شناسایی چهره افراد بر اساس مدل معنایی برای موبایل بانک

چکیده: در این مقاله، یک پروتکل احراز هویت جدید برای بانکداری آنلاین بر اساس مدل معنایی ویژگی های استخراج شده از تصویر افراد معرفی شده است. رویکرد پیشنهادی با استفاده از تلفن های همراه هوشمند برای تصویربرداری دیجیتال برای مشتریان ارائه شده است. در این روش از خوشه بندی فازی برای دسته بندی ویژگی های تصاویر افراد مختلف استفاده شده است و با اعمال آن ها در روش های مختلف یادگیری ماشین، ترکیب روش های طبقه بندی یادگیری ماشینی برای بهبود عملکرد و افزایش قدرت در برابر حملات مختلف ارائه شده است. همچنین به منظور کاهش پیچیدگی طراحی ماشین برای کارهای عملیاتی، از روش کاهش ویژگی های استخراج شده از تصاویر چهره افراد به کمک الگوریتم ژنتیک و در قسمت آخر برای تصمیم گیری جهت احراز هویت فرد انتخاب شده، از سیستم منطق فازی بر اساس بالاترین دقت شناسایی فرد مورد نظر استفاده شده است. با استفاده از یک مجموعه داده عمومی، نتایج تجربی نشان داد که روش مبتنی بر الگوریتم ژنتیک بهترین انتخاب ویژگی برای ایجاد یک روش احراز هویت ضمنی برای محیط تلفن هوشمند است. نتیجه محاسبات دقت حدود 99.80% را با استفاده از تنها 30 ویژگی از 77 ویژگی برای احراز هویت کاربران نشان داد که بیانگر نیاز به منابع کمتر تلفن همراه است.

face detection based on semantic model for mobile banking

in this paper, a new authentication protocol for online banking based on the semantic model of features extracted from people's image is introduced. the proposed approach is presented using smart mobile phones for online digital imaging for customers. in this work, a fuzzy clustering has been used to categorize the characteristics of the images of different people and by applying them to different machine learning methods, a combined technique of machine learning classification methods has been presented to improve performance and increases strength against various attacks. also to reduce the complexity of machine design for operational tasks, the technique of reducing features extracted from face images with the help of genetic algorithm has been used. in the last part, in order to make a decision for authentication selected by machine learning systems, a fuzzy logic system is presented based on the highest accuracy of identifying the desired person. using a public dataset, the experimental results showed that the genetic algorithm-based technique is the best feature selection to create an implicit authentication method for the smartphone environment. the results showed an accuracy of about 99.80% using only 30 features out of 77 to authenticate users. at the same time, the results showed that the proposed method has a lower error rate compared to the related work.