Статья 4117

Название статьи

ОЦЕНКА ЭФФЕКТА УСКОРЕНИЯ ВЫЧИСЛЕНИЙ, ОБУСЛОВЛЕННОГО ПОДДЕРЖКОЙ КВАНТОВОЙ
СУПЕРПОЗИЦИИ ПРИ КОРРЕКТИРОВКЕ ВЫХОДНЫХ СОСТОЯНИЙ НЕЙРОСЕТЕВОГО
ПРЕОБРАЗОВАТЕЛЯ БИОМЕТРИИ В КОД

Авторы

Волчихин Владимир Иванович, доктор технических наук, профессор, президент Пензенского государственного университета (Россия, г. Пенза, ул. Красная, 40), president@pnzgu.ru
Иванов Александр Иванович, доктор технических наук, доцент, начальник лаборатории биометрических и нейросетевых технологий, Пензенский научно-исследовательский электротехнический институт (Россия, г. Пенза, ул. Советская, 9), ivan@pniei.penza.ru
Безяев Александр Викторович, кандидат технических наук, ведущий специалист, Пензенский филиал Научно-технический центр «Атлас» (Россия, г. Пенза, ул. Советская, 9), Bezyaev_Alex@mail.ru
Елфимов Андрей Владимирович, инженер, Филиал «Аргус» Пензенского научно-исследовательского электротехнического института (Россия, г. Пенза, пр. Победы, 69,а), drec@yandex.ru
Юнин Алексей Петрович, начальник научно-исследовательского отдела, Пензенский научно-
исследовательский электротехнический институт (Россия, г. Пенза, ул. Советская, 9), ivan@pniei.penza.ru

Индекс УДК

 519.2, 612.087, 621.319.7

DOI

 10.21685/2072-3059–2017-1-4

Аннотация

Актуальность и цели. Целью работы является оценка выигрыша, возникающего из-за использования программной поддержки, эффектов квантовой суперпозиции выходных состояний нейронной сети.
Материалы и методы. Для наблюдения эффектов квантовой суперпозиции используется метод, состоящий в размывании детерминированных данных одного примера образа «Свой» данными генератора «белого шума». По этой причине часть выходных разрядов нейросетевого преобразователя оказываются нестабильными.
Результаты. Предложено использовать коды, обнаруживающие и исправляющие ошибки, хранящие синдромы связанных ошибок в виде хэш-функции от верных состояний корректируемого кода.
Выводы. Реализация самокорректирующегося кода при его длине 256 бит, способного обнаруживать и корректировать 12 ошибок, дает выигрыш в сокращении вычислений на 20 десятичных порядков. Этот выигрыш обусловлен использованием при вычислениях эффектов поддержки квантовой суперпозиции длинной 12 кубит.

Ключевые слова

квантовая суперпозиция, нейросетевой преобразователь биометрия-код, дискретный спектр выходных состояний, статистический анализ на малых выборках.

 

 Скачать статью в формате PDF

Список литературы

 1. Dodis, Y. Fuzzy Extractors: How to Generate Strong Keys from Biometrics and Other Noisy / Y. Dodis, L. Reyzin, A. Smith // Proc. EUROCRYPT. – 2004. – April 13. –Р. 523–540.
2. Monrose, F. Cryptographic key generation from voice / F. Monrose, M. Reiter,Q. Li, S. Wetzel // Proc. IEEE Symp. on Security and Privacy. – 2001. – Р. 202–213.
3. Ramírez-Ruiz, J. Cryptographic Keys Generation Using FingerCodes / J. Ramírez-Ruiz, C. Pfeiffer, J. Nolazco-Flores // Advances in Artificial Intelligence –IBERAMIA-SBIA 2006 (LNCS 4140). – 2006. – P. 178–187/
4. Нейросетевая защита персональных биометрических данных / Ю. К. Язов,В. И. Волчихин, А. И. Иванов, В. А. Фунтиков, И. Г. Назаров ; под ред.Ю. К. Язова. – М. : Радиотехника, 2012. – 157 с.
5. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа : моногр. / Б. С. Ахметов,А. И. Иванов, В. А. Фунтиков, А. В. Безяев, А. Ю. Малыгин. – Казахстан,Алматы : Изд-во LEM, 2014. – 144 c. – URL: http://portal.kazntu.kz/files/publicate/2014-06-27-11940.pdf
6. ГОСТ Р 52633.5–2011. Защита информации. Техника защиты информации.Автоматическое обучение нейросетевых преобразователей биометрия-код доступа. – М., 2011.
7. Иванов, А. И. Многомерная нейросетевая обработка биометрических данныхс программным воспроизведением эффектов квантовой суперпозиции /А. И. Иванов. – Пенза : Изд-во АО «ПНИЭИ», 2016.– 133 с. – URL:http://пниэи.pф/activity/science/BOOK16.pdf
8. ГОСТ Р 52633.3–2011. Защита информации. Техника защиты информации. Тестирование стойкости средств высоконадежной биометрической защиты к атакамподбора. – М., 2011.
9. Нильсон, М. Квантовые вычисления и квантовая информация / М. Нильсон,И. Чанг. – М. : Мир. 2006. – 821 с.
10. Иванов, А. И. Нечеткие экстракторы: проблема использования в биометрии и криптографии / А. И. Иванов // Первая миля. – 2015. – № 1. – С. 40–47.
11. Морелос-Сарагоса, Р. Искусство помехоустойчивого кодирования / Р. Морелос-Сарагоса. – М. : Техносфера, 2007. – 320 с.
12. Безяев, А. В. Нейросетевой преобразователь в самокорректирующийся код, совершенно не обладающий избыточностью / А. В. Безяев // Нейрокомпьютеры: разработка, применение. – 2012. – № 3. – С. 52–55.
13. Безяев, А. В. Оптимизация структуры самокорректирующегося биокода, хранящего синдромы ошибок в виде фрагментов хеш-функций / А. В. Безяев, А. И. Иванов, В. А. Фунтиков // Вестник Уральского федерального округа. Безопасность в информационной сфере. – 2014. – № 3 (13). – С. 4–14.

 

Дата создания: 08.08.2017 14:38
Дата обновления: 10.08.2017 09:19