Магистрант ОмГТУ разработал метод идентификации человека с помощью сигналов мозга

Студент факультета элитного образования и магистратуры, инженер-программист сектора сетевых технологий и системно-программного обеспечения ОмГТУ Адиль Чобан разработал метод биометрической идентификации образов электроэнцефалограмм (кратко – ЭЭГ) субъекта с использованием алгоритмов сверточных нейронных сетей (СНС).

Сверточные нейронные сети представляет собой класс архитектур, основной задачей которых является обработка изображений, которые устроены наподобие зрительной коры головного мозга. Их использование позволяет достичь более высокой точности идентификации, чем с помощью классических подходов, которые в настоящее время используются гораздо чаще.

Исследованиями, связанными с биометрической идентификацией, Адиль заинтересовался еще во время обучения на 2 курсе бакалавриата. Под руководством нынешнего научного руководителя, доцента кафедры «Комплексная защита информации», кандидата технических наук Алексея Сулавко молодой ученый расширил круг своих научных интересов в области распознавания образов.

Магистрант рассказал, в чем преимущества предлагаемого им метода идентификации, а также, на какой стадии находится научная разработка.

Адиль, чем вызван ваш интерес к данной теме?

«В настоящее время обеспечить безопасность виртуального образа пользователя становится все сложней. Вместе с количеством личных кабинетов пользователей возрастает число паролей, которые нужно хранить, обостряются проблемы информационной безопасности, открываются новые возможности для совершения кибератак. Сегодня пользователь нуждается не только в надежной идентификации и аутентификации, но и в защите данных от компрометации с учетом человеческого фактора. Классические способы решения проблемы (парольная аутентификация и шифрования) уже не являются надежными, а большинство биометрических образов человека могут быть подвергнуты фальсификации.

Альтернативным методом идентификации, который лишен перечисленных выше недостатков, может стать идентификация человека по параметрам электроэнцефалограмм. Поэтому наша цель заключается в разработке метода биометрической идентификации субъекта с использованием алгоритмов многослойных сверточных нейронных сетей».

Какие еще существуют способы распознавания образов электроэнцефалограмм?

«Исходя из изученных материалов и исследований видно, что данное направление активно развивается, и в нем уже достигнуты значительные результаты. Однако этим направлением по большей части занимаются зарубежные авторы, в России оно лишь начинает активно развиваться. В некотором отношении российские исследования даже опередили зарубежные разработки, так как они рассматривают вопросы тестирования высоконадежных систем аутентификации по ЭЭГ.

Традиционные методы анализа образов ЭЭГ, основанные на применении частотной фильтрации и удалении артефактов, дают недостаточно показательные результаты для их практического внедрения. Выделяемые таким образом признаки оказываются малоинформативными, что приводит к низкой точности классификации образов.

Для сравнения, использование аппарата сверточных нейронных сетей предполагает автоматическое извлечение признаков из сигнала ЭЭГ, а также значительное повышение точности распознавания в сравнении с другими алгоритмами идентификации образов».

Как происходит процесс сбора данных электроэнцефалограмм?

«Процесс съема данных ЭЭГ можно осуществлять несколькими способами. Для первого используется специальный измерительный прибор – электроэнцефалограф. На голову человека надевается специальная «шапочка», к которой подключены электроды. Расположение и количество электродов могут быть разными в зависимости от того, с какой области мозга необходимо получить информацию. После этого электроэнцефалограф подключается к компьютеру, и с помощью специального ПО происходит запись сигнала.

Второй способ немного проще – пользователю необходимо лишь надеть нейрогарнитуру, включить Bluetooth или Wi-Fi на смартфоне или компьютере, открыть приложение и начать запись сигнала.

Полученный сигнал очищается от шумов путем наложения на него различных фильтров и делится на более короткие фрагменты (от 1.5 до 5 секунд). Каждый фрагмент представляет собой образ ЭЭГ. Полученные данные затем преобразуются в спектрограммы».

В чем принципиальное отличие вашей разработки от ныне существующих методов идентификации образов ЭЭГ?

«Основное отличие нашей разработки от представленных на текущий момент в том, что мы комбинируем различные способы предобработки данных, а в качестве алгоритма распознавания используем сверточные нейронные сети. Также нами было предложено обучать СНС на данных ЭЭГ, записанных субъектом в разные дни. Полученные результаты указывают на то, что это позволит значительно повысить надежность идентификации личности, в том числе при изменении психофизиологического состояния субъекта. Если обучать системы на данных ЭЭГ, записанных в 3-4 разных дня, результаты распознавания станут устойчивыми вне зависимости от состояния испытуемых».

На каком этапе сейчас находится исследование?

«По результатам проведенных экспериментов СНС показали более высокую точность идентификации личности по ЭЭГ (98,5%-99,99% для 10 и более электродов) при сравнительно малом времени прохода по сравнению с достигнутым ранее уровнем. Показательным является то, что высокая точность наблюдается при использовании только двух лобных датчиков (95%), что дает возможность применять на практике «сухие» электроды, непосредственно контактирующие с кожей. Проведение исследования и сбора данных стало возможным благодаря предоставленной материально-технической базе ОмГТУ. Также развитию исследования помогают студенты кафедры.

В настоящее время проект находится на стадии прототипа, а в скором будущем планируется представить его в качестве MVP (минимально жизнеспособной версии продукта)».

По словам Адиля, разработку можно использовать в любой сфере в качестве системы идентификации или аутентификации личности как на больших производствах, так и в небольших фирмах. Современные устройства для сбора ЭЭГ обладают возможностью передавать сигнал с помощью технологий Bluetooth или Wi-Fi, что облегчит весь процесс считывания данных. Не исключено, что в скором будущем нейрогарнитуры будут у каждого человека, а способ блокировки смартфона с помощью отпечатка пальца станет уже не таким актуальным.

Отметим, что разработка молодого ученого является частью проекта «AIConstuctor – конструктор искусственного интеллекта», который представляет собой облачный веб-сервис и программный комплекс для поддержки научных исследований в области машинного обучения и создания систем искусственного интеллекта. Также разработка тестируется на одном из предприятий города – в научно-техническом центре «КАСИБ», сосредоточенном на направлениях Национальной технологической инициативы: большие данные, искусственный интеллект, квантовые технологии, новые и портативные источники энергии и прочее.