手动和机器学习方法来分类真实和伪造的签名 - - 一项比较研究和法医影响

科学领域:

• 法医科学 法医科学 法医科学
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 手写的签名作为文件批准的独特生物识别标识符.
• 手动签名真实性验证对于法医文档检查人员来说是劳动密集型的.
• 人工智能 (AI) 有潜力简化签名伪造检测.

研究的目的:

• 使用手工方法和机器学习 (ML) 将手写签名分类为真实或伪造.
• 将ML模型的准确性和效率与传统的法医分析进行比较.
• 评估AI在减少签名验证手工工作负载方面的潜力.

主要方法:

• 收集了来自71名参与者的1400个签名 (700个是真实的,700个是伪造的).
• 通过比较真实和伪造的签名进行手工检查.
• 利用了ML模型,包括支持矢量机 (SVM) 和随机森林分类器 (RFC),用于自动分类.

主要成果:

• 手动检查发现所有提交的签名都是仿制品.
• 随机森林分类器 (RFC) 在区分真伪签名和伪造签名方面取得了92%的准确性.
• 支持矢量机 (SVM) 在签名分类中实现了89.64%的准确性.

结论:

• 机器学习模型在分类手写签名方面具有很高的准确性,这表明它们在法医应用中的实用性.
• 基于AI的签名分析可以显著减少手工劳动,并提高法医专家的检查速度.
• 在签名验证中广泛采用AI面临挑战,原因是缺乏标准化的法规和通用标准.