Алгоритм обеспечения безопасности голосового отпечатка от подмены данных в системах искусственного интеллекта

Попов И. Ю., Герасимов В. М.

  Алгоритм обеспечения безопасности голосового отпечатка от подмены данных в системах искусственного интеллекта(3,87 MB)

Abstract

В статье рассматривается алгоритм защиты голосовых биометрических данных в системах искусственного интеллекта. Данный алгоритм использует шифрование с персональными ключами, преобразование записей и их перемешивание. Цель статьи – показать, что этот алгоритм эффективен в защите данных в ИИ-системах. Новизна исследования заключается в новом подходе к разработке ИИ, который улучшает безопасность данных. Эксперименты подтверждают, что алгоритм успешно защищает от разных атак, не ухудшая качество данных. Использование этого алгоритма делает систему более устойчивой к атакам за счёт лучшей защиты голосовых данных.

Keywords:

искусственный интеллект – Artificial Intelligence, биометрические данные – biometric data, безопасность – security, голосовые отпечатки – voiceprints, шифрование – encryption, секретные ключи – secret keys, защита данных – data protection, системы искусственного интеллекта – AI systems, алгоритмы безопасности – security algorithms, голосовое распознавание – voice recognition, аутентификация – authentication, утечка данных – data leakage, кибербезопасность – cybersecurity, белый шум – white noise, эксперимент – experiment, информационная безопасность – information security.

References

  1. Comiter M. Attacking artificial intelligence // Belfer Center Paper. – 2019. – Т. 8.
  2. Сулавко А. Е. Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей // Компьютерная оптика. – 2020. – Т. 44. – №. 1. – С. 82-91.
  3. Акимов А. А., Валитов Д. Р., Кубряк А. И. Предварительная обработка данных для машинного обучения // Научное обозрение. Технические науки. – 2022. – №. 2. – С. 26-31.
  4. Гараев А. И. Исследование зависимостей качества машинного обучения от способов задания алгоритмов // Яковлевские чтения. – 2021. – С. 154-156.
  5. Герасимов В. М., Маслова М. А. Возможные угрозы и атаки на систему голосовой идентификации пользователя // Научный результат. Информационныетехнологии. – 2022. – Т. 7. – №. 1. – С. 32-37.
  6. Kiener M. Artificial intelligence in medicine and the disclosure of risks // Ai & Society. – 2021. – Т. 36. – №. 3. – С. 705-713.
  7. Giordano R., Pluchinotta I., Zikos D., Krueger T., Tsoukiàs A. How to use ambiguity in problem framing for enabling divergent thinking: integrating problem structuring methods and concept-knowledge theory // Behavioral Operational Research. – Palgrave Macmillan, Cham, 2020. – С. 93-117.
  8. Лозинский И. П., Ильюшин Е. А. Обзор современных методов атак отравлением обучающих данных на нейросетевые модели // ББК 22.18 Л75. – 2022. – Т. 14. – С. 197.
  9. Ohsawa Y. Chance discoveries in real world decision making: data-based interaction of human intelligence and artificial intelligence. – Springer Science & Business Media, 2006. – Т. 30.
  10. Костиков В. А., Маслова М. А. Преобразование биометрических данных аудиофайла в RGB-изображение для защиты информации на сервере // Проблемы проектирования, применения и безопасности информационных систем в условиях цифровой экономики. – 2021. – С. 53-58.
  11. Kostikov V. A., Maslova M. A. Compression of encrypted and hidden data. Fixing the average time when performing the Huffman coding algorithm //Научный результат. Информационные технологии. – 2021. – Т. 6. – №. 4. – С. 27-33.
  12. Костиков В. А., Маслова М. А. Необходимость сжатия зашифрованных данных с помощью алгоритмов кодирования LZW и Хаффмана //Теория и практика проектного образования. – 2021. – №. 3 (19). – С. 62.
  13. Герасимов В. М., Маслова М. А., Халилаева Э. И. Защита биометрических данных систем искусственного интеллекта от состязательных атак //Информация и безопасность. – 2023. – Т. 26, № 1. – С. 133-142.
  14. Герасимов В. М., Маслова М. А., Халилаева Э. И. Защита от состязательных атак на аудио и изображения в моделях искусственного интеллекта с применением метода SGEC //Научный результат. Информационные технологии. – 2023. – Т. 8. – №. 2. – С. 53-60.
  15. Намиот Д. Е. Введение в атаки отравлением на модели машинного обучения //International Journal of Open Information Technologies. – 2023. – Т. 11. – №. 3. – С. 58-68.
  16. Намиот Д. Е., Ильюшин Е. А., Чижов И. В. Атаки на системы машинного обучения-общие проблемы и методы //International Journal of Open Information Technologies. – 2022. – Т. 10. – №. 3. – С. 17-22.
  17. НамиотД. Е. Схемыатакнамоделимашинногообучения//International Journal of Open Information Technologies. – 2023. – Т. 11. – №. 5. – С. 68-86.
  18. Akhtar M. Text Independent Biometric Authentication System Based On Voice Recognition //Biom. Authentication. – 2017. – Т. 60.
  19. Mamyrbayev O. et al. SYSTEMATIC REVIEW AND ANALYSIS OF THE PECULIARITIES OF IDENTIFICATION BY VOICE //Herald of the Kazakh-British technical university. – 2021. – Т. 16. – №. 2. – С. 120-133.
  20. Jacobs S. R., Nichol E. C., Helms M. E. “Where are we now and where are we going?” The BioM innovation database //Journal of Mechanical Design. – 2014. – Т. 136. – №. 11. – С. 111101.