الفهرس 
AbstractOnly 14 pages are availabe for public view
 |  | from | 136 |  |  |
| | | from | 136 | | |
Abstract
التقدم السريع لتكنولوجيا الهاتف الذكي جعل أمن الخدمات التى يتم الوصول اليها من قبل هذه الأجهزة محور الاهتمام الرئيسي لكل من المصنعين والمستخدمين. لذلك، أصبح نشر نظام مصادقة قوي مهمة حاسمة لحماية المعلومات الخاصة للمستخدم فى العديد من التطبيقات. فعدم وجود طرق أمنة للتحكم فى الدخول الى خدمات الويب باستخدام الهواتف الذكية يعد خطر كبير يهدد امن المعلومات الشخصية. القياسات الحيوية مجال ناشئ من التكنولوجيا التي تستخدم السمات السلوكية والفسيولوجية المميزة لتحديد هوية الأفراد. وتستخدم برامج المصادقة الحيوية سمات الأفراد لمصادقة مستخدمي الأجهزة المحمولة باستمرار وبشفافية. وقد تم اقتراح العديد من أبحاث القياسات الحيوية من قبل الباحثين الذين استخدمو صفات حيوية مختلفة وتمكنو من تحقيق دقة هوية مقبولة. و بينما تعمل هذه الأبحاث من حيث المبدأ ، فإنه من الصعب تحديد السمات الفردية التي تعد الأفضل (من حيث دقة تحديد الهوية، ووقت تحديد الهوية، وسهولة الاستخدام وتعقيد المعالجة) في ظل بيئات تشغيل مختلفة (من حيث سيناريوهات الهجوم وتوافر بيانات التدريب والتصنيف),وعلاوة على ذلك، فانه من الأهمية تقييم هذه الأبحاث على بيانات من العالم الحقيقى لتحديد فعاليتها في ظروف التشغيل الواقعية. في هذه الرسالة، نقوم بتقييم اثنين من نماذج القياسات الحيوية المتنوعة على مجموعتين من قواعد البيانات التي تم جمعها بشكل مستقل من المشاركين باستخدام الهواتف الذكية. نقوم أولا بتقييم هذه النماذج من حيث: الدقة، و وقت تحديد الهوية، سهولة الاستخدام، مشاكل التنفيذ وتكلفة المنصات المتحركة.والمساهمة الرئيسية لهذه الرسالة هي أننا أدخلنا نظاما جديدا للمصادقة البيومترية متعدد الوسائط لمصادقة خدمات الويب يستند إلى مفصل الأصابع (FKP) وديناميات المفاتيح Keystroke Dynamics))كسمات بيومترية تم الحصول عليها باستخدام أجهزة استشعار الهواتف الذكية. تم اجراء التجارب باستخدام نظام احادى و متعددللسمات الحيوية باستخدام هاتف محاكى يعمل بنظام تشغيل أندرويد. كما طبقنا المدرج التكراري للتدرجات الموجهة (Histogram of Oriented Gradient(HOG)) كخوارزمية استخراج السمات من FKP)) مفاصل الأصبع. وعلاوة على ذلك ،فقدتم استخدام خوارزمية التعلم (Support Vector Machine(SVM)) لتدريب النظام. وتم الحصول من التجارب على معدل دقة 92٪ ووقت التعرف على الهوية 12 ثانية الذى يؤكد ملائمة النظام المقترح. مساهمة رئيسية أخرى من العمل الذي نقدمه هنا ,هو تقييم نظام التعرف علىمفاصل الاصبع(FKP) باستخدام (HOG) مع (SVM) لأول مرة على الصور التي تم تجميعها باستخدام الكاميرا المدمجه بالهواتف الذكية . في هذا النموذج، استخدمنا قاعدة بيانات HK_PolU التى تم تجميعها من 187 شخصا تشمل 3 صور لكل فردفى بيئاتمنتظمه و مختلفة. وقد تم تنفيذ النظام المقترح باستخدام الهاتف الذكي المحاكي بنظام تشغيل أندرويد. واظهرت النتائج أن أفضل أداء تحقق باستخدام خورارزميةHOGحجم خلية 16 هو 95.4٪ ,نسبة قبول خطأ(FAR) = 3.4٪، نسبة رفض خطأ(FRR) = 5.5٪ ومساحة تحت المنحنى(AUC-ROC) 0.954 فى وقت تحقق من (1-7) ثانية مما يدل على قابلية تطبيق هذا النموذجفى الواقع الحقيقى. قمنا بتقييم الأداء على أساس دقة تحديد الهوية، وسهولة الاستخدام، وقت التحقق، والتكلفة، سهولة التنفيذ للمنصة المتنقلة.