автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка и исследование компьютерной модели динамики системы "пользователь-мышь"

003053282

На правах рукописи

ДИДЕНКО Сергей Михайлович

РАЗРАБОТКА И ИССЛЕДОВАНИЕ КОМПЬЮТЕРНОЙ МОДЕЛИ ДИНАМИКИ СИСТЕМЫ «ПОЛЬЗОВАТЕЛЬ-МЫШЬ»

05.13,18 — математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Тюмень — 2007

003053282

Работа выполнена на кафедре информационных систем Института математики и компьютерных наук Государственного образовательного учреждения высшего профессионального образования «Тюменский государственный университет»

Научный руководитель:

доктор технических наук, профессор Шапцев Валерий Алексеевич

Официальные оппоненты:

доктор технических наук, профессор Епифанцев Борис Николаевич

кандидат физико-математических наук Ярославов Александр Олегович

Ведущая организация:

ГОУ ВПО «Омский государственный университет», г. Омск

Защита диссертации состоится 21 февраля 2007 года в 12-00 часов на заседании диссертационного совета К 212.274.01 при Государственном образовательном учреждении высшего профессионального образования «Тюменский государственный университет» по адресу: 625003, г. Тюмень, ул. Перекопская, 15а, аудитория 217.

С диссертацией можно ознакомиться в библиотеке Тюменского государственного университета.

Автореферат разослан января 2007 г.

Ученый секретарь диссертационного совета

Бутакова Н. Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Одной из очевидных тенденций развития информационных технологий является их антропоцентрич-ность или персонификация. Недоиспользуемая растущая производительность компьютера должна быть направлена на более эффективную поддержку деятельности конкретного пользователя. В связи с этим актуальной становится задача мониторинга деятельности пользователя, его личности и состояния. Потребность в таком мониторинге ощущается, в частности, в компьютерных средствах тестирования обучаемых, оценки степени их натренированности в тренажерных комплексах, стимулирования высокой готовности операторов и т. п. Значительная часть результатов, полезных в этом контексте, получена в области средств идентификации пользователей открытых систем.

Новым направлением мониторинга личности пользователя является отслеживание его поведенческих особенностей, проявляющихся в характере работы с различными манипуляторами: световое перо, манипулятор «мышь», клавиатура и пр. Появившийся в этой связи термин информационный почерк пользователя (далее — ИПП) отражает стиль работы пользователя с устройствами ввода. В результате отслеживания ИПП в компьютере может формироваться уникальный для каждого пользователя образ, который может использоваться как средство идентификации его состояния, уровня компьютерной грамотности, специфики деятельности и т. д.

В литературе приводятся результаты наблюдения клавиатурного почерка (С. Блех, М. Умпресс, Р. Вильяме, X. Сонг, Р. Винейбл, Б. Перриг, С. Клиффорд), анализа написания букв (Б. Н. Епифанцев, П. С. Ложников) и «информационного почерка» (А. Н. Власов).

Настоящая работа посвящена созданию, исследованию и построению математической модели, компьютерного образа и программного средства мониторинга, одного из компонентов ИПП — динамики манипулятора «мышь» в процессе его использования пользователем, т. е. системы «пользователь-мышь».

Цель работы состоит в разработке компьютерной модели динамики работы пользователя с манипулятором мышь, являющейся частью информационного почерка пользователя.

Объект исследования: компьютерный образ системы «пользователь-мышь».

Методы исследования

В исследовании использованы методы линейной алгебры, вычислительные методы, методы математической статистики, теории распознавания образов, теории нейронных сетей, теории алгоритмов и программирование.

На защиту выносятся следующие научные положения

1. Адекватной компьютерной моделью информационного почерка пользователя (на базе манипулятора мышь) является совокупность нейронных сетей, отображающих специфику приложений, с которыми работает пользователь, и параметры динамики системы «пользователь-мышь».

2. Информативным множеством параметров системы «пользователь-мышь» являются: Т,а (см.стр.9-10).

3. Распознавание состояния системы «пользователь-мышь» посредством выявленных информативных параметров и нейронной сети радиального типа обеспечивается с вероятностью 0,9-0,95.

4. Разработанный программный комплекс является прототипом одного из компонентов средства адекватного компьютерного мониторинга пользователя.

Научная новизна

1. Определено множество информативных параметров, отражающих состояние системы «пользователь-мышь».

2. Разработана компьютерная модель информационного почерка пользователя на базе слежения за динамикой манипулятора «мышь».

3. Предложен способ формирования компьютерных образов систем «пользователь-мышь» путем измерения информативных характеристик процессов манипулирования мышью и обучения соответствующих нейросетей.

4. Разработан программно-аналитический комплекс для мониторинга работы пользователей ПЭВМ посредством манипулятора «мышь», реализующий измерение информативных характеристик процессов манипулирования мышью, обучение соответствующих нейросетей и алгоритм распознавания состояний системы «пользователь-мышь».

Практическая ценность результатов

Разработанная новая компьютерная модель информационного почерка пользователя позволяет перейти к решению задач

поддержки эффективной деятельности пользователя за компьютером, автоматического тестирования его навыков работы с компьютером и приложениями и т. д.

Реализованные метод и программа идентификации образа информационного почерка пользователя позволяют вести скрытое наблюдение за работой конкретного и группы пользователей. Программа полезна при создании и развитии средств дистанционного тестирования, оценки освоенности навыков, формируемых тренажерами, и систем фоновой идентификации.

Созданный инструментарий позволяет решать задачи мониторинга физического состояния и оценки эмоционального состояния пользователей.

Результаты работы включены в вузовские курсы системного анализа и реинжиниринга бизнес-процессов (ТюмГУ, ТюмГНГУ).

Апробация научных положений и результатов работы

Основные результаты доложены на: м/н научно-методической конференции «Новые информационные технологии в университетском образовании» (Новосибирск, сентябрь 2003 г.); м/н научно-практической конференции «Новые информационные технологии в нефтегазовой отрасли и образовании» (Тюмень, ноябрь 2003 г.); м/н научно-практической конференции «Модернизация образования в условиях глобализации» (Тюмень, сентябрь 2005 г.); на 2-й м/н научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, февраль 2006 г.); на заседаниях городского научно-учебного семинара «Интеллектуальные информационные системы» (Тюмень, 20032006 гг.). По теме диссертации опубликовано 7 печатных работ.

Структура диссертации

Диссертация состоит из введения, четырех глав, заключения, двух приложений, изложенных на 95 страницах машинописного текста; содержит 21 рисунок, 12 таблиц, список литературы из 78 наименований.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, показывается степень ее разработанности, сформулированы цель и задачи, дан краткий обзор существующих моделей мониторинга работы пользователя компьютера, отражена

научная новизна подхода, предлагаемого в диссертации. Приводятся основные научные положения, выносимые на защиту.

В первой главе «Состояние вопроса и задачи исследования» представлен аналитический обзор источников по проблемам идентификации личности пользователя по биометрическим признакам: клавиатурному почерку, динамике мыши и используемым при этом методам анализа данных. Сформулированы задачи разработки и исследования компьютерной модели мониторинга динамики работы пользователя с устройствами ввода.

Проблема мониторинга пользователя может быть разделена на части: измерение психо-физиологических параметров, измерение биометрических параметров, измерение параметров почерка (классического, клавиатурного, информационного). При этом задача распознавания может решаться лишь в момент начала работы или еще и в процессе работы, неоднократно. В каждом из этих случаев используются свои математические модели и методы мониторинга пользователя. В настоящей работе объектом исследования выбран информационный почерк пользователя (ИПП), так как ни биометрический, ни психофизиологический способы аутентификации пока не дали ожидаемых результатов. В последнее время все большее внимание обращается на методы идентификации личности пользователя и его физического состояния по динамике подсознательных движений. Речь идет об отработанных двигательных навыках человека и возможности его мониторинга по соответствующим признакам. Наблюдение за ИПП во время работы пользователя с персональным компьютером позволяет отслеживать его работоспособность и характер выполняемой работы.

Известные работы (С. Блех, X. Сонг, Р. Винейбл) по распознаванию ИПП ограничиваются клавиатурным почерком («биграм-мы», «триграммы» и «диаграммы слова»), под которым понимается матрица пассивного экспериментов (ЗХДО) ЛГ-кратного измерения 3-х параметров в процессе набора пользователем заданного текста. Это параметры: Ун — средняя скорость нажатия клавиши, — среднее время удержания клавиши, — среднее

время между нажатиями. Такой клавиатурный почерк распознается средствами нейронных сетей с надежностью 0,99 (Обайдат, Садоун). При этом осуществляется не мониторинг работы пользователя, а формирование ИПП в момент ввода парольной фразы

и распознавание ее образа при входе в систему и запусках актуальных приложений. Нас же интересует непрерывный режим мониторинга работы пользователя.

Существующие исследования мониторинга манипулятора мышь при работе пользователя в системе показывают надежность распознавания 0,8-0,9 (Гамбоа, Хаши). При этом экран разбивается на зоны, в которых указатель мыши находится наиболее часто, и каждые две минуты анализируются характеристики движения мыши между зонами. Нами предлагается мониторинг всего процесса эволюции системы «пользователь-мышь» на протяжении длительного (потенциально неограниченного) интервала времени наблюдения за пользователем.

В исследовании поставлены задачи:

• создать компьютерную модель, отображающую динамику манипулятора мышь (точнее системы «пользователь-мышь») как составную часть ИПП;

• определить информативное множество параметров, характеризующих систему «пользователь-мышь»;

• разработать алгоритм формирования компьютерного образа динамики системы «пользователь-мышь» для каждого пользователя;

• разработать алгоритм идентификации компьютерного образа системы «пользователь-мышь»;

• создать программный комплекс мониторинга динамики систем «пользователь-мышь», создаваемых несколькими пользователями.

Во второй главе «Компьютерная модель информационного почерка пользователя» обсуждается обобщенная модель ИПП, предложено параметрическое его отображение, определено подмножество информативных параметров динамики манипулятора мышь, разработаны алгоритм формирования и процедура мониторинга образа этой динамики в компьютере.

Развивая имеющиеся исследования, предлагается под ИПП в общем виде понимать множество О реализаций случайных процессов на интервале наблюдения [?,,*2]:

оа1.»2) = ({а<(т)},{^(т)},{у4(т)},{1?/(т)},...), те [*„/,], (1)

где а(г), /? (г), ук(т), т),... — функции времени реализации процессов, каждый из которых отражает динамику конкретного устройства ввода (клавиатуры, мыши, графического планшета и т. д.); i = 1,1; ] = к = 1,К; и т. д.; ... — в общем случае

дискретные случайные величины в 2*. Более конкретный и в то же время практически простой вид этой модели не представляется возможным. Например, разнообразие траекторий указателя монитора, отражающих движение мыши, (просмотрено около 50000 реализаций) настолько велико, что нет возможности предложить единую аналитическую структуру соответствующих кривых (рис. 1).

Рис. 1. Примеры траекторий указателя при манипуляциях мышью

Попытка аппроксимировать полиномом эти траектории привела к чрезмерно большому разбросу значений оцениваемых коэффициентов.

Для отображения ИПП в этом случае нужно брать всю совокупность реализаций процессов в начальный отрезок времени работы пользователя. В дальнейших измерениях (в процессе мониторинга) нужно будет сопоставлять в определенной метрике такой эталон с множеством наблюдаемых реализаций, уточняя при этом компьютерный образ модели (эталон). Этот путь бесперспективен ввиду потребности чрезмерно большого времени обработки данных мониторинга.

Далее в работе рассматривается только динамика, связанная с манипулятором мышь, т. е. аббревиатура ИПП понимается в смысле образа динамики мыши, д инамики системы «пользователь-мышь».

Обоснован (с учетом результатов ранее проведенных исследований клавиатурного почерка) выбор 10 параметров траекторий указателя на экране монитора:

1) Г — время движения манипулятора до остановки;

2) Ь — длина (погонная) траектории:

)2+(л - у-1 )2,

/=1

где х1 и у, — координаты, а п — количество точек разрыва первого рода, включая конец траектории;

3) V — средняя скорость движения указателя:

V - 1 V "У ~" СР пЬ ь,

где 5( — шаг по временной оси, с которым берутся отсчеты траектории. В работе принято минимальное значение для ПК 5, = 15 мсек.

4) Уи — начальная скорость движения манипулятора, скорость прохождения первых 10% длины траектории:

10;

где ?н — время движения указателя на начальном промежутке траектории;

г — номер вершины, для которой выполнено условие:

5) 1Н — длина начального участка траектории: 1И = 0,11;

6) г^ — время удержания кнопки на манипуляторе;

^ ^шах — максимальная скорость движения указателя по траектории: V =тахУ,;

I

8) 8 — время между остановкой указателя и подтверждающим нажатием кнопки манипулятора: 6 = ¿2 - Т, где 1г— промежуток времени от начала движения указателя до нажатия кнопки манипулятора;

9) а — угол между направлением начального движения (до 3-й вершины траектории) и линией, связывающей начальную и конечную точки траектории:

~ хо) КХп - ) '

10) С — среднее квадратичное отклонение траектории от линейного пути следования указателя (прямой соединяющей первую и последнюю вершины траектории). Наикратчайшим путем является отрезок, соединяющий первую и последнюю точки траектории.

¿1 = ^^¡-Х0)+(У1~У0),

где </, — расстояние от ьй точки траектории до прямой наикратчайшего пути, (я,,)1,) — координаты ¡-й точки траектории, (■Х»>У0) — координаты точки пересечения перпендикуляра, опущенного из ьй точки траектории, с прямой кратчайшего пути траектории.

Создана программа измерения совокупности параметров динамики манипулятора мышь. Программа состоит из модулей наблюдения траекторий и вычисления параметров динамики. Первый осуществляет скрытую регистрацию координат траектории указателя монитора, времени нажатия кнопок и клавиш. Эта программа регистрирует также коды клавиш и наименования инициируемых программных продуктов. Второй модуль производит расчет перечисленных в п. 2.2 параметров. Листинг программы приведен в приложении.

В процессе отладки программы замечены значительные флуктуации выбранных параметров. Поэтому включено усреднение их значений за каждые Т0 мин. Величина Т0 в последующем служила аргументом максимизации качества распознавания образа системы «пользователь-мышь».

Для отбора информативных параметров траекторий из перечисленных ранее (с их усреднением) использованы экспериментальные данные, полученные в результате наблюдения за группой пользователей из 20 человек в одинаковых условиях работы (50000 траекторий). Критерием информативности параметра принято отсутствие значимой статистической связи его с другими параметрами, отображаемое низкими значениями коэффициентов корреляции Пирсона и Спирмена. При этом учитывалось и смысловое содержание параметров. Информативными оказались параметры: Т, Ь, 1уд ,8, а.

В третьей главе «Метод мониторинга информационного почерка» решены следующие задачи: 1) разработана концепция системы мониторинга ИПП множества пользователей; 2) разработан алгоритм распознавания компьютерного образа динамки системы «пользователь-мышь»; 3) проведены эксперименты по оценке качества распознавания этого образа и верификации множества его информативных параметров. Под мониторингом ИПП (системы «пользователь-мышь») здесь понимается регулярное наблюдение за процессом (объектом) с целью выявления его соответствия эталону(ам), сформированным в процессе обучения (настройки) системы мониторинга.

В разработанном методе имеется процедура учета работы пользователя с разными программными приложениями операционной системы (Internet Explorer, Microsoft Word и т.п.). Она заключается в разделении множества состояний системы «пользователь-мышь» на подмножества, каждое из которых соответствует программному приложению, с которым работает пользователь. Причиной этому является тот факт, что разные программные приложения имеют различные интерфейсы.

Очевидной базой мониторинга ИПП нескольких пользователей является компьютерная сеть с сервером, дисциплиной опроса и базой данных. Образ ИПП каждого пользователя представляет собой единицу хранения, содержащую таблицу центров и весов отдельных нейронов, данные о структуре соответствующей пользователю нейросети (количество слоев, элементов в каждом слое). Для хранения образов ИПП группы пользователей создана БД. БД в нашем случае включает в себя все данные о динамике параметров, характеризующих работу пользователей с манипулятором «мышь» в течение нескольких (заданных заранее) рабочих дней, данные о структуре всех нейросетей, матрицы их весов, результаты распознавания состояний систем «пользователь-мышь» в течение всего времени работы модуля распознавания. При этом процесс мониторинга выглядит следующим образом (рис. 2).

.Уэблip^j^ej[p^jej<TOß за инте^вал_вдемени ТЬ

1 ТраекторияТ] ji фильтрация [

[Траектория ЙЛ И Аанных

| Расчет •—»j параметров j • траектории

и.

I

База данных

g

Рис. 2. Мониторинг ИПП

^1,1 "1,2 V "<т,"

^2.1 С = Сг я = а2

.»VI - •• »V». С п. Рп.

Компьютерный образ ИПП (конкретной системы «пользователь-мышь») за один рабочий день состоит из нескольких наборов данных. Каждый набор представляет собою множество параметров радиальной нейросети Р. = {Ж, С, /?},.:

=

Здесь Р, — образ 1-го пользователя, № — матрица весов нейросети скрытого слоя, С — вектор-столбец центров радиальных элементов, Я — вектор-столбец отклонений соответствующих радиальных элементов (см. формулу (1)). Обучение нейросетей осуществляется на данных мониторинга за 200-1200 сеансов работы.

Идентификация образа ИПП осуществима посредством нейронной сети с радиальными базисными элементами, отличающейся высокой скоростью обучения и способностью моделировать любую нелинейную функцию с помощью лишь одного скрытого слоя. Радиальная сеть имеет фиксированную структуру с одним скрытым слоем и линейным выходным нейроном (рис. 3). Функцией, определяющей выходной сигнал нейрона, является кривая Гаусса:

/ и „2 Л

ф(х) = С,||) = ехр

* - с,

2оу

(1)

Рис. 3. Структура радиальной сети

Выходной сигнал у(х) сети определяется выражением:

где К — количество нейронов в скрытом слое, С. — центры обучающего множества (центры кластеров наблюдений), <7 — отклонения радиальных элементов, у е [0,1]. Величины сг находятся методом «к ближайших соседей»: отклонение каждого элемента устанавливается (индивидуально) равным среднему расстоянию до его к ближайших соседей.

Обучение нейросети производится по алгоритму обратного распространения ошибки регулярно через определенные регламентом работы открытой системы интервалы времени Т. Обучение сводится к поиску весовых коэффициентов, минимизирующих целевую функцию (средний квадрат разности между текущим и ожидаемым значениями выхода нейросети):

где К — количество нейронов в скрытом слое, р — количество

обучающих пар x¡ — компоненты входного вектора, d¡ —

соответствующая ему ожидаемая величина, d, е {0,1}. Моделирование нейросетей, выбор их структур осуществлен в системе Mat Lab 6.0.

Планирование экспериментальных исследований заключалось: а) в выборе 93 пользователей, интенсивно работающих с компьютером, б) в обучении нейронных сетей — получении образов 93 систем «пользователь-мышь», в) в выборе достаточного для точности оценки на уровне 0,1% количества наблюдений (не менее 200) за всеми пользователями одновременно, г) в организации процесса регистрации результатов распознавания.

Мониторинг проводился в течение 14 рабочих дней. При этом проведено (14*8) [час] / 0,5 [час] = 224 сеанса наблюдения. При точности оценки 1% доверительный интервал для вероятности

ошибки идентификации ИПП

предельная ошибка выборки, — величина, распределенная по закону Стьюдента).

В результате проведенных экспериментов установлено:

1. Вероятности ошибки распознавания первого и второго рода составили 0,1 и 0,2 соответственно;

2. При надежности идентификации на уровне не менее Р = 0,9 число зарегистрированных на одном рабочем месте пользователей не должно превышать пяти. Увеличение количества зарегистрированных на одном рабочем месте пользователей требует дополнительного обучения.

3. Достаточно высокая вероятность распознавания (Р = 0,93; доверительный интервал — 0,081 < р < 0,098) образа пользователя по динамике мыши позволяет оптимистично смотреть на возможность его применения в процессах фоновой аутентификации как дополнительной меры, например, в дистанционном тестировании знаний и навыков, в оценке уровня компьютерной грамотности, в системах защиты открытых систем и т. д.

Четвертая глава «Система мониторинга динамики мыши» содержит описание разработанного программно-аналитического комплекса, позволяющего проводить дальнейшие исследования в рассматриваемом направлении. Этот комплекс может служить прототипом коммерческого продукта, обеспечивающего наблюдение за физическим состоянием пользователя и спецификой работы с приложениями; повышающего надежность идентификации личности пользователя по динамике работы пользователя с устройствами ввода ПЭВМ.

Программный комплекс (рис. 4) построен на основе клиент-серверной технологии и состоит из клиентской и серверной частей. При входе в систему пользователь проходит стандартную процедуру авторизации: ввод имени и пароля. В результате из базы данных загружается имеющийся (ранее созданный) компьютерный образ соответствующей системы «пользователь-мышь». Затем включается режим мониторинга.

Расчет всех параметров осуществляет клиентская часть программного комплекса. Данные о мониторинге отсылаются на сервер с периодичностью, например, в 3 мин.

Рис. 4. Программный комплекс мониторинга системы «пользователь-мышь»

Серверная часть содержит:

• модуль приема с рабочих мест данных наблюдения и ввода их в БД;

• базу данных с обучающими выборками, образами каждого зарегистрированного пользователя, текущими результатами мониторинга;

• модуль обучения, инициируемый в соответствии с регламентом доступа пользователей;

• модуль принятия решения по интерпретации системным администратором сигналов о неудачных результатах мониторинга пользователей.

Клиентская часть состоит из:

• модуля измерений параметров динамики мыши. Он осуществляет считывание и фиксирование (в отдельные файлы) первичных данных, поступающих в виде событий с устройств ввода, а также их предварительную обработку. Эта обработка заключается в выбраковке аномальных данных, например, траекторий нулевой длины, траекторий завершающихся остановкой указателя без нажатия на кнопку манипулятора, аномально больших интервалов между нажатиями на клавиши манипулятора, если пользователь отвлекся или одна из клавиш манипулятора была постоянно нажата;

• модуля расчета параметров динамики мыши;

• модуля «нейронная сеть». Он регулярно, в сеансах мониторинга выдает решения о соответствии измерений компьютерному образу активного пользователя.

В двух приложениях к диссертации приведены модель базы данных комплекса и пользовательские интерфейсы. Комплекс реализован в среде Delphi 7 и занимает на рабочем месте 20 Мб, на сервере — от 30 Мб.

В Заключении сформулированы основные результаты проведенных исследований и разработки:

1. Системный анализ проблемы мониторинга поведенческих признаков пользователя открытой системы, отражающих специфику динамики системы «пользователь-устройства ввода компьютера» завершен классификацией методов и подходов к решению это проблемы и уточнением постановки задачи о моделировании системы «пользователь-мышь»;

2. Разработаны компьютерная модель и технология слежения за процессом работы пользователя с манипулятором «мышь», основанные на использовании пространства информативных параметров динамики системы «пользователь-мышь» и совокупности искусственных нейронных сетей радиального типа.

3. Разработан и внедрен программно-аналитический комплекс мониторинга работы пользователя с манипулятором «мышь», позволяющий, в частности, осуществлять распознавание пользователя по критерию «свой-чужой», оценивать уровень его владения компьютером в процессе работы с ПЭВМ.

Предлагается совместное использование для мониторинга пользователей информативных параметров динамки клавиатуры

(«клавиатурного почерка») и манипулятора мышь на базе предложенной совокупности нейронных сетей.

Разработанные метод и программно-аналитический комплекс полезны в качестве компонента системы автоформализации предметной деятельности пользователя путем отслеживания его работы с приложениями и прикладными системами.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ

1. Диденко С. М., Шапцев В. А. Мониторинг динамики мыши // Сб. тез. докл. м/н научно-метод. конф. «Новые информационные технологии в университетском образовании». — Новосибирск: Изд-во СибГУТИ, 2003. — С. 76-78.

2. Диденко С. М., Шапцев В. А. Проблема утомляемости операторов пультов управления // Мат-лы научно-практ. конф. «Новые информационные технологии в нефтегазовой промышленности и энергетике». Тюмень, окт. 2003. — Тюмень: Изд-во ТюмГНГУ, 2003. — С.71-72.

3. Диденко С. М. Шапцев В. А. Исследование динамики работы пользователя с манипулятором мышь // Математическое и информационное моделирование. — Тюмень: Изд-во ТюмГУ, 2004. — С. 57-65.

4. Диденко С М., Шапцев В. А. Методика отображения информационного почерка пользователя // Вестник кибернетики. — Тюмень: Изд-во ИПОС СО РАН, 2005. — С. 74-79.

5. Диденко С. М., Комарова И. Ф., Шапцев В. А. Здоровьесберегаю-щие информационные технологии — актуальный сегмент ИТ-отрасли / / Мат-лы 2-й м/н научно-практ. конф. «Исследование, разработка и применение высоких технологий в промышленности». СПб. 7-9 февр.2006. — СПб: Изд-во Политехнического университета, 2006. — С. 13-16.

6. Диденко С. М. Развитие математической модели информационного почерка пользователя // Математическое и информационное моделирование. — Тюмень: Изд-во ТюмГУ, 2006. — С. 68-73.

7. Диденко С. М. Исследование модели динамики параметров информационного почерка пользователя // Вестник Тюменского государственного университета. — 2006. — № 5. — С. 170-174.

Подписано в печать 18.01.2007. Тираж 100 экз. Объем 1,0 уч. изд. л. Формат 60x84/16. Заказ 34.

Издательство Тюменского государственного университета 625000, г. Тюмень, ул. Семакова, 10 Тел./факс (3452) 46-27-32 E-mail: izdatelstvo@utmn.ru

ВВЕДЕНИЕ.

ГЛАВА 1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1 Обзор существующих разработок.

1.2 О мониторинге пользователя в режиме «on-line».

1.3 Предлагаемый подход.

ГЛАВА 2. КОМПЬЮТЕРНАЯ МОДЕЛЬ ДИНАМИКИ СИСТЕМЫ

ПОЛЬЗОВАТЕЛЬ-МЫШЬ».

2.1 Постановка задачи.

2.2 Проблема отображения динамики траекторий указателя.

2.3 Исходное множество параметров системы «пользователь-мышь».

2.4 Информативные параметры системы «пользователь-мышь».

2.5 О прогнозировании значений параметров.

Выводы по Главе 2.

ГЛАВА 3. МЕТОД МОНИТОРИНГА ИНФОРМАЦИОННОГО ПОЧЕРКА

3.1 Постановка задачи.

3.2 Обсуждение методов распознавания образов.

3.3 Обоснование выбора нейросетевого подхода.

3.4 Образ информационно1 чочерка.

3.5 Формирование комн.,« пого образа ИПП.

3.6 Архитектура нейронное сети для мониторинга ИПП.

3.7 Методика проведения эксперимента.

3.8 Результаты экспериментальных исследований.

Выводы по Главе 3.

ГЛАВА 4. ОПИСАНИЕ СИСТЕМЫ МОНИТОРИНГА ДИНАМИКИ

МЫШИ.

4.1 Концепция системы.

4.2 Клиентская часть системы.

4.3 Серверная часть системы.

Одной из очевидных тенденций развития информационных технологий является их антропоцеитричность или персонификация. Недоиспользуемая растущая производительность компьютера должна быть направлена на более эффективную поддержку деятельности конкретного пользователя. В связи с этим актуальной становится задача мониторинга деятельности пользователя, его личности и состояния. Потребность в таком мониторинге ощущается, в частности, в компьютерных средствах тестирования обучаемых, оценки степени их натренированности в тренажерных комплексах, стимулирования высокой готовности операторов и т.п. Значительная часть результатов, полезных в этом контексте, получена в области средств идентификации пользователей открытых систем.

Информатизация общества является причиной все большей виртуализации образа жизни человека. Это объясняется ростом количества операций, производимых с использованием компьютерных сетей; увеличением процента использования сетевых ресурсов, с целью проведения различных операций (передача информации, торговля, обучение, тестирование, анкетирование). Развитие информационных, телекоммуникационных технологий является причиной возникновения новых подходов в области образования. Одним из основных подходов является дистанционное обучение. Через 10-15 лет подавляющее большинство услуг высшего образования будет реализовываться дистанционно [48].

Идентификация пользователя на входе в некоторых системах является недостаточной процедурой по причине того, что во время работы пользователь может быть подменен. Применяемые на сегодняшний день способы распознавания пользователей основаны на использовании паролей и (или) специализированных устройств (смарт-карт, «электронных ключей»). Эксплуатация таких систем безопасности выявила их недостатки. Зачастую пароли перехватываются. Специализированные устройства похищаются или подделываются. Наблюдаются ситуации, когда один из пользователей сознательно передает свой пароль постороннему лицу. Например, в дистанционном образовании при тестировании студенты готовы заменить себя более осведомленным в изучаемом предмете лицом. Аналогичных примеров из других областей можно привести множество.

Преимущество биометрических систем идентификации по сравнению с традиционными (например, PIN-кодовыми системами или системами доступа по паролю) заключается в том, что идентифицируется собственно человек. Используемая в этих системах характеристика является неотъемлемой частью личности, ее невозможно потерять, передать, забыть. Поскольку биометрические характеристики каждого индивидуума уникальны, они могут использоваться для предотвращения воровства или мошенничества.

В последнее время большое внимание уделяется методам биометрической идентификации личности по динамике подсознательных движений рук [2,3,4]. Речь идет о выявленной стабильности отработанных двигательных навыков человека и возможностях его распознавания по этому признаку. При ориентации на стандартные устройства ввода информации исчезают дополнительные затраты на специализированную аппаратную поддержку, которые в ряде случаев могут существенно превышать стоимость программного обеспечения биометрии. Достаточно новым способом биометрической верификации по поведенческим признакам является исследование характера взаимодействия человека с ЭВМ посредствам различных манипуляторов, например световых перьев, манипуляторов типа «мышь». Это направление является новым. И пока не создано коммерческих систем верификации или идентификации личности, основанных на анализе взаимодействия с ЭВМ посредствам манипуляторов.

Актуальность задачи повышения надежности идентификации пользователей, обнаружения незарегистрированных пользователей и в целом мониторинга системы «пользователь-устройства ввода» имеет место быть.

В настоящей работе сформулирована и решена следующая задача -разработана математическая и компьютерная модели информационного почерка как параметрический образ динамики системы «пользователь-мышь»; исследован методов ее мониторинга.

Полученные результаты позволяют создавать средства автоматического оценивания компьютерной грамотности пользователя, степени освоения им навыков посредством компьютерного тренажера, повышения надежности идентификации и прогнозирования состояния пользователя в режиме реального времени непосредственно в процессе его работы с системой.

Объектом исследования в настоящей работе является параметрическое описание совокупной динамики «мыши». Новым при этом является исследование адекватности модели работы пользователя с манипулятором «мышь» (системы «пользователь-мышь»).

Формулировка научной проблемы: отсутствие адекватной модели динамики устройств ввода, создаваемой конкретным пользователем, и программы формирования в компьютере ее образа.

Цель диссертационной работы - разработка математической модели манипулятора «мышь», отражающего специфику динамики манипулятора «мышь», создаваемую конкретным пользователем компьютера; оценка адекватности компьютерной модели этой динамики - информационного почерка пользователя.

Признаки предмета исследования: 1) создание информационных систем, ориентированных на специфику работы пользователя как личность и специалиста в определенной сфере, требует мониторинга его работы с компьютером; 2) ускорение формализации требовании к проектируемой системе возможно созданием средств автоформализации модели профессиональной деятельности пользователя; 3) наличие «компьютерных болезней» требует создания ИТ, поддерживающих баланс труду и отдыха пользователя компьютерными средствами мониторинга его состояния; 4) несовершенство современных средств аутентификации пользователей в открытых системах является причиной поиска новых, дополнительных возможностей. Информационный почерк пользователя является одним из дополнительных механизмов мониторинга пользователя компьютера и повышения защищенности открытых систем.

Предмет исследования: математическая модель динамики манипулятора мышь, метод отображения в компьютере информационного почерка, т.е. системы «пользователь-мышь».

Задачи исследования

1. Анализ состояния вопроса о моделировании динамики устройств ввода по научным публикациям.

2. Разработка математической модели динамики устройств ввода. Ее экспериментальное исследование.

3. Разработка метода и программы отображения модели в компьютере.

4. Выбор или разработка способа распознавания для оценки эффективности распознавания информационного почерка.

5. Проведение экспериментов.

Основные результаты исследований доложены на международной научно-методической конференции «Новые информационные технологии в университетском образовании» (Новосибирск, 2003); международной научно-практической конференции «Новые информационные технологии в нефтегазовой отрасли и образовании» (Тюмень, 2003); международной научно-практической конференции «Модернизация образования в условиях глобализации» (Тюмень, 2005); Второй международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 2006); заседаниях городского научно-практического семинара «Интеллектуальные информационные системы» (Тюмень, 2003-2006).

По теме диссертации опубликовано 7 печатных работ.

Диссертация состоит из введения, четырех глав, заключения, двух приложений, изложенных на 95 страницах машинописного текста, содержащих 21 рисунок, 12 таблиц, список литературы из 78 наименований.

Выводы по Гпаве 3

1. Разработанный метод идентификации системы «пользователь-мышь», основанный на применении нейронных сетей, в процессе экспериментов позволил распознать 93 пользователей по критерию «свой-чужой» с вероятностью от 0,86 до 0,95. Это говорит в пользу адекватности созданной модели системы «пользователь-мышь».

2. Разработанное программное обеспечение служит прототипом системы мониторинга работы пользователей посредством наблюдения их работы с манипулятором «мышь».

Глава 4. Описание системы мониторинга динамики мыши

4.1 Концепция системы

Рассматривается возможность использования разработанного программного комплекса в системе мониторинга ИПП. Система имеет клиент-серверную архитектуру. Это позволяет применять систему для пользователей в широком диапазоне с токи зрения их географического расположения (на уровне одного учреждения, города, страны).

На основе данных о регистрации (имя пользователя) загружается образ ИПП пользователя. После загрузки образа ИПП включается режим мониторинга данных о динамике мыши. Расчет всех параметров осуществляет клиентская часть программного комплекса. Данные о мониторинге отсылаются на сервер с периодичностью в 3 мин.

Первый этап работы системы - этап обучения (рис. 4.1). Длительность этапа обучения зависит от интенсивности накопления данных. Минимальное необходимое количество реализаций ИПП должно быть не менее 200. На данном этапе осуществляется скрытое наблюдение за пользователями и мониторинг динамики мыши. Данные по каждой траектории поступают на сервер в первоначальном виде, с периодом в 30 мин. Обработка данных происходит на сервере, с последующим сохранением первоначальных данных наблюдения.

На втором этапе - этапе мониторинга ИПП, происходит идентификация пользователя по 3-х-минутным наблюдениям. Передача данных, как и на первом этапе работы, осуществляется в определенные моменты времени. Расчет средних значений параметров происходит в серверной части программного комплекса с сохранением первоначальных данных. Первоначальные данные используются для обучения нейронных сетей. Решение об обучении НС по новым данным принимает администратор, основываясь на результатах распознавания пользователя за последние несколько дней. При наличии большого количества ошибок за предыдущий период времени, администратор может организовать предварительную процедуру обучения на основе новых данных, и на основе полученных результатов принимать решение об утверждении нового образа зарегистрированного пользователя. Следует отметить, что все предыдущие версии образов ИПП, хранятся в хранилище образов. Этой же процедуре подвергаются обучающие данные.

1. Этап обучения 2- Этап идентификации

Рис. 4.1 Структура технологии идентификации системы «пользователь-мышь»

4.2 Клиентская часть системы

Эта часть системы представляет собой приложение, работающее на стороне клиента. В задачи клиентской компоненты «Пользователь» входит:

1. Получение образа ИПП;

2. Инициирование процесса наблюдения за работой пользователя с устройствами ввода;

3. Мониторинг устройств ввода при работе пользователя;

4. Распознавание пользователя на основе достаточного количества собранных данных об ИПП;

5. Получение результата верификации пользователя;

6. Завершение сеанса пользователя;

7. Передача на сервер обучающих данных, собранных за последний сеанс работы пользователя.

Основным модулем здесь является модуль наблюдения. При использовании данного модуля осуществляется считывание и фиксирование в отдельные файлы всех первичных данных поступающих в виде отдельных событий с устройств ввода, а также предварительная обработка данных. Обработка данных заключается в выбраковке аномальных данных, например, аномально больших интервалов между нажатиями на клавиши манипулятора, если пользователь отвлекся, или если, например, одна из клавиш манипулятора была постоянно нажата.

4.3 Серверная часть системы

Компонент системы, работающий на сервере, выполняет следующие функции:

1. Открытие и закрытие пользовательских сеансов по запросу пользователя;

2. Ведение журнала пользовательских сеансов;

3. Получение параметров об ИПП от клиентских приложений и расчет параметров образа на основе поступивших обучающих данных, с учетом ограничивающих условий обучения (предотвращающих «переобучение системы»);

4. Обеспечение хранения обучающих данных и образов ИПП;

5. Поддержка интерфейса администрирования системы, включающего такие средства как работа с пользователями, настройка системы, администрирование хранилищ данных;

6. Сбор информации о производительности системы;

7. Ведение журнала событий о производительности системы;

8. Поддержка интерфейса мониторинга работы системы.

Основными модулями серверной части программного комплекса являются следующие. Модуль расчета параметров

Данный модуль предназначен для анализа первичных данных и расчета параметров ИПП. Присутствует как в клиентской, так и серверной частях программного комплекса. Модуль формирования образа пользователя

Данный модуль организует процедуру формирования образа ИПП на основе обучения нейронной сети и формирования ее матрицы весов.

Структура комплекса мониторинга системы «пользователь-мышь» представлена на рис. 4.2.

Рис. 4.2 Схема работы программного комплекса мониторинга работы пользователя с манипулятором мышь (системы «пользователь-мышь»)

ЗАКЛЮЧЕНИЕ

В результате проведенных в диссертационной работе исследований и разработок получены следующие основные результаты.

1. Впервые поставлена задача компьютерного мониторинга системы «пользователь-мышь». Проведен системный анализ проблемы мониторинга «информационного почерка», отражающего специфику динамики устройств ввода компьютера формируемую работой пользователя. Произведена классификация подходов и методов решения проблемы мониторинга системы «пользователь-устройства ввода», позволившая уточнить задачи настоящего исследования.

2. Экспериментально показана невозможность единообразного аналитического представления траекторий указателя монитора, отображающих динамику манипулятора мышь, ввиду чрезмерного разнообразия их конфигураций. Предложено в дополнение к «клавиатурному почерку» мониторировать параметры динамики системы «пользователь-мышь».

3. Определено множество информативных параметров системы «пользователь-мышь».

4. Разработаны алгоритмы и программы измерения и вычисления параметров динамики системы «пользователь-мышь», ставшие инструментом проведенных исследований.

5. Разработан метод идентификации состояния системы «пользователь-мышь» по динамике движения манипулятора «мышь» и соответствующим траекториям указателя, основанный на использовании пространства информативных параметров системы и трех нейронных сетей радиального типа, обеспечивающий вероятность ошибки первого рода не более 0,1, второго рода - не более 0,2.

6. Создан и внедрен программный комплекс, позволяющий отслеживать характер работы пользователя посредством мониторинга параметров динамики манипулятора мышь и соответствующих траекторий указателя, проводить идентификацию состояния системы «пользователь-мышь» на этой основе в процессе работы пользователя с ПЭВМ.

Теоретическая и практическая значимость результатов диссертационной работы заключается в следующем.

1. Разработанные в диссертационной работе новые подходы позволяют повысить эффективность проведения разработок по созданию новых образцов, в частности, системы компьютерного мониторинга работы пользователя, и модернизации известных систем аутентификации и тестирования.

2. Разработанные математическая модель ИПП и способ распознавания состояний системы «пользователь-мышь» позволяют поднять качественные показатели аутентификации в открытых системах при совместном использовании с другими средствами.

3. Результаты экспериментальных исследований представляют интерес в проектировании новых и модернизации известных систем распознавания, развивают знания об информационном почерке пользователя в целом.

4. Программный комплекс, состоящий из средств измерения и накопления данных о динамике устройств ввода, с одной стороны; программы формирования компьютерного образа информационного почерка и программы распознавания информационного почерка по совокупности информативных параметров динамики мыши, с другой, - с учетом особенности взаимодействия пользователя с операционной средой компьютера является прототипом системы мониторинга работы пользователя по информационному почерку.

Полученные результаты позволяют утверждать о возможности использования разработанной модели ИПП в разработке следующих направлений информатики.

1. Здоровьесберегающие информационные технологии (оценка физического состояния пользователя, биологического возраста, мониторинг состояния сотрудников с целью обеспечения высокого качества продукции).

2. Психологическое и профессиональное тестирование. Тестирование компьютерных навыков.

3. Разработка практичных моделей пользовательских интерфейсов (оценка скорости работы пользователя, количества одновременно используемых объектов интерфейса и т.п.).

4. Автоформализация моделей деятельности специалистов для уменьшения времени их интервьюирования.

5. Разработка интеллектуальных интерфейсов.

1. Агафонов С.А., Герман А.Д., Муратова Т.В. Дифференциальные уравнения: Учеб. для вузов. 2-е изд. / Под ред. B.C. Зарубина, А.П. Крищенко. М.: Изд-во МГТУ им Н.Э. Баумана, 2000. - 348 с. - (Сер. Математика в техническом университете. Вып. 8).

2. Вентцель Е.С., Овчаров J1.A. Теория случайных процессов и ее инженерные приложения. Учеб. пособие для втузов. 2-е изд., стер. М.: Высш. шк., 2000.-383 с.

3. Власов А.Н. Способ представления координатной составляющей информационного почерка пользователя // Мат-лы м/у науч. конф. по мягким вычислениям. Том 1- Санкт-Петербург, 2003. С. 116-119.

4. Головко В.А. Нейронные сети: обучение, организация и применение. Кн.4: Учебн. пособие для вузов / Общая ред. А.И. Галушкина. М.: ИЖПР, 2001.-256 с.

5. Горбань A.M. Обучение нейронных сетей. М.: СП "ПараГраф", 1990. -159 с.

6. Горбань А.Н., Сенашова М.Ю. Погрешности в нейронных сетях. -Красноярск: Изд-во ВЦ СО РАН, 1997. 38 с.

7. Горелик А.Я., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1989.-232 с.

8. И. Гузик В.Ф., Галуев Г.А., Десятерик М.Н. Биометрическая нейросетевая система идентификации пользователя по особенностям клавиатурного почерка // Нейрокомпьютеры. Разработка, применение. 2001. - № 7-8. -С. 104-118.

9. Нейроинформатика и ее приложения // Материалы 3 Всероссийского семинара, 6-8 октября 1995 г. Ч. 1 /Под редакцией А.Н.Горбаня. Отв. за выпуск Г.М. Цибульский. Красноярск: изд. КГТУ. - 1995. - 229 с.

10. Десятерик М.Н. Биометрическая идентификация пользователя по клавиатурному почерку // Банковские технологии. 2000. - №1. - С. 3440.

11. Диденко С.М., Шапцев В.А. Проблема утомляемости операторов пультов управления // Мат-лы н.-пр. конф. «Новые информационные технологии в нефтегазовой промышленности и энергетике». Окт. 2003. -Тюмень: Изд-во ТюмГНГУ, 2003.-С. 71-72.

12. Диденко С.М., Шапцев В.А. Мониторинг динамики мыши // Новые информационные технологии в университетском образовании / Тезисы докладов международной научно-методической конференции. -Новосибирск: Изд-во СибГУТИ, 2003. С.77-78.

13. Диденко С.М., Шапцев В.А. Исследование динамики траекторий, создаваемых манипулятором мышь // Математическое и информационное моделирование / Сборник научных трудов под ред. Кутрунова В.Н. Вып. 6 Тюмень: Изд-во «Вектор Бук», 2004. - С. 295304.

14. Диденко С.М., Шапцев В.А. Методика отображения информационного почерка пользователя // Вестник кибернетики / Под ред. В.Р. Цибульского. Тюмень: Изд-во ИПОС СО РАН, 2005. - С. 74-79.

15. Диденко С.М., Шапцев В.А. Проблемы развития программы Work Time Manager // Модернизация образования в условиях глобализации. Компьютерная поддержка профессиональной деятельности / Научно-техн. сб. мат-лов конф. Тюмень: Изд-во ТюмГУ, 2005. - С.37-39.

16. Диденко С.М. Развитие математической модели информационного почерка пользователя // Математическое и информационное моделирование. Тюмень: Изд-во ТюмГУ, 2006. - С.68-73.

17. Диденко С.М. Исследование модели динамики параметров информационного почерка пользователя // Вестник Тюменского государственного университета. 2006.-№ 5. - С.170-174.

18. Епифанцев Б.Н., Покусаева О.А. Распознавание пользователей ПЭВМ по клавиатурному почерку: Байесовский подход // Науч.-метод, сб. № 50. -М.: Военное издательство, 2001. С.70-73.

19. Ефимов Н.В., Розендорн Э.Р. Линейная алгебра и многомерная геометрия. 3-е изд. М.: ФИЗМАТЛИТ, 2004. - 464 с.

20. Загородний В. Биометрия: новые технологии идентификации личности // Банковские технологии. 1998. - № 10. - С. 4-9.

21. Загородний В., Мельников 10. Идентификация по клавиатурному почерку // Банковские технологии. 1998. - № 9. - С. 68.

22. Загоруйко Н.Г. Прикладные методы анализа данных и знаний, Новосибирск, Изд-во Института математики, 1999 г.

23. Иванов А.И. Биометрическая идентификация личности по динамике быстрых движений //Специальная техника средств связи. Серия

24. Системы, сети и технические средства конфиденциальной связи». -Пенза: Изд-во ПНИЭИ, 1997. Вып. 2.- С. 88-93.

25. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Изд-во Пензенского государственного университета, 2000. - 188 с.

26. Иванов А.И. Объединение протоколов аутентификации /Защита информации. Конфидент. 2002 г., № 1, с 64-69.

27. Кокорин П.П. Биометрическая верификация пользователей систем дистанционного образования / Дипломная работа. Курганский государственный университет. 2006. 127 с.

28. Корреляционный анализ // http://www.rsvpu.ru/student/ziranova/513.htm.

29. Крисилов В.А. Преобразование входных данных нейросети с целью улучшения их различимости //http://neuroschool.narod.ru/articles. html.

30. Ростова Н.С. Корреляционный анализ в популяционных исследованиях // Сб. «Экология популяций». М.: Наука, 1991- С.69-86.

31. Ложников П.С. Биометрическая система аутентификации пользователя по динамике подписи // Материалы V Всерос. науч.-практ. конф. «Проблемы информационной безопасности государства, общества и личности». Томск: ТУСУР, 2003. - С. 134-135.

32. Ложников П.С. Опыт распознавания подписи по динамике изменения положения пера / СибАДИ. Омск, 2002. - 20 с. - Деп. в ВИНИТИ 10.11.2002, № 1936-В2002.

33. Ложников П.С. Применение биометрических технологий в обеспечении информационной безопасности // Развитие оборонно-промышленного комплекса на современном этапе: Материалы науч.-техн. конф., 4-6 июня 2003. Омск: Изд-во ОмГУ, 2003. - 4.1. - С. 126-127.

34. Ложников П.С. Распознавание динамики подписи с использованием стратегии Байеса // Доклады V междунар. конф. «Цифровая обработка сигналов и её применение. DSPA-2003». М.: РНТОРЭС им. А.С. Попова, 2003. - Т.2. - С. 599-601.

35. Ложников П.С. Распознавание пользователей в системах дистанционного образования: Обзор // Educational Technology & Society. 2001. - Раздел 4(2). - С.211 -216.

36. Медведев B.C., Потемкин В.Г. Нейронные сети. Matlab 6. М.: Диалог-МИФИ, 2002.-496с.

37. Натан А.А., Гобачев А.Г., Гуз С.А. Основы теории случайных процессов: Учеб. пособие. М.: МЗ-Пресс, 2003. - 168 с.

38. Нужин Р.И., Шанцев В.А. Проблема гиподинамии в компьютерном обучении // Информационные технологии в образовательном процессе / Мат-лы обл. межвуз. н-метод. конф. 5 апр 2002г. Тюмень: Вектор Бук, 2002. -С.161-164.

39. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учеб. пособие для вузов. М.: Высш. шк., 1989. - 367с.

40. Прикладная статистика: Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1989. - 607 с.

41. Проблемы построения и обучения нейронных сетей / под ред. А.И. Галушкина и В.А. Шахнова. М. Изд-во Машиностроение. Библиотечка журнала Информационные технологии. - 1999. - №1. - 105 с.

42. Оссовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002.

43. Расторгуев С.П. Программные методы защиты информации в компьютерах и сетях. М.: Изд-во Агентства "Яхтсмен", 1993. - 188с.

44. Рутковская Д., Пилиньский М., Рутковский J1. Нейронные сети, генетические алгоритмы и нечеткие системы / Пер. с польск. И.Д. Рудинского М.: Горячая линия-Телеком, 2006. - 452 с.

45. Седых С. Пароль на всю жизнь // Upgrade. 2000. - № 7. - С. 16-21.

46. Секерин А.Б. Метод оценки устойчивости нейронно-сетевых моделей // http://zhurnal.ape. relarn.ru/articles/2005/031 .pdf

47. Ткаченко А. В. Разработка нейросетевой системы управления котлом энергоблока / А. В. Ткаченко / Автореферат магистерской работы. http://masters.donntu.edu.ua/ t2005/kita/tkachenko/diss/index.htm.

48. Трушина Е.А. Идентификация пользователя ЭВМ по клавиатурному почерку, как метод защиты от несанкционированного доступа // http://www.securityclub.ru/.

49. Филлипс Кен. Биометрия осваивает корпоративный рынок // PC WEEK/RE. 1997. - 17 июня. - С. 32.

50. Хайкин С. Нейронные сети: полный курс /2-е изд., испр., пер. с англ. -М.: ООО "И.Д. Вильяме", 2006. 1104 с.

51. Шапцев В.А., Нужин Р.И. Инструмент моделирования процесса дозирования активности компьютера // Математические структуры и моделирование / Сборник науч. тр. под ред. А.К. Гуца. Вып. 9. Омск: Изд-во ОмГУ, 2002. - С. 129-134.

52. Широчин В.П., Кулик А.В., Марченко В.В. Динамическая аутентификация на основе анализа клавиатурного почерка // Вестник национального технического университета Украины. Киев: 1999. -№32.

53. Leggett, J., Williams, G., Verifying identity via keystroke characteristics, International Journal of Man-Machine Studies. 1987. Vol. 28. - P. 67-76,

54. Obaidat M.S., Sadoun B. KEYSTROKE DYNAMICS BASED AUTHENTICATION. Monmouth University W. Long Branch, NJ.

55. Dawn Song, Peter Venable, Adrian Perrig, User Recognition by Keystroke Latency Pattern Analysis. April 1997.

56. Jarmo Ilonen Keystroke dynamics. Lappeenranta University of Technology, Skinnarilankatu 34, 53850 Lappeenranta, Finland.

57. Fabian Monrose, Aviel D. Rubin, Authentication via Keystroke Dynamics. -New York: New York University,Y. 1997.

58. Fabian Monrose, Aviel D. Rubin Keystroke Dynamics as a Biometric for Authentication. Courant Institute of Mathematical Sciences, New York University, New York, NY. 1 march 1999.

59. Darren Clifford Typing Dynamics Biometric Authentication. Department of Information Technology and Electrical Engineering University of Queensland. October 2002.

60. Rick Joyce and Gopal Gupta. Identity authentication based on keystroke latencies. Communications of the ACM, 33(2): 168 176, February 1990.

61. Haider, S., Abbas, A., Zaidi, A., A Multi-Technique Approach for User Identification through Keystroke Dynamics, IEEE International Conference of Systems, Man and Cybernetics, Vol 2, p. 1336-1341, 2000.

62. Hugo Gamboa and Ana Fred An Identity Authentication System Based On Human Computer Interaction Behaviour. Escola Superior de Tecnologia de Set.ubal, Campo do IPS, Estefanilha, 2914-508 Set.ubal, Portugal.

63. Hugo Gamboa and Vasco Ferreira. WIDAM Web Interaction Display and Monitoring. Accepted for publication on the 5 International Conference on Enterprise Information Systems.

64. J. Gupta and A. McCabe. A review of dynamic handwritten signature verification. Technical report, James Cook University, Australia, 1997.

65. Shivani Hashia Authentication by Mouse Movements. CS 297 Report. May 2004.

66. Shivani Hashia AUTHENTICATION BY MOUSE MOVEMENTS. The Faculty of the Department of Computer Science, San Jose State University. December 2004.

67. Shivani Hashiaa, Chris Pollettb, Mark Stampc, ON USING MOUSE MOVEMENTS AS A BIOMETRIC. Dept. of Computer of Science, MacQuarrie Hall, San Jose State University, One Washington Square, San Jose, CA 95195, USA 2004.