МЕТОД ДИНАМІЧНОЇ ВЕРИФІКАЦІЇ ПІДПИСУ НА ОСНОВІ XGBoost З ВИКОРИСТАННЯМ МІКРОМОТОРНИХ ОЗНАК ТА АДАПТИВНОГО ПОРОГУ ПРИЙНЯТТЯ РІШЕНЬ

Анотація

Актуальність дослідження зумовлена необхідністю створення високонадійних біометричних систем, стійких до спроб несанкціонованого доступу та якісних підробок підпису в умовах глобальної цифровізації бізнес-процесів. Традиційні методи статичної верифікації поступово втрачають ефективність через появу нових інструментів для відтворення графічного накреслення. У зв’язку з цим автором проведено комплексний порівняльний аналіз розробленого авторами ML-рішення з визнаним комерційним галузевим стандартом Wacom Ink SDK for Verification. Основна увага приділена здатності систем відрізнити справжній підпис від кваліфікованої підробки, виконаної зловмисником з візуальним доступом до оригіналу.

Експериментальне дослідження проведено з використанням професійного графічного планшета Wacom STU-540, що забезпечує високу частоту дискретизації (200 Гц) та 1024 рівні чутливості до тиску. Вибір такого обладнання дозволив зібрати деталізовані часові ряди, що включають координати пера (x, y), кути нахилу та азимут, а також динаміку зміни зусилля натискання. На основі аналізу реальних даних від шести користувачів, які надали як еталонні зразки, так і імітаційні спроби підробки, виконано багатокритеріальну оптимізацію порогу прийняття рішення. Встановлено, що з адаптивним значенням порогу розроблена система демонструє збалансовані показники ефективності: FAR (коефіцієнт помилкового допуску зловмисника) на рівні 1,33 % та FRR (коефіцієнт помилкового відхилення легітимного користувача) — 6,67 %.

Наукова новизна роботи полягає в обґрунтуванні та селекції набору найінформативніших динамічних параметрів для моделі градієнтного бустингу XGBoost. На відміну від стандартних підходів, запропонована модель враховує не лише геометрію підпису, а й похідні характеристики: миттєву швидкість, прискорення та швидкість зміни тиску (jittering). Використання механізму регуляризації в XGBoost дозволило уникнути перенавчання на малих вибірках, що характерно для біометричних даних одного користувача. Це дозволило досягти точності, яка є конкурентоспроможною відносно закритих комерційних алгоритмів (рівень рівної помилки EER ~4 %).

Особливості програмної реалізації включають етап попередньої обробки даних, де застосовується інтерполяція для вирівнювання часових кроків та нормалізація ознак для приведення їх до єдиного масштабу. Це критично важливо для стабільної роботи моделі XGBoost, оскільки мікромоторика руки кожного користувача має унікальні амплітудні характеристики. Розроблений конвеєр обробки дозволяє проводити верифікацію в режимі реального часу, витрачаючи менше 100 мс на один запит, що робить систему придатною для використання в умовах високої інтенсивності документообігу.

Практичне значення отриманих результатів полягає у можливості інтеграції запропонованого підходу в корпоративні системи електронного документообігу та автоматизовані системи ідентифікації персоналу (наприклад, для верифікації водіїв або фінансових менеджерів). Головною перевагою є відсутність залежності від дороговартісного пропрієтарного програмного забезпечення та ліцензійних обмежень, зі збереженням високого рівня безпеки.

Результати порівняння підтвердили, що використання градієнтного бустингу з урахуванням глибоких параметрів мікромоторики дозволяє ефективно виявляти зловмисників навіть у разі спроб ретельного копіювання візуального стилю підпису.