شنبه، 13 شهريور ماه ، 1389
منو
تبلیغات

لینک های مرتبط
لينکها
مجلات تخصصی نور


مرکز تحقیقات کامپیوتری علوم اسلامی


فاوا نیوز


خبرگذاری قرآنی ایران


فروشگاه اینترنی نورشاپ


پایگاه اطلاع رسانی حوزه


کتابخانه دیجیتالی نور


پایگاه شبکه اطلاع رسانی نور


پایگاه امام علی(ع)


پایگاه راهنمای پایگاه های اسلامی


پایگاه اطلاع رسانی رسول نور


راهنمای پایگاه های نبی اعظم(ص)


راهنمای پایگاه های امام مهدی(عج)


پایگاه فاضلین نراقی


پایگاه طوبی گرافیک


پایگاه سازمان آموزش نور


پایگاه خبرگان رهبری


پایگاه اطلاع رسانی اندیشوران


پایگاه گرداب


بنیاد ملی بازی های رایانه ای


شورای عالی انقلاب فرهنگی


پایگاه اطلاع رسانی جهاد دانشگاهی


خبرگزاری فارس


خبرنامه

ایمیل شما::

عضویت لغو عضویت
 
مقالات
فناوری اطلاعات

فضای مجازی، هويت و جامعه


بحران هویت جنسی دختران در فضای مجازی


نگاهی به مفهوم هویت در فضای مجازی


امضاي ديجيتال؛ هويت در فضاي مجازي


جنگ فرکانس‌ها بر مدار خانواده


آرشیو مقالات
گروه مقالهدین،فرهنگ و فناوری اطلاعات 
عنوان مقالهامضاء ديجيتالى
نویسندهدكتر محمدرضافيضى درخشى
بازدید154
تاریخ انتشار1384-12-14
فایل مطلب
متن مقاله
اشاره
در نظام ادارى، بخش‏هاى زيادى به ويژه در زمينه‏هاى تجارى، مانند بانك‏ها، مؤسسات و سازمان‏ها خواهان روش‏هايى براى تعيين هويت افراد هستند. تشخيص هويت در زمينه‏هاى بسيارى همچون دسترسى به پايانه‏هاى رايانه‏اى، استفاده از كارت‏هاى اعتبارى و بانك‏ها به كار گرفته مى‏شود. براى اين منظور از ابزارهاى مختلفى، مانند كارت‏هاى مغناطيسى، اثر انگشت، رمز عبور و صداى افراد مى‏توان استفاده كرد. يكى از اين ابزارها كه به علت سادگى و داشتن هزينه كم گستردگى فراوانى دارد، امضاى افراد است. اما امضاى افراد در معرض خطر دزدى و جعل توسط ديگران قرار دارد. بنابراين، يافتن روشى كارا براى بازشناسى امضاهاى اصلى از امضاءهاى جعلى لازم و مفيد مى‏نمايد.
 
انواع منطق پردازش تشخيص هويت
به طور خلاصه الگوريتم‏هاى تشخيص هويت را مى‏توان به چهار دسته تقسيم كرد كه عبارت‏است از: الگوريتم‏هاى ايستا، پويا و الگوريتم‏هاى با شاخص مستقيم و غير مستقيم. اين دسته‏بندى در شكل ذيل نشان داده شده است.
هر كدام از روش‏هاى يادشده داراى مزايا و معايبى است كه به برخى از آنها مى‏پردازيم. در ميان شاخص‏هاى غير مستقيم، يك رمز عبور خوب مى‏تواند يك روش امن باشد. هر چند يك رمز عبور پيچيده هم ممكن است، شكسته گردد و فراموش شود. در ميان شاخص‏هاى مستقيم موجود، صوت روش بسيار خوبى است؛ اما وابستگى آن به شرايط فيزيكى افراد مانند سرما خوردگى، كيفيت تشخيص را كاهش مى‏دهد. اثر انگشت نيز روش مناسبى است هر چند تصوير اثر انگشت نيز ممكن است به علت رطوبت انگشت كمرنگ شود يا به دليل جراحت‏هاى وارده قابل تشخيص نباشد. براى به دست آوردن تصويرى خوب از عنبيه نيز چشم فرد مورد نظر بايد به طور كامل باز باشد و عينك نداشته باشد. ضمن اينكه براى دريافت تصوير بايد نور شديدى به درون چشم تابانيده شود.(1)
تشخيص هويت از طريق امضا، روش ديگرى است كه با وجود امكان بالاى جعل در آن، به علت هزينه‏برى اندك و زمان محاسباتى كمتر، توسط بسيارى مؤسسات بزرگ، مانند بانك‏ها به كار گرفته مى‏شود. بنابراين، يافتن روشى براى كشف انواع جعل امضا بسيار سودمند خواهد بود. مزيتى كه امضا نسبت به رمز عبور يا كُد شناسايى دارد اين است كه كمتر در معرض دزدى يا حدس زدن است و به خاطرسپارى آن نيز براى كاربران ساده‏تر است.(2)
 
اهداف پردازش امضاء
به طور معمول، پردازش امضا به دو هدف تأييد  (Verification)يا بازشناسى (Recognition)  به كار مى‏رود. در پردازش امضا با هدف تأييد، نمونه جديد واردشده، با نمونه‏هاى موجود مقايسه مى‏شود تا تعيين گردد كه آيا امضاى جديد در پايگاه داده امضاءها وجود دارد يا خير، كه در نهايت، هويت فرد جديد تأييد يا رد خواهد شد. اما در پردازش امضا با هدف بازشناسى، مقصود، پيدا كردن صاحب امضاء از ميان امضاهاى موجود در پايگاه داده است.(3)
 
روش‏هاى تشخيص امضا
دو نوع تشخيص امضا وجود دارد:
- روش ايستا (Static) يا (Off-line)
- روش پويا (Dynamic)  يا (On-line)
در روش ايستا، امضاى اسكن‏شده را با امضاى مورد نظر مقايسه مى‏كنند، اما در تشخيص امضاى پويا، به حركت قلم در حين نوشتن توجه مى‏شود و از ابزار ويژه‏اى به نام صفحه رقومى كننده (Digitizing Tablet) و قلم حساس به فشار استفاده مى‏گردد.
در موارد اخير علاوه بر شكل امضاى، اطلاعات پوياى نوشتن، مانند زمان ثبت در نقطه و در برخى موارد سرعت نوشتن و فشار قلم نيز دريافت مى‏شود. اين اطلاعات به علت آنكه در تصوير دو بعدى امضا مشخص نيستند، به آسانى نيز قابل جعل كردن نيستند. (4)

 
الگوريتم تشخيص امضاء
در شكل ذيل نمودارى از ساختار تشخيص امضا را مشاهده مى‏كنيد:
بيشتر فنون تشخيص امضاء، شامل پنج مرحله است كه عبارت‏اند از:
1. دريافت داده‏ها
2. پيش پردازش
3. استخراج ويژگى‏ها
4. فرايند مقايسه
5. ارزيابى كارايى.
غالب روش‏ها در طى سه مرحله اول، يك امضاى مرجع براى هر فرد توليد مى‏كنند.
در تشخيص امضاى پويا براى دريافت داده، از ابزارى به نام صفحه رقومى‏كننده استفاده مى‏شود. اين ابزار، واسطى است كه ويژگى‏هاى امضاى را به هنگام توليد آن دريافت مى‏نمايد. در برخى انواع صفحات رقومى‏كننده، پس از دريافت داده‏ها دنباله‏اى از اطلاعات زمان‏بندى‏شده به توليد مى‏رسد. اطلاعات متفاوتى توسط اين ابزارها به دست مى‏آيد. اما برخى از انواع صفحات رقومى‏كننده، تنها دنباله‏اى از مختصات قلم را به هنگام توليد ايجاد مى‏كنند و در برخى ديگر، علاوه بر مختصات قلم، سطوح مختلف ميزان فشار قلم نيز توليد مى‏شود.(8)
برخى از انواع اين ابزار شامل يك قلم و يك صفحه است كه تصوير آن در شكل فوق آمده است. اين نوع صفحه رقومى‏كننده از طريق درگاه USB به رايانه وصل مى‏شود كه پس از اتصال، همانند اشاره‏گر  (Mouse)مى‏توان از آن استفاده كرد. در اين نوع صفحه رقومى‏كننده، قلم موجود مانند اشاره‏گر عمل مى‏كند و مختصات حركت قلم را مى‏توان با توجه به صفحه موجود كه مبدأ آن در گوشه بالاى سمت چپ آن قرار دارد، به دست آورد. اين سيستم به فركانس نمونه‏بردارى آن بستگى دارد.(9)
در مرحله استخراج ويژگى‏ها، ويژگى مناسب براى تشخيص امضاى استخراج شده و در صورت نياز كلاس‏هاى الگو تشكيل خواهد شد. در مرحله بعد، تفاوت امضاها با امضاهاى مرجع سنجيده مى‏شود. اگر تفاوت از ميزان آستانه از پيش تعريف‏شده بيشتر باشد، در آن صورت امضا رد مى‏شود. ارزيابى كارآيى روش پيشنهادى مسئله بسيار مهمى است، كه با توجه به دو نوع خطا قابل سنجش است:(10)
- خطاى نوع اول: تشخيص جعلى بودن امضاى اصلى
- خطاى نوع دوم: تشخيص اصلى بودن امضاى جعلى.
البته به دست آوردن تخمين صحيحى از خطاى نوع دوم كار دشوارى است، زيرا به طور معمول امكان دستيابى به امضاى جعلى واقعى وجود ندارد.
گفتنى است كه ارزيابى كارآيى بر اساس انواع مختلف جعل انجام مى‏شود كه به شرح ذيل‏اند:(11)
- جعل تصادفى (Random Forgery): در اين روش، جاعل از مدل امضاى اطلاعى ندارد و ممكن است امضاى جعل‏شده هيچ شباهتى به امضاى توليد شده نداشته باشد. اين نوع جعل امضاى معمولاً با بيشتر روش‏هاى تشخيص امضاى، قابل تشخيص است.
- جعل شبيه‏سازى شده  (Simulated Forgery)يا ماهرانه (Expert Forgery) : در اين روش، جاعل پيش‏تر امضا را ديده و تمرين كرده است. ز اين‏رو، امضاى جعل‏شده بسيار شبيه امضاى اصلى است. بعضى از روش‏هاى تشخيص امضا كه در حالت قبل كارآيى دارند، در اين حالت جواب خوبى نمى‏دهند.
- جعل دنبال شده (Traced Forgery) : جاعل در اين روش با دنبال كردن خطوط امضا اصلى به امر جعل مى‏پردازد كه به تبع مشخصات ايستاى هر امضا بسيار شبيه به هم خواهد بود؛ اما مشخصات پوياى دو امضا مانند زمان كلى انجام دادن امضاها با هم متفاوت‏اند.
از اين‏رو، بايد توجه داشت كه متغيرهاى زيادى، چون: كشور، سن، زمان، عادات، حالات ذهنى و روانى و وضعيت فيزيكى بر امضا تأثير دارند.
شكل دو نمونه امضا را در زير مشاهده مى‏كنيد كه امضاى سمت راست، اصلى و سمت چپ، جعلى است و با وجود شباهت ظاهرى، توسط سيستم‏هاى پوياى تشخيص امضا، قابل تشخيص است.
پی نوشت
1. Y.Komiya. T.Matsumoto, On-line pen input signature verification PPi (pen-position/pen- pressure/pen-Inclination), IEEE International Conference on Systems, Man, and Cybernetics, Volume: 4, 2001, page(s): 41-46 vol-4.
2.Ma Mingming, W.S.Wijesoma, E.Sung, An Automatic on-line signature verification system based on three models, Canadian Conference on Electrical and Computer Engineering, Volume: 2,2000 page)s): 890-894 vol.2.
3.Gopal Gupta, Alan Mccabe,ضAreview of Dynamic Handwritten Signature Verification`, James cook Univresity, 7991.
4.S. Hangai, S.Yamanaka,T. Hanamoto, On-line signature verification based on alititude and direction of pen movement, ICME 2000. 2000 IEEE International Conference on Multimedia and Expo, Volume: 1, 2000, page(s): 486-492 vol.1.
5. L.L. Lee, T.berger,ضReliable on-line human signature verifleation system for point-of-sales applications’, Conference B: Computer Vision @ Image proscessing, proceeding of the 12th IAPR International. Conference on Pattern Recognition, Volume: 2, Oct 1994, page)s): 19-23.
6. T.H. Rhee, S.J.Cho, J.H.Kim, ضOn-line Signature verification using model-guided segmentation and discriminative feature selection for skilled forgeries’, Proceedings. Sixth International Conference on Document Analysis and Recognition, 2001, page)s): 645-649.
7. C. Vielhauer, R. Steinmetz, A. Mayerhofer, ضBiometric hash based on statistical features of online signatures’, Proceedings. 16th International Conference on Pattern Recognition, Volume: 1, 2002, page(s): 123-126.
8. D.Z. Lejtman, S.E. George, ضOn-line handwritten signature verification using wavelets and back-propagation neural networks’, proceedings, Sixth International conference on Document Analysis and Recogonition, 2001, page)s): 992-996.
9. www.aipteck.com
10.K. Gue Jinhong, David Doermann, Azriel Rosenfeld, ضLocal correspondence for detecting Random forgeries’, IEEE, 7991.
11.Rasha Abbas, Victor Ciesilski, ضA prototype System for Offline Signature Verification Using MultiLayard Feed Forward Neural Network’, 5991.



بازگشت