Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
KUTATÓK ÉJSZAKÁJA 2019
2019. szeptember 27.
Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar
Budapest
D...
BEMUTATKOZÁS
DIGITÁLIS KOR társadalmi vetületei
gazdasági hatásai
információbiztonság
humán aspektusa
biztonságtudatosság
fejlesztése
e...
• személyazonosító igazolvány
• gépjárművezetői engedély
• útlevél
• diákigazolvány
• elkészült fényképes igazolványok átv...
Írásazonosítás vs. Grafológia I.
kézírás, gépírás, bélyegzők Tárgya kézírás, grafikum
kézeredet azonosság
személyazonosítá...
Írásazonosítás vs. Grafológia II.
eredeti vizsgálati anyagok
mennyiségi és minőségi
megfelelés
időbeni közelítés
A vizsgál...
• Íráskép alapján jellemrajz, pszichológiai tulajdonságok
• Klinikai: patogenezis tényezőinek és dinamikájának feltárása, ...
Néhány grafológiai példa
• Betűméret
• Sorok egymáshoz viszonyítva
• Szöveg elhelyezése a papíron
• Margók helye és mérete...
• Életkor
• Nem
• Képzettség/műveltség
• Foglalkozás, munkahely
• Írás/aláírás gyakoriságának szükségessége
• Pszichológia...
ÍRÁSFELISMERÉS
1. Gépelt/nyomtatott betű: a
2. Kézzel írt „szabvány” betű:
3. Kézzel írt „a” betű változatok:
Kell-e mesterséges intellig...
• Gépelt/nyomtatott szó: alma
• Szabvány kézírással írt szó:
• Kézzel írt írásképváltozatok:
Kell-e mesterséges intelligen...
• Gépelt/nyomtatott szöveg:
Szeretem az almát!
• Szabvány kézírással írt szöveg:
• Kézzel írt írásképváltozatok:
Kell-e me...
Nehezített pálya
• Csúnya, kivehetetlen kézírás
• Kevés szöveg
• Hiányos szöveg
• Piszkos háttér
• Elmosódott szöveg
• Feldolgozás (scannel...
a) valamely kézírás vagy aláírás az összehasonlító minták alapján mely
személytől vagy szűkebb személyi körtől származik,
...
HÍVJUK SEGÍTSÉGÜL A MESTERSÉGES INTELLIGENCIÁT!
A MI kapcsolódó fogalmai
Különbség a program és a MI között*
program MI
• Programozó írta
• Determinisztikus: ugyan arra a
kérdésre ugyan azt a vál...
Mesterséges intelligencia Humán intelligencia
• Képes az emberi viselkedés és a
kognitív folyamatok szimulációjára
• Megra...
Felügyelt tanulás
• jó válaszok előre megadva, MI jósol
• tréningadatbázis
Nem felügyelt tanulás
Problémák, kérdések:
• Mi...
1. nem nyújt semmilyen segítségét, mindent az ember csinál.
2. teljes körű cselekvési alternatívákat kínál.
3. leszűkíti a...
Egy nyomtatott betű informatikai értelmezései
(x;y) koordináta tengelyen minden pont meghatározható:
(x1;y1), (x2;y2)… (xn...
• Az adott pontban van/nincs adat („fekete/fehér”) – alapelv,
mint egy betűnél -> betűsor
A mesterséges intelligencia támo...
• Minél több (változatos) nyomtatott betű, mondat,
szöveg, amin tanulni tud
• Fejlett tanulási algoritmusok
• Felkészült t...
Scannelt aláírás vs. aláírótáblán felvett aláírás
Digitalizált aláírás I.
• Scannelt
• Kép -> adatok
• Nem lehet tudni az írás gyorsaságát
• Nem lehet tudni, hogy hányszor emelte fel a tollat az a...
• Hány aláírás áll rendelkezésünkre az adott személytől?
• Milyen információink vannak ezekről (pl.: időbélyeg,
aláírótábl...
Alírás valódiságának megállapítása (folyamat)
Aláírás
Elő-
feldolgozás
Személy-
azonosság
ellenőrzése
Tulajdonság-
meghatá...
• Társadalmi kredit rendszere adat- és
információbiztonsági kihívásainak kutatása
• Aláírásazonosítás és –hamisításdetektá...
Dr. Kollár Csaba PhD
Óbudai Egyetem Biztonságtudományi Doktori Iskola
https://www.linkedin.com/in/drkollarcsaba | http://w...
• https://education.ket.org/wp-content/uploads/2016/06/id244-717x376.jpg
• https://navimumbai.com/wp-content/uploads/2018/...
A prezentáció az EFOP-3.4.4-16-2017-00019
„STEM Fejlesztések az Óbudai Egyetemen”
című projekt keretében, annak támogatásá...
Kollár Csaba: Mennyit ér az aláírásod? Digitalizált aláírások vizsgálata és elemzése a mesterséges intelligencia segítségével
Upcoming SlideShare
Loading in …5
×

Kollár Csaba: Mennyit ér az aláírásod? Digitalizált aláírások vizsgálata és elemzése a mesterséges intelligencia segítségével

148 views

Published on

Kollár Csaba: Mennyit ér az aláírásod?
Digitalizált aláírások vizsgálata és elemzése a mesterséges intelligencia segítségével

KUTATÓK ÉJSZAKÁJA 2019
2019. szeptember 27.
Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar
Budapest

Published in: Science
  • Be the first to comment

  • Be the first to like this

Kollár Csaba: Mennyit ér az aláírásod? Digitalizált aláírások vizsgálata és elemzése a mesterséges intelligencia segítségével

  1. 1. KUTATÓK ÉJSZAKÁJA 2019 2019. szeptember 27. Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar Budapest Dr. Kollár Csaba PhD MENNYIT ÉR AZ ALÁÍRÁSOD? Digitalizált aláírások vizsgálata és elemzése a mesterséges intelligencia segítségével
  2. 2. BEMUTATKOZÁS
  3. 3. DIGITÁLIS KOR társadalmi vetületei gazdasági hatásai információbiztonság humán aspektusa biztonságtudatosság fejlesztése ember-robot interakció emberi oldala intelligens városok 1.) Az írás és az aláírás azonosítása során milyen biztonsági kihívások vannak? 2.) A mesterséges intelligencia képes hatékonyan segíteni az írásszakértők munkáját? mesterséges intelligencia
  4. 4. • személyazonosító igazolvány • gépjárművezetői engedély • útlevél • diákigazolvány • elkészült fényképes igazolványok átvétele • szerződések (pl. adás-vételi szerződés, hitelfelvétel, munkaszerződés, bankszámla szerződés) • nyilatkozatok tétele • jelentkezés könyvtárba, egyetemre, stb. • végrendelet • egyetértés a szöveggel • postai ajánlott küldemény átvétele • levelek aláírása • autogram • jelenléti ív (választás, szavazás, tanóra, gyakorlat, stb.) Írásunk és aláírásunk
  5. 5. Írásazonosítás vs. Grafológia I. kézírás, gépírás, bélyegzők Tárgya kézírás, grafikum kézeredet azonosság személyazonosítás írógép bélyegző-lenyomat vizsgálata hitelességének megállapítása Feladata személyiségvonások feltárása befolyásoltság vizsgálata hazugságvizsgálat aktuális pszichés állapot feltárása végrendeletek hitelessége fenyegető, zsaroló levelek számla és aláírás hamisítások bélyegző hamisítások szerződés hitelességének megállapítása Leggyakoribb alkalmazási területei munkaerő-kiválasztás nevelési problémák pályaorientáció életviteli problémák polgári és büntetőügyek jogszolgáltatlás büntetőügyek polgári peres ügyek céges, vagy magánmegbízás Ügyfélköre céges, vagy magánmegbízások polgári peres ügyek büntetőügyek
  6. 6. Írásazonosítás vs. Grafológia II. eredeti vizsgálati anyagok mennyiségi és minőségi megfelelés időbeni közelítés A vizsgálandó anyag kritériumai eredeti, vagy fénymásolt vizsgálati anyagok, regisztrátumok mennyiségi és minőségi követelmények aláírás szükségessége nagyító, szögmérő, vonalzó fénymásoló, mikroszkóp fényképezőgép, Tenzitron polarizált és UV-fény Számítógépes képfeldolgozás Eszközei nagyító, szögmérő, vonalzó fénymásoló, mikroszkóp Grafodin (Press-pen), Grafometer számítógépes képfeldolgozás
  7. 7. • Íráskép alapján jellemrajz, pszichológiai tulajdonságok • Klinikai: patogenezis tényezőinek és dinamikájának feltárása, gyógykezelés hatásvizsgálata, tünetek mögötti kapcsolati zavarok feltárása. • Kriminalisztikai: a bűntényekkel kapcsolatos személyiségfeltáró-vizsgálatok. • Mentálhigiénés: önismeret-fejlesztés, párkapcsolati konfliktusok és gyermeknevelési problémák okainak feltárása, krízisintervenciós munka támogatása. • Nekrografológiai: elhunyt ismert, kiemelkedő személyek személyiségvizsgálata. • Pedagógiai: az oktató-nevelőmunka hatékonyságának segítése, pályaválasztás segítése, viselkedési zavarok hátterének feltárása, képesség, illetve tehetségfeltárás, egyéni személyiségfejlesztés, grafoterápia. • Személyügyi: szűrővizsgálatok, vezető-kiválasztás, munkatárs kiválasztás, állapotkövetés, baleset-megelőzés, team-építés, hatásvizsgálatok, teljesítmény- terhelhetőségi vizsgálatok, életvezetési tanácsadás, karriertervezés, pályaalkalmassági vizsgálatok, tárgyalási stratégia tervezése, személyközi kapcsolatok és konfliktusok prognózisa, konfliktuskezelési módok feltárása. Grafológia
  8. 8. Néhány grafológiai példa • Betűméret • Sorok egymáshoz viszonyítva • Szöveg elhelyezése a papíron • Margók helye és mérete • Sorok egyenesek/dőlnek • Stb…
  9. 9. • Életkor • Nem • Képzettség/műveltség • Foglalkozás, munkahely • Írás/aláírás gyakoriságának szükségessége • Pszichológiai/mentális állapot • Kézsérülés • Tartós egészségügyi probléma (kéztremor) • Látási fogyatékosság • Méreg, kábítószer, alkohol hatása • Tartós fáradtság, kimerültség • Szándékos írástorzítás, írásferdítés Mi befolyásolja az írásképet/aláírást?
  10. 10. ÍRÁSFELISMERÉS
  11. 11. 1. Gépelt/nyomtatott betű: a 2. Kézzel írt „szabvány” betű: 3. Kézzel írt „a” betű változatok: Kell-e mesterséges intelligencia? Betűfelismerés
  12. 12. • Gépelt/nyomtatott szó: alma • Szabvány kézírással írt szó: • Kézzel írt írásképváltozatok: Kell-e mesterséges intelligencia? Szófelismerés
  13. 13. • Gépelt/nyomtatott szöveg: Szeretem az almát! • Szabvány kézírással írt szöveg: • Kézzel írt írásképváltozatok: Kell-e mesterséges intelligencia? Szövegfelismerés
  14. 14. Nehezített pálya
  15. 15. • Csúnya, kivehetetlen kézírás • Kevés szöveg • Hiányos szöveg • Piszkos háttér • Elmosódott szöveg • Feldolgozás (scannelés) közben fizikai hibák (homályos, koszos üvegfelület, elcsúszik a papír) • Feldolgozás közbeni informatikai és szoftverhibák Miben tud segíteni a mesterséges intelligencia?
  16. 16. a) valamely kézírás vagy aláírás az összehasonlító minták alapján mely személytől vagy szűkebb személyi körtől származik, b) különböző kézírások vagy aláírások ugyanazon személytől származnak-e, c) a vizsgálatra küldött kézírás vagy aláírás a) eredeti vagy másolat, b) valódi vagy hamisított, c) természetes vagy torzított írással készült, d) az iratot, illetve egyes részeit megváltoztatták-e, e) az átjavított vagy törölt szöveg eredetileg mit tartalmazott, f) a vizsgált kézírás a minták alapján rendhagyó körülmények között készült-e, illetve g) a vizsgálatra küldött kézírás vagy aláírás és a minta alkalmas-e a vizsgálatra Írásszakértői írásazonosítás* *31/2008. (XII. 31.) IRM rendelet
  17. 17. HÍVJUK SEGÍTSÉGÜL A MESTERSÉGES INTELLIGENCIÁT!
  18. 18. A MI kapcsolódó fogalmai
  19. 19. Különbség a program és a MI között* program MI • Programozó írta • Determinisztikus: ugyan arra a kérdésre ugyan azt a választ adja • Igen-nem, 0-1 jellegű eredményt ad • Az ember mondja meg, hogy mi a helyes eredmény • Szabályokat futtat, nincs helye a szabályok felülírásának • Programozó írta • Valószínűséggel dolgozik: bizonyos eséllyel ugyan az a válasz az adott kérdésre • Kevésbé-jobban, 85%-15% jellegű eredményt ad • A programozó a célt adja meg, a gép kísérletezi ki a helyes eredményeket • Mintákat vizsgál • Helye van a meglepetéseknek és a hangsúlyok eltolásának *Biczó (2017) alapján
  20. 20. Mesterséges intelligencia Humán intelligencia • Képes az emberi viselkedés és a kognitív folyamatok szimulációjára • Megragadja és megőrzi az emberi szakértelmet és kommunikált tapasztalatot • Nagy mennyiségű adatot képes gyorsan megérteni, gyorsan ad választ • Nincs józan ész • Nem tud egyszerre vegyes tudással foglalkozni • Sokba kerül a fejlesztése • Jogi és etikai kérdéseket és problémákat vet fel • Intuíció, józan ész, ítélet, kreativitás, hit • Az intelligencia bemutatásának képessége hatékony kommunikáció révén • Érvelés és kritikus gondolkodás • Az ember hibázik • Korlátozott tudásbázis • A számítógéphez képest az adatfeldolgozás lassan történik az agyban • Az ember nem képes nagy mennyiségű adat tárolására a memóriájában
  21. 21. Felügyelt tanulás • jó válaszok előre megadva, MI jósol • tréningadatbázis Nem felügyelt tanulás Problémák, kérdések: • Mit kellene megtanítani a géppel? • Mikor engedhetjük, hogy a gép nem felügyelt módon is tanuljon? • Milyen a tanulói környezete a gépnek? • Mennyi ideje van a gépnek/embernek, hogy a gép tanuljon? • Alul-, illetve túltanulás veszélye A gépi tanulás
  22. 22. 1. nem nyújt semmilyen segítségét, mindent az ember csinál. 2. teljes körű cselekvési alternatívákat kínál. 3. leszűkíti a cselekvést néhány választási lehetőségre. 4. egyetlen tevékenységet/műveletet végez. 5. végrehajtja a műveletet, ha az ember jóváhagyja azt. 6. mielőtt a műveletet végrehajtaná, lehetőséget az embernek, hogy azt megvétózza. 7. automatikusan hajtja végre a műveletet, de erről feltétlenül tájékoztatja az embert. 8. a művelet automatikus végrehajtás után csak akkor tájékoztatja az embert, ha az kéri. 9. a művelet automatikus végrehajtása után csak akkor tájékoztatja az embert, ha ilyen döntést hoz. 10. maga dönt el mindent, automatikusan működik, figyelmen kívül hagyva az embert. A gép autonómiája – A számítógép…
  23. 23. Egy nyomtatott betű informatikai értelmezései (x;y) koordináta tengelyen minden pont meghatározható: (x1;y1), (x2;y2)… (xn;yn)
  24. 24. • Az adott pontban van/nincs adat („fekete/fehér”) – alapelv, mint egy betűnél -> betűsor A mesterséges intelligencia támogatása • Betűk egymás után -> szó Hibajavítás: atma -> alma (szókorrekció, szóértelmezés) • Szavak egymás után -> mondat Hibajavítás: Szer ete a alm t! -> Szeretem az almát! (mondatkorrekció) • Mondatok egymás után -> dokumentum (írott közlemény) Hibajavítás: szövegkorrekció, stíluskorrekció, hiányzó szöveg pótlása Kapcsolódó nyomtatott betűk értelmezései
  25. 25. • Minél több (változatos) nyomtatott betű, mondat, szöveg, amin tanulni tud • Fejlett tanulási algoritmusok • Felkészült tanárok • Felismeri a túltanulás hibáit és lehetőségeit is • Türelmes • Felügyeli a tanulási folyamatot Amire a mesterséges intelligenciának szüksége van
  26. 26. Scannelt aláírás vs. aláírótáblán felvett aláírás Digitalizált aláírás I.
  27. 27. • Scannelt • Kép -> adatok • Nem lehet tudni az írás gyorsaságát • Nem lehet tudni, hogy hányszor emelte fel a tollat az aláíró • Kétdimenziós (xn;yn) • Aláírótáblán felvett • Adatok -> vizualizálható • Lehet tudni az írás gyorsaságát • Lehet tudni, hogy hányszor emelte fel a tollat • Be lehet járni az írást az írásvonal alapján • Háromdimenziós (xn;yn;zn) Digitalizált aláírás II.
  28. 28. • Hány aláírás áll rendelkezésünkre az adott személytől? • Milyen információink vannak ezekről (pl.: időbélyeg, aláírótábla típusa) • Két kép/adatsor mikor lehet azonos? • Mekkora változatosságot engedünk meg? • Mennyivel jelent több információt • a 3. dimenzió és • a mintavételi frekvencia alkalmazása? • Mekkora szerepe van jelenleg a szakértő szakértelmének? Alírás valódiságának megállapítása (kérdések)
  29. 29. Alírás valódiságának megállapítása (folyamat) Aláírás Elő- feldolgozás Személy- azonosság ellenőrzése Tulajdonság- meghatározás Össze- vetés Döntési küszöb Korábbi minták BDA + Algoritmusok + MI +/-
  30. 30. • Társadalmi kredit rendszere adat- és információbiztonsági kihívásainak kutatása • Aláírásazonosítás és –hamisításdetektálás mesterséges intelligencia segítségével (kutatás a Nemzetbiztonsági Szakszolgálat Szakértői Intézetével közösen) • Mesterséges Intelligencia Műhely • Mesterséges intelligencia a biztonságtechnikában című tantárgy • Releváns szak- és diplomadolgozati, illetve TDK témák • Konferenciaelőadások és szakmai tanulmányok Kapcsolódó aktivitásunk a Bánki Karon
  31. 31. Dr. Kollár Csaba PhD Óbudai Egyetem Biztonságtudományi Doktori Iskola https://www.linkedin.com/in/drkollarcsaba | http://www.slideshare.net/drkollarcsaba Köszönöm megtisztelő figyelmüket!
  32. 32. • https://education.ket.org/wp-content/uploads/2016/06/id244-717x376.jpg • https://navimumbai.com/wp-content/uploads/2018/01/sub-buzz-20965-1493210281-10.jpg • https://cultura.hu/wp-content/uploads/2017/08/banki-donat-cigar-head.jpg • https://i0.wp.com/pubtechgator.bmj.com/wp-content/uploads/2017/01/s22537.p622.sites_.pressdns.comlabs.ft_.comDarkOCR1- debb-cc75382f56da1a646a5ff087d0389cec6814dcb2.png?fit=1400%2C840&ssl=1 • https://slideplayer.hu/slide/2210274/8/images/9/T%C3%A9rszimbolika+Fent+-Tudat+Bal+Jobb+-J%C3%B6v%C5%91+Lent+- Tudattalan+%E2%80%9E%C3%89n+pont.jpg • https://contactcentresummit.co.uk/wp-content/uploads/2017/03/Lost-art-of-letter-writing.jpg • https://i.ytimg.com/vi/CgcU4zKm0Bc/maxresdefault.jpg • https://miro.medium.com/max/1000/1*tSXtMGTKsrA0hw1S7dDQXA.jpeg • https://i.pinimg.com/originals/7e/b3/b0/7eb3b06f653d1d62109e28aba46b4c0d.gif • https://i0.wp.com/runningrita.nl/wp-content/uploads/2017/11/vliegangst-gif.gif A felhasznált képek forrása
  33. 33. A prezentáció az EFOP-3.4.4-16-2017-00019 „STEM Fejlesztések az Óbudai Egyetemen” című projekt keretében, annak támogatásával készült. Együttműködő partner a Nemzetbiztonsági Szakszolgálat Szakértői Intézete. Szolgálati közlemény

×