اثربخشی ویژگی های کمتر برای تلفیق محاسبه عدم شباهت در افزایش دقت اعتبارسنجی الگوی زمانی ورود گذرواژه

یکی از قدیمی ترین روشهای اعتبارسنجی هویت افراد در سیستمهای رایانه ای، استفاده از روش اعتبارسنجی از طریق گذرواژه میباشد. در بیشتر اوقات استفاده از این روش به علت وابستگی شدید به قدرت حافظهی کاربر همچنین عدم رعایت مسایل امنیتی توسط کاربران سیستم، مورد تهدید قرار میگیرد. ازجمله روشهایی که برای سیستمهای امنیتی با محوریت گذرواژه پیشنهادشده است، استفاده از الگوی ورود هر یک از حروف گذرواژه توسط کاربر واقعی سیستم میباشد. بر طبق آزمایشهایی که پیرامون الگوریتم های محاسبه عدم شباهت انجام دادهایم، مشخص گردید که با تلفیق این الگوریتم ها میتوان نتایج اعتبارسنجی کاربران را بهبود بخشید. در این سیستمها، با افزایش تعداد حروف گذرواژه، ابعاد فضای ویژگی گسترش مییابد. با افزایش ابعاد فضای ویژگی، زمان اجرای الگوریتم های محاسبه عدم شباهت افزایش دقت آنها کاهش مییابد. برای حل این مشکل، از استراتژی کاهش ابعاد ویژگی استفاده کرده ایم. همچنین برای افزایش دقت سیستم اعتبارسنجی، از شبکه عصبی یک لایه پیشرو با روش یادگیری پیشتاز، استفاده شده است. با توجه به نتایج آزمایشهایی که در راستای استفاده از رویکرد پیشنهادی این پژوهش بر روی فضای دادهای الگوی زمانی ورود حروف گذرواژه انجام دادهایم، مشخص میگردد که به کارگیری رویکرد تلفیقی محاسبه عدم شباهت به همراه کاهش ویژگیهای دادهای، دقت اعتبارسنجی محیطهای گذرواژه محور با ساختار ورود زمانی حروف گذرواژه را بهبود میبخشد.

Keywords:

اعتبارسنجی ورود گذرواژه , فواصل زمانی ورود حروف گذرواژه , محاسبه عدم شباهت , کاهش ابعاد ویژگی.