បច្ចេកទេសកំណត់លេខកូដ PIN ពីការថតវីដេអូនៃការបញ្ចូលដោយដៃនៅក្នុងម៉ាស៊ីន ATM

ក្រុមអ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Padua (ប្រទេសអ៊ីតាលី) និងសាកលវិទ្យាល័យ Delft (ប្រទេសហូឡង់) បានបោះពុម្ពវិធីសាស្រ្តសម្រាប់ការប្រើប្រាស់ម៉ាស៊ីនរៀនដើម្បីបង្កើតកូដ PIN ដែលបានបញ្ចូលឡើងវិញពីការថតវីដេអូនៃតំបន់បញ្ចូលដែលគ្របដណ្តប់ដោយដៃរបស់ម៉ាស៊ីន ATM ។ . នៅពេលបញ្ចូលលេខកូដ PIN 4 ខ្ទង់ ប្រូបាប៊ីលីតេនៃការទស្សន៍ទាយលេខកូដត្រឹមត្រូវត្រូវបានប៉ាន់ប្រមាណនៅ 41% ដោយគិតគូរពីលទ្ធភាពនៃការព្យាយាមបីដងមុនពេលទប់ស្កាត់។ សម្រាប់លេខកូដ PIN 5 ខ្ទង់ ប្រូបាប៊ីលីតេនៃការទស្សន៍ទាយគឺ 30% ។ ការពិសោធន៍ដាច់ដោយឡែកមួយត្រូវបានធ្វើឡើង ដែលអ្នកស្ម័គ្រចិត្ត 78 នាក់បានព្យាយាមទស្សន៍ទាយលេខកូដ PIN ពីវីដេអូដែលបានថតស្រដៀងគ្នា។ ក្នុងករណីនេះប្រូបាប៊ីលីតេនៃការទស្សន៍ទាយជោគជ័យគឺ 7.92% បន្ទាប់ពីការព្យាយាមបីដង។

នៅពេលដែលគ្របដណ្តប់បន្ទះឌីជីថលនៃម៉ាស៊ីន ATM ជាមួយនឹងបាតដៃរបស់អ្នក ផ្នែកនៃដៃដែលការបញ្ចូលត្រូវបានធ្វើឡើងនៅតែមិនទាន់បិទបាំង ដែលវាគ្រប់គ្រាន់ក្នុងការទស្សន៍ទាយការចុចដោយការផ្លាស់ប្តូរទីតាំងនៃដៃ និងផ្លាស់ប្តូរម្រាមដៃដែលមិនទាន់គ្របដណ្តប់ទាំងស្រុង។ នៅពេលវិភាគការបញ្ចូលនៃខ្ទង់នីមួយៗ ប្រព័ន្ធនឹងលុបបំបាត់គ្រាប់ចុចដែលមិនអាចចុចបានដោយគិតគូរពីទីតាំងនៃដៃគ្របដណ្តប់ ហើយថែមទាំងគណនាជម្រើសដែលទំនងបំផុតសម្រាប់ការចុចដោយផ្អែកលើទីតាំងនៃដៃចុចដែលទាក់ទងទៅនឹងទីតាំងនៃគ្រាប់ចុច។ . ដើម្បីបង្កើនលទ្ធភាពនៃការរកឃើញការបញ្ចូល សំឡេងនៃការចុចគ្រាប់ចុចអាចត្រូវបានកត់ត្រាបន្ថែម ដែលខុសគ្នាបន្តិចបន្តួចសម្រាប់សោនីមួយៗ។

ការពិសោធន៍បានប្រើប្រព័ន្ធរៀនម៉ាស៊ីនដោយផ្អែកលើការប្រើប្រាស់បណ្តាញសរសៃប្រសាទ convolutional (CNN) និងបណ្តាញសរសៃប្រសាទដែលកើតឡើងដដែលៗដោយផ្អែកលើស្ថាបត្យកម្ម LSTM (Long Short Term Memory) ។ បណ្តាញ CNN ទទួលខុសត្រូវក្នុងការទាញយកទិន្នន័យលំហសម្រាប់ស៊ុមនីមួយៗ ហើយបណ្តាញ LSTM បានប្រើទិន្នន័យនេះដើម្បីទាញយកលំនាំផ្លាស់ប្តូរពេលវេលា។ គំរូនេះត្រូវបានបណ្តុះបណ្តាលលើវីដេអូរបស់មនុស្ស 58 នាក់ផ្សេងគ្នាដែលបញ្ចូលកូដ PIN ដោយប្រើវិធីសាស្ត្រគ្របដណ្តប់ការបញ្ចូលដែលបានជ្រើសរើសដោយអ្នកចូលរួម (អ្នកចូលរួមម្នាក់ៗបានបញ្ចូលលេខកូដ 100 ផ្សេងៗគ្នា ពោលគឺឧទាហរណ៍ 5800 ត្រូវបានប្រើសម្រាប់ការបណ្តុះបណ្តាល)។ ក្នុងអំឡុងពេលបណ្តុះបណ្តាល វាត្រូវបានបង្ហាញថា អ្នកប្រើប្រាស់ភាគច្រើនប្រើវិធីសាស្រ្តសំខាន់មួយក្នុងចំណោមវិធីសាស្ត្រសំខាន់ៗចំនួនបីក្នុងការគ្របដណ្តប់ការបញ្ចូល។

ដើម្បីបណ្ដុះបណ្ដាលម៉ូដែលរៀនម៉ាស៊ីន ម៉ាស៊ីនមេដែលមានមូលដ្ឋានលើប្រព័ន្ធដំណើរការ Xeon E5-2670 ដែលមាន RAM 128 GB និងកាត Tesla K20m ចំនួនបីដែលមានអង្គចងចាំ 5GB នីមួយៗត្រូវបានប្រើប្រាស់។ ផ្នែកកម្មវិធីត្រូវបានសរសេរនៅក្នុង Python ដោយប្រើបណ្ណាល័យ Keras និងវេទិកា Tensorflow ។ ដោយសារបន្ទះបញ្ចូលអេធីអឹមមានភាពខុសប្លែកគ្នា ហើយលទ្ធផលនៃការទស្សន៍ទាយអាស្រ័យលើលក្ខណៈដូចជាទំហំគន្លឹះ និងផ្នែកខាងលើ ការបណ្តុះបណ្តាលដាច់ដោយឡែកគឺត្រូវបានទាមទារសម្រាប់ប្រភេទបន្ទះនីមួយៗ។

ជាវិធានការដើម្បីការពារប្រឆាំងនឹងវិធីសាស្ត្រវាយប្រហារដែលបានស្នើឡើង វាត្រូវបានណែនាំប្រសិនបើអាចធ្វើទៅបាន ឱ្យប្រើកូដ PIN នៃ 5 ខ្ទង់ជំនួសឱ្យ 4 ហើយក៏ព្យាយាមបិទបាំងទំហំបញ្ចូលឱ្យបានច្រើនតាមដែលអាចធ្វើបានដោយដៃរបស់អ្នក (វិធីសាស្ត្រនៅតែមានប្រសិទ្ធភាព ប្រសិនបើ ប្រហែល 75% នៃផ្ទៃបញ្ចូលត្រូវបានគ្របដោយដៃរបស់អ្នក) ។ ក្រុមហ៊ុនផលិតអេធីអឹមត្រូវបានណែនាំអោយប្រើអេក្រង់ការពារពិសេសដែលលាក់ការបញ្ចូល ក៏ដូចជាមិនមែនជាមេកានិច ប៉ុន្តែប៉ះបន្ទះបញ្ចូល ទីតាំងនៃលេខដែលផ្លាស់ប្តូរដោយចៃដន្យ។

ប្រភព: opennet.ru