شبیه سازی یک سیستم تایید امضای برخط برای تشخیص اتوماتیک امضای جعلی

امضای افراد یکی از روشهای تایید هویت فرد در مناسبات مختلف بویژه در حوزه اقتصادی است. امضاهای برخط امضاهایی هستند که توسط ابزارهای الکترونیکی از قبیل صفحه رقومی کننده ثبت می شوند و امضا به صورت رشته زمانی در رایانه ذخیره می شود. در این نوع امضا علاوه بر اطلاعات مکانی، اطلاعات زمانی از قبیل سرعت، شتاب و... نیز حفظ می شود. هدف از تایید امضا، جداسازی امضاهای جعلی از امضاهای اصلی است. در این پایان نامه در ابتدا عملیاتی از قبیل نرمالیزه کردن اندازه امضا، هموارسازی و حذف چرخش بر روی امضاها انجام می شود وسپس با استفاده ازالگوریتمی بر مبنای تطابق نقاط اکسترمم سیگنال ها، پیچش زمانی پویا وکلونی مورچه ها، یکسان سازی طول زمانی آنها انجام می گردد و توسط رگرسیون توسعه یافته شباهت بین امضاها را بدست می آوریم. استفاده از رگرسیون توسعه یافته، در مقایسه با فاصله اقلیدسی و dtw، معیار بهتری از میزان شباهت دو امضا بدست می دهد، برای این منظور باید طول زمانی سیگنال های متناظر دو امضا یکسان شود. استفاده از تطابق همه نقاط برای یکسان سازی طول زمانی این سیگنال ها سبب کاهش تمایز بین امضاهای اصلی و امضاهای جعلی می شود. به همین دلیل برای حفظ تمایز بین امضاهای اصلی و امضاهای جعلی، روشی بر مبنای تطابق نقاط اکسترمم برای یکسان سازی طول زمانی سیگنال ها ارایه شده است. با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده از آن ها در محیط ها و کاربردهای حساس، تمایل روزافزونی در زمینه تشخیص خطا ایجاد شده است. در گذشته شبکه های عصبی به عنوان ابزاری برای تشخیص مدل یا خرابی در یک سیستم به کار گرفته شده اند. اما مشکل الگوریتم بهینه سازی آن ها برای انتخاب پارامتر و کم کردن خطا در هر مرحله به جای کم کردن خطای کل مدل باعث شده است تا ماشین بردار پشتیبان جایگزین مناسبی برای آن ها شوند. ماشین بردار پشتیبان بر پایه تیوری یادگیری آماری وپنیک از جمله الگوریتم های یادگیری موفق در زمینه تشخیص و ایزوله نمودن خطا در سیستم های دینامیکی می باشد. تکنیک pca بهترین روش برای کاهش ابعاد داده به صورت خطی می باشد. یعنی با حذف ضرایب کم اهمیت بدست آمده از این تبدیل، اطلاعات از دست رفته نسبت به روشهای دیگر کمتر است. البته کاربرد pca محدود به کاهش ابعاد داده نمی شود و در زمینه های دیگری مانند شناسایی الگو نیز مورد استفاده قرار می گیرد. در این روش محورهای مختصات جدیدی برای داده ها تعریف شده و داده ها براساس این محورهای مختصات جدید بیان می شوند. در ادامه به کمک svm و pca به تشخیص امضاهای اصلی از امضاهای جعلی می پردازیم. البته داده های مذکور بسیار به هم نزدیک می-باشند. زیرا امضاهای جعلی به صورت حرفه ای جعل شده اند و باید بهترین ویژگی ها را انتخاب کرده و با آن svm را آموزش دهیم. در این پایان نامه قصد داریم با استفاده از ترکیب دو طبقه بند میزان خطا را کاهش دهیم. سیستم پیشنهادی تایید امضای برخط، بر روی مجموعه امضاهای svc2004، مربوط به اولین مسابقه بین المللی تایید امضا آزمایش شده و نتایج آن با نتایج تیم-های شرکت کننده در این مسابقه، مقایسه شده است.