamak imkânsızdır. Bu durumda, girdi bilgisi X(t), Y(t), Z(t) olacaktır, bura- da X(t), Y(t) – kalem ucunun koordinatları, Z(t)- ise ilave bir parametredir (basınç kuvveti, eğim açısı vb.) Tüm bu fonk- siyonlara zamana bağlıdır. Parametrelerin birine dayanan tek boyutlu matematiksel modeller 0,1 hata olasılığı verir. İki boyutlu matematiksel modellerde hata olasılığı 0,01’e düşer. Üç boyutlu model için hara olasılığı sırasıyla 0,001’e eşit olur. Orijinal bir verinin alınması ve dijital hale getirilmesinden sonra bir biyometrik parametre vektörünün hesaplanması gerekmektedir. Son zamanlara kadar vektörün oluşturulma- sında en yaygın olarak kullanılan yöntem ayrık Fourier dönü- şümüydü. Bu yöntem, Fourier katsayısı mevcut olduğu tüm zaman için bir sinyal davranışını temsil ettiğinden, statik bir imzanın tanınması için yeterince iyiydi. Ancak dinamik kimlik tanıma için, yetersizdir. Bu durumda, bu sorun için en iyi çö- züm dalgacık dönüşümüdür [8] [9]. Dalgacıkla ilgili olarak, fonksiyonlar sınıfı aşağıdaki şart- lara uymalıdır. 4. Tolerans. Dalgacın ψ (t) analizi, aynı zamanda ana dal- gacık olarak da adlanır, sıfır orta değerde olmalıdır: Şekil 1.1: Asıl İmza Şekil 1.2: Ana hatları gösterilmiş imza kopyası Şekil 2: Dinamik biyometrik sistemlerin genelleştirilmiş tablosu Tekrar Talimat Giriş bilgisi Girdi dönüştürücüler Ayar ve talimat kuralları Kimlik doğrulama Biyometrik standart Karar verme prosedürü Biyometrik parametre vektörünün hesaplanması Ölçeklendirme (Sınırlandırma) ADC AnalogDijital Dönüştürücü