عنوان المقالة:تعزيز أمان الشبكات المخصصة باستخدام ميزات القياسات الحيوية لـ Palm Vein Enhancing Adhoc Network Security Using Palm Vein Biometric Features
Abdelnasser Saber Mohamed, Amr Ismail Hassan, Ahmed Salama
الملخص العربي
تقترح هذه الدراسة نهجًا مبتكرًا لتأمين الشبكات المخصصة من خلال مصادقة المقاييس الحيوية لأوردة النخيل، ومعالجة نقاط الضعف الأمنية الحرجة في الاتصالات اللاسلكية اللامركزية. يقدم البحث إطار عمل توليد المفاتيح الحيوية للاندماج التكيفي (AFBKG) الذي يدمج بسلاسة السمات الحيوية لأوردة النخيل مع بروتوكولات التشفير الحديثة. تنفذ المنهجية عملية شاملة من ست مراحل، تتضمن التصوير بالأشعة تحت الحمراء القريبة (NIR) بطول موجة 850 نانومتر، وتقنيات معالجة الصور المسبقة المتقدمة، واستخراج السمات القائم على التعلم العميق باستخدام شبكة عصبية ملتوية دقيقة (CNN)، مما أدى إلى متجه سمات قوي مكون من 512 بُعدًا. تم إجراء تقييم أداء صارم، أظهر نتائج استثنائية، حيث حقق دقة مصادقة بنسبة 98٪ مع معدل قبول خاطئ بنسبة 0.1٪ ومقاومة 95٪ للتزوير. تتفوق خوارزمية AFBKG بشكل كبير على طرق الأمان التقليدية، حيث أظهرت قوة مصادقة بنسبة 95% ومقاومة بنسبة 92% لهجمات Man-in-the-Middle (MITM) مع الحفاظ على الحد الأدنى من تعقيد إدارة المفاتيح (15%). ومن الجدير بالذكر قابلية التوسع المتفوقة للنظام (90%) والكفاءة الحسابية (10% من النفقات العامة) مقارنة بالطرق البيومترية التقليدية. وتثبت هذه النتائج أن المصادقة البيومترية من خلال أوردة النخيل هي حل متطور لتعزيز أمان الشبكة المخصصة، مما يوفر تحسينات كبيرة على الأنظمة التقليدية القائمة على كلمة المرور والطرق البيومترية البديلة.
الملخص الانجليزي
This study proposes an innovative approach to securing ad hoc networks through palm vein biometric authentication, addressing critical security vulnerabilities in decentralized wireless communications. The research introduces an Adaptive Fusion Biometric Key Generation (AFBKG) framework that seamlessly integrates palm vein biometric features with state-of-the-art cryptographic protocols. The methodology implements a comprehensive six-stage process, incorporating Near-Infrared (NIR) imaging at 850 nm wavelength, advanced image preprocessing techniques, and deep learning-based feature extraction using a fine-tuned Convolutional Neural Network (CNN), culminating in a robust 512-dimensional feature vector. A rigorous performance evaluation was conducted, which demonstrated exceptional results, achieving 98% authentication accuracy with a 0.1% False Acceptance Rate (FAR) and 95% spoofing resistance. The AFBKG algorithm significantly outperforms traditional security methods, demonstrating 95% authentication strength and 92% resistance to Man-in-the-Middle (MITM) attacks while maintaining minimal key management complexity (15%). The system's superior scalability (90%) and computational efficiency (10% overhead) compared to conventional biometric approaches are noteworthy. These findings establish palm vein biometric authentication as a cutting-edge solution for enhancing ad hoc network security, offering substantial improvements over traditional password-based systems and alternative biometric methods.
أ.د. أحمد سلامة | Prof. Dr. Ahmed Salama | 10807