Разработка и исследование компьютерной модели динамики системы "пользователь-мышь" тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Диденко, Сергей Михайлович

• Диденко, Сергей Михайлович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Диденко, Сергей Михайлович

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.

Введение диссертации (часть автореферата) на тему «Разработка и исследование компьютерной модели динамики системы "пользователь-мышь"»

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.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Диденко, Сергей Михайлович

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.

Список литературы диссертационного исследования кандидат технических наук Диденко, Сергей Михайлович, 2007 год

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.