एटीएममध्ये हाताने बंद केलेल्या इनपुटच्या व्हिडिओ रेकॉर्डिंगवरून पिन कोड निश्चित करण्याचे तंत्र

युनिव्हर्सिटी ऑफ पडुआ (इटली) आणि युनिव्हर्सिटी ऑफ डेल्फ्ट (नेदरलँड) मधील संशोधकांच्या टीमने एटीएमच्या हाताने झाकलेल्या इनपुट क्षेत्राच्या व्हिडिओ रेकॉर्डिंगमधून प्रविष्ट केलेला पिन कोड पुनर्रचना करण्यासाठी मशीन लर्निंग वापरण्याची पद्धत प्रकाशित केली आहे. . 4-अंकी पिन कोड प्रविष्ट करताना, ब्लॉक करण्यापूर्वी तीन प्रयत्न करण्याची शक्यता लक्षात घेऊन, अचूक कोडचा अंदाज लावण्याची संभाव्यता 41% आहे. 5-अंकी पिन कोडसाठी, अंदाज संभाव्यता 30% होती. एक वेगळा प्रयोग आयोजित करण्यात आला ज्यामध्ये 78 स्वयंसेवकांनी समान रेकॉर्ड केलेल्या व्हिडिओंवरून पिन कोडचा अंदाज लावण्याचा प्रयत्न केला. या प्रकरणात, तीन प्रयत्नांनंतर यशस्वी भविष्यवाणीची संभाव्यता 7.92% होती.

एटीएमच्या डिजिटल पॅनेलला तुमच्या तळव्याने झाकताना, ज्या हाताने इनपुट केले जाते तो भाग उघडा राहतो, जो हाताची स्थिती बदलून आणि पूर्णपणे झाकलेली नसलेली बोटे हलवून क्लिकचा अंदाज लावण्यासाठी पुरेसा आहे. प्रत्येक अंकाच्या इनपुटचे विश्लेषण करताना, सिस्टम कव्हरिंग हँडची स्थिती लक्षात घेऊन दाबल्या जाऊ शकत नाहीत अशा की काढून टाकते आणि कीच्या स्थानाशी संबंधित दाबणाऱ्या हाताच्या स्थितीवर आधारित दाबण्यासाठी संभाव्य पर्यायांची गणना देखील करते. . इनपुट शोधण्याची शक्यता वाढवण्यासाठी, कीस्ट्रोकचा आवाज अतिरिक्तपणे रेकॉर्ड केला जाऊ शकतो, जो प्रत्येक कीसाठी थोडा वेगळा असतो.

प्रयोगात कन्व्होल्युशनल न्यूरल नेटवर्क (CNN) आणि एलएसटीएम (लाँग शॉर्ट टर्म मेमरी) आर्किटेक्चरवर आधारित रिकरंट न्यूरल नेटवर्कच्या वापरावर आधारित मशीन लर्निंग सिस्टम वापरली गेली. CNN नेटवर्क प्रत्येक फ्रेमसाठी अवकाशीय डेटा काढण्यासाठी जबाबदार होते आणि LSTM नेटवर्कने हा डेटा वेळ-विविध नमुने काढण्यासाठी वापरला. मॉडेलला सहभागी-निवडलेल्या इनपुट कव्हर पद्धतींचा वापर करून पिन कोड प्रविष्ट करणाऱ्या 58 भिन्न लोकांच्या व्हिडिओंवर प्रशिक्षण देण्यात आले (प्रत्येक सहभागीने 100 भिन्न कोड प्रविष्ट केले, म्हणजे प्रशिक्षणासाठी 5800 इनपुट उदाहरणे वापरली गेली). प्रशिक्षणादरम्यान, हे उघड झाले की बहुतेक वापरकर्ते इनपुट कव्हर करण्याच्या तीन मुख्य पद्धतींपैकी एक वापरतात.

मशीन लर्निंग मॉडेलचे प्रशिक्षण देण्यासाठी, 5 GB RAM सह Xeon E2670-128 प्रोसेसरवर आधारित सर्व्हर आणि प्रत्येकी 20GB मेमरी असलेली तीन Tesla K5m कार्डे वापरली गेली. केरास लायब्ररी आणि टेन्सरफ्लो प्लॅटफॉर्म वापरून सॉफ्टवेअरचा भाग पायथनमध्ये लिहिलेला आहे. एटीएम इनपुट पॅनेल भिन्न असल्याने आणि अंदाज परिणाम की आकार आणि टोपोलॉजी सारख्या वैशिष्ट्यांवर अवलंबून असल्याने, प्रत्येक प्रकारच्या पॅनेलसाठी स्वतंत्र प्रशिक्षण आवश्यक आहे.

प्रस्तावित हल्ला पद्धतीपासून संरक्षण करण्यासाठी उपाय म्हणून, शक्य असल्यास, 5 ऐवजी 4 अंकी पिन कोड वापरण्याची शिफारस केली जाते आणि आपल्या हाताने शक्य तितकी इनपुट जागा कव्हर करण्याचा प्रयत्न करा (पद्धत प्रभावी राहिली तर सुमारे 75% इनपुट क्षेत्र तुमच्या हाताने झाकलेले आहे). एटीएम उत्पादकांना विशेष संरक्षणात्मक स्क्रीन वापरण्याची शिफारस केली जाते जे इनपुट लपवतात, तसेच यांत्रिक नाही, परंतु स्पर्श इनपुट पॅनेल, संख्यांची स्थिती ज्यावर यादृच्छिकपणे बदलते.

स्त्रोत: opennet.ru