基于多模式生物识别数据的安全意识用户身份验证,使用扩展的自适应RNN与最佳加权特征融合
Udhayakumar Selvaraj1, Janakiraman Nithiyanantham2
1Department of Electronics and Communication Engineering, KGiSL Institute of Technology, Coimbatore, India.
Network (Bristol, England)
|April 1, 2025
概括
这项研究引入了一种新的多式联络生物识别认证系统,该系统结合了语音,指纹和虹膜数据. 增强的利赫伯格算法 (ELA) 优化了扩展自适应循环神经网络 (DARNN),以提高安全性和减少数据盗窃.
科学领域:
- 计算机科学 计算机科学
- 生物识别信息 生物识别信息
- 网络安全 网络安全
背景情况:
- 传统的生物识别系统在实现高安全性和稳定性方面面临挑战.
- 多模式生物识别认证通过整合各种生理和行为特征,提供了增强的安全性.
研究的目的:
- 开发使用语音,指纹和虹膜数据的安全多式生物识别身份验证模型.
- 通过先进的特征提取和融合技术,提高识别性能并减少数据盗窃.
主要方法:
- 采用了多尺度的残留注意网络 (RAN) 与心脏空间金字塔聚合 (ASPP) 进行特征提取.
- 采用增强的利赫伯格算法 (ELA) 进行最佳加权特征融合和参数优化.
- 实施了扩展适应性循环神经网络 (DARNN) 用于个人识别.
主要成果:
- ELA-DARNN系统实现了96.01%的高精度.
- 其表现优于其他模型,包括SVM (87.94%),CNN (89.88%),CNN-AlexNet (93.25%) 和Dil-ARNN (91.94%).
- 在精度,灵敏度和F1分数等指标上表现出卓越的性能.
结论:
- 拟议的多式联运生物识别身份验证系统提供了更高的安全性,并有效打击数据盗窃.
- 将ELA与DARNN集成,为生物识别提供了一个强大而准确的解决方案.
