عنوان

روش تلفیقی احراز هویت با استفاده از بیومتریک‌صهای ‮‭ECG‬ و رفتار حرکتی امضا با کاربرد در محیط اینترنت اشیاء,‮‭Human authentication based on ECG and signature motion behavior with usage in IOT‬

Number

‭۲۲۰۳۸پ‬

.Language of Text, Soundtrack etc

per

Title Proper

روش تلفیقی احراز هویت با استفاده از بیومتریک‌صهای ‮‭ECG‬ و رفتار حرکتی امضا با کاربرد در محیط اینترنت اشیاء

Parallel Title Proper

‮‭Human authentication based on ECG and signature motion behavior with usage in IOT‬

First Statement of Responsibility

/لیلا محسنی

Name of Publisher, Distributor, etc.

: مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۸‬

Name of Manufacturer

، افشاری

Specific Material Designation and Extent of Item

‮‭۱۳۲‬ص‬

Text of Note

چاپی - الکترونیکی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی برق گرایش مخابرات

Date of degree

‮‭۱۳۹۸/۰۵/۰۱‬

Body granting the degree

تبریز

Text of Note

احراز هویت، پشتیبانی از امنیت و حریم خصوصی افراد یکی از مهم‌صترین مسائل چالش برانگیز در دنیای امروز بخصوص اینترنت اشیاء است .از میان راهکارهای متعدد، روش‌صهای سنتی برای کنترل دسترسی‌صصها مانند کلمه عبور به علت سهولت در جعل یا حدس زده شدن، دزدیده شدن و فراموشی مشکلات زیادی دارند .بدین ترتیب، امروزه روش‌صهای نوین مانند به کارگیری بیومتریک‌صهای انسانی تک فاکتوره یا چند فاکتوره مورد توجه واقع شده‌صاند، روش‌صهای تلفیقی معرفی شده در پژوهش‌صهای پیشین به ترکیب بیومتریک‌صهای فیزیولوژیکی پرداخته‌صاند که برای هر کدام دستگاه یا تجهیزات جداگانه مورد نیاز است .این مسئله، امر پیاده‌صسازی و سهولت استفاده را مشکل می‌صکند، همچنین هزینه زیادی به همراه دارد .حتی در روش‌صهایی که ترکیب چند بیومتریک رفتاری را برای احراز هویت استفاده می‌صکنند دقت کافی نداشته یا مقاومت آن‌ها در برابر جعل زیاد نیست .در این پایان‌صنامه، جهت رفع این مشکل از ترکیب بیومتریک فیزیولوژیکی الکتروکاردیوگرام ‮‭(ECG)‬ فقط با استفاده از یک لید و یک بیومتریک رفتاری حرکت دست ‮‭(Gesture)‬ مانند امضا استفاده کرده‌صایم .ما از ترکیب یک بیومتریک فیزیولوژیکی با یک بیومتریک رفتاری استفاده می‌صکنیم به طوری‌صکه پیاده‌صسازی آن به وسیله یک دستگاه مانند گوشی همراه، ساعت‌صهای هوشمند یا دستبندصهای تناسب اندام است و علاوه بر مقابله با هزینه زیاد، به دقت بالایی دست یافته است .در طراحی و پیاده‌صسازی سیستم پیشنهادی برای بیومتریک ‮‭ECG‬ از داده‌صهای استاندارد موجود ‮‭physionet‬ استفاده شده است و برای حرکت دست از داده‌صهای جمع‌آوری‌شده به وسیله گوشی همراه استفاده شده است که در مجموع حاوی ‮‭۷۵‬ سیگنال است .این پیاده‌صسازی در محیط متلب اجرا شده و برای کلاس‌صبندی حرکت دست و تلفیق دو بیومتریک از روش ‮‭linear discriminant‬ استفاده کردیم و جهت سیگنال ‮‭ECG‬ از آموزش گروهی ‮‭bagged tree‬ استفاده شد .نتایج ارزیابی‌صصها با دقت بالا برای روش تلفیقی و بهبود نسبت به هر یک از روش‌صهای احراز هویت بیومتریک به تنهایی، اثبات‌صکننده فرضیه ما در مورد بهبود دقت احراز هویت با ترکیب روش‌صهای احراز هویت مبتنی بر حرکت دست و سیگنال ‮‭ECG‬ است .همینطور با در نظر گرفتن ماهیت اینترنت اشیاء روش ارائه شده از نظر پیاده سازی و تامین امنیت در این محیط مناسب خواهد بود

Text of Note

Authentication, support for security and privacy of people is one of the most challenging issues in the world nowadays, especially for the Internet of Things. Among many solutions, traditional methods for access control such as passwords have many problems due to the ease of forging or guessing, being stolen and forgetting. Thus, modern methods such as the use of single-factor or multi-factor human biometrics have been mostly considered. The combined methods introduced in previous studies have incorporated physiological biometrics, which requires separate devices or equipment for each of them. This makes it difficult to implement and ease of use, and it also costs a lot. Even in methods that use multiple behavioral biometric combinations for authentication, they are not sufficiently accuracy or their resistance to counterfeiting is low. In this thesis, in order to solve this problem, we use the combination of physiological biometrics Electrocardiogram (ECG) that only using one lead and a behavioral hand motion biometric like a signature (Gesture). We use a combination of a physiological biometric with a behavioral biometric so that it is implemented by a device like a smartphone, smartwatch or fitness tracker, and in addition to confronting costly has achieved high accuracy. In the design and implementation of our proposed system for the biometric ECG, the standard Physionet data is used, and for the Gesture, the data collected by mobile is used, which in total contains 75 signals. For this implementation, MATLAB has been used, and we used the Linear Discriminant method to classify hand motion and combined two biometrics, And the Ensemble Bagged tree was used for the ECG signal. The high accuracy in evaluations results for the combined method and improvements compared to each of the methods alone, proves our hypothesis about improving the accuracy of authentication by combining Gesture and ECG signal methods

Parallel Title

‮‭Human authentication based on ECG and signature motion behavior with usage in IOT‬

محسنی، لیلا

Mohseni, Leila

Public note

سیاه و سفید

نمایه‌سازی قبلی