Метод динамічної верифікації підпису на основі XGBoost із використанням мікромоторних ознак та адаптивного порогу прийняття рішень

Abstract

Актуальність дослідження зумовлена необхідністю створення високонадійних біометричних систем, стійких до спроб несанкціонованого доступу та якісних підробок підпису в умовах глобальної цифровізації бізнес-процесів. Традиційні методи статичної верифікації поступово втрачають ефективність через появу нових інструментів для відтворення графічного накреслення. У зв’язку з цим автором проведено комплексний порівняльний аналіз розробленого авторами ML-рішення з визнаним комерційним галузевим стандартом Wacom Ink SDK for Verification. Основна увага приділена здатності систем відрізнити справжній підпис від кваліфікованої підробки, виконаної зловмисником з візуальним доступом до оригіналу. Експериментальне дослідження проведено з використанням професійного графічного планшета Wacom STU-540, що забезпечує високу частоту дискретизації (200 Гц) та 1024 рівні чутливості до тиску. Вибір такого обладнання дозволив зібрати деталізовані часові ряди, що включають координати пера (x, y), кути нахилу та азимут, а також динаміку зміни зусилля натискання. На основі аналізу реальних даних від шести користувачів, які надали як еталонні зразки, так і імітаційні спроби підробки, виконано багатокритеріальну оптимізацію порогу прийняття рішення. Встановлено, що з адаптивним значенням порогу розроблена система демонструє збалансовані показники ефективності: FAR (коефіцієнт помилкового допуску зловмисника) на рівні 1,33 % та FRR (коефіцієнт помилкового відхилення легітимного користувача) — 6,67 %. Наукова новизна роботи полягає в обґрунтуванні та селекції набору найінформативніших динамічних параметрів для моделі градієнтного бустингу XGBoost. На відміну від стандартних підходів, запропонована модель враховує не лише геометрію підпису, а й похідні характеристики: миттєву швидкість, прискорення та швидкість зміни тиску (jittering). Використання механізму регуляризації в XGBoost дозволило уникнути перенавчання на малих вибірках, що характерно для біометричних даних одного користувача. Це дозволило досягти точності, яка є конкурентоспроможною відносно закритих комерційних алгоритмів (рівень рівної помилки EER ~4 %). Особливості програмної реалізації включають етап попередньої обробки даних, де застосовується інтерполяція для вирівнювання часових кроків та нормалізація ознак для приведення їх до єдиного масштабу. Це критично важливо для стабільної роботи моделі XGBoost, оскільки мікромоторика руки кожного користувача має унікальні амплітудні характеристики. Розроблений конвеєр обробки дозволяє проводити верифікацію в режимі реального часу, витрачаючи менше 100 мс на один запит, що робить систему придатною для використання в умовах високої інтенсивності документообігу. Практичне значення отриманих результатів полягає у можливості інтеграції запропонованого підходу в корпоративні системи електронного документообігу та автоматизовані системи ідентифікації персоналу (наприклад, для верифікації водіїв або фінансових менеджерів). Головною перевагою є відсутність залежності від дороговартісного пропрієтарного програмного забезпечення та ліцензійних обмежень, зі збереженням високого рівня безпеки. Результати порівняння підтвердили, що використання градієнтного бустингу з урахуванням глибоких параметрів мікромоторики дозволяє ефективно виявляти зловмисників навіть у разі спроб ретельного копіювання візуального стилю підпису.

The relevance of the study is driven by the need to create highly reliable biometric systems resistant to unauthorized access and high-quality signature forgeries in the context of global business process digitalization. Traditional static verification methods are gradually losing effectiveness due to the emergence of new tools for reproducing graphical patterns. In this regard, the author conducted a comprehensive comparative analysis of a custom-developed ML solution against the recognized commercial industry standard — Wacom Ink SDK for Verification. The primary focus is placed on the systems' ability to differentiate a genuine signature from a skilled forgery performed by an attacker with visual access to the original. The experimental study was conducted using a professional Wacom STU-540 signature pad, which provides a high sampling rate (200 Hz) and 1024 levels of pressure sensitivity. The choice of such hardware enabled the collection of detailed time series, including pen coordinates (x, y), tilt angles, azimuth, and the dynamics of pressure changes. Based on the analysis of real-world data from six users, who provided both reference samples and imitation forgery attempts, a multicriteria optimization of the decision-making threshold was performed. It was established that at an adaptive threshold value, the developed system demonstrates balanced performance metrics: a False Acceptance Rate (FAR) of 1.33 % and a False Rejection Rate (FRR) of 6.67 %. The scientific novelty of the work lies in the substantiation and selection of a set of the most informative dynamic parameters for the XGBoost gradient boosting model. Unlike standard approaches, the proposed model considers not only the signature geometry but also derivative characteristics: instantaneous velocity, acceleration, and pressure change rate (jittering). The use of the regularization mechanism in XGBoost prevented overfitting on small datasets, which is typical for single-user biometric data. This allowed for achieving an accuracy level competitive with closed-source commercial algorithms (Equal Error Rate EER ~4 %). Features of the software implementation include a data preprocessing stage where interpolation is applied to align time steps and feature normalization is used to bring them to a single scale. This is critical for the stable operation of the XGBoost model, as each user's hand micromotors possess unique amplitude characteristics. The developed processing pipeline enables real-time verification, spending less than 100 ms per request, making the system suitable for high-intensity document management environments. The practical significance of the results lies in the possibility of integrating the proposed approach into corporate electronic document management systems and automated personnel identification systems (e.g., for verifying drivers or financial managers). The main advantage is the lack of dependence on expensive proprietary software and licensing restrictions while maintaining a high level of security. The comparison results confirmed that the use of gradient boosting, taking into account deep micromotor parameters, effectively detects intruders even during attempts of meticulous visual style copying.