Abstract. Signature verification is

Abstract. Signature verification is a common task in forensic document analysis. It is one of determining
whether a questioned signature matches known signature samples. From the viewpoint of automating the
task it can be viewed as one that involves machine learning from a population of signatures. There are two
types of learning to be accomplished. In the first, the training set consists of genuines and forgeries from a
general population. In the second there are genuine signatures in a given case. The two learning tasks are
called person-independent (or general) learning and person-dependent (or special) learning. General learning
is from a population of genuine and forged signatures of several individuals, where the differences between
genuines and forgeries across all individuals are learnt. The general learning model allows a questioned
signature to be compared to a single genuine signature. In special learning, a person’s signature is learnt
from multiple samples of only that person’s signature– where within-person similarities are learnt. When a
sufficient number of samples are available, special learning performs better than general learning (5% higher
accuracy). With special learning, verification accuracy increases with the number of samples. An interactive
software implementation of signature verification involving both the learning and performance phases is described.
Keywords: machine learning, forensic signature examination, biometrics, signature verification, digital
document processing.
1 Introduction
The most common task in the field of forensic document analysis[1–5] is that of authenticating signatures.
The problem most frequently brought to a document examiner is the question relating to the authenticity of a
signature: Does this questioned signature (Q) match the known, true signatures (K) of this subject?[6] A forensic
document examiner– also known as a questioned document (QD) examiner–uses years of training in examining
signatures in making a decision in case work.
The training of a document examiner involves years of learning from signatures that are both genuine and
forged. In case-work, exemplars are usually only available for genuine signatures of a particular individual, from
which the characteristics of the genuine signature are learnt.
Algorithms for visual signature verification are considered in this paper. The performance task of signature
verification is one of determining whether a questioned signature is genuine or not. The image of a questioned
signature is matched against multiple images of known signatures (Fig. 1).
Visual signature verification is naturally formulated as a machine learning task. A program is said to exhibit
machine learning capability in performing a task if it is able to learn from exemplars, improve as the number
of exemplars increase, etc. [7]. Paralleling the learning tasks of the human questioned document examiner, the
machine learning tasks can be stated as general learning (which is person-independent) or special learning (which
is person-dependent) [8].
In the case of general learning the goal is to learn from a large population of genuine and forged signature
samples. The focus is on differentiating between genuine-genuine differences and genuine-forgery differences. The
learning problem is stated as learning a two-class classification problem where the input consists of the difference
between a pair of signatures. The verification task is performed by comparing the questioned signature against
each known signature. The general learning problem can be viewed as one where learning takes place with near
misses as counter-examples [9].
Fig. 1. Signature verification where a questioned signature(right) is matched against five knowns.
Special learning focuses on learning from genuine samples of a particular person. The focus is on learning the
differences between members of the class of genuines. The verification task is essentially a one-class problem of
determining whether the questioned signature belongs to that class or not.
There is scattered literature on automatic methods of signature verification[10–14]. Automatic methods of
writer verification– which is the task of determining whether a sample of handwriting, not necessarily a signature,
was written by a given individual– are also relevant [15]. Identification is the task of determining as to who
among a given set of individuals might have written the questioned writing. The handwriting verification and
identification tasks parallel those of biometric verification and identification for which there is a large literature.
The use of a machine learning paradigm for biometrics has been proposed recently [16].
The rest of this paper is organized as follows. Section 2 describes the processes of computing the features of a
signature and matching the features of two signatures. Section 3 describes the two methods of learning. Section 4
deals wit

Kết quả (Việt) 1:

Tóm tắt. Chữ ký xác nhận là một nhiệm vụ phổ biến trong các tài liệu pháp y phân tích. Đây là một trong xác địnhcho dù một chữ ký questioned phù hợp với mẫu chữ ký được biết đến. Từ quan điểm của tự động hoá cácnhiệm vụ đó có thể được xem như một trong đó liên quan đến máy học từ một dân số chữ ký. Đó là haiCác loại học tập để được thực hiện. Trong lần đầu tiên, các thiết lập đào tạo bao gồm genuines và giả mạo từ mộtdân số nói chung. Trong lần thứ hai không có chữ ký chính hãng trong một trường hợp nhất định. Hai nhiệm vụ học tậpđược gọi là người độc lập (hoặc tổng hợp) học tập và học phụ thuộc vào người (hoặc đặc biệt). Tổng hợp học tậptừ một dân số chính hãng và giả mạo chữ ký của một vài cá nhân, nơi mà sự khác biệt giữagenuines và giả mạo trên tất cả cá nhân được học. Tổng hợp học tập mẫu cho phép một questionedchữ ký để được so sánh với một chữ ký chính hãng duy nhất. Trong học tập đặc biệt, chữ ký của một người là học đượctừ nhiều mẫu chỉ người đó chữ ký-nơi điểm tương đồng trong người đang học. Khi mộtđủ số lượng mẫu có sẵn, đặc biệt học tập thực hiện tốt hơn so với học tập tổng quát (5% caođộ chính xác). Với học tập đặc biệt, xác minh chính xác tăng với số lượng mẫu. Một tương tácphần mềm thực hiện chữ ký xác nhận liên quan đến học tập và hiệu suất giai đoạn được mô tả.Từ khóa: Máy học tập, kiểm tra giám định chữ ký, sinh trắc học, chữ ký xác nhận, kỹ thuật sốxử lý tài liệu.1 giới thiệuCác nhiệm vụ phổ biến nhất trong lĩnh vực phân tích tài liệu pháp y [1-5] là số cá chữ ký.Vấn đề thường gặp nhất mang đến cho một giám định tài liệu là các câu hỏi liên quan đến tính xác thực của mộtchữ ký: chữ ký này questioned (Q) khớp với được biết đến, đúng chữ ký (K) của chủ đề này? [6] một pháp ytài liệu giám định-cũng được gọi là một tài liệu questioned (QĐ) giám định – sử dụng năm đào tạo trong kiểm trachữ ký trong việc đưa ra một quyết định trong trường hợp làm việc.Đào tạo giám định tài liệu liên quan đến tuổi của việc học từ chữ ký đều chính hãng vàgiả mạo. Trong trường hợp làm việc, exemplars thường chỉ có sẵn cho các chữ ký chính hãng của một cá nhân cụ thể, từmà đặc điểm của chữ ký chính hãng được học.Các thuật toán để xác minh chữ ký hình ảnh được xem trong bài báo này. Nhiệm vụ thực hiện chữ kýxác minh là một trong xác định liệu một chữ ký questioned là chính hãng hay không. Hình ảnh của một questionedchữ ký là kết hợp với hình ảnh nhiều nổi chữ ký (hình 1).Hình ảnh chữ ký xác nhận tự nhiên được xây dựng như một nhiệm vụ học tập của máy. Một chương trình được cho là triển lãmMáy học khả năng trong việc thực hiện một tác vụ nếu nó là có thể học hỏi từ exemplars, cải thiện sốexemplars tăng, vv [7]. Song song việc học tập của giám định của con người đặt câu hỏi tài liệu, cácMáy học tập nhiệm vụ có thể được nêu như là học tập tổng quát (mà là người độc lập) hoặc học (trong đó đặc biệtlà người phụ thuộc) [8].Trong trường hợp học tập chung mục đích là để học hỏi từ một dân số lớn của chính hãng và giả mạo chữ kýmẫu. Trọng tâm là khác biệt giữa sự khác biệt chính hãng chính hãng và sự khác biệt chính hãng giả mạo. Cáchọc vấn đề được nêu như học vấn đề phân loại lớp học hai nơi đầu bao gồm sự khác biệtgiữa một cặp chữ ký. Nhiệm vụ xác minh được thực hiện bằng cách so sánh chữ ký questioned chống lạimỗi chữ ký nổi tiếng. Các vấn đề học nói chung có thể được xem như là một nơi học tập diễn ra với gầnlỡ như counter-ví dụ [9].Hình 1. Chữ ký xác nhận nơi một signature(right) questioned là kết hợp với năm knowns.Học tập đặc biệt tập trung vào việc học từ chính hãng mẫu của một người cụ thể. Trọng tâm là về học tập cácsự khác biệt giữa các thành viên của lớp genuines. Nhiệm vụ xác minh là về cơ bản là một vấn đề một lớp học củaviệc xác định liệu chữ questioned thuộc về lớp đó hay không.Đó rải rác văn học về phương pháp tự động xác minh chữ ký [10-14]. Phương pháp tự độngnhà văn xác minh-đó là nhiệm vụ để xác định liệu một mẫu chữ viết tay, không nhất thiết phải là một chữ ký,được viết bởi một cá nhân – được nhất định cũng có liên quan [15]. Xác định là việc xác định là ngườitrong một tập hợp các cá nhân có thể đã viết các văn bản questioned. Kiểm tra chữ viết tay vàxác định nhiệm vụ song song sinh trắc học xác nhận và nhận dạng mà có là văn học lớn.Việc sử dụng một máy tính học tập mô hình cho sinh trắc học đã được đề xuất mới [16].Phần còn lại của bài báo này được tổ chức như sau. Phần 2 mô tả quá trình tính toán các tính năng của mộtchữ ký và kết hợp các tính năng của hai chữ ký. Phần 3 mô tả hai phương pháp học tập. Phần 4deals wit

Kết quả (Việt) 2:

Trừu tượng. Xác minh chữ ký là một nhiệm vụ chung trong phân tích tài liệu pháp y. Nó là một trong những quyết định
liệu một chữ ký hỏi phù hợp với mẫu chữ ký được biết đến. Từ quan điểm của việc tự động hóa các
nhiệm vụ có thể được xem là một trong đó bao gồm việc học máy từ một dân số chữ ký. Có hai
loại học phải được hoàn thành. Trong lần đầu tiên, tập huấn luyện gồm genuines và giả mạo từ một
dân số nói chung. Trong lần thứ hai có chữ ký chính hãng trong một trường hợp nhất định. Hai nhiệm vụ học tập được
gọi là người độc lập (hoặc tổng hợp) học tập và người phụ thuộc (hoặc đặc biệt) học tập. Học tập nói chung
là từ một dân số chữ ký thật và giả mạo của một số cá nhân, nơi mà sự khác biệt giữa
genuines và giả mạo trên tất cả các cá nhân đều được học. Mô hình học tập chung cho phép một vấn
chữ ký để được so sánh với một chữ ký chính hãng duy nhất. Trong học tập đặc biệt, chữ ký của một người được học
từ nhiều mẫu chỉ signature- của người đó ở đâu trong người giống nhau đều được học. Khi một
số lượng đủ các mẫu có sẵn, học tập đặc biệt thực hiện tốt hơn so với học tập chung (cao hơn 5%
chính xác). Với việc học đặc biệt, độ chính xác xác minh tăng lên cùng với số lượng mẫu. Một tương tác
phần mềm thực hiện xác minh chữ ký liên quan đến cả các giai đoạn học tập và thực hiện được mô tả.
Từ khóa: máy học tập, kiểm tra chữ ký pháp y, sinh trắc học, xác minh chữ ký kỹ thuật số
. Xử lý văn bản
1 Giới thiệu
Nhiệm vụ phổ biến nhất trong các lĩnh vực phân tích tài liệu pháp y [1 -5] là chữ ký chứng thực.
các vấn đề thường xuyên nhất đưa đến một giám khảo tài liệu là câu hỏi liên quan đến tính xác thực của một
chữ ký: có chữ ký này đặt câu hỏi (Q) phù hợp với, chữ ký thật sự được biết đến (K) của chủ đề này [? 6] một pháp y
tài liệu examiner- cũng được biết đến như một tài liệu đặt câu hỏi (QĐ) giám-sử dụng năm đào tạo trong việc kiểm tra
chữ ký trong việc đưa ra một quyết định trong trường hợp công việc.
việc đào tạo của một giám khảo tài liệu liên quan đến năm học từ chữ ký mà là cả hai chính hãng và
giả mạo. Trong trường hợp làm việc, hình mẫu thường chỉ có sẵn cho chữ ký chính hãng của một cá nhân cụ thể, từ
đó các đặc điểm của chữ ký chính hãng được học.
Các thuật toán để xác minh chữ ký trực quan được xem xét trong bài báo này. Nhiệm vụ thực hiện chữ ký
xác minh là một trong những quyết định việc một chữ ký được hỏi là chính hãng hay không. Những hình ảnh của một vấn
chữ ký là lần xuất hiện với nhiều hình ảnh của dấu hiệu đã biết (Hình. 1).
Xác minh trực quan chữ ký là tự nhiên được xây dựng như một nhiệm vụ học máy. Một chương trình được cho là để triển lãm
năng lực học máy thực hiện công việc nếu nó có thể học hỏi từ những hình mẫu, cải thiện khi số lượng
các hình mẫu tăng, vv [7]. Song song với nhiệm vụ học tập của con người được hỏi giám định tài liệu, các
nhiệm vụ học máy có thể được nêu như học tập chung (là người độc lập) hoặc học tập đặc biệt (mà
là người phụ thuộc) [8].
Trong trường hợp chung học tập mục tiêu là học hỏi từ một số lượng lớn những chữ ký chính hãng và giả mạo
mẫu. Việc tập trung vào sự khác biệt giữa những khác biệt chính hãng chính hãng và sự khác biệt chính hãng giả mạo. Các
vấn đề học tập được nêu như việc học một vấn đề phân loại hai lớp học, nơi các đầu vào bao gồm sự khác biệt
giữa một cặp chữ ký. Các nhiệm vụ xác minh được thực hiện bằng cách so sánh chữ ký chất vấn đối với
mỗi chữ ký được biết đến. Các vấn đề học tập nói chung có thể được xem như là một trong những nơi học tập diễn ra với gần
miss như phản ví dụ [9].
Hình. 1. Chữ ký xác minh nơi một chữ ký đặt câu hỏi (phải) là lần xuất hiện chống năm knowns.
Học tập đặc biệt tập trung vào việc học từ mẫu chính hãng của một người cụ thể. Việc tập trung vào việc học các
sự khác biệt giữa các thành viên của lớp genuines. Các nhiệm vụ xác minh cơ bản là một bài toán một lớp
xác định chữ ký hỏi thuộc về lớp đó hay không.
Có tài liệu nằm rải rác trên các phương pháp tự động xác minh chữ ký [10-14]. Phương pháp tự động của
nhà văn verification- đó là nhiệm vụ xác định liệu một mẫu chữ viết tay, không nhất thiết là một chữ ký,
đã được viết bởi một individual- nhất định cũng có liên quan [15]. Xác định là nhiệm vụ xác định là để những người
trong một tập hợp các cá nhân có thể được viết bằng văn bản chất vấn. Việc xác minh chữ viết tay và
các nhiệm vụ xác định song song những người xác minh sinh trắc học và thẻ nhận diện cho đó có là một tài liệu rất lớn.
Việc sử dụng một mô hình máy tính học tập cho sinh trắc học đã được đề xuất gần đây [16].
Phần còn lại của bài viết này được tổ chức như sau. Phần 2 mô tả các quá trình tính toán các tính năng của một
chữ ký và phù hợp với các tính năng của hai chữ ký. Phần 3 mô tả hai phương pháp học tập. Phần 4
giao dịch wit