Падуа университетинин (Италия) жана Делфт университетинин (Нидерланды) изилдөөчүлөр тобу банкоматтын кол менен жабылган киргизүү аймагынын видео жазуусунан киргизилген PIN-кодду реконструкциялоо үчүн машинаны үйрөнүүнү колдонуу ыкмасын жарыялады. . 4 орундуу ПИН-кодду киргизүүдө бөгөт коюуга чейин үч жолу аракет кылуу мүмкүнчүлүгүн эске алуу менен туура кодду алдын ала айтуу ыктымалдыгы 41%га бааланат. 5 орундуу PIN коддор үчүн болжолдоо ыктымалдыгы 30% болгон. Өзүнчө эксперимент жүргүзүлүп, анда 78 ыктыярчы окшош жазылган видеолордон ПИН-кодду алдын ала айтууга аракет кылышкан. Бул учурда, ийгиликтүү болжолдоо ыктымалдыгы үч аракет кийин 7.92% болгон.
Банкоматтын санариптик панелин алаканыңыз менен жаап жатканда, колдун киргизүү жасалган бөлүгү ачык бойдон калат, бул колдун абалын өзгөртүү жана толук жабылбаган манжаларды жылдыруу аркылуу чыкылдатууну алдын ала айтуу үчүн жетиштүү. Ар бир цифранын киришин талдоодо система каптаган колдун абалын эске алуу менен басууга мүмкүн болбогон баскычтарды жок кылат, ошондой эле баскычтардын жайгашкан жерине карата басуу колунун абалынын негизинде басуунун эң мүмкүн болгон варианттарын эсептейт. . Киргизүүнү аныктоо ыктымалдыгын жогорулатуу үчүн, баскычтардын үнүн кошумча жаздырууга болот, бул ар бир баскыч үчүн бир аз айырмаланат.
Экспериментте конволюциялык нейрон тармагын (CNN) жана LSTM (Uzun кыска мөөнөттүү эс тутум) архитектурасына негизделген кайталануучу нейрондук тармакты колдонууга негизделген машинаны үйрөнүү системасы колдонулган. CNN тармагы ар бир кадр үчүн мейкиндик маалыматтарды алуу үчүн жооптуу болгон, ал эми LSTM тармагы убакыт боюнча өзгөрүп турган үлгүлөрдү алуу үчүн бул маалыматтарды колдонгон. Модель катышуучу тандаган киргизүү жабуу ыкмаларын колдонуу менен 58 түрдүү адамдардын PIN коддорун киргизген видеолору боюнча үйрөтүлгөн (ар бир катышуучу 100 түрдүү код киргизген, б.а., окутуу үчүн 5800 киргизүү мисалдары колдонулган). Тренингдин жүрүшүндө колдонуучулардын көбү киргизүүнү камтууда үч негизги ыкманын бирин колдонушары аныкталган.
Машина үйрөнүү моделин окутуу үчүн Xeon E5-2670 процессорунун негизиндеги сервер 128 ГБ оперативдүү эс тутуму жана ар бири 20 ГБ эс тутуму бар үч Tesla K5m картасы колдонулган. Программалык камсыздоо бөлүгү Python тилинде Keras китепканасын жана Tensorflow платформасын колдонуу менен жазылган. Банкоматтын киргизүү панелдери ар түрдүү болгондуктан жана болжолдоо натыйжасы ачкычтын өлчөмү жана топологиясы сыяктуу мүнөздөмөлөргө көз каранды болгондуктан, панелдин ар бир түрү үчүн өзүнчө окутуу талап кылынат.
Сунушталган чабуул ыкмасынан коргонуу чаралары катары, мүмкүн болсо, 5 эмес, 4 сандан турган ПИН коддорду колдонуу сунушталат, ошондой эле колуңуз менен мүмкүн болушунча көбүрөөк киргизүү мейкиндигин жабууга аракет кылуу сунушталат (эгерде ыкма эффективдүү бойдон кала берет). Кирүү аянтынын болжол менен 75% сиздин колуңуз менен жабылат). Банкоматтарды өндүрүүчүлөргө киргизүүнү жашырган атайын коргоочу экрандарды, ошондой эле механикалык эмес, сенсордук киргизүү панелдерин колдонуу сунушталат, анда сандардын абалы туш келди өзгөрөт.
Source: opennet.ru