Ученые предложили новый способ обработки данных биоидентификации — распознавания человека по его физиологическим характеристикам, например, по снимку сетчатки, отпечатку пальца или токам, протекающим через организм. При последнем подходе через тело пропускают безопасные токи и, после их прохождения через ткани, считывают уникальные для каждого человека характеристики. Предложенный инструмент повысил точность идентификации по биотокам до 80%, благодаря чему в перспективе он может лечь в основу систем для передачи данных от одной части тела к другой при синхронной работе протезов с помощью естественных токов в теле, а не интернета или проводной связи. Это поможет протезам сохранять полный функционал в ситуациях нестабильной работы сети. Результаты, опубликованные в журнале Scientific Reports, являются частью большого исследования, поддержанного грантом Российского научного фонда (РНФ).
Биоидентификация — это процесс, когда человека опознают с высокой точностью по его уникальным биологическим особенностям. Некоторые примеры такой технологии уже стали для нас повседневными — например, оплата улыбкой, разблокировка телефона отпечатками пальцев, — тогда как другие, например идентификация по электрическим импульсам, только находятся в стадии разработки. При этом для любого метода распознавания очень важна точность. Распространение электрических импульсов по телу у каждого человека индивидуально: оно может проходить с разной скоростью, разными колебаниями частоты или силы тока. Это зависит от физиологических особенностей организма.
Авторы некоторых исследований сообщали, что добились точности распознавания до 99%, но оказалось, что такой результат был лишь следствием так называемой «утечки данных»: алгоритм учился различать человека на одном наборе данных, при этом в следующем, «контрольном» наборе ему с высокой вероятностью доставался человек, на котором он учился.
Ученые из Национального исследовательского университета «Высшая школа экономики» (Москва) разработали подход на основе технологий машинного обучения, позволяющий определять конкретного человека по электрическим импульсам, которые протекают через его тело, с точностью более 80%.
Для обучения и тестирования алгоритма авторы использовали данные, собранные от 30 человек. На участников исследования надевали 12 датчиков, которые отслеживали порядка 400 точек на теле. Шесть датчиков передавали небольшие, безопасные для человека электрические импульсы на разной частоте, а другие шесть датчиков считывали токи, прошедшие сквозь тело.
Исследователи собрали данные о разнице во входящих и исходящих токах и обработали их, применяя математические подходы для преобразования. В итоге ученые подобрали наиболее эффективный способ обучения нейросети для поиска разницы в токах. Особое внимание исследователи уделили тому, чтобы один и тот же человек, которого алгоритм определяет по биомаркерам, не появлялся дважды: в обучающем и в тестовом наборе. Благодаря этому идентификация оказывается наиболее точной.
Полученные результаты могут использоваться не только при распознавании человека, но и для передачи данных от одной части тела к другой. Прибор можно настроить на определенную передаваемую частоту токов, которые не будут путаться с естественным электрическим сигналом внутри тела или другими случайными токами. Это важно для синхронной работы протезов конечностей и при использовании медицинских носимых или встроенных датчиков.
«Результаты являются частью большого исследования, посвященного передаче данных. Благодаря возможности передавать информацию через тело человека можно будет не использовать проводные технологии и стандартные устройства беспроводной связи, в сигналах которых могут быть помехи и сбои. Для этого нужны механизмы внутренней биоидентификации, чтобы никакой другой случайный ток не нарушил работу самого медицинского датчика», — рассказывает основной исполнитель проекта, поддержанного грантом РНФ, Михаил Комаров, кандидат технических наук, PhD, профессор департамента бизнес-информатики Высшей школы бизнеса НИУ ВШЭ, главный научный сотрудник Центра стратегической аналитики и больших данных, Института статистических исследований и экономики знаний НИУ ВШЭ.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
