Использование нейронных сетей в дистанционных образовательных технологиях для идентификации обучающихся

Цель исследования. Целью настоящего исследования является изучение проблематики особенностей технологий обучения современных искусственных нейронных сетей для проведения процедуры однозначной аутентификации обучающихся по заранее сформированной эталонной базе цифровых биометрических характеристик санкционированных пользователей в сфере дистанционных образовательных технологий.

В современном мире искусственные нейронные сети успешно применяются как в прикладной, так и в научной областях. Задача аутентификации личности человека, которая реализуется с использованием искусственных нейронных сетей, находит практическое применение при решении таких задач, как защита государственных и корпоративных информационных ресурсов, робототехника, системы управления доступом, информационный поиск, системы контроля и т.д., а уже начинает находить применение в сфере дистанционных образовательных технологий. В марте 2021 года Правительство Российской Федерации разработало постановление, на основании которого высшим учебным заведениям разрешается использовать дистанционные образовательные технологии. Проводя дистанционно мероприятия промежуточной и итоговой аттестации, а также контролируя текущую успеваемость обучающихся как дистанционной формы обучения, так и студентов очной и очно-заочной формы при временном переходе на дистанционную форму обучения в условиях пандемии, возникает проблема идентификации личности обучающегося для достижения однозначного распознавания санкционированных пользователей с целью достоверного оценивания результатов обучения, которую и можно решить, применяя современные технологии искусственных нейронных сетей.

Материалы и методы. В качестве материалов и методов были использованы методы обзора научной литературы по тематике исследования, методы сбора, структурирования и анализа полученной информации.

Результаты. Результаты проведенного исследования позволяют сделать следующие выводы: для решения задачи аутентификации обучающихся в системах дистанционного образования необходимо вначале сформировать собственно базу эталонов биометрических характеристик санкционированных пользователей, с которыми будут сопоставляться с биометрические данные идентифицируемого пользователя, а для процедуры распознавания нейронную сеть необходимо заранее обучить на специальных обучающих наборах (dataset). Процедуру идентификации необходимо повторять несколько раз в течение сеанса работы, чтобы обеспечить подтверждение личности санкционированного пользователя.

Заключение. Реализуя поставленную цель – исследование проблематики особенностей технологий обучения современных искусственных нейронных сетей для проведения процедуры однозначной аутентификации обучающихся по заранее сформированной эталонной базе цифровых биометрических характеристик санкционированных пользователей в сфере дистанционных образовательных технологий, и опираясь на результаты, полученные в ходе обобщения и анализа существующего опыта и собственных исследований, авторы выделили два независимых этапа в алгоритме реализации задачи идентификации личности обучающегося: формирования эталонной базы цифровых биометрических характеристик санкционированных пользователей и аутентификация пользователя по сформированной ранее эталонной базе, а также выявили, что при обучении нейронной сети необходимо учитывать достаточно большое количество различных атрибутов, влияющих на нее. При недостаточном числе обучающих наборов (dataset) нейронные сети начинает воспринимать ошибки как надежную информацию, что в результате приведет к необходимости переобучения нейронных сетей. При достаточно большом числе обучающих наборов (dataset) появляется больше версий зависимостей и изменчивостей, что дает возможность создавать достаточно сложные модели машинного обучения нейросетей, в которых основное место занимает переобучение.

1. Стефаниди А.Ф., Лебедев А.А., Матвеев Д.В. Исследование робастности алгоритмов распознавания лиц на изображениях // Вопросы применения цифровой обработки сигналов. 2018. Т. 8. № 4. С. 174–179.

2. Воронин И.В., Зияутдинов В.С., Скуднев Д.М. Применение искусственных нейронных сетей для биометрической идентификации личности // Современные тенденции развития науки и производства. V Международная научно-практическая конференция: в 2-х томах. Западно-Сибирский научный центр. 2017. С. 107–109.

3. Дружин Д.С., Фролова М.А. Возможность использования нейронных сетей для идентификации личности // Дни российской науки – 2020. Тезисы докладов II Отраслевого научного форума. 2020. С. 62–65.

4. Чабан Л.Н. Теория и алгоритмы распознавания образов. Учебное пособие. М.: МИИГАиК, 2004. 70 с.

5. История автоматизированного распознавания лиц [Электрон. ресурс]. Режим доступа: https://deepfakechallenge.com/the-secret-history-of-facial-recognition/. (Дата обращения: 30.04.2021).

6. Lucas B.D., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision. Proc. 7th Intnl. Joint Conf. on Artificial Intelligence. Vancouver, British Columbia. 1981. С. 674–679.

7. Ntechlab – дополняя интеллект. Режим доступа: https://ntechlab.ru. (Дата обращения: 07.05.2021).

8. Как Google распознает изображения [Электрон. ресурс]. Режим доступа: https://policies.google.com/technologies/pattern-recognition?hl=ru. (Дата обращения: 12.05.2021).

9. Amazing Uses for Face Recognition [Электрон. ресурс]. Режим доступа: https://www.facefirst.com/blog/amazing-uses-for-face-recognition-facial-recognition-use-cases/. (Дата обращения: 12.05.2021).

10. Пешкова И. Кто и как использует технологии распознавания лиц в России [Электрон. ресурс]. Режим доступа: https://rb.ru/longread/facialrecognition/. (Дата обращения: 12.05.2021).

11. Федеральный закон от 31.12.2017 № 482ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации» [Электрон. ресурс]. Режим доступа: http://www.kremlin.ru/acts/bank/42711. (Дата обращения: 14.05.2021).

12. Распоряжение Правительства РФ от 30 июня 2018 г. № 1322-р «Об утверждении формы согласия на обработку персональных данных, необходимых для регистрации гражданина РФ в единой системе идентификации и аутентификации, и иных сведений, если такие сведения предусмотрены федеральными законами в указанной системе, и биометрических персональных данных гражданина РФ в единой информационной системе персональных данных, обеспечивающей обработку, включая сбор и хранение биометрических персональных данных, их проверку и передачу информации о степени их соответствия предоставленным биометрическим персональным данным гражданина РФ» [Электрон. ресурс]. Режим доступа: https://www.garant.ru/products/ipo/prime/doc/71879372/. (Дата обращения: 14.05.2021).

13. Постановление Правительства РФ от 2 марта 2021 г. № 301 «Об утверждении Положения об особенностях проведения промежуточной аттестации в 2021/2022 учебном году по образовательным программам высшего образования – программам бакалавриата, программам специалитета, программам магистратуры, предусматривающих использование дистанционных образовательных технологий, обеспечивающих идентификацию личности посредством единой информационной системы персональных данных, обеспечивающей обработку, включая сбор и хранение биометрических персональных данных, их проверку и передачу информации о степени их соответствия предоставленным биометрическим персональным данным физического лица» [Электрон. ресурс]. Режим доступа: https://www.garant.ru/products/ipo/prime/doc/400313204/. (Дата обращения: 14.05.2021).

14. Постановление Госкомвуза РФ от 31 мая 1995 г. №6 «О состоянии и перспективах создания единой системы дистанционного образования в России» [Электрон. ресурс]. Доступ из системы ГАРАНТ. Режим доступа: https://base.garant.ru/181033/. (Дата обращения: 14.05.2021).

15. Малькова Т.В. Становление системы дистанционного обучения в российской федерации: к истории проблемы // Наука и школа. 2009. № 1. С. 63–65.

16. Протасова А. А., Козлова О. А. Современные технологии идентификации лица: исследование алгоритма работы и использование // Прикладная информатика. 2020. Т. 15. № 2. С. 131–143. DOI: 10.37791/2687-0649-2020-15-2-131-143.

17. Трегубенко Л.А., Слащёв И.С., Клименко А.В. Современные подходы к процедуре идентификации лиц // Вестник современных исследований. 2019. № 3. 6(30). С. 182–186.

18. Лиховидов В.Н., Герасимец И.В., Корнюшин П.Н. Применение нейронных сетей для формирования эталонов в системах биометрической идентификации личности // Информационное противодействие угрозам терроризма. 2006. № 7. С. 52–63.

19. Зелинов М. А. Изучение работы нейронных сетей: нейронные сети основы, использование нейронных сетей в экономике // Сборник трудов международной научной конференции «Гуманитарные науки в современном вузе: вчера, сегодня, завтра». 2019. С. 880–885.

20. Дружин Д.С., Фролова М.А. Результаты реализации алгоритма идентификации личности // Актуальные проблемы и пути развития энергетики, техники и технологий. Сборник трудов VI Международной научно-практической конференции. 2020. С. 269–273.

21. Галушкин А.И. Нейронные сети: основы теории. М.: Горячая линия-Телеком, 2012. 496 с.

22. Забашта А.Ю., Хохлов С.А., Скорикова С.А. Анализ существующих алгоритмов распознавания лиц // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2017. № 7–8. С. 42–45.

23. Селедец И.Е., Борунов Д.И., Рычков В.А. Основы машинного обучения // Синергия наук. 2020. № 44. С. 407–414.

24. Онуфриева Т.А., Сухова А.С. Применение нейронных сетей в разработке электронных обучающих ресурсов // Южно-сибирский научный вестник. 2020. № 6(34). С. 194–197. DOI: 10.25699/k7125-9820-7795-e.