fa مروری بر روش‌های احراز‌اصالت امن با به‌کارگیری زیست‌سنجه ECG با استفاده از الگوریتم‌های یادگیری‌عمیق رمز و امنیت اطلاعات Cryptology and Information Security مروری Review Article امروزه سامانه‌های زیست‌سنجه، یک تکنیک کلیدی برای شناسایی کاربر به‌شمار می‌آید، که به‌دلیل ویژگی غیرتهاجمی بودن و هم‌چنین مقاومت بالا دربرابر جعل و تقلب، مورد استقبال قرار گرفته‌اند. زیست‌سنجه‌های فیزیولوژیکی و رفتاری، دو گونه اصلی از انواع شناسه‌های زیست‌سنجه هستند. شناسه‌های رفتاری مانند تشخیص صدا، بر‌اساس اعمال انسان یا حتی حیوانات است. زیست‌سنجه فیزیولوژیکی نیز، مانند اثرانگشت و تشخیص چهره، که در سال‌های گذشته در زندگی روزمره همه ما استفاده شده است، برمبنای ویژگی‌های فیزیکی بدن انسان است. یکی از زیست‌سنجه‌های مختلفی که در مطالعه‌های این زمینه مورد بررسی قرار گرفته‌اند، سیگنال قلب است که به‌دلیل روند اخذ ساده آن نسبت به زیست‌سنجه‌هایی مانند سیگنال مغز، در سیستم‌های احرازاصالت و شناسایی به‌خوبی به‌کار گرفته شده است. علاوه بر آن، پایگاه داده‌های معتبری روی داده‌های سیگنال قلب وجود دارد؛ که پژوهشگران این موضوع، برای ارزیابی سیستم‌های خود به آن‌ها استناد می‌کنند. در این مطالعه، تجزیه، تحلیل و مقایسه روش‌های مختلف در احرازاصالت با استفاده از زیست‌سنجه سیگنال قلب، مورد مطالعه قرار گرفته است. هم‌چنین، در ادامه، مزایا و معایب روش‌ها و مدل‌های یادگیری عمیق مطرح شده در این زمینه، بررسی شده است. در بخش پایانی نیز، ابتدا پیاده‌سازی روش ارائه شده در پژوهش فاستر و لوپز، مطرح شده است و سپس در راستای ارزیابی آن، به ارائه آزمون‌های طراحی‌شده با استفاده از شبکه ایجاد شده در این مطالعه، می پردازیم و پس از آن، جمع‌بندی و نتیجه‌گیری از آن، مطرح شده ‌است. <span style="font-size:10.0pt"><span style="background:whitesmoke"><span style="line-height:150%"><span new="" roman="" style="font-family:" times=""><span style="color:black">Biometric systems are an important technique for user identification in today&#39;s world, which have been welcomed due to their non-invasive nature and high resistance to forgery and fraud. Physiological and behavioral biomarkers are two main types of biometric identifiers. Behavioral identifiers, such as voice recognition, are based on human or even animal actions. Physiological biometrics, such as fingerprints and facial recognition, which have been used in our daily lives in the past years, are based on the physical characteristics of the human body. One of the various biometrics that have been investigated in studies in this field is the heart signal, which has been well used in authentication and identification systems due to its simple acquisition process compared to biomarkers such as the brain signal. In addition, there are valid databases on heart signal data, which the researchers of this issue refer to evaluate their systems. In this study, the analysis, analysis, and comparison of different authentication methods using heart signal biometrics have been studied. Also, in the following, the advantages and disadvantages of deep learning methods and models proposed in this field have been examined. In the final part, firstly, the implementation of the method presented in Fuster and Lopez&#39;s research is discussed, and then, to evaluate, we present the tests designed using the network created in this study, and after that, concluding based on the results.</span></span></span></span></span> احراز‌اصالت, سیگنال الکتروکاردیوگرام ,ECG ,یادگیری‌عمیق, شبکه های عصبی کانولوشنی, پیش پردازش سیگنال Authentication, Electrocardiogram Signal , ECG, Deep Learning, Convolutional neural networks CNN, Signal Pre-Processing 92 111 http://monadi.isc.org.ir/browse.php?a_code=A-10-142-4&slc_lang=fa&sid=1 Narges Mokhtari نرگس مختاری mokhtaari.narges@gmail.com 10031947532846001684 10031947532846001684 No Department of Telecommunication Engineering, Faculty of Electrical Engineering, Shahid Rajaee Teacher Training University (SRTTU), Tehran, Iran گروه مهندسی مخابرات، دانشکده مهندسی برق، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران Amirhossein Safari امیرحسین صفری amirhosseinsafari@iasbs.ac.ir 10031947532846001685 10031947532846001685 No Department of Computer Science and Information Technology, Institute for Advanced Studies in Basic Sciences (IASBS), Zanjan, Iran دانشکده علوم رایانه و فناوری اطلاعات، دانشگاه تحصیلات تکمیلی علوم پایه، زنجان، ایران Sadegh Sadeghi صادق صادقی s.sadeghi.khu@gmail.com 10031947532846001686 10031947532846001686 Yes Department of Mathematics, Institute for Advanced Studies in Basic Sciences, Zanjan, Iran دانشکده ریاضی، دانشگاه تحصیلات تکمیلی علوم پایه، زنجان، ایران