Использование технологий распознавания лиц для предотвращения списывания в системах дистанционного контроля знаний

Аннотация

Статья посвящена биометрической верификации студентов по лицу как средству защиты онлайн-экзаменов от подмены личности. Предложена микросервисная архитектура системы прокторинга, в которой распознавание лица на основе глубокой нейронной сети дополнено обнаружением атак предъявления — попыток обмануть систему фотографией, видеозаписью или маской. Производительность системы оценивается с помощью модели массового обслуживания M/M/c, доступность — с помощью модели параллельного резервирования. Нагрузочное тестирование прототипа показало, что при 5000 одновременных сессиях время отклика микросервисной системы составляет 610 мс, а точность верификации — 98,7 %, тогда как монолитная реализация при такой нагрузке отказывает. Архитектура может быть интегрирована в LMS вуза; рассмотрены угрозы безопасности и требования к защите биометрических данных.

Ключевые слова: распознавание лиц, биометрическая верификация, прокторинг, обнаружение атак предъявления, микросервисная архитектура, академическая честность, защита персональных данных

Список литературы

1. Nigam A., Pasricha R., Singh T., Churi P. A systematic review on AI-based proctoring systems: past, present and future // Education and Information Technologies. – 2021. – Vol. 26. – P. 6421–6445. – DOI: 10.1007/s10639-021-10597-x.
2. Atoum Y., Chen L., Liu A. X., Hsu S. D. H., Liu X. Automated online exam proctoring // IEEE Transactions on Multimedia. – 2017. – Vol. 19, № 7. – P. 1609–1624.
3. Newman S. Building Microservices: Designing Fine-Grained Systems. – 2nd ed. – Sebastopol : O’Reilly Media, 2021.
4. He K., Zhang X., Ren S., Sun J. Deep residual learning for image recognition // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – 2016. – P. 770–778.
5. Kartynnik Y., Ablavatski A., Grishchenko I., Grundmann M. Real-time facial surface geometry from monocular video on mobile GPUs [Электронный ресурс] // arXiv. – 2019. – arXiv:1907.06724. – URL: https://arxiv.org/abs/1907.06724 (дата обращения: 29.10.2026).
6. Yu Z., Qin Y., Li X., Zhao C., Lei Z., Zhao G. Deep learning for face anti-spoofing: a survey // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2023. – Vol. 45, № 5. – P. 5609–5631.
7. ГОСТ Р ИСО/МЭК 25010-2015. Информационные технологии. Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Модели качества систем и программных продуктов. – М. : Стандартинформ, 2015.
8. ISO/IEC 30107-3:2023. Information technology – Biometric presentation attack detection – Part 3: Testing and reporting. – Geneva : ISO, 2023.
9. Richardson C. Microservices Patterns: With Examples in Java. – Shelter Island : Manning Publications, 2018.
10. Teh P. S., Teoh A. B. J., Yue S. A survey of keystroke dynamics biometrics // The Scientific World Journal. – 2013. – Vol. 2013. – Art. 408280. – DOI: 10.1155/2013/408280.
11. О персональных данных и их защите : Закон Республики Казахстан от 21 мая 2013 года № 94-V.
12. ISO/IEC 24745:2022. Information security, cybersecurity and privacy protection – Biometric information protection. – Geneva : ISO, 2022.

Как цитировать

Сапарғалиев Б.С., Байгожанова Д.С., Ермекова Н.С. Использование технологий распознавания лиц для предотвращения списывания в системах дистанционного контроля знаний // Central Asian Scientific Journal. – 2026. – №4(32), Т. 2. – С. 50–55. – DOI: 10.5281/zenodo.23773888.