Пояснительная записка

к дипломному проекту

на тему:

Руководитель дипломного проекта

_________________________ ________________ ______________

^{(должность, ученая степень, ученое звание) (подпись) (И.О. Фамилия)}

Консультанты:

 по разделу «Безопасность и экологичность проекта»

_________________________ ________________ ______________

^{(должность, ученая степень, ученое звание) (подпись) (И.О. Фамилия)}

 по разделу «Технико-экономическое обоснование проекта»

_________________________ ________________ ______________

^{(должность, ученая степень, ученое звание) (подпись) (И.О. Фамилия)}

Нормоконтролер

_________________________ ________________ ______________

^{(должность, ученая степень, ученое звание) (подпись) (И.О. Фамилия)}

Дипломник ____________________ ___________

^{фамилия, имя, отчество, группа) (подпись)}

«___»__________20___ г.

Приложение 3

Пример аннотации для дипломной работы

Дипломная работа содержит 107 стр., 37 рисунков, 8 таблиц, 10 источников и 1 приложение.

Объектами разработки и исследования являются методы биометрической аутентификации пользователя по клавиатурному и рукописному почеркам, способы измерения близости к эталону, а также методы обучения нейронных сетей, используемых для аутентификации.

Результатами работы являются программные модели систем аутентификации пользователя по рукописному и клавиатурному почеркам «Biometrics», а также программные модели обучения нейронных сетей. Программные модели реализованы в среде Borland Delphi 5.0. Модели экспериментально исследованы для различных пользователей, и получена соответствующая статистика. Результаты показали, что разработанные методы и модели аутентификации работоспособны, обладают достаточно высокой эффективностью и могут быть использованы в реальных биометрических системах контроля доступа.

Пример аннотации для дипломного проекта

Дипломный проект содержит 93 стр., 17 рисунков, 5 таблиц, 11 источников и 1 приложение.

Объектом проектирования является защищенная база данных, предназначенная для хранения и обработки информации по учёту дополнительного лекарственного обеспечения в г. Таганроге. В качестве средств разработки использованы СУБД MS SQL Server 2000 и Borland Delphi 7. Разработанная база данных позволяет накапливать и обрабатывать информацию в территориально разнесенных филиалах и в поликлинике в целом.

Выполнен анализ безопасности труда разработчика защищенной базы данных. Проведено технико-экономическое обоснование разработки.

Приложение 4

Пример реферата дипломной работы

Дипломная работа содержит 101 страницу, 25 рисунков, 8 таблиц, 9 источников и одно приложение.

Ключевые слова: биометрическая криптосистема, криптографический ключ, искусственная нейронная сеть, перцептрон, карта Кохонена, нейрон, нейронный слой, обучающая выборка, алгоритм обучения.

Объектом исследования является гибридная нейросетевая модель, содержащая карту Кохонена в первом слое и перцептрон – во втором слое. Модель предназначена для генерации криптографического ключа по биометрическим данным пользователя.

Цель работы – совмещение преимущества динамических биометрических систем идентификации/аутентификации на основе рукописного и клавиатурного почерков с надежностью хранения, обработки и передачи конфиденциальной информации с помощью криптографических систем.

Исследование модели проводилось с помощью специально разработанного комплекса программ, позволяющего моделировать работу гибридной нейронной сети, генерировать входные биометрические данные различных пользователей с заданными параметрами распределения, обрабатывать полученные статистические характеристики модели для оценки результатов.

Основные технико-эксплуатационные показатели разработанной модели: высокая скорость обучения двух разнотипных нейронных слоев при относительно большой их размерности.

Исследуемая модель может быть использована в качестве основы при проектировании биометрической криптосистемы, которая предназначена для обработки конфиденциальной информации, не являющейся государственной тайной.

Дальнейшее развитие этого направления связано с разработкой и исследованием новых более эффективных алгоритмов обучения искусственных нейронных сетей, лежащих в основе гибридной модели, с целью улучшения ее характеристик.