Tîmek lêkolînerên ji Zanîngeha Padova (Îtalya) û Zanîngeha Delft (Hollanda) rêbazek ji bo karanîna fêrbûna makîneyê weşandin ku ji nû ve avakirina kodek PIN-ê ya têketinê ji tomarek vîdyoyê ya devera têketina bi desta ya ATM-ê. . Dema ku hûn kodek PIN-ê ya 4-hejmar têkevin, îhtîmala pêşbînkirina koda rast ji% 41 tê texmîn kirin, ku li ber astengkirinê îhtîmala çêkirina sê hewldanan tê hesibandin. Ji bo kodên PIN-ê yên 5-hejmar, îhtîmala pêşbîniyê %30 bû. Ezmûnek cûda hate kirin ku tê de 78 dilxwaz hewl dan ku koda PIN-ê ji vîdyoyên tomarkirî yên mîna pêşbînî bikin. Di vê rewşê de, îhtîmala pêşbîniya serketî piştî sê hewldanan% 7.92 bû.
Dema ku panela dîjîtal a ATM-ê bi kefa xwe veşêre, beşa desta ku pê têketinê tê çêkirin, vekirî dimîne, ku ev yek têra klîk dike ku bi guheztina pozîsyona dest û guheztina tiliyên ne bi tevahî negirtî were pêşbînîkirin. Dema ku ketina her jimareyê analîz dike, pergal mifteyên ku nayên pê kirin li gorî pozîsyona destê xêzkirinê ji holê radike, û di heman demê de vebijarkên herî muhtemel ên zextê li ser bingeha pozîsyona destavê li gorî cîhê bişkokan hesab dike. . Ji bo zêdekirina îhtîmala vedîtina têketinê, dengê lêdana bişkojkan dikare wekî din were tomar kirin, ku ji bo her bişkojkê hinekî cûda ye.
Di ceribandinê de pergalek fêrbûna makîneyê ya ku li ser bingeha karanîna tora neuralî ya konvolutional (CNN) û tora neuralî ya dûbare ya li ser bingeha mîmariya LSTM (Bîreya Dem-Kurte ya Dirêj) hate bikar anîn. Tora CNN ji bo her çarçoveyek derxistina daneyên cîhê berpirsiyar bû, û tora LSTM ev dane bikar anî da ku qalibên dem-cuda derxe. Model li ser vîdyoyên 58 kesên cihêreng ku kodên PIN-ê bi karanîna rêbazên ketina têketinê yên hilbijartî yên beşdaran dinivîsin hate perwerde kirin (her beşdarvanek 100 kodên cihêreng xistin, ango 5800 mînakên têketinê ji bo perwerdehiyê hatine bikar anîn). Di dema perwerdeyê de, hate eşkere kirin ku pir bikarhêner yek ji sê awayên sereke yên vegirtina têketinê bikar tînin.
Ji bo perwerdekirina modela fêrbûna makîneyê, serverek li ser bingeha pêvajoyek Xeon E5-2670 bi 128 GB RAM û sê kartên Tesla K20m bi her yekê 5 GB bîranîn hate bikar anîn. Parçeya nermalavê di Python de bi karanîna pirtûkxaneya Keras û platforma Tensorflow ve hatî nivîsandin. Ji ber ku panelên têketina ATM-ê cûda ne û encama pêşbîniyê bi taybetmendiyên wekî mezinahiya sereke û topolojiyê ve girêdayî ye, ji bo her celeb panelê perwerdehiyek cûda hewce ye.
Wekî tedbîrên ji bo parastina li hember rêbaza êrîşê ya pêşniyarkirî, tê pêşniyar kirin, heke gengaz be, li şûna 5 kodên PIN-ê yên 4 reqeman bikar bînin, û her weha hewl bidin ku bi qasî ku gengaz be bi destê xwe cîhê têketinê veşêrin (rêbaz bi bandor bimîne heke nêzîkî 75% ji qada têketinê bi destê we ve girêdayî ye). Ji hilberînerên ATM re tê pêşniyar kirin ku ekranên parastinê yên taybetî yên ku têketinê vedişêrin bikar bînin, û hem jî ne panelên têketina mekanîkî, lê bi destan, pozîsyona hejmarên ku li ser wan bi rengek bêkêmasî diguhezin bikar bînin.
Source: opennet.ru