Будущее рядом: максимально просто об идентификации человека по электроэнцефалограммам при помощи нейросетей

Мы продолжаем рассказывать про инновационные разработки омских учёных. Сегодня нашим гостем станет студент факультета элитного образования и магистратуры, инженер-программист сектора сетевых технологий и системно-программного обеспечения ОмГТУ Адиль Чобан. Он разработал метод биометрической идентификации образов электроэнцефалограмм (кратко – ЭЭГ) субъекта с использованием алгоритмов сверточных нейронных сетей (СНС). Что это такое? Давайте разбираться вместе! 

Время прочтения ≈ 12 минут

Мы уверены, что наши постоянные читатели уже знают, что такое электроэнцефалограммы и сверточные (не сверх точные, а именно сверточные или свёрточные) нейронные сети. Они наверняка читали недавние материалы, посвящённые этим сложным, но интересным темам. Но для тех, кто с нами впервые (и для тех, кто просто позабыл, ведь за окном весна, авитаминоз и всё такое) стоит напомнить, что сверточная нейросеть представляет собой класс архитектур, основной задачей которых является обработка изображений, которые устроены наподобие зрительной коры головного мозга. Их использование позволяет достичь более высокой точности идентификации, чем с помощью классических подходов, которые в настоящее время используются гораздо чаще.

Обо всё этом и не только мы поговорили с Чобан Адилем. Внимание, после прочтения материала вы узнаете о нейроинтерфейсах и идентификации человека по электроэнцефалограммам при помощи нейросетей, команде разработчиков «AIConstuctor» и что MVP – это не всегда Леброн Джеймс.

Адиль Чобан, студент факультета элитного образования и магистратуры, инженер-программист сектора сетевых технологий и системно-программного обеспечения ОмГТУ 

Адиль, Вы разработали метод биометрической идентификации ЭЭГ субъекта с использованием алгоритмов СНС. В чем его суть?

Основная цель исследования заключается в том, что в век цифровых технологий и всеобщей цифровизации общества пользователю всё сложнее становиться хранить большое количество паролей, они подвержены компрометации. Существующие технологии биометрической идентификации личности также имеют ряд недостатков, поэтому нами было предложено идентифицировать личность по данным электроэнцефалограмм. Процесс идентификации довольно прост и состоит из двух этапов: съем данных и их анализ.  

Вот так разработка выглядит «изнутри». Согласны, сложно, но занимательно

 

А чем вызван ваш интерес к данной теме?

В настоящее время обеспечить безопасность виртуального образа пользователя становится все сложней. Вместе с количеством личных кабинетов пользователей возрастает число паролей, которые нужно хранить, обостряются проблемы информационной безопасности, открываются новые возможности для совершения кибератак. Сегодня пользователь нуждается не только в надежной идентификации и аутентификации, но и в защите данных от компрометации с учетом человеческого фактора. Классические способы решения проблемы (парольная аутентификация и шифрования) уже не являются надежными, а большинство биометрических образов человека могут быть подвергнуты фальсификации.

Альтернативным методом идентификации, который лишен перечисленных выше недостатков, может стать идентификация человека по параметрам электроэнцефалограмм. Поэтому наша цель заключается в разработке метода биометрической идентификации субъекта с использованием алгоритмов многослойных сверточных нейронных сетей.

Как происходит процесс сбора данных электроэнцефалограмм?

Процесс съема данных ЭЭГ можно осуществлять несколькими способами. Для первого используется специальный измерительный прибор – электроэнцефалограф. На голову человека надевается специальная «шапочка», к которой подключены электроды. Расположение и количество электродов могут быть разными в зависимости от того, с какой области мозга необходимо получить информацию. После этого электроэнцефалограф подключается к компьютеру, и с помощью специального ПО происходит запись сигнала.

Второй способ немного проще – пользователю необходимо лишь надеть нейрогарнитуру, включить Bluetooth или Wi-Fi на смартфоне или компьютере, открыть приложение и начать запись сигнала.

Полученный сигнал очищается от шумов путем наложения на него различных фильтров и делится на более короткие фрагменты (от 1.5 до 5 секунд). Каждый фрагмент представляет собой образ ЭЭГ. Полученные данные затем преобразуются в спектрограммы.

На каком этапе сейчас находится исследование? 

По результатам проведенных экспериментов СНС показали более высокую точность идентификации личности по ЭЭГ (98,5%-99,99% для 10 и более электродов) при сравнительно малом времени прохода по сравнению с достигнутым ранее уровнем. Показательным является то, что высокая точность наблюдается при использовании только двух лобных датчиков (95%), что дает возможность применять на практике «сухие» электроды, непосредственно контактирующие с кожей. Проведение исследования и сбора данных стало возможным благодаря предоставленной материально-технической базе ОмГТУ. Также развитию исследования помогают студенты кафедры.

В настоящее время проект находится на стадии прототипа, а в скором будущем планируется представить его в качестве MVP (минимально жизнеспособной версии продукта). 

А так выглядит уже прототип проекта. На экране как раз виден процесс сбора и анализа данных. Согласны, теперь стало чуть понятнее

 

В чем принципиальное отличие вашей разработки от ныне существующих методов идентификации образов ЭЭГ? 

Основное отличие нашей разработки от представленных на текущий момент в том, что мы комбинируем различные способы предобработки данных, а в качестве алгоритма распознавания используем сверточные нейронные сети. Также нами было предложено обучать СНС на данных ЭЭГ, записанных субъектом в разные дни. Полученные результаты указывают на то, что это позволит значительно повысить надежность идентификации личности, в том числе при изменении психофизиологического состояния субъекта. Если обучать системы на данных ЭЭГ, записанных в 3-4 разных дня, результаты распознавания станут устойчивыми вне зависимости от состояния испытуемых.

Есть ли аналоги вашей разработки? И какие?

Этим направлением по большей части занимаются зарубежные авторы, в России оно лишь начинает активно развиваться и исследоваться. Несмотря на это в некотором отношении российские исследования даже опередили зарубежные разработки, так как они рассматривают вопросы тестирования высоконадежных систем аутентификации по ЭЭГ. 

Традиционные методы анализа образов ЭЭГ, основанные на применении частотной фильтрации и удалении артефактов, дают недостаточно показательные результаты для их внедрения на практике. Выделяемые таким образом признаки оказываются малоинформативными, что приводит к низкой точности классификации образов ЭЭГ. 

Использования аппарата сверточных нейронных сетей предполагает автоматическое извлечение признаков из сигнала ЭЭГ, а также значительное повышение точности распознавания в сравнении с другими алгоритмами распознавания образов. 

Вообще насколько дорого ваше изобретение?

В данный момент проект находится на стадии прототипа, а в скором будущем планируется представить его в качестве MVP. Система будет представлять собой программно-аппаратный комплекс, который состоит из нейроинтерфейса и сопутствующего программного обеспечения.    

Сейчас нам сложно оценить полную стоимость продукта, по нескольким причинам:

Во-первых, программное обеспечение будет иметь возможность взаимодействовать с нейроинтерфейсами различных производителей. В настоящее время на рынке представлены как бюджетные нейрогарнитуры, так и более дорогие модели. Выбор того или иного нейроинтерфейса зависит от пожеланий и финансового состояния заказчика.

Во-вторых, на данный момент мы проводим оценку и анализ различных сегментов рынка, в которых могли бы без дополнительной поддержки и сравнительно быстрое время внедрить нашу разработку, поэтому привести конкретные цифры сегодня не смогу.

Так выглядят те самые нейрогарнитуры

 

Есть ли потенциальные заказчики, компании, которые хотят использовать у себя разработку? Ну и кому она могла бы быть интересна?

Как я уже говорил ранее, сейчас разработка находится на стадии прототипа и готовится к MVP. На данном этапе она тестируется в Научно-техническом центре «КАСИБ»

Вообще разработку можно использовать в любой сфере в качестве системы идентификации или аутентификации личности, а также определения её психофизиологического состояния. Как на больших производствах, так и в небольших фирмах. Современные устройства для сбора ЭЭГ обладают возможностью передавать сигнал с помощью технологий Bluetooth или WiFi, что облегчает процесс сбора и передачи данных. К тому же мы надеемся, что в скором будущем нейрогарнитуры будут у каждого и способ блокировки смартфона с помощью отпечатка пальца станет уже не таким актуальным.

К тому же в настоящее время наблюдается расширение рынка нефроинтерфейсов, растёт количество компаний, производящих свои модели нейрогарнитур, у людей растёт интерес к этой технологии, что в свою очередь приводит к снижению стоимости и повышению доступности рынка. 

Разработка молодого ученого является частью проекта «AIConstuctor – конструктор искусственного интеллекта», который представляет собой облачный веб-сервис и программный комплекс для поддержки научных исследований в области машинного обучения и создания систем искусственного интеллекта. Также разработка тестируется на одном из предприятий города – в научно-техническом центре «КАСИБ», сосредоточенном на направлениях Национальной технологической инициативы: большие данные, искусственный интеллект, квантовые технологии, новые и портативные источники энергии и прочее

 

Расскажите о своей работе в «AIConstuctor»: как там оказались, чем занимаетесь, как оцените потенциал разработок?

Вообще наукой, в частности распознаванием образов и биометрическими технологиями, я начал заниматься на 2-ом курсе бакалавриата, кафедры «Комплексная защита информации». Интерес к данной области появился после знакомства с Сулавко Алексеем Евгеньевичем, который сейчас является моим научным руководителем. После нескольких лет работы над различными проектами, связанными с биометрическими технологиями у нас появилась идея создать нечто, что позволило бы облегчить жизнь тем людям, которые хотят использовать или изучать алгоритмы машинного обучения. На тот момент у нас уже были некоторые наработки и функционал, который мы использовали в своей научной деятельности. Сейчас же мы находимся в процессе создания программного комплекса для анализа данных и проведения исследований в области машинного обучения. Позже планируется представить облачную версию программного комплекса, которая позволит решать сложные научно-технические задачи, проводить объемные исследования в организациях различного масштаба. При этом данное решение абсолютно не будет зависеть от вычислительных мощностей, используемых на предприятии ПК т. к. все вычисления будут проводиться в облаке.

В команде «AIConstructor» я являюсь одним из ведущих разработчиков программного комплекса и алгоритмов, которые в нём будут представлены.

«Я думаю, что потенциал разработки очень велик, поскольку она может охватить различные сегменты рынка, и рассчитана на пользователей с различным уровнем знаний в области машинного обучения. Продукт позволит автоматизировать процесс разработки и внедрения искусственного интеллекта, снизив нагрузку на специалистов по Data Science до минимальных значений»

Что вас вдохновляет на исследования? Желание открытий, возможность решить какую-то проблему, экономический потенциал разработок?

На первых этапах изучение биометрических технологий было вызвано желанием узнать что-то новое, получить знания в той области, о которой ты ничего не знаешь, но много слышал, к тому же она напрямую связана со специальностью, на которой я обучался – «Информационная безопасность». Но, спустя некоторое время, я понял, что у меня зарождается неподдельный интерес к данной области и желание создать что-то своё, что действительно может принести пользу окружающим. Исследуя данную область, несложно заметить, что существующие способы идентификации и аутентификации личности имеют ряд недостатков, основным из которых является возможность фальсификации образов субъекта. Данные недостатки не позволяют полностью довериться таким технологиям. 

Кто из ученых или не учёных вам нравится? В плане жизни, заслуг, мотивации. И почему?

Сложно сказать о каком-то конкретном человеке, к которому я бы выражал исключительную симпатию. Вся наша научная группа представляет из себя коллектив опытных исследователей в области распознавания образов и технологий, связанных с ним. Именно они и придают мне мотивацию в научной деятельности, оказывают значимую поддержку и делятся своими знаниями. Каждый из нас имеет значительный опыт исследований в области биометрических технологий и силен в своем сегменте, благодаря этому мы, сообща, хотим создать продукты и предложить решения, которые принесут пользу обществу в сфере биометрических технологий и информационной безопасности.

Есть ли у вас мечта? Если да, то какая?

Мечты у меня нет, но есть цели и вещи, которые хотелось бы реализовать в жизни. К числу таких относится реализация проекта «AIConstructor». Я, также, как и наша научная группа, верю в то, что он может внести значимый вклад в сферу машинного обучения и искусственного интеллекта. Ведь он поможет не только опытным исследователям и фирмам, которые уже используют машинное обучение, но и тем, кто только погружается в эту интересную и глубокую сферу.

От редакции

Спасибо что прочитали статью. Надеемся, что вам понравилось. Кстати, напоминаем, что у Трамплина есть донаты. И если вы хотите поддержать наше медиа, то вы можете сделать разовое или подключить регулярное пожертвование на любую сумму. Это займёт не более минуты. Подробности ниже.