Фрагмент для ознакомления
2
Введение
В настоящее время одним из методов авторизации в информационных системах является парольная защита. Данный способ авторизации в системе не обеспечивает полноценной защиты от несанкционированного доступа, так как сотрудники зачастую не соблюдают требований к защите паролей, передавая их коллегам или оставляя парольные карточки на доступных местах. Также вероятно использование паролей, не отвечающих требованиям к сложности, отчего возрастает вероятность получение доступа к информационным ресурсам со стороны злоумышленников. Когда ценность информационного ресурса достаточно высока (например, при работе с серверами, межсетевыми экранами, платежными системами) требуется использование усиленных мер защиты при входе в систему. К ним относятся: электронные ключи, а также биометрические системы. При использовании электронных ключей также существует риск утери и передачи. Таким образом, наиболее надежным методом аутентификации являются способы, связанные с биометрическими технологиями, позволяющими однозначно определить личность пользователя, осуществляющего попытку входа в систему.
Целью дипломной работы – изучение безопасности внутрибанковской биометрической системы и разработка комплекса мер по ее обеспечению.
Задачи исследования:
анализ технологий защиты систем биометрической аутентификации;
выбор методов, обеспечивающих технологии защиты систем биометрической аутентификации;
разработка системы информационно-аналитической поддержки контрольно-пропускной системы с использованием биометрических параметров.
Объект исследования: системы биометрической аутентификации в охранных системах.
Предмет исследования: технология биометрической идентификации в условиях банковского учреждения.
Методы исследования: анализ литературных источников, синтез, моделирование, обобщение, наблюдение.
Гипотеза исследования: внедрение системы защиты (или защищенной) межбанковской биометрической системы позволит повысить уровень физической защиты предприятия, сократить убытки, обусловленные возникновением инцидентов, связанных с информационной безопасностью
Обзор применяемых методик оценки надежности биометрических систем аутентификации
1.1 Основные направления и объекты использования биометрических систем
Биометрические системы аутентификации — системы, использующие для входа в систему биометрические методы. С помощью биометрических систем авторизации определяется подлинность пользователя, совершающего попытку авторизации в системе.
Проблематика использования биометрической идентификации в различных технических системах в настоящее время является объектом изучения авторов, работающих в различных научно-технических областях. В работе Аюповой А. Р., Ахатов Р. Р. «Биометрический паспорт: зло или добро» рассмотрены вопросы создания биометрических паспортов граждан, что упрощает их процессы их идентификации. Вместе с этим утечки биометрических данных могут привести к различным негативным последствиям для объекта. В работе Михайлова М. А., Волеводза А. Г., Сидоренко Э. Л. «Совершенствование системы дактилоскопической регистрации» рассмотрены правовые и технологические аспекты перспективного использования биометрических данных при аутентификации в банковских системах, портале госуслуг. Данная технология позволит обеспечить достоверность определения пользователя системы, но вместе с этим связана с необходимостью приобретения считывателей и гарантированного обеспечения защиты биометрических данных.
Использование современных биометрических систем позволяет обеспечить высокий уровень надежности при аутентификации объектов. Контроль с помощью биометрии возможно обеспечить в следующих областях [12]:
при передаче и получении конфиденциальных данных;
при авторизации в информационных системах;
при проведении платежных операций;
для обеспечения защиты баз данных и любых конфиденциальных данных на электронных носителях;
при работе с системами контроля управления доступом;
для доступа к системам «умного дома» для управления системами жизнеобеспечения помещений.
Специфика использования биометрических систем связана с возможностью однозначного распознавания объекта без возможности подделки.
К биометрическим факторам относятся [11]:
отпечатки пальцев;
рисунок радужной оболочки и сетчатки глаз;
характеристики голоса;
геометрический рисунок руки;
ДНК.
Эффективность работы биометрических идентификаторов обеспечивается в тех случаях, когда имеется достоверная возможность установки факта принадлежности биометрического отпечатка конкретному субъекту и при проверке факта полного совпадения биометрического отпечатка эталону, хранящемуся в картотеке.
В силу того, что биометрическая аутентификация находит все более широкое использование, у операторов, проводящих обработку данного рода информации, должны обеспечиваться требования к сохранности информации.
Основные характеристики систем биометрической аутентификации [10]:
диапазон вероятности несанкционированного доступа - 0,1–0,0001 %;
вероятность ложного запрета доступа субъекта к своим данным <1%;
время идентификации субъекта - <10 сек.
При этом для систем биометрической аутентификации характерна высокая стоимость в сравнении с традиционными методами (по паролю или по электронному ключу)
К динамическим методам биометрии можно отнести: исследование почерка, особенности голоса и речи. На рисунке 1 приведена диаграмма классификации биометрических средств идентификации.
Рисунок 1 - Диаграмма классификации биометрических средств идентификации [3]
Тенденции к совершенствованию характеристик систем биометрической идентификации и снижению их стоимости постепенно приводят к расширению областей применения систем биометрической идентификации [21]. На рисунке 2 приведена диаграмма распространенности систем биометрической идентификации.
Рисунок 2 – Распределение технологий распознавания объектов с использованием систем биометрии [2]
Распознавание объектов с использованием технологий биометрии включает стадии [7]:
получение данных биометрических образов;
определение шаблона для проведения сверки;
сравнение считанного образца с эталонным.
Далее система при идентификации объекта предоставляет возможности доступа в соответствии с назначенной ролью. Если объект не распознан, доступ не предоставляется.
Обобщая, заметим, что в настоящее время широкое развитие приобретают системы биометрической аутентификации, достоинством которых является возможность однозначного распознавания объекта. Алгоритмы распознавания основаны на сравнении объекта с шаблонами. В качестве идентификаторов могут выступать отпечатки пальцев, оболочка глаз и другие объекты, позволяющие однозначно идентифицировать объект.
1.2. Анализ методов обработки результатов ошибок 1 и 2 рода при распознавании объектов с помощью биометрических данных
При использовании систем биометрии возможно возникновение коллизий, связанных с ошибками распознавания, включающих [3]:
ошибки первого рода, при возникновении которых блокируется доступ пользователям, которые внесены в базу и имеют право входа в систему;
ошибки второго рода, при возникновении которых система сопоставляет определенную роль для пользователей, которые доступа к системе не имеют.
Возникновение ошибок подобного типа связано со спецификой биометрии, к которых точность распознавания зависит от разрешающей способности биометрических сканеров, качества работы программного обеспечения, осуществляющего сопоставление объекта с эталоном. Например, в случае сканирования отпечатков пальцев невозможно установить полное соответствие эталонному положению, так как может отличаться угол сканирования, давление пальца на считыватель и другие параметры, оказывающие влияние на результат процесса идентификации.
Таким образом, биометрические процессы (связанные с автоматизированной обработкой характеристик) обеспечивают уровень надежности, обеспечиваемой биометрической системой при распознавании объекта. Система не может давать заключение о полном соответствии снимка с копией, а выдает вероятность того, что отпечаток биометрического объекта соответствует определенному эталону в базе данных. При приближении данного значения к 100% достоверности установления личности повышается. В ходе опыта работы с биометрическими было показано, что хотя ни одной системой аутентификации не обеспечивается 100 %-ный уровень надежности и совпадение характеристик, уровень совпадения является достаточно высоким.
Существующие системы биометрической идентификации позволяют обеспечивать высокий уровень устойчивости к ошибкам первого и второго рода при определении объекта.
Так как степень надежности в процессе проведения операций сравнения зависит от специфики объекта авторизации, чрезвычайным является оценка влияния ложного срабатывания на возможность доступа к системе посторонних лиц. Разработчиками гарантируется уровень точности измерений, соответствующий одной ошибке на 10 000 измерений.
Качество распознавания в система биометрии характеризуется показателями [4]:
FAR (False Acceptance Rate) – параметр, характеризующий количество допусков в систему объектам, не зарегистрированном в базе данных эталонных объектов.
FRR (False Rejection Rate) – параметр, характеризующий количество запретов на вход в систему пользователям, имеющим к ней доступ.
Для каждой биометрической системы опытным путем проводится расчет данных качественных характеристик, по результатам которого делается заключение о возможности ее использования применительно к защищаемому объекту.
Статистические данные показывают информацию по качеству работы объектов в зависимости от распознаваемой биометрической системы (таблица 1).
Таблица 1 – Качественные характеристики биометрических объектов
При использовании биометрических систем также возможна работа с более точными показателями, при этом такие биометрические системы при распознавании используют более сложные алгоритмы, требующие значительных вычислительных мощностей.
Возможно получение статистических доказательств, позволяющих с помощью компьютерных программ провести соответствующие расчеты, посредством которых подтверждаются указанные цифры, однако на практике ложные срабатывания могут случаться гораздо чаще [19].
Надежность процедуры идентификации по отпечаткам обеспечивается при гарантированной защите от копирование эталонной базы данных. В качестве одной из возможностей по обману терминалов специалистами называется способ изготовления искусственной кисти с необходимыми отпечатками пальцев (или через изъятие «подлинника» у законных владельцев). Также существует метод борьбы с таким типом фальсификации. Для защиты от несанкционированной идентификации в считыватели оборудование включают инфракрасные детекторы, позволяющий фиксировать исходящее инфракрасное излучение от объекта и при его отсутствии доступ блокируется.
Защита от авторизации с использованием копий папиллярных узоров обеспечивается путем получения от объекта дополнительной информации, которой злоумышленники не обладают.
Это порождает ряд проблем, связанных с быстродействием систем распознавания, а также необходимостью защиты от подлога. При корректно настроенных алгоритмах распознавания и использовании сертифицированного программного обеспечения возможно обеспечение безошибочного распознавания объектов.
1.3. Статистические методы, применяемые для идентификации, верификации, аутентификации, распознавания в системах
Математическая модель анализа биометрических данных основана на усреднении функции по частотным диапазонам, весовые коэффициенты которой описывается через функцию и выражения:
С использованием функции f(x,y) можно решить задачу по идентификации обрабатываемого изображения через две пространственные переменные, заданные в определенной области пространства прямоугольной формы.
Проведем анализ работы с двумерными системами, содержащими линейные функции [30].
В рамках моделирования биометрических объектов осуществляется преобразование функции вида: g(x,y)=L(f(x,y))
Моделируемую систему можно рассматривать через пространственно-инвариантные характеристик, если значения ее импульсных откликов определяется через разность координат входных и выходных (x, n) плоскостей. В оптических системах, пример которых показан на рисунке 3, предполагается, что в случае перемещения точечного источника в наблюдаемой плоскости может изменять положение, но при этом форма сохраняется [16].
Фрагмент для ознакомления
3
1. ПО Bio Time. Описание. [Электронный ресурс]. Режим доступа: https://www.biolink.ru/products/software/biotime/overview.php
2. Аюпова А. Р., Ахатов Р. Р. Биометрический паспорт: зло или добро // Здоровый образ жизни как условие устойчивого развития государства: сборник материалов Всероссийской научно-практической конференции. — 2017. — С. 35—38.
3. Кубитович С. Н. ДНК как носитель информации неограниченного круга лиц // Вестник экономической безопасности. — 2017. — No 4. — С. 184—188.
4. Михайлов М. А., Волеводз А. Г., Сидоренко Э. Л. Международная научно-практическая конференция в Государственной Думе «Совершенствование системы дактилоскопической регистрации» // Библиотека криминалиста. Научный журнал. — 2016. — № 1 (24). — С. 368—378.
5. Попов В. В. Идентификация личности молекулярно-генетическими методами // Юристъ-Правоведъ. 2018. No 3 (86). С. 169—175.
6. Милов, В. Р. Распознавание образов и обработка изображений в информационно-аналитических системах: мониторинг, проектирование / В. Р. Милов, В. Г. Баранов, Ю. С. Бажанов и др. - Москва : Радиотехника, 2014. - 143 с.
7. Кретушев А. В. Обработка и анализ фазовых изображений: учебное пособие / А. В. Кретушев. - Москва : ВНИИгеосистем, 2014. - 63 с.
8. Шоберг А. Г. Современные методы обработки изображений: модифицированное вейвлет-преобразование / А. Г. Шоберг. - Хабаровск: Изд-во ТОГУ, 2014. - 125 с.
9. Гришенцев, А. Ю. Методы и модели цифровой обработки изображений / А. Ю. Гришенцев, А. Г. Коробейников. - Санкт-Петербург: Изд-во Политехнического ун-та, 2014. - 189 с.
10. Можаров, Г. П. Основы цифровой вейвлет-обработки сигналов и изображений / Г. П. Можаров. - Москва: МГТУ, 2014
11. Панин, С. Д. Теория принятия решений и распознавание образов: курс лекций /С.Д. Панин. - Москва: Изд-во МГТУ, 2017. – 239 с.
12. Васильев, К. К. Статистический анализ последовательностей изображений: [монография] / К.К. Васильев, В.Р. Крашенинников. - Москва : Радиотехника, 2017. - 246 с.
13. Бахрушина Г. И. Цифровое маркирование изображений: монография / Г. И. Бахрушина, А. П. Бахрушин, А. Н. Иванов. - Хабаровск: Изд-во ТОГУ, 2017. – 325с.
14. Умняшкин С. В. Основы цифровой обработки изображений : учебное пособие / С. В. Умняшкин, В. В. Лесин. - Москва: МИЭТ, 2016. - 200 с.
15. Кувшинов Б. М. Нейронные сети: учебное пособие: / Б. М. Кувшинов. - Челябинск : Издательский центр ЮУрГУ, 2015. – 65 с.
16. Курзаева Л. В. Нечеткая логика и нейронные сети [Электронный ресурс]: учебное наглядное пособие / Л.В. Курзаева. - Магнитогорск : ФГБОУ ВПО "МГТУ", 2015.
17. Хливненко Л. В. Практика нейросетевого моделирования / Л. В. Хливненко. - Воронеж: Воронежский государственный технический университет, 2015. - 214 с.
18. Кузнецова О. Ю. Основы нечетких множеств и нечетких нейронных сетей: учебное пособие / О. Ю. Кузнецова, В. И. Горбаченко. - Пенза : Изд-во ПГУ, 2015. - 97 с.
19. Васильков, А.В. Информационные системы и их безопасность: Учебное пособие / А.В. Васильков, А.А. Васильков, И.А. Васильков. - М.: Форум, 2013. - 528 c.
20. Кузнецов В.В. Защищенная биометрическая идентификация по изображению отпечатка пальца/ Кузнецов Владислав Владимирович. – Москва.: Инфра-М, 2013. - 26 с.
21. Польшакова Н.В., Коломейченко А.С., Яковлев А.С. Информационные системы в экономике: [учебник]. - Москва: Буки Веди, 2016. - 480 с.
22. Венделева, М.А. Управленческие информационные системы/ М.А. Венделева, Ю.В. Вертакова. - М.: Юрайт, 2013. - 462 c.
23. Герчикова Т.М.: Разработка информационных систем. - М.: Бук-Пресс и К, 2015
24. Исакова А.И. Основы информационных технологий [Электронный ресурс]: учебное пособие / А.И. Исакова. - Томск: Томский государственный университет систем управления и радиоэлектроники, 2016. - 206 c
25. Суворова, Г. М. Информационная безопасность : учебное пособие для вузов / Г. М. Суворова. — Москва : Издательство Юрайт, 2022. — 253 с.
26. Шеховцов О. И. Корпоративные информационные системы: учебное пособие / О. И. Шеховцов. - Санкт-Петербург : СПбГУТ, 2016. - 59 с.
27. Козак М. Ф., Козак М. В. Биометрические методы в научных исследованиях: монография / М.Ф. Козак, М.В. Козак. - Астрахань: Астраханский университет, 2019. - 167 с.
28. Стружкин, Н. П. Базы данных: проектирование. Практикум: учебное пособие / Н. П. Стружкин, В. В. Годин. — Москва: Издательство Юрайт, 2022. — 291 с.
29. Алюшин М.В., Алюшин В. М. Цифровые биометрические технологии: учебное пособие / М.В. Алюшин, В.М. Алюшин. - Москва : Национальный исследовательский ядерный университет "МИФИ", 2018. – 215с.
30. Полякова, Т.А. Организационное и правовое обеспечение информационной безопасности: учебник и практикум / Т. А. Полякова, А. А. Стрельцов, С. Г. Чубукова, В. А. Ниесов . — Москва: Издательство Юрайт, 2022. — 325 с.
31. Авдеев В. И. Современные методы биометрии в исследовании растений : учебное пособие / В. И. Авдеев. - Оренбург: ОГАУ, 2015. - 127 с.
32. Юрченко Е. Н., Иванова И. П. Биометрия: учебное пособие / Е. Н. Юрченко, И. П. Иванова. - Омск: Изд-во ФГБОУ ВО Омский ГАУ, 2015. - 87 с.
33. Артемьева Е. А., Чарыкова А. Ф. Биометрия с основами математических методов в биологии: учебник / Е. А. Артемьева, А. Ф. Чарыкова. - Ульяновск: Корпорация технологий продвижения, 2017. - 135 с.
34. Щеглов, А. Ю. Защита информации: основы теории: учебник для вузов / А. Ю. Щеглов, К. А. Щеглов. — Москва: Издательство Юрайт, 2022. — 309 с.
35. Внуков, А. А. Защита информации: учебное пособие для вузов / А. А. Внуков. — Москва: Издательство Юрайт, 2022. — 161 с.
36. Зенков, А. В. Информационная безопасность и защита информации: учебное пособие для вузов / А. В. Зенков. — Москва : Издательство Юрайт, 2022. — 104 с.
37. Васильева, И. Н. Криптографические методы защиты информации: учебник и практикум для вузов / И. Н. Васильева. — Москва: Издательство Юрайт, 2022. — 349 с.
38. Казарин, О. В. Программно-аппаратные средства защиты информации. Защита программного обеспечения: учебник и практикум для вузов / О. В. Казарин, А. С. Забабурин. — Москва: Издательство Юрайт, 2022. — 312 с.
39. Нетёсова, О. Ю. Информационные системы и технологии в экономике: учебное пособие для вузов / О. Ю. Нетёсова. — 3-е изд., испр. и доп. — Москва: Издательство Юрайт, 2022. — 178 с.
40. Стасышин, В. М. Базы данных: технологии доступа: учебное пособие / В. М. Стасышин, Т. Л. Стасышина. — Москва : Издательство Юрайт, 2022. — 164 с.