Данная работа посвящена изучению существующих методов верификации подписи, а также увеличению робастности моделей машинного обучения, путем внесения возмущений в обучающие данные. Задачи, которые решались в ходе исследования: 1. Обзор существующих подходов верификации подписи 2. Исследование актуальных методов верификации подписи 3. Разработка сиамской нейронной сети для отличия оригинала подписи от подделки 4. Сбор новых данных 5. Разработка сиамской нейронной сети для отличия оригинала подписи от подделки на новых данных 6. Анализ результатов, сравнение эффективности алгоритмов 7. Обобщение результатов исследования и выводы В результате проделанной работы была разработана сиамская нейронная сеть, обученная на возмущенных данных, которая показала результаты лучше, чем та же самая нейронная сеть, обученная на обычных данных. Были проведены тестирования работоспособности сети. Для определения улучшений в качестве предсказаний были представлены графики сравнения.

This work is devoted to the study of existing methods of verification of the signature, and increasing the robustness of machine learning models, by making perturbations in the training data. Tasks that were solved during the study: 1. Review of existing signature verification approaches 2. Research of actual signature verification methods 3. Development of a Siamese neural network to distinguish an original signature from a forgery 4. Collection of new data 5. Developing a Siamese neural network to distinguish the original signature from the forgery on a new data 6. Analysis of results, comparison of algorithm performance 7. Summary of research results and conclusions As a result of the work done, a Siamese neural network trained on perturbed data was developed, which showed better results than the same neural network trained on normal data. Performance tests were conducted on the network. Comparison graphs were presented to determine the improvements in the quality of the predictions.