ಯುನಿವರ್ಸಿಟಿ ಆಫ್ ಪಡುವಾ (ಇಟಲಿ) ಮತ್ತು ಡೆಲ್ಫ್ಟ್ ವಿಶ್ವವಿದ್ಯಾಲಯ (ನೆದರ್ಲ್ಯಾಂಡ್ಸ್) ಸಂಶೋಧಕರ ತಂಡವು ಎಟಿಎಂನ ಕೈಯಿಂದ ಮುಚ್ಚಿದ ಇನ್ಪುಟ್ ಪ್ರದೇಶದ ವೀಡಿಯೊ ರೆಕಾರ್ಡಿಂಗ್‌ನಿಂದ ನಮೂದಿಸಿದ ಪಿನ್ ಕೋಡ್ ಅನ್ನು ಮರುನಿರ್ಮಾಣ ಮಾಡಲು ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬಳಸುವ ವಿಧಾನವನ್ನು ಪ್ರಕಟಿಸಿದೆ. . 4-ಅಂಕಿಯ PIN ಕೋಡ್ ಅನ್ನು ನಮೂದಿಸುವಾಗ, ಸರಿಯಾದ ಕೋಡ್ ಅನ್ನು ಊಹಿಸುವ ಸಂಭವನೀಯತೆಯನ್ನು 41% ಎಂದು ಅಂದಾಜಿಸಲಾಗಿದೆ, ನಿರ್ಬಂಧಿಸುವ ಮೊದಲು ಮೂರು ಪ್ರಯತ್ನಗಳನ್ನು ಮಾಡುವ ಸಾಧ್ಯತೆಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. 5-ಅಂಕಿಯ PIN ಕೋಡ್‌ಗಳಿಗೆ, ಭವಿಷ್ಯ ಸಂಭವನೀಯತೆಯು 30% ಆಗಿತ್ತು. ಪ್ರತ್ಯೇಕ ಪ್ರಯೋಗವನ್ನು ನಡೆಸಲಾಯಿತು, ಇದರಲ್ಲಿ 78 ಸ್ವಯಂಸೇವಕರು ಇದೇ ರೀತಿಯ ರೆಕಾರ್ಡ್ ಮಾಡಿದ ವೀಡಿಯೊಗಳಿಂದ ಪಿನ್ ಕೋಡ್ ಅನ್ನು ಊಹಿಸಲು ಪ್ರಯತ್ನಿಸಿದರು. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಮೂರು ಪ್ರಯತ್ನಗಳ ನಂತರ ಯಶಸ್ವಿ ಮುನ್ಸೂಚನೆಯ ಸಂಭವನೀಯತೆಯು 7.92% ಆಗಿತ್ತು.
ನಿಮ್ಮ ಅಂಗೈಯಿಂದ ಎಟಿಎಂನ ಡಿಜಿಟಲ್ ಪ್ಯಾನೆಲ್ ಅನ್ನು ಮುಚ್ಚುವಾಗ, ಇನ್ಪುಟ್ ಮಾಡಿದ ಕೈಯ ಭಾಗವು ತೆರೆದಿರುತ್ತದೆ, ಇದು ಕೈಯ ಸ್ಥಾನವನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಮುಚ್ಚದ ಬೆರಳುಗಳನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ಕ್ಲಿಕ್‌ಗಳನ್ನು ಊಹಿಸಲು ಸಾಕು. ಪ್ರತಿ ಅಂಕಿಯ ಇನ್ಪುಟ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸುವಾಗ, ಕವರಿಂಗ್ ಕೈಯ ಸ್ಥಾನವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಒತ್ತಲಾಗದ ಕೀಗಳನ್ನು ಸಿಸ್ಟಮ್ ತೆಗೆದುಹಾಕುತ್ತದೆ ಮತ್ತು ಕೀಗಳ ಸ್ಥಳಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಒತ್ತುವ ಕೈಯ ಸ್ಥಾನದ ಆಧಾರದ ಮೇಲೆ ಒತ್ತುವ ಸಾಧ್ಯತೆಯ ಆಯ್ಕೆಗಳನ್ನು ಸಹ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. . ಇನ್ಪುಟ್ ಪತ್ತೆಹಚ್ಚುವಿಕೆಯ ಸಾಧ್ಯತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು, ಕೀಸ್ಟ್ರೋಕ್ಗಳ ಧ್ವನಿಯನ್ನು ಹೆಚ್ಚುವರಿಯಾಗಿ ರೆಕಾರ್ಡ್ ಮಾಡಬಹುದು, ಇದು ಪ್ರತಿ ಕೀಗೆ ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ.
ಪ್ರಯೋಗವು ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ (ಸಿಎನ್‌ಎನ್) ಮತ್ತು ಎಲ್‌ಎಸ್‌ಟಿಎಂ (ಲಾಂಗ್ ಶಾರ್ಟ್ ಟರ್ಮ್ ಮೆಮೊರಿ) ಆರ್ಕಿಟೆಕ್ಚರ್‌ನ ಆಧಾರದ ಮೇಲೆ ಮರುಕಳಿಸುವ ನರಮಂಡಲದ ಬಳಕೆಯನ್ನು ಆಧರಿಸಿದ ಯಂತ್ರ ಕಲಿಕೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಿದೆ. ಪ್ರತಿ ಫ್ರೇಮ್‌ಗೆ ಪ್ರಾದೇಶಿಕ ಡೇಟಾವನ್ನು ಹೊರತೆಗೆಯಲು CNN ನೆಟ್‌ವರ್ಕ್ ಜವಾಬ್ದಾರವಾಗಿದೆ ಮತ್ತು LSTM ನೆಟ್‌ವರ್ಕ್ ಈ ಡೇಟಾವನ್ನು ಸಮಯ-ಬದಲಾಗುವ ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯಲು ಬಳಸಿದೆ. ಭಾಗವಹಿಸುವವರು-ಆಯ್ಕೆ ಮಾಡಿದ ಇನ್ಪುಟ್ ಕವರ್ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು 58 ವಿಭಿನ್ನ ಜನರು ಪಿನ್ ಕೋಡ್‌ಗಳನ್ನು ನಮೂದಿಸುವ ವೀಡಿಯೊಗಳಲ್ಲಿ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ನೀಡಲಾಗಿದೆ (ಪ್ರತಿಯೊಬ್ಬ ಭಾಗವಹಿಸುವವರು 100 ವಿಭಿನ್ನ ಕೋಡ್‌ಗಳನ್ನು ನಮೂದಿಸಿದ್ದಾರೆ, ಅಂದರೆ, 5800 ಇನ್ಪುಟ್ ಉದಾಹರಣೆಗಳನ್ನು ತರಬೇತಿಗಾಗಿ ಬಳಸಲಾಗಿದೆ). ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ, ಹೆಚ್ಚಿನ ಬಳಕೆದಾರರು ಒಳಹರಿವಿನ ಮೂರು ಮುಖ್ಯ ವಿಧಾನಗಳಲ್ಲಿ ಒಂದನ್ನು ಬಳಸುತ್ತಾರೆ ಎಂದು ತಿಳಿದುಬಂದಿದೆ.
ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು, Xeon E5-2670 ಪ್ರೊಸೆಸರ್ ಅನ್ನು ಆಧರಿಸಿದ ಸರ್ವರ್ ಅನ್ನು 128 GB RAM ಮತ್ತು ಮೂರು ಟೆಸ್ಲಾ K20m ಕಾರ್ಡ್‌ಗಳನ್ನು 5GB ಮೆಮೊರಿಯೊಂದಿಗೆ ಬಳಸಲಾಯಿತು. ಕೆರಾಸ್ ಲೈಬ್ರರಿ ಮತ್ತು ಟೆನ್ಸಾರ್‌ಫ್ಲೋ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸಾಫ್ಟ್‌ವೇರ್ ಭಾಗವನ್ನು ಪೈಥಾನ್‌ನಲ್ಲಿ ಬರೆಯಲಾಗಿದೆ. ATM ಇನ್ಪುಟ್ ಪ್ಯಾನೆಲ್‌ಗಳು ವಿಭಿನ್ನವಾಗಿರುವುದರಿಂದ ಮತ್ತು ಮುನ್ಸೂಚನೆಯ ಫಲಿತಾಂಶವು ಪ್ರಮುಖ ಗಾತ್ರ ಮತ್ತು ಟೋಪೋಲಜಿಯಂತಹ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ, ಪ್ರತಿಯೊಂದು ರೀತಿಯ ಪ್ಯಾನೆಲ್‌ಗೆ ಪ್ರತ್ಯೇಕ ತರಬೇತಿಯ ಅಗತ್ಯವಿದೆ.
ಪ್ರಸ್ತಾವಿತ ದಾಳಿ ವಿಧಾನದಿಂದ ರಕ್ಷಿಸಲು ಕ್ರಮವಾಗಿ, ಸಾಧ್ಯವಾದರೆ, 5 ರ ಬದಲಿಗೆ 4 ಅಂಕೆಗಳ ಪಿನ್ ಕೋಡ್‌ಗಳನ್ನು ಬಳಸಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ ಮತ್ತು ನಿಮ್ಮ ಕೈಯಿಂದ ಸಾಧ್ಯವಾದಷ್ಟು ಇನ್ಪುಟ್ ಜಾಗವನ್ನು ಕವರ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿ (ವಿಧಾನವು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಉಳಿದಿದ್ದರೆ ಇನ್ಪುಟ್ ಪ್ರದೇಶದ ಸುಮಾರು 75% ನಿಮ್ಮ ಕೈಯಿಂದ ಮುಚ್ಚಲ್ಪಟ್ಟಿದೆ). ಎಟಿಎಂ ತಯಾರಕರು ಇನ್ಪುಟ್ ಅನ್ನು ಮರೆಮಾಡುವ ವಿಶೇಷ ರಕ್ಷಣಾತ್ಮಕ ಪರದೆಗಳನ್ನು ಬಳಸಲು ಶಿಫಾರಸು ಮಾಡುತ್ತಾರೆ, ಜೊತೆಗೆ ಯಾಂತ್ರಿಕವಲ್ಲ, ಆದರೆ ಸ್ಪರ್ಶ ಇನ್ಪುಟ್ ಪ್ಯಾನೆಲ್‌ಗಳು, ಯಾದೃಚ್ಛಿಕವಾಗಿ ಬದಲಾಗುವ ಸಂಖ್ಯೆಗಳ ಸ್ಥಾನ.
ಮೂಲ: opennet.ru