Дослідження впливу фрактальної розмірності Хігучі в задачі біометричної верифікації користувача

Abstract

Пропонуючи підвищену безпеку порівняно з традиційними методами автентифікації, системи біометричної перевірки є ключовими для ідентифікації осіб на основі їхніх фізіологічних або поведінкових характеристик. Незважаючи на свої переваги, точність і надійність біометричної перевірки мають свої виклики, що вимагає інноваційних підходів для знаходження та представлення ознак. У статті запропоновано інтеграцію фрактальної розмірності Хігучі (ФРХ) як додаткової ознаки в поєднанні з автокодувальниками для поліпшення процесів генерування ознак у задачах біометричної верифікації. Очікується, що використання ФРХ, відомої здатністю розпізнавати складність і самоподібність сигналу, поліпшить дискримінаційну силу отриманих ознак, тим самим підвищуючи загальну якість та ефективність верифікації. Дослідження зосереджено на біометричній верифікації за допомогою сигналів давачів, метою якого є вивчення та аналіз впливу додавання додаткових ознак, таких як ФРХ, на результати біометричної верифікації та метрики якості побудованої системи. Отже, інтеграція ознак фрактальної розмірності Хігучі (ФРХ) у поєднанні з моделями на основі автокодувальників для завдань біометричної перевірки демонструє очікувано ефективний підхід до підвищення точності біометричних систем. Це дослідження підтверджує гіпотезу про те, що додаткова інформація про патерни у сигналі, які описують ознаки ФРХ, суттєво допомагає моделям ефективно розрізняти біометричні шаблони. Однак обчислювальні витрати, пов’язані з обчисленнями ФРХ, можуть становити проблему, особливо для застосунків, які потребують швидких обчислень. Майбутня робота повинна бути зосереджена на подальшому дослідженні імплементації фрактальної розмірності в системи біометричної верифікації. Це дослідження закладає основу для розширеного використання фрактальних розмірностей у біометричній верифікації, пропонуючи напрямок для майбутніх досліджень щодо підвищення точності та ефективності біометричних систем за допомогою сучасних методів обробляння сигналів.

Biometric verification systems are pivotal for identifying individuals based on their physiological or behavioral characteristics, offering enhanced security over traditional authentication methods. Despite their advantages, the accuracy and reliability of biometric verification present challenges, necessitating innovative approaches for feature extraction and representation. This paper proposes integrating Higuchi’s Fractal Dimension (HFD) as an additional feature in autoencoder architectures to enhance feature extraction processes in biometric verification tasks. The incorporation of HFD, known for capturing signal complexity and self-similarity, is anticipated to improve the discriminative power of extracted features, thereby enhancing overall verification efficacy. The study focuses on biometric verification using sensor signals, aiming to examine and analyze the impact of adding additional features such as HFD on biometric verification results and evaluation metrics. In conclusion, the integration of Higuchi Fractal Dimension (HFD) features into autoencoder-based models for biometric verification tasks demonstrates a promising approach to enhancing the accuracy of biometric systems. This research confirms the hypothesis that additional signal information, provided by HFD features, substantially aids models in effectively distinguishing biometric patterns. However, computational costs associated with HFD calculations pose a challenge, particularly for applications requiring low latency. Future work should focus on developing optimized algorithms for HFD computations or exploring alternative methods to capture signal complexity with lower computational overheads. This study lays the groundwork for extended use of fractal dimensions in biometric verification, suggesting a fruitful direction for future research in improving the accuracy and efficiency of biometric systems through advanced signal processing methods.