УДК 004.932

АНАЛИТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО РАСПОЗНАВАНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ОПЕРАТОРА ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ В ПРОЦЕССЕ ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ

Гренц Д.С.

студентка группы БИТ-151 Омского государственного технического университета, г. Омск

Ложников П.С.

СибАДИинформации, содержащей персональные данные клиентов сотрудников предприятия. Подобные хищения зачастую реализуются самими работниками этих компаний.

научный руководитель, канд. техн. наук, доцент, зав. кафедрой «Комплексная защита информации» Омского государственного технического университета, г. Омск

Аннотац я. В статье рассматривается проблема распознавания психофизиологического состояния человека-оператора в процессе его трудовой деятельности по различным

Ключевые слова: злоумышленник, хищение информации, психофизиологическое состояние, ЭЭГ, термограмма, эмоции, голос, клавиатурный почерк, распознавание образов.

Введен е

Развитие нформац онных технологий, повышение уровня автоматизации и

перераспределение функций между оператором и компьютером ставит новую актуальную проблему – взаимодействие человека-оператора с информационно-коммуникационными системами. Как показывает анализ современных тенденций, доля ошибок по вине человека растет на фоне повышения надежности машин. В системе «человек-машина» оператор является решающим звеном, ставящим задачи, контролирующим процессы реализации и анализирующим полученные результаты. Оператор (группа операторов) характеризуется психофизиологическим состоянием (ПФС), от которого зависит качество и эффективность его деятельности. Очевидно, что объектом повышенного интереса на производстве является функциональное состояние человека.

Выявление психических патологий возможно на первичном и периодическом медицинском осмотре. Значительно сложнее реализуется определение временных изменений психофизиологического состояния субъекта, активными факторами которого является хроническая форма переутомления, а также воздействие психоактивных веществ. Работа в подобных состояниях служит катализатором для появления ошибок «человеческого фактора». Сотрудник не в состоянии адекватно оценивать ситуацию свои возможности,

снижается концентрация внимания и искажается восприятие реальности.

Большая часть инцидентов информационной безопасности ( Б) связана с кражей

Ежегодные данные специалистов аналитического центра InfoWatch отражают информацию о 2263 случая утечки ограниченного доступа из коммерческих и некоммерческих компания за 2018 год, а это на 6% больше, чем в 2017 году. Доля утечек в России составила 12% от общемирового числа (270 случаев) и она занимает второе место в общем рейтинге после США, на которую приходится больше половины от общего числа инцидентов [1].

Сотрудники предприятий, имеющие доступ к конфиденциальной информации, представляют наибольшую и одну из самых устойчивых угроз для этой компании. По данным 2018 года почти 78% от общего числа инцидентов, которые повлекли компрометацию информации ограниченного доступа, были спровоцированы неосторожными

34

или преднамеренными действиями персонала. По мимо рядовых сотрудников для России характерна наибольшая доля утечек по вине руководства – 8.8%, когда по миру только 3.2% [1]. Помимо этого, для России характерно наибольшее количество инцидентов с использованием данных, то есть когда злоумышленник осознанно использует украденную информацию для достижения собственной выгоды. Сотрудница одного из банков г. Омск, используя чужие персональные данные и учетную запись в информационной системе, оформила на несуществующих людей 15 кредитов общей суммой в 2 млн. рублей [2].

Задача определения психофизиологического состояния оператора, находящегося в СибАДИпроцессе выполнения профессиональной деятельности является одной из актуальных, ее решение позволит сократить влияние человеческого фактора на возникновение внештатных ситуаций при выполнен оператором работы, а также предотвратить хищение информации.

Процесс мон тор нга требует комплексного подхода, включая определение критического ПФС с возможностью обеспечен я скрытности данной процедуры.

Имеющ еся способы определения состояния чаще являются контактными, либо не позволяют реал зовать проверку ез участия человека. Данное обстоятельство может существенно огран ч вать сферу применения таких методик. В ходе работы будут рассмотрены дост гнутые результаты в области дистанционного распознавания ПСФ состояния человека.

Распознаван е ПФС по ЭЭГ

Для решен я поставленной задачи используются различные подходы: электроэнцефалограмма (ЭЭГ), по тепловым параметрам, векодвигательная реакция, дыхание, клав атурный почерк.

Одним из наиболее изученных физиологических параметров является ЭЭГ, с ее помощью доказана точность показателей ПФС человека в лабораторных условиях. Такой показатель не может быть измерен дистанционной, что затрудняет его практическое применение вне стен лаборатории. Трехфакторная модель вариа ельности сердечного ритма (ВСР), предложенная Машиным В.А., рассматривает динамику функциональных состояний и показателей ВСР на различных стадиях исследования. В [3] были представлены результаты тревожных состояний, моделирующийся ситуацией профессионального отбора кандидатов в состоянии адаптации (тревожного ожидания) и при восстановлении (постстрессовые переживания). Также разработан алгоритм диагностики уровня устойчивости к психоэмоциональным нагрузкам.

Распознавание ПФС по тепловым параметрам лица и В Р

Одной из физиологических характеристик для оценки состояния человека является его тепловое после, измеряемое скрытно. В [4] представлена система обнаружения лжи, основанная на тепловидение и состоящая из тепловизионной камеры, определение, обнаружение отслеживание лица. Были выявлены на более чувствительные зоны на лице человека для мониторинга изменений температуры данных участков. Утверждается, что имеется устойчивая зависимость параметров теплового поля от ПФС человека. Авторы работы [5] с использованием тепловизора получили возможность классифицировать состояния страха, злости, печали, грусти и нормального состояния человека. Область лица была предварительно разделена на 6 зон и для каждой из них вычислялись координаты, используемые при классификации состояний. Методом распознавания состояний в данной работе был SVM – метод опорных векторов. Каждое из состояний ассоциировалось с классом. Здесь использовался принцип «один против одного» и каждый классификатор обучался между каждой парой классов, следовательно, было получено 52 классификатора. Был проведен ряд экспериментов с ядрами линейной, квадратичной, полиномиальной и радиальной функцией, где ядро полинома показало наилучшую эффективную классификацию. Результатом теста стало, что 4 основные эмоции (гнев, страх, счастье и грусть) распознаются с точность в 87.5%. Также тепловое поле человека было рассмотрено в

35

работе [6], где показатель точности при данной классификации более 90%. В испытании [7] приняло участие 60 субъектов, параметры лица которых регистрировались в тепловом и видимом диапазонах излучения в трех состояниях: нормальное, сонное и опьянение. Количество ошибок в процентах от общего числа составило от 0.2% до 2.8%. Авторами работы [8] была предложена методика распознавания признаков по термограмме лица и шеи, что может характеризовать психофизиологическое состояние человека. На исследовании 65 частников метод субъект-зависимых распознаваний состояний реализуется с количеством ошибок в 1.5%, а субъект-независимое распознавание, когда создание эталонов состояния каждого человека не требуется – 24.2%.

СибАДИрода – 0.398, а 2-го рода – 0.137; по особенностям работы с мышью – 0.182 0.55 соответственно [11].

Одним из наиболее используемых методов в последнее время – веко-двигательная

реакция (ВДР), а менно нтервалы между морганиями, направление взгляда, движение зрачков. Подтверждена связь ВДР с психофизиологическим состоянием человека, а количество успешных решен й при детектировании эмоций составил от 60 до 90% [9].

Распознаван е ПФС по осо енностям голоса

Принцип ально друг м параметром распознавания ПФС являются особенности голоса, а

именно про знесен я соо щений. Автор работы [10] Давыдов А.Г. описал алгоритм, позволяющ й автомат чески определять эмоциональное состояние диктора по голосу.

Точность так х распознаван й составила порядка 96%. Такой метод определения является

бесконтактным, но накладывается ограничение на применение в виде произнесения речи. Также установлено, что пр знаки голоса лучше всего позволяют распознать усталость, сонливость ли человека в состоянии опьянения [11]. Полученные результаты субъект-

зависимой вер ф кац состояний определяют, что вероятность ошибок 1-го и 2-го рода

составляют 0.144 и 0.164 с количеством нейронов 200 и 6 входов. Метод распознавания эмоций по голосу был предложен в ра оте [12], где алгоритмом выступали Мел-частотные кепстральные коэффициенты – MFCC (представление спектра сигнала). Такой способ учитывает волновую природу звука, изменение тембра голоса, громкости и скорости произношения речи. Распознавании эмоции по голосу обеспечивается с вероятностью 8895%.

Распознавание ПФС по клавиатурному почерку

С использованием компьютерного почерка и параметрами работы с компьютерной

мышью можно проследить состояние сотрудника. Установлено, что снижается вероятность правильная идентификации авторизованного работника по данным характеристикам. Чаще всего это можно связать с волнением во время выполнения противоправных действий, что отражается на неконтролируемом, подсознательном движении рук и пальцев. В данном случае вероятность определение признаков при помощи работы с мышью сравнительно меньше, чем по клавиатурному почерку, которые помимо стан ратных признаков определяет и нормальное состояние оператора. Здесь также были получены результату субъектзависимой верификации состояний: по клавиатурному почерку вероятность ошибок 1-го

EMFi-кресло

Неинвазивное и удобное приспособление, позволяющие оценивать функциональное состояние человека-оператора – EMFi-кресло. Система состоит из трех частей: датчиков, аппаратного и программного обеспечения. Датчики вшиты в спинку, сидение и подлокотники обычного офисного кресла. Пьезоэлектрический датчик измеряет движение и вибрации, которые исходят от тела (дыхание и пульс), аппаратное обеспечение усиливает и фильтрует поступающий сигнал, а программа получает данные и разделяет сигналы [13]. Испытания подтвердили, что такие датчики способны измерять эмоциональное состояния

36

человека и его реакцию на внешние факторы до начала работы, так и во время трудовой деятельности.

Заключение

В ходе данной работы был проведен анализ полученных результатов в области дистанционного распознавания психофизиологического состояния человека на основе различных признаков. Были выделены наиболее информативные способы идентификации,

такие как, термограмма лица, ЭЭГ, голос и клавиатурный почерк. Вероятность точности по таким параметрам составляла от 90% и выше. Приведенные работы позволили сделать вывод о том, что актуальность данной проблемы продолжает расти. Со временем будут появляться новые не нваз вные метод ки и использоваться другие различные параметры для

СибАДИermal image based on fused statistical feature and multi-class SVM (дата обращения 18.08.2019).

психофизиолог ческ х характеристик оператора в процессе трудовой деятельности. Такие разработки позволят уменьш ть количество ошибок «человеческого фактора», тем самым предотврат ть возможность катастроф и непредвиденных ситуация на предприятии.

based on Fused Statistical Feature and Multi-Class SVM // 2015 INDICON. 2015. – P. 1-5 URL: https://www.researchgate.net/publication/299861422 Human emotion recognition from facial th

6. Carl B. Cross; Julie A. Skipper, Petkie D. Thermal imaging to detect physiological indicators of stress in humans. Proceedings of SPIE. URL: https://www.spiedigitallibrary.org/conference-proceedings-of spie/8705/87050I/Thermal-imaging- to-detect-physiological-indicators-of-stress-in-humans/10.1117/12.2018107.short (дата обращения 18.08.2019).

7.Ложников П.С., Сулавко А.Е., Толкачева Е.В., Жумажанова С.С. Распознавание водителей и их функциональных состояний по-обычному и тепловому изображениям лица// Труды научно-технической конференции кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. Пенза, 2016. Т.10. – С. 63-65.

8.Сулавко А.Е., Жумажанова С.С. Распознавание психофизиологического состояния человека на основе анализа термограмм лица и шеи // Динамика систем, механизмов и машин. 2017. Т 5. – С. 143–151.

9.Князев Б.А., Гапанюк Ю.Е. Распознавание аномального поведения человека по его эмоциональному состоянию и уровню напряженности с использованием экспертных правил. Инженерный вестник, №3. – С. 509–523.

37

10.Давыдов, А.Г. Классификация эмоционального состояния диктора по голосу: Проблемы и решения [Текст] / А.Г. Давыдов, В.В. Киселёв, Д.С. Кочетков // Труды международной конференции «Диалог 2011». – М.: РГГУ. – 2011. – С. 178–185.

11.Васильев В.И., Сулавко А.Е., Борисов Р.В., Жумажанова С.С Распознавание психофизиологических состояний пользователей на основе скрытого мониторинга действий

вкомпьютерных системах1 // Искусственный интеллект и принятие решений. 03.2017. –

. 21–37.

12.Брановицкий А.А. Распознавание эмоций по голосу на основе машинного обучения // СибАДИ54-ая научная конференция аспирантов, магистрантов студентов БГУИР. – Минск: 2018. –

. 52.

13.Esteban, J. Non-invasive system for ubiquitous phisiological home monitoring URL:https://pdfs.semanticscholar.org/247c/bf6bd71a4a91abcfa81f8ac50bce16f0dd36.pdf? ga=2.7 9513684.1702376980.1566756988-1443250051.1566756988 (дата обращения 19.08.2019).

38