ГОСТ Р 52633.5-2011

ФЕДЕРАЛЬНОЕ АГЕНТСТВО

                                    ПО ТЕХНИЧЕСКОМУ РЕГУЛИРОВАНИЮ И МЕТРОЛОГИИ




                                               НАЦИОНАЛЬНЫЙ                      ГОСТР
                                                   СТАНДАРТ
                                                 РОССИЙСКОЙ
                                                                                 52633. 5—
                                                  ФЕДЕРАЦИИ                      2011


                                           Защита информации

                                ТЕХНИКА ЗАЩИТЫ ИНФОРМАЦИИ

                                Автоматическое обучение нейросетевых
                               преобразователей биометрия-код доступа


                                                Издание официальное




                                                       Стандарт» |ф щ и
                                                            2011



сертификат соответствия труб

ГОСТ Р 52633.5—2011


                                          П ред и сл ови е

     1 РАЗРАБОТАН Федеральным государственным учреждением «Государственный научно-иссле­
довательский испытательный институт проблем технической защиты информации Федеральной служ­
бы по техническому и экспортному контролю» (ФГУ «ГНИИИ ПТЗИ ФСТЭК России»). Федеральным го­
сударственным унитарным предприятием «Пензенский научно-исследовательский электротехнический
институт» (ФГУП «ПНИЭИ»)

     2 ВНЕСЕН Техническим комитетом по стандартизации ТК 362 «Защита информации»

     3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому ре­
гулированию и метрологии от 1 декабря 2011 г. № 685-ст

     4 ВВЕДЕН ВПЕРВЫЕ

     5 ПЕРЕИЗДАНИЕ. Октябрь 2018 г.



      Правила применения настоящ его ста н д а р та установлены в с т а т ь е 26 Федерального закона
о т 29 июня 2015 г. No 162-ФЗ «О стандартизации в Российской Федерации». Информация об измене­
ниях к настоящ ему ста н д а р ту публикуется в ежегодном (по состоянию на 1 января те кущ е го года)
информационном указателе «Национальные стандарты », а официальный т е к с т изменений и по­
правок— в ежемесячном указателе «Национальные стандарты ». В случав пересмотра (замены) или
отм ены настоящ его ста н д а р та соотве тствую щ е е уведомление будет опубликовано в ближайшем
выпуске ежемесячного информационного указателя «Национальные стандарты ». С о о тв е тств ую ­
щая информация, уведомление и т е к с т ы размещ аю тся та кж е в информационной систем е общего
пользования — на официальном са й те Федерального а ге н тс тв а по техническому регулированию и
метрологии в с е ти И н те р н е т (mvw.gost.ru)




                                                              © Стандартинформ. оформление. 2018

     Настоящий стандарт не может быть полностью или частично воспроизведен, тиражирован и рас­
пространен в качестве официального издания без разрешения Федерального агентства по техническо­
му регулированию и метрологии
II

ГОСТ Р 52633.5—2011


                                                                      С одержание

1 Область применения........................................................................................................................................ 1
2 Нормативные ссы лки........................................................................................................................................1
3 Термины и определения...............................................................................                                                       2
4 Обозначения...................................................................................................................................................... 5
5 Общие положения быстрого послойного обучения нейронных сетей преобразователей
биометрия-код доступа......................................................                                                                                         5
  5.1 Классификация нейросетевых преобразователей биометрия-код доступа................................... 5
    5.2 Раздельное обучение каждого из нейронов нейросети..................................................................... 6
    5.3 Раздельное обучение каждого из слоев нейронов нейросети........................................................... 7
    5.4 Контроль размеров и однородности примеров обучающей выборки образа «Свой»................... 7
    5.5 Контроль размеров и независимости примеров обучающей выборки, представляющих
    хаос случайных образов «Все «Чужие»........................................................................................................8
6 Автомат обучения однослойной нейронной сети, работающей с непрерывными биометрическими
данными низкого качества................................................................................................................................. 8
    6.1 Автоматический синтез связей первого слоя нейронов..................................................................... 8
    6.2 Автоматическое обучение нейронов первого слоя...............................................................................9
7 Автоматическое обучение нейронов второго с л о я ....................................................................................11
  7.1 Автоматический синтез связей нейронов второго с л о я ....................................................................11
  7.2 Автоматическое обучение нейронов второго слоя............................................................................. 11
8 Использование автомата обучения второго слоя нейронов для обучения однослойной нейронной
сети, ориентированной на работу с дискретными входными данными высокого качества................. 12
    8.1 Нейросетевая корректировка дискретных входных биометрических данных с бинарными
    состояниями «0» и «1» в каждом разряде...................................... .......................................................... 12
    8.2 Особенности нейросетевой корректировки дискретных входных биометрических данных
    с числом состояний более д в у х .................................................................................................................. 12
9 Автоматическое прогнозирование качества обучения нейросетевого преобразователя
биометрия-код доступа.....................................................................................................................................13
  9.1 Автоматическое прогнозирование стойкости к атакам подбора.....................................................13
    9.2 Отображение результатов автоматического прогнозирования стойкости к атакам подбора . . . 13
    9.3 Автоматическое прогнозирование вероятности ошибок первого рода обученного
    нейросетевого преобразователя биометрия-код д оступа.......................................................................13
    9.4 Отображение результатов автоматического тестирования ошибок первого рода обученного
    нейросетевого преобразователя биометрия-код д оступа.......................................................................13
Приложение А (справочное) Примеры статистик распределения входных и выходных данных
             нейрона первого слоя на различных этапах обучения.....................................................14

ГОСТ Р 52633.5—2011


                                          В ведение

     Настоящий стандарт входит в комплекс стандартов, устанавливающих требования к разработке и
тестированию средств высоконадежной биометрической аутентификации.
     Важнейшим аспектом доверия к средствам высоконадежной биометрической аутентификации яв­
ляется то. насколько качественно обучен нейросетевой преобразователь биометрия-код доступа. Про­
цесс обучения каждого искусственного нейрона преобразователя биометрия-код доступа должен быть
полностью автоматизирован и обеспечивать высокий уровень вероятности принятия биометрического
образа «Свой» при низком уровне вероятности ошибочного принятия биометрического образа «Чу­
жой». оцениваемой по ГОСТ Р 52633.3.
     Не все известные алгоритмы обучения искусственных нейронов могут быть применены при
обучении средств высоконадежной биометрической аутентификации. Часть алгоритмов обучения ис­
кусственных нейронов неустойчива, и поэтому обучение с их помощью не может быть полностью ав­
томатизировано. Другая часть алгоритмов обучения искусственных нейронов устойчива, но не дает
необходимого качества обучения нейросетевого преобразователя биометрия-код доступа.
     В настоящем стандарте описывается алгоритм обучения, который одновременно обладает вы­
сокой устойчивостью и обеспечивает достаточно высокое качество обучения с учетом специфических
требований к нейросетевым преобразователям биометрия-код доступа, сформулированным в базовом
стандарте ГОСТ Р 52633.0.




IV