moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2023.43.4.017 1465 Аутентификация пользователей информационной системы по изображению лица Authentication of information system users by facial image Гузаиров Мурат Бакеевич Guzairov Murat Bakeevich mbguzairov@gmail.com aff-1 0000-0002-8539-5974 Исмагилова Альбина Сабирьяновна Ismagilova Albina Sabiryanovna ismagilovaas@yandex.ru aff-2 0000-0002-1409-4736 Лушников Никита Дмитриевич Lushnikov Nikita Dmitrievich luschnikovnikita@yandex.ru aff-3 Уфимский университет науки и технологий Ufa University of Science and Technology Уфимский университет науки и технологий Ufa University of Science and Technology Уфимский университет науки и технологий Ufa University of Science and Technology 01 01 2026 1 1 10.26102/2310-6018/2023.43.4.017 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Аутентификация относится к классическим средствам управления информационной безопасностью компьютерных систем предприятия, от качества которой зависит безопасность информационной системы. В данной статье описана процедура аутентификации пользователей информационной системы по изображению лица. Разработана архитектура искусственной нейронной сети, сформированы наборы биометрических персональных данных и проведено обучение на основе распознавания пользователей информационной системы по изображению лица. В рамках данного исследования проведена оценка функциональности архитектуры искусственной нейронной сети на международных банках данных (Dataset). При распознавании пользователей информационной системы по изображению лица были извлечены такие дескрипторы, как локальные бинарные шаблоны (LBP) и гистограмма ориентированных градиентов (HOG). Скомпилирована модель обучения нейронной сети на основе категориальной кросс-энтропии, сформирована конфигурация компиляционной модели (размер мини-выборки, количество эпох, функция активации, функция оптимизации). Разработанный программный модуль производит аутентификацию пользователей информационной системы по принципу «свой-чужой». Применение данных дескрипторов изображения позволяет повысить точность распознавания пользователей информационной системы (accuracy) и снизить значение функции потерь (loss). Реализован программный код системы мультимодальной биометрической аутентификации. Для оценки эффективности работы программного модуля приведены показатели ошибок первого и второго рода.

Authentication belongs to the classical means of information security management of enterprise computer systems, the quality of which determines the security of the information system. This paper describes the authentication procedure of information system users by facial image. The architecture of an artificial neural network has been developed, biometric personal data sets have been formed and trained based on the recognition of information system users by facial image. As part of this research, the functionality of the artificial neural network architecture has been evaluated using international data banks (Dataset). Descriptors such as Local Binary Patterns (LBP) and Histogram of Oriented Gradients (HOG) were extracted when recognizing information system users by facial image. A neural network-training model based on categorical cross-entropy was compiled, and the configuration of the compilation model (mini-sample size, number of epochs, activation function, and optimization function) was generated. The developed software module authenticates users of the information system on “friend-or-for” basis. The use of these image descriptors allows increasing the accuracy of user authentication in the information system (accuracy) and reducing the value of loss function (loss). The program code of the multimodal biometric authentication system has been implemented. To assess the efficiency of the software module, the first and second type error rates are given.

 аутентификация биометрия изображение лица распознавание личности информационная система authentication biometrics facial image identity recognition information system Исследование проводится при финансовой поддержке ФГБОУ ВО «Московский технический университет связи и информатики» (проект № 40469-20/2022-к) под руководством Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации. The research was funded by the Federal State Budgetary Educational Institution of Higher Education “Moscow Technical University of Communications and Informatics” (project No. 40469-20/2022-k) under the supervision of the Ministry of Digital Development, Communications and Mass Media of the Russian Federation. References Lawrence R. Rabiner, Ronald W. Schafer. Theory and Applications of Digital Speech Processing. Prentice Hall; 2010. 1056 p. Васильев В.И., Жумажанова С.С., Ложников П.С., Сулавко А.Е. Оценка идентификационных возможностей биометрических признаков от стандартного периферийного оборудования. Вопросы защиты информации. 2016;112(1):12–20. Шелупанов А.А., Сабанов А.Г. Идентификация и аутентификация в цифровом мире. М.: Горячая линия-Телеком; 2022. 355 с. Машкина И.В., Белова Е.П. Разработка нейросетевой базы данных биометрических образов для системы аутентификации по голосу. Проблемы информационной безопасности. Компьютерные системы. 2019;(2):86–93. Ложников П.С., Сулавко А.Е., Еременко А.В., Волков Д.А. Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечёткими экстракторами и персептронами. Информационно–управляющие системы. 2016;84(5):73–85. DOI: 10.15217/issn1684–8853.2016.5.73. Todisco M., Delgado H., Evans N. A new feature for automatic speaker verification anti-spoofing: Constant Q cepstral coefficients. In: Odyssey 2016: The Speaker and Language Recognition Workshop, 21–24 June 2016, Bilbao, Spain. Bilbao: ISCA SIG; 2016. p. 283–290. Горбунов А.Л. Визуальная когерентность в дополненной реальности. Advanced Engineering Research (Rostov-on-Don). 2023;23(2):180–190. DOI: 10.23947/2687-1653-2023-23-2-180-190. Korkmaz S., Binol H. Classification of molecular structure images by using ANN, RF, LBP, HOG, and size reduction methods for early stomach cancer detection. Journal of Molecular Structure. 2018;(1156):255–263. DOI: 10.1016/j.molstruc.2017.11.093. Korkmaz S., Akjijek A., Binol H.B., Korkmaz M. Recognition of the stomach cancer images with probabilistic HOG feature vector histograms by using HOG features. In: 2017 IEEE 15th International Symposium on Intelligent Systems and Informatics (SISY), 14–16 September 2017, Subotica, Serbia. IEEE. p. 339–342. DOI: 10.1109/SISY.2017.8080578. Девицына С.Н., Елецкая Т.А., Балабанова Т.Н., Гахова Н.Н. Разработка интеллектуальной системы биометрической идентификации пользователя. Экономика. Информатика. 2019;46(1):148–160. Анисимова А.С., Аникин И.В. Интеллектуальная система биометрической аутентификации пользователя по динамической рукописной подписи. В сборнике: Международный форум Kazan Digital Week–2022, 21–24 сентября 2022, Казань, Россия. Казань: Научный центр безопасности жизнедеятельности; 2022. с. 280–285. Van Hoorick B., Vondrick C. Dissecting Image Crops. Columbia University, New York; 2020. Raveendra M., Nagireddy K. DNN Based Moth Search Optimization for Video Forgery Detection. International Journal of Engineering and Advanced Technology. 2019;9(1):1190–1199.

The authors declare that there are no conflicts of interest present.