تجزیه و تحلیل سیستم های دروغ سنجی تلفیقی بر پایه سـیگنال های سایکوفیزیولوژیک و پتانسیل های برانگیخته مغزی

انسان همواره در پی راهی بوده است که از طریق آن به صحت و سقم گفتار افرادی که با آنها سروکار دارد، پی ببرد. به همین دلیل در تاریخ اقوام و تمدن های مختلف، اشاره هایی به روش های مختلف سنجیدن صداقت افراد شده است. اما شروع علمی این مسئله را می توان از قرن 18 میلادی و تجربیات دانیل دفو عنوان کرد. از آن زمان تا کنون نیز، به دلیل اهمیت بسیار این موضوع در مسائل امنیتی و قضایی، ورود روزافزون جوامع علمی مرتبط از حقوق دانان تا سایکوفیزیولوژیست ها در این زمینه بسیار چشم گیر بوده است. امروزه با پیشرفت کامپیوترها و ورود این وسیله به حوزه مهندسی، رشد بسیاری در ابزارهای مهندسی تفکیک و طبقه بندی دادگان ایجاد شده است که منجر به ورود این قشر در زمینه دروغ سنجی شده است. در یک تقسیم بندی کلی می توان روش های دروغ سنجی را به سه دسته: روش های کلاسیک – مبتنی بر اندازه گیری استرس فرد از طریق سیگنال های سایکوفیزیولوژیک- روش های مغزی – مبتنی بر بررسی مولفه های شناختی سیگنال های الکتریکی مغز- و روش های تلفیقی – مبتنی بر تلفیق دو روش کلاسیک و مغزی- تقسیم بندی نمود. هدف از این تحقیق نیز ارائه روشی برای ثبت همزمان سیگنال های کلاسیک و پتانسیل های برانگیخته مغزی برای ایجاد بهبود در صحت های حاصل از دروغ سنجی های مغزی و کلاسیک محض بوده است. در بررسی های انجام شده، این نتیجه حاصل شد که در ثبت همزمان کانال های مغزی و کلاسیک، دو مشکل اساسی وجود دارد که عبارتند از: اول، عدم هماهنگی زمانی بین دینامیک های مغزی و کلاسیک که منجر به بروز مشکلاتی در تنظیم بازه زمانی بین تحریک ها می گردد و دوم، وجود منشاهای متفاوت در تولید دینامیک های مغزی و کلاسیک که برای رفع آن می-بایست به دنبال سناریو و پروتکلی برای تحریک همزمان دو منشا بود. لذا با طراحی سناریوی دزدین/ندزدیدن جواهرات به تحریک همزمان مولفه های شناختی و استرسی در سوژه ها پرداخته شد. همچنین برای برطرف نمودن مشکل عدم همخوانی دینامیک ها به تنظیم فاصله زمانی بین تحریک ها برابر 3 ثانیه و همچنین چیدن تحریک های پروب و هدف با بیشترین فاصله تصادفی پرداخته شد. در پردازش های انجام شده بر روی 30 داده ثبت شده باقی مانده (شامل 16 سوژه گناه کار و 14 سوژه بی گناه)، با استفاده از طبقه بندهای bad و bcdبر روی دادگان مغزی صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد. همچنین با استفاده از طبقه بند lda و الگوریتم ژنتیک برای بهینه سازی ویژگی ها، بر روی ویژگی های حاصل از سیگنال های ppg نیز صحت آشکارسازی گناه کار- بی گناه 93.33% حاصل شد، که این مطلب بیانگر قابلیت سناریو و پروتکل طراحی شده در تحریک و ثبت همزمان سیگنال های مغزی و کلاسیک می باشد. از سوی دیگر در ترکیب تک تک ویژگی های کلاسیک با ویژگی های مغزی نیز برترین صحت آشکارسازی گناه کار- بی گناه ، در طبقه بندی همزمان دادگان مغزی و ppg با استفاده از طبقه بند lda و بهینه کننده الگوریتم ژنتیک، برابر 96.67% بوده است. در تلفیق تمامی ویژگی های حاصل از سیگنال های مغزی، gsr، ppg و rt و استفاده از طبقه بند lda و الگوریتم ژنتیک در بهینه سازی دادگان، صحت آشکارسازی گناه کار- بی گناه 100% حاصل شد. تمامی نتایج حاصل حاکی از بهبود صحت طبقه بندی با استفاده از تلفیق ویژگی های مغزی و کلاسیک نسبت به طبقه بندی جداگانه سیگنال های مغزی و کلاسیک می باشد.