Andrey Borzenko
เพื่อระบุตัวผู้ถูกคุมขัง
มันก็เพียงพอแล้วสำหรับตำรวจ
แค่มองเข้าไปในดวงตาของเขา
จากหนังสือพิมพ์
เมื่อเครือข่ายคอมพิวเตอร์วิวัฒนาการและพื้นที่ของระบบอัตโนมัติขยายตัวมูลค่าของข้อมูลก็เพิ่มขึ้นอย่างต่อเนื่อง ความลับของรัฐความรู้เทคโนโลยีชั้นสูงความลับทางการค้ากฎหมายและการแพทย์กำลังได้รับความเชื่อถือมากขึ้นจากคอมพิวเตอร์ซึ่งโดยปกติจะเชื่อมต่อกับเครือข่ายท้องถิ่นและองค์กร ความนิยมของอินเทอร์เน็ตทั่วโลกในด้านหนึ่งเปิดโอกาสมหาศาลสำหรับอีคอมเมิร์ซ แต่ในทางกลับกันสร้างความต้องการเครื่องมือรักษาความปลอดภัยที่เชื่อถือได้มากขึ้นเพื่อปกป้องข้อมูลขององค์กรจากการเข้าถึงจากภายนอก ในปัจจุบันมี บริษัท จำนวนมากขึ้นที่ต้องเผชิญกับความต้องการในการป้องกันการเข้าถึงระบบของพวกเขาโดยไม่ได้รับอนุญาตและป้องกันการทำธุรกรรมในธุรกิจอิเล็กทรอนิกส์
เกือบจะถึงปลาย 90s วิธีหลักในการทำให้ผู้ใช้เป็นตัวตนคือระบุชื่อเครือข่ายและรหัสผ่านของเขา ในความเป็นธรรมควรสังเกตว่าวิธีการนี้ยังคงปฏิบัติตามในหลายสถาบันและองค์กร อันตรายที่เกี่ยวข้องกับการใช้รหัสผ่านเป็นที่รู้จักกันดี: รหัสผ่านจะถูกลืมเก็บไว้ในสถานที่ที่ไม่ถูกต้องและในที่สุดพวกเขาก็สามารถถูกขโมย ผู้ใช้บางคนเขียนรหัสผ่านลงบนกระดาษและเก็บบันทึกย่อเหล่านี้ไว้ใกล้กับเวิร์คสเตชั่น ตามกลุ่มเทคโนโลยีสารสนเทศของหลาย บริษัท การโทรไปยังบริการสนับสนุนส่วนใหญ่เกี่ยวข้องกับรหัสผ่านที่ลืมหรือหมดอายุ
เป็นที่ทราบกันดีว่าระบบสามารถถูกหลอกได้โดยการวางตัวเป็นคนแปลกหน้า ในการทำเช่นนี้คุณเพียงแค่ต้องรู้ข้อมูลการระบุตัวตนซึ่งจากมุมมองของระบบรักษาความปลอดภัยนั้นถูกครอบครองโดยบุคคลเดียว ผู้โจมตีซึ่งวางตัวเป็นพนักงานของ บริษัท ได้รับการกำจัดทรัพยากรทั้งหมดที่มีให้กับผู้ใช้รายนี้ตามอำนาจหน้าที่และหน้าที่ของเขา ผลที่ได้อาจเป็นการกระทำที่ผิดกฎหมายหลายรูปแบบตั้งแต่การโจรกรรมข้อมูลและสิ้นสุดด้วยความล้มเหลวของข้อมูลที่ซับซ้อนทั้งหมด
ผู้พัฒนาอุปกรณ์ระบุตัวตนแบบดั้งเดิมต้องเผชิญกับข้อเท็จจริงที่ว่าวิธีการมาตรฐานส่วนใหญ่ล้าสมัยแล้ว โดยเฉพาะอย่างยิ่งปัญหาคือการแยกวิธีการควบคุมการเข้าถึงทางกายภาพและการควบคุมการเข้าถึงข้อมูลนั้นเป็นที่ยอมรับกันโดยทั่วไป แน่นอนว่าในการเข้าถึงเซิร์ฟเวอร์บางครั้งก็ไม่จำเป็นต้องเข้าไปในห้องที่ตั้ง เหตุผลนี้เป็นแนวคิดของการคำนวณแบบกระจายที่ครอบคลุมโดยรวมทั้งเทคโนโลยีไคลเอนต์ - เซิร์ฟเวอร์และอินเทอร์เน็ต ในการแก้ปัญหานี้จำเป็นต้องใช้วิธีการใหม่ที่มีพื้นฐานมาจากอุดมการณ์ใหม่ การศึกษาแสดงให้เห็นว่าความเสียหายในกรณีของการเข้าถึงข้อมูล บริษัท โดยไม่ได้รับอนุญาตอาจมีมูลค่าหลายล้านดอลลาร์
มีวิธีออกจากสถานการณ์นี้หรือไม่? ปรากฎว่ามีและเป็นเวลานาน เพียงเพื่อเข้าถึงระบบที่คุณต้องใช้วิธีการระบุตัวตนที่ไม่ทำงานแยกจากสื่อของพวกเขา คุณสมบัติทางชีวภาพของร่างกายมนุษย์ตรงตามข้อกำหนดนี้ เทคโนโลยีไบโอเมตริกซ์ที่ทันสมัยช่วยให้สามารถระบุบุคคลตามลักษณะทางสรีรวิทยาและจิตวิทยา โดยวิธีการที่มนุษย์ได้รู้จักชีวภาพเป็นเวลานาน - แม้แต่ชาวอียิปต์โบราณใช้บัตรประจำตัวตามความสูง
ความรู้พื้นฐานของการระบุทางชีวภาพ
เป้าหมายหลักของการระบุตัวบุคคลไบโอเมตริกซ์คือการสร้างระบบการลงทะเบียนที่ไม่ค่อยจะปฏิเสธการเข้าถึงผู้ใช้ที่ถูกกฎหมายและในเวลาเดียวกันก็ยกเว้นการเข้าถึงที่เก็บข้อมูลคอมพิวเตอร์โดยไม่ได้รับอนุญาต เมื่อเทียบกับรหัสผ่านและการ์ดระบบดังกล่าวให้การป้องกันที่เชื่อถือได้มากกว่า: คุณไม่สามารถลืมหรือสูญเสียร่างกายของคุณเอง การรับรู้ไบโอเมตริกซ์ของวัตถุจะขึ้นอยู่กับการเปรียบเทียบลักษณะทางสรีรวิทยาหรือจิตวิทยาของวัตถุนี้ที่มีลักษณะของมันเก็บไว้ในฐานข้อมูลของระบบ กระบวนการที่คล้ายกันเกิดขึ้นในสมองของมนุษย์อย่างต่อเนื่องทำให้คุณสามารถจดจำคนที่คุณรักและแยกแยะพวกเขาออกจากคนแปลกหน้า
เทคโนโลยีไบโอเมตริกซ์สามารถแบ่งออกเป็นสองประเภทกว้าง ๆ คือ - สรีรวิทยาและจิตวิทยา (พฤติกรรม) ในกรณีแรกสัญญาณเช่นใบหน้า, โครงสร้างของตา (เรตินาหรือม่านตา), พารามิเตอร์นิ้ว (เส้น papillary, บรรเทา, ความยาวข้อต่อ, ฯลฯ ), ปาล์ม (สำนักพิมพ์หรือภูมิประเทศ), รูปร่างมือ, รูปแบบหลอดเลือดดำมีการวิเคราะห์ บนข้อมือหรือภาพความร้อน ลักษณะทางจิตวิทยาเป็นเสียงของบุคคลคุณสมบัติของลายเซ็นพารามิเตอร์แบบไดนามิกของการเขียนและคุณสมบัติของการป้อนข้อความจากแป้นพิมพ์
การเลือกวิธีการที่เหมาะสมที่สุดในสถานการณ์ที่กำหนดนั้นขึ้นอยู่กับปัจจัยหลายประการ เทคโนโลยีที่เสนอแตกต่างกันในประสิทธิภาพและค่าใช้จ่ายของพวกเขาในกรณีส่วนใหญ่เป็นสัดส่วนโดยตรงกับระดับของความน่าเชื่อถือ ดังนั้นการใช้อุปกรณ์พิเศษบางครั้งเพิ่มค่าใช้จ่ายของแต่ละสถานที่ทำงานหลายพันดอลลาร์
ลักษณะทางสรีรวิทยาเช่นรูปแบบนิ้วมือ papillary เรขาคณิตปาล์มหรือรูปแบบม่านตา (แบบจำลอง) เป็นลักษณะทางกายภาพคงที่ของบุคคล การวัดแบบนี้ (การทวนสอบ) ไม่มีการเปลี่ยนแปลงในทางปฏิบัติเช่นเดียวกับลักษณะทางสรีรวิทยา ลักษณะพฤติกรรมเช่นลายมือลายมือเสียงหรือคีย์บอร์ดมีอิทธิพลจากการกระทำที่ควบคุมและปัจจัยทางจิตวิทยาที่ควบคุมน้อยกว่า เนื่องจากลักษณะพฤติกรรมอาจมีการเปลี่ยนแปลงเมื่อเวลาผ่านไปตัวอย่างไบโอเมตริกซ์ที่ลงทะเบียนจะต้องอัปเดตทุกครั้งที่ใช้ พฤติกรรมทางชีวภาพนั้นมีราคาถูกและก่อให้เกิดภัยคุกคามต่อผู้ใช้น้อยกว่า แต่การระบุตัวบุคคลโดยลักษณะทางสรีรวิทยามีความแม่นยำและให้ความปลอดภัยมากขึ้น ไม่ว่าในกรณีใดวิธีการทั้งสองให้ระดับการระบุที่สูงกว่ารหัสผ่านหรือการ์ดอย่างมีนัยสำคัญ
มันเป็นสิ่งสำคัญที่จะต้องทราบว่าวิธีการตรวจสอบทางชีวภาพทั้งหมดในรูปแบบเดียวหรืออื่นใช้คุณสมบัติทางสถิติของคุณสมบัติบางอย่างของแต่ละบุคคล ซึ่งหมายความว่าผลลัพธ์ของการประยุกต์ใช้ของพวกเขาน่าจะเป็นในลักษณะและจะแตกต่างกันเป็นครั้งคราว นอกจากนี้เงินทั้งหมดดังกล่าวจะไม่ได้รับการยกเว้นจากข้อผิดพลาด มีข้อผิดพลาดสองประเภท: การปฏิเสธที่ผิดพลาด (ไม่รู้จักตัวเอง) และการยอมรับผิด (พลาดคนอื่น) ฉันต้องบอกว่าทฤษฎีความน่าจะเป็นในหัวข้อนี้ได้รับการศึกษามาอย่างดีตั้งแต่การพัฒนาเรดาร์ ผลกระทบของข้อผิดพลาดในกระบวนการรับรองความถูกต้องถูกประเมินโดยการเปรียบเทียบความน่าจะเป็นเฉลี่ยของการปฏิเสธที่ผิดพลาดและการยอมรับที่ผิดพลาดตามลำดับ จากการฝึกฝนแสดงให้เห็นว่าความน่าจะเป็นสองอย่างนี้มีความสัมพันธ์กันในทางตรงกันข้ามนั่นคือ เมื่อคุณพยายามควบคุมให้เข้มงวดจะเป็นการเพิ่มโอกาสในการไม่ให้ระบบของคุณเข้ามาและในทางกลับกัน ดังนั้นในแต่ละกรณีมีความจำเป็นต้องหาวิธีประนีประนอม อย่างไรก็ตามถึงแม้จะมีการประเมินในแง่ร้ายมากที่สุดของผู้เชี่ยวชาญ แต่ก็ยังได้รับประโยชน์จากการเปรียบเทียบทั้งหมดเนื่องจากมีความน่าเชื่อถือมากกว่าวิธีการตรวจสอบความถูกต้องอื่น ๆ
นอกจากประสิทธิภาพและค่าใช้จ่ายแล้ว บริษัท ควรพิจารณาการตอบสนองของพนักงานต่อไบโอเมตริก ระบบในอุดมคติควรใช้งานง่ายรวดเร็วไม่สร้างความรำคาญสะดวกสบายและเป็นที่ยอมรับของสังคม อย่างไรก็ตามไม่มีอะไรที่สมบูรณ์แบบในธรรมชาติและแต่ละเทคโนโลยีที่พัฒนาขึ้นนั้นมีคุณสมบัติตรงตามข้อกำหนดทั้งหมดเท่านั้น แต่ถึงแม้จะเป็นวิธีที่ไม่สะดวกและไม่เป็นที่นิยมมากที่สุด (ตัวอย่างเช่นการระบุจอประสาทตาซึ่งผู้ใช้พยายามอย่างเต็มที่เพื่อหลีกเลี่ยงการปกป้องดวงตาของพวกเขา) ก็ยังก่อให้เกิดประโยชน์กับนายจ้างอย่างไม่ต้องสงสัย
การพัฒนาอุปกรณ์ไบโอเมตริกซ์ไปในหลายทิศทาง แต่คุณสมบัติทั่วไปสำหรับพวกเขาคือระดับของความปลอดภัยที่ไม่มีใครเทียบได้ในปัจจุบันการขาดข้อบกพร่องแบบดั้งเดิมของระบบความปลอดภัยของรหัสผ่านและการ์ดและความน่าเชื่อถือสูง ความสำเร็จของเทคโนโลยีไบโอเมตริกซ์นั้นส่วนใหญ่เกี่ยวข้องกับองค์กรที่ได้รับการแนะนำในลักษณะที่กำหนดเช่นเพื่อควบคุมการเข้าถึงพื้นที่คุ้มครองหรือเพื่อระบุบุคคลที่ดึงดูดความสนใจจากหน่วยงานบังคับใช้กฎหมาย ดูเหมือนว่าผู้ใช้องค์กรจะไม่ได้ตระหนักถึงศักยภาพของไบโอเมตริกอย่างเต็มที่ บ่อยครั้งที่ผู้จัดการของ บริษัท ไม่เสี่ยงต่อการปรับใช้ระบบไบโอเมตริกซ์ที่บ้านเพราะกลัวว่าอาจเกิดความไม่ถูกต้องในการวัดผู้ใช้จะถูกปฏิเสธการเข้าถึงที่พวกเขามีสิทธิ์ อย่างไรก็ตามเทคโนโลยีใหม่ ๆ กำลังบุกตลาดองค์กรมากขึ้น วันนี้มีไซต์คอมพิวเตอร์สถานที่เก็บรักษาห้องปฏิบัติการวิจัยธนาคารเลือดตู้เอทีเอ็มสถานที่ปฏิบัติงานทางทหารการเข้าถึงซึ่งควบคุมโดยอุปกรณ์ที่สแกนลักษณะทางสรีรวิทยาหรือพฤติกรรมของแต่ละบุคคล
วิธีการรับรองความถูกต้อง
ดังที่คุณทราบการรับรองความถูกต้องเกี่ยวข้องกับการตรวจสอบความถูกต้องของเรื่องซึ่งโดยหลักการแล้วไม่เพียง แต่เป็นบุคคล แต่ยังรวมถึงกระบวนการซอฟต์แวร์ โดยทั่วไปแล้วการรับรองความถูกต้องของบุคคลนั้นสามารถทำได้โดยการนำเสนอข้อมูลที่เก็บไว้ในรูปแบบต่างๆ มันอาจจะเป็น:
- รหัสผ่านหมายเลขส่วนตัวรหัสลับที่อยู่เครือข่ายของคอมพิวเตอร์ในเครือข่าย
- สมาร์ทการ์ดกุญแจอิเล็กทรอนิกส์
- ลักษณะเสียงภาพวาดของม่านตาลายนิ้วมือและลักษณะไบโอเมตริกซ์อื่น ๆ ของผู้ใช้
การรับรองความถูกต้องช่วยให้คุณสามารถแยกแยะสิทธิ์การเข้าถึงข้อมูลที่มีการใช้งานทั่วไปอย่างสมเหตุสมผลและน่าเชื่อถือ อย่างไรก็ตามในทางกลับกันปัญหาเกิดขึ้นจากการรับรองความถูกต้องและความน่าเชื่อถือของข้อมูลนี้ ผู้ใช้จะต้องแน่ใจว่าเขาได้รับการเข้าถึงข้อมูลจากแหล่งที่เชื่อถือได้และว่าข้อมูลนี้ยังไม่ได้รับการแก้ไขโดยไม่มีการลงโทษที่เหมาะสม
การค้นหาการแข่งขันแบบหนึ่งต่อหนึ่ง (โดยหนึ่งคุณลักษณะ) เรียกว่าการตรวจสอบ วิธีการนี้มีความโดดเด่นด้วยความเร็วสูงและกำหนดความต้องการพลังงานการคำนวณของคอมพิวเตอร์ให้น้อยที่สุด แต่การค้นหา "หนึ่งต่อหลายคน" เรียกว่าการระบุตัวตน การใช้อัลกอริทึมดังกล่าวมักจะไม่เพียง แต่ยาก แต่ยังมีราคาแพง ทุกวันนี้อุปกรณ์ไบโอเมตริกซ์กำลังเข้าสู่ตลาดที่ใช้ลักษณะเฉพาะของบุคคลเช่นลายนิ้วมือใบหน้าใบหน้าม่านตาและม่านตารูปร่างปาล์มเสียงพูดและลายเซ็นเพื่อตรวจสอบและระบุผู้ใช้คอมพิวเตอร์ ในขั้นตอนของการทดสอบและดำเนินการทดลองเป็นระบบที่อนุญาตให้ผู้ใช้ตรวจสอบความร้อนของใบหน้ารูปแบบของหลอดเลือดในมือกลิ่นตัวอุณหภูมิผิวและแม้แต่รูปร่างของหู
ระบบไบโอเมตริกซ์ใด ๆ ช่วยให้คุณรับรู้รูปแบบบางอย่างและสร้างความถูกต้องของลักษณะทางสรีรวิทยาหรือพฤติกรรมเฉพาะของผู้ใช้ ระบบไบโอเมตริกซ์แบบลอจิคัลสามารถแบ่งออกเป็นสองโมดูล: โมดูลการลงทะเบียนและโมดูลการระบุ คนแรกมีหน้าที่สอนระบบเพื่อระบุบุคคลที่เฉพาะเจาะจง ในขั้นตอนการลงทะเบียนเซ็นเซอร์ไบโอเมตริกซ์จะสแกนลักษณะทางสรีรวิทยาหรือพฤติกรรมที่จำเป็นของบุคคลและสร้างการแสดงแบบดิจิทัล โมดูลพิเศษประมวลผลการเป็นตัวแทนนี้เพื่อเน้นคุณสมบัติลักษณะและสร้างการแสดงที่กะทัดรัดและแสดงออกมากขึ้นเรียกว่าเทมเพลต สำหรับภาพใบหน้าคุณสมบัติที่เป็นลักษณะดังกล่าวอาจเป็นขนาดและตำแหน่งสัมพัทธ์ของดวงตาจมูกและปาก เทมเพลตสำหรับผู้ใช้แต่ละรายจะถูกเก็บไว้ในฐานข้อมูลของระบบไบโอเมตริกซ์
โมดูลการระบุมีหน้าที่ในการรู้จักบุคคล ในขั้นตอนของการระบุตัวเซ็นเซอร์ไบโอเมตริกซ์จะใช้คุณสมบัติของบุคคลที่ต้องระบุและแปลงคุณสมบัติเหล่านี้ให้อยู่ในรูปแบบดิจิตอลเดียวกับที่เก็บแม่แบบไว้ เทมเพลตที่ได้จะถูกเปรียบเทียบกับเทมเพลตที่จัดเก็บเพื่อตรวจสอบว่าเทมเพลตเหล่านี้ตรงกันหรือไม่
ตัวอย่างเช่นใน Microsoft Windows วัตถุสองรายการจำเป็นสำหรับการตรวจสอบผู้ใช้ - ชื่อผู้ใช้และรหัสผ่าน เมื่อใช้ลายนิ้วมือในระหว่างการตรวจสอบความถูกต้องชื่อผู้ใช้จะถูกป้อนสำหรับการลงทะเบียนและลายนิ้วมือจะแทนที่รหัสผ่าน (รูปที่ 1) เทคโนโลยีนี้ใช้ชื่อผู้ใช้เป็นตัวชี้เพื่อรับบัญชีผู้ใช้และตรวจสอบการติดต่อแบบหนึ่งต่อหนึ่งระหว่างการอ่านลายนิ้วมือระหว่างการลงทะเบียนและเทมเพลตที่บันทึกไว้ก่อนหน้านี้สำหรับชื่อผู้ใช้นี้ ในกรณีที่สองแม่แบบลายนิ้วมือที่ป้อนระหว่างการลงทะเบียนจะต้องเปรียบเทียบกับชุดของแม่แบบที่บันทึกไว้ทั้งหมด
เมื่อเลือกวิธีการรับรองความถูกต้องคุณควรคำนึงถึงปัจจัยสำคัญหลายประการ:
- คุณค่าของข้อมูล
- ต้นทุนการตรวจสอบฮาร์ดแวร์และซอฟต์แวร์
- ประสิทธิภาพของระบบ
- ทัศนคติของผู้ใช้ต่อวิธีการรับรองความถูกต้องที่ใช้
- ความจำเพาะ (วัตถุประสงค์) ของคอมเพล็กซ์ข้อมูลที่มีการป้องกัน
เห็นได้ชัดว่าต้นทุนและคุณภาพและความน่าเชื่อถือของเครื่องมือการรับรองความถูกต้องควรเกี่ยวข้องโดยตรงกับความสำคัญของข้อมูล นอกจากนี้การเพิ่มผลิตผลของคอมเพล็กซ์ตามกฎก็มาพร้อมกับความชื่นชม
ลายนิ้วมือ
ในปีที่ผ่านมากระบวนการระบุลายนิ้วมือได้รับความสนใจเป็นเทคโนโลยีไบโอเมตริกซ์ซึ่งมีแนวโน้มที่จะใช้กันอย่างแพร่หลายในอนาคต จากข้อมูลของการ์ตเนอร์กรุ๊ป (http://www.gartnergroup.com) เทคโนโลยีนี้ครองตลาดองค์กรและในอนาคตอันใกล้จะสามารถแข่งขันได้กับเทคโนโลยีจดจำม่านตาเท่านั้น
รัฐบาลและองค์กรประชาสังคมทั่วโลกใช้ลายนิ้วมือเป็นวิธีหลักในการระบุตัวตนของพวกเขามานานแล้ว นอกจากนี้ลายนิ้วมือยังเป็นคุณสมบัติไบโอเมตริกซ์ที่แม่นยำใช้งานง่ายและประหยัดที่สุดสำหรับใช้ในระบบการระบุคอมพิวเตอร์ ตัวอย่างเช่นเทคโนโลยีนี้ในสหรัฐอเมริกาถูกใช้โดยแผนกยานพาหนะของหน่วยงานรัฐหลายแห่ง, MasterCard, FBI, หน่วยสืบราชการลับ, สำนักงานความมั่นคงแห่งชาติ, กระทรวงการคลังและกลาโหมเป็นต้น ด้วยการกำจัดความต้องการรหัสผ่านสำหรับผู้ใช้เทคโนโลยีการจดจำลายนิ้วมือจะลดจำนวนการโทรเพื่อสนับสนุนและลดค่าใช้จ่ายในการดูแลเครือข่าย
โดยทั่วไประบบจดจำลายนิ้วมือแบ่งออกเป็นสองประเภท: สำหรับการระบุ - AFIS (ระบบระบุลายนิ้วมืออัตโนมัติ) และสำหรับการตรวจสอบ ในกรณีแรกลายนิ้วมือทั้งสิบจะถูกใช้ ระบบดังกล่าวมีการใช้กันอย่างแพร่หลายในศาล อุปกรณ์ตรวจสอบมักจะทำงานด้วยข้อมูลเกี่ยวกับการพิมพ์ของหนึ่งนิ้วน้อยกว่าหลายนิ้ว อุปกรณ์สแกนมักจะมีสามประเภท: ออปติคัลอัลตราโซนิกและใช้ไมโครชิป
ข้อดีของการเข้าถึงลายนิ้วมือนั้นใช้งานง่ายสะดวกและเชื่อถือได้ มีการรู้จักอัลกอริธึมการรู้จำลายนิ้วมือสองขั้นพื้นฐาน: สำหรับรายละเอียดส่วนบุคคล (ลักษณะเฉพาะจุด) และเพื่อบรรเทาพื้นผิวทั้งหมดของนิ้ว ในกรณีแรกอุปกรณ์ลงทะเบียนเฉพาะบางพื้นที่ที่ไม่ซ้ำกับลายนิ้วมือโดยเฉพาะและกำหนดตำแหน่งที่สัมพันธ์กัน ในกรณีที่สองรูปภาพของการพิมพ์ทั้งหมดจะถูกประมวลผล ในระบบที่ทันสมัยการรวมกันของสองวิธีนี้กำลังถูกใช้มากขึ้นเรื่อย ๆ นี่เป็นการหลีกเลี่ยงข้อเสียของทั้งคู่และช่วยเพิ่มความน่าเชื่อถือของการระบุตัวตน การลงทะเบียนลายนิ้วมือของบุคคลพร้อมกันบนเครื่องสแกนออปติคัลต้องใช้เวลาเล็กน้อย กล้อง CCD ขนาดเล็กที่ทำขึ้นเป็นอุปกรณ์แบบสแตนด์อโลนหรือติดตั้งไว้ในแป้นพิมพ์จะใช้ลายนิ้วมือ จากนั้นใช้อัลกอริธึมพิเศษภาพที่ได้จะถูกแปลงเป็น "แม่แบบ" ที่ไม่เหมือนใคร - แผนที่ของ microdots ลายนิ้วมือซึ่งถูกกำหนดโดยตัวแบ่งและจุดตัดของเส้นในนั้น เทมเพลตนี้ (และไม่ใช่ลายนิ้วมือ) ถูกเข้ารหัสและเขียนลงในฐานข้อมูลเพื่อตรวจสอบความถูกต้องของผู้ใช้เครือข่าย เทมเพลตเดียวเก็บจาก microdots หลายสิบถึงหลายร้อย ในเวลาเดียวกันผู้ใช้ไม่สามารถกังวลเกี่ยวกับการขัดขืนไม่ได้ของชีวิตส่วนตัวของพวกเขาเนื่องจากลายนิ้วมือตัวเองไม่ได้บันทึกและไม่สามารถสร้างขึ้นใหม่โดย microdots
ข้อดีของการสแกนอัลตร้าซาวด์คือความสามารถในการกำหนดลักษณะที่ต้องการบนนิ้วมือที่สกปรกและแม้กระทั่งผ่านถุงมือยางบาง ๆ เป็นที่น่าสังเกตว่าระบบรู้จำที่ทันสมัยไม่สามารถถูกหลอกได้ด้วยนิ้วที่เพิ่งสับใหม่ (ไมโครชิปวัดค่าพารามิเตอร์ทางกายภาพของผิวหนัง) การพัฒนาระบบดังกล่าวเกี่ยวข้องกับผู้ผลิตมากกว่า 50 ราย
การใช้ลายนิ้วมือเพื่อระบุตัวบุคคลเป็นวิธีที่สะดวกที่สุดในการตรวจสอบทางชีวภาพทั้งหมด ความน่าจะเป็นของข้อผิดพลาดในการระบุผู้ใช้นั้นน้อยกว่ามากเมื่อเปรียบเทียบกับวิธีการตรวจสอบทางชีวภาพอื่น ๆ คุณภาพของการจดจำลายนิ้วมือและความเป็นไปได้ของการประมวลผลที่ถูกต้องโดยอัลกอริทึมนั้นขึ้นอยู่กับสถานะของพื้นผิวของนิ้วมือและตำแหน่งที่สัมพันธ์กับองค์ประกอบการสแกน ระบบที่ต่างกันมีข้อกำหนดที่แตกต่างกันสำหรับพารามิเตอร์ทั้งสองนี้ ลักษณะของข้อกำหนดขึ้นอยู่กับอัลกอริทึมที่ใช้ ยกตัวอย่างเช่นการรับรู้ตามลักษณะเฉพาะจะให้ระดับเสียงรบกวนที่รุนแรงเมื่อพื้นผิวของนิ้วไม่ดี การรับรู้ทั่วทั้งพื้นผิวนั้นปราศจากข้อเสียเปรียบนี้ แต่มันต้องการตำแหน่งที่แม่นยำมากของนิ้วบนองค์ประกอบการสแกน อุปกรณ์ระบุลายนิ้วมือ (สแกนเนอร์, รูปที่ 2) ไม่ต้องการพื้นที่มากและสามารถติดตั้งในอุปกรณ์ชี้ตำแหน่ง (เมาส์) หรือแป้นพิมพ์
รูปหน้าเรขาคณิต
การระบุตัวบุคคลโดยใบหน้าในชีวิตปกติโดยไม่ต้องสงสัยเป็นวิธีการรับรู้ที่พบบ่อยที่สุด สำหรับการนำไปใช้ทางเทคนิคมันเป็นงานที่ซับซ้อนมากขึ้น (จากมุมมองทางคณิตศาสตร์) มากกว่าการจดจำลายนิ้วมือและนอกจากนี้ยังต้องใช้อุปกรณ์ที่มีราคาแพงกว่า (คุณต้องมีวิดีโอหรือกล้องดิจิทัลและการ์ดจับภาพวิดีโอ) วิธีนี้มีข้อดีที่สำคัญอย่างหนึ่ง: ใช้หน่วยความจำน้อยมากในการจัดเก็บข้อมูลเกี่ยวกับตัวอย่างหนึ่งของแม่แบบการระบุ และเพราะเมื่อมันปรากฏออกมาใบหน้ามนุษย์สามารถ "แยกส่วน" ออกเป็นส่วนเล็ก ๆ ที่ไม่เปลี่ยนแปลงในทุกคน ตัวอย่างเช่นในการคำนวณเทมเพลตที่ไม่ซ้ำกันซึ่งสอดคล้องกับบุคคลที่เฉพาะเจาะจงจำเป็นต้องมีเฉพาะส่วนของคุณลักษณะ 12 ถึง 40
โดยทั่วไปแล้วกล้องจะติดตั้งที่ระยะทางหลายสิบเซนติเมตรจากวัตถุ เมื่อได้รับภาพแล้วระบบจะวิเคราะห์พารามิเตอร์ต่างๆของใบหน้า (เช่นระยะห่างระหว่างตากับจมูก) อัลกอริธึมส่วนใหญ่ทำให้สามารถชดเชยการมีแว่นตาหมวกและหนวดเคราในแต่ละบุคคลภายใต้การศึกษา มักใช้การสแกนใบหน้าของอินฟราเรดเพื่อจุดประสงค์นี้ มันจะไร้เดียงสาที่จะสมมติว่าระบบดังกล่าวให้ผลลัพธ์ที่แม่นยำมาก อย่างไรก็ตามในหลาย ๆ ประเทศพวกเขาค่อนข้างประสบความสำเร็จในการตรวจสอบพนักงานเก็บเงินและผู้ใช้งานตู้เซฟรับฝาก
เรขาคณิตมือ
พร้อมกับระบบสำหรับการประเมินรูปทรงใบหน้ามีอุปกรณ์สำหรับการรับรู้โครงร่างของฝ่ามือของมือ ในกรณีนี้มีการประเมินลักษณะที่แตกต่างกันมากกว่า 90 รายการรวมถึงขนาดของฝ่ามือ (สามมิติ) ความยาวและความกว้างของนิ้วรูปร่างของข้อต่อ ฯลฯ ปัจจุบันการระบุผู้ใช้ด้วยมือเรขาคณิตใช้ในหน่วยงานนิติบัญญัติสนามบินนานาชาติโรงพยาบาลบริการตรวจคนเข้าเมือง ฯลฯ ข้อดีของการระบุรูปทรงเรขาคณิตของปาล์มนั้นเปรียบได้กับข้อดีของการระบุลายนิ้วมือในแง่ของความน่าเชื่อถือแม้ว่าเครื่องอ่านปาล์มจะใช้พื้นที่มากขึ้น
ม่านตา
การรู้จำที่เชื่อถือได้ค่อนข้างมีให้โดยระบบที่วิเคราะห์รูปแบบของม่านตาของดวงตามนุษย์ ความจริงก็คือลักษณะนี้ค่อนข้างคงที่ไม่เปลี่ยนแปลงตลอดอายุการใช้งานของบุคคลและมีภูมิคุ้มกันต่อมลภาวะและบาดแผล เรายังทราบด้วยว่าม่านตาของตาขวาและซ้ายในภาพวาดนั้นแตกต่างกันอย่างมีนัยสำคัญ
มักจะแยกความแตกต่างระหว่างระบบการรับรู้ที่ใช้งานและ passive ในระบบประเภทแรกผู้ใช้จะต้องกำหนดค่ากล้องด้วยตัวเองย้ายมันเพื่อการเล็งที่แม่นยำยิ่งขึ้น ระบบพาสซีฟนั้นง่ายต่อการใช้งานเนื่องจากกล้องในนั้นถูกกำหนดค่าโดยอัตโนมัติ ความน่าเชื่อถือสูงของอุปกรณ์นี้ช่วยให้สามารถใช้งานได้แม้ในสถานที่ที่ถูกต้อง
ข้อดีของสแกนเนอร์ไอริสก็คือพวกเขาไม่ต้องการให้ผู้ใช้โฟกัสไปที่เป้าหมายเพราะลายจุดบนไอริสนั้นอยู่บนพื้นผิวของดวงตา ในความเป็นจริงภาพวิดีโอของดวงตาสามารถสแกนได้แม้ในระยะทางน้อยกว่าหนึ่งเมตรทำให้สแกนเนอร์ม่านตาเหมาะสำหรับตู้เอทีเอ็ม
ม่านตา
วิธีการระบุตัวตนโดยเรตินาของตาได้รับการใช้งานจริงเมื่อไม่นานมานี้ - บางแห่งในช่วงกลางทศวรรษที่ 50 ของศตวรรษ XX ที่ผ่านมาในขณะนี้ ตอนนั้นมันถูกพิสูจน์ว่าแม้ในฝาแฝดรูปแบบของหลอดเลือดในเรตินาไม่ตรงกัน เพื่อลงทะเบียนในอุปกรณ์พิเศษก็พอที่จะมองเข้าไปในตาแมวที่กล้องเป็นเวลาน้อยกว่าหนึ่งนาที ในช่วงเวลานี้ระบบจัดการเพื่อให้ความสว่างของเรตินาและรับสัญญาณที่สะท้อนกลับ ในการสแกนจอประสาทตาจะใช้รังสีอินฟราเรดความเข้มต่ำถูกส่งผ่านรูม่านตาไปยังหลอดเลือดที่ด้านหลังของดวงตา คะแนนคุณลักษณะเริ่มต้นหลายร้อยจุดถูกดึงออกมาจากสัญญาณที่ได้รับข้อมูลที่ถูกเฉลี่ยและเก็บไว้ในไฟล์ที่เข้ารหัส ข้อเสียของระบบดังกล่าวรวมถึงปัจจัยทางจิตวิทยาอันดับแรกและสำคัญที่สุด: ไม่ใช่ทุกคนกล้าที่จะมองเข้าไปในหลุมมืดที่ไม่รู้จักซึ่งมีบางสิ่งที่ส่องเข้าตา นอกจากนี้ยังมีความจำเป็นต้องตรวจสอบตำแหน่งของตาเมื่อเทียบกับหลุมเนื่องจากระบบดังกล่าวมักจะมีความไวต่อการวางแนวที่ไม่ถูกต้องของจอประสาทตา สแกนเนอร์เรติน่าใช้กันอย่างแพร่หลายเพื่อจัดการการเข้าถึงระบบลับสุดยอดเพราะรับประกันหนึ่งในการเข้าถึงเปอร์เซ็นต์ต่ำสุดที่ถูกปฏิเสธสำหรับผู้ใช้ที่ลงทะเบียนและข้อผิดพลาดเกือบร้อยละศูนย์
เสียงและคำพูด
บริษัท หลายแห่งเปิดตัวซอฟต์แวร์ที่สามารถระบุตัวบุคคลด้วยเสียง ที่นี่มีการประเมินพารามิเตอร์เช่น pitch, modulation, intonation และอื่น ๆ แตกต่างจากการรับรู้ลักษณะที่ปรากฏวิธีนี้ไม่จำเป็นต้องใช้อุปกรณ์ราคาแพง - เพียงแค่การ์ดเสียงและไมโครโฟน
การระบุด้วยเสียงเป็นวิธีที่สะดวก แต่ไม่น่าเชื่อถือเท่ากับวิธีตรวจสอบทางชีวภาพอื่น ๆ ตัวอย่างเช่นคนที่เป็นหวัดอาจมีปัญหาในการใช้ระบบดังกล่าว เสียงที่เกิดขึ้นจากการรวมกันของปัจจัยทางสรีรวิทยาและพฤติกรรมดังนั้นปัญหาหลักที่เกี่ยวข้องกับวิธีการตรวจสอบทางชีวภาพนี้คือความถูกต้องของการระบุ การรับรองความถูกต้องของเสียงใช้เพื่อควบคุมการเข้าถึงห้องรักษาความปลอดภัยขนาดกลาง
ลายเซ็น
เมื่อมันปรากฏออกมาลายเซ็นเป็นคุณลักษณะเฉพาะของบุคคลเช่นเดียวกับลักษณะทางสรีรวิทยาของเขา นอกจากนี้นี่เป็นวิธีการระบุโดยทั่วไปสำหรับบุคคลใด ๆ เนื่องจากไม่เหมือนกับลายนิ้วมือจึงไม่เกี่ยวข้องกับทรงกลมทางอาญา หนึ่งในเทคโนโลยีการพิสูจน์ตัวตนที่มีแนวโน้มจะขึ้นอยู่กับเอกลักษณ์ของลักษณะไบโอเมตริกซ์ของการเคลื่อนไหวของมือมนุษย์ในระหว่างการเขียน โดยทั่วไปแล้ววิธีการประมวลผลข้อมูลลายเซ็นสองวิธีจะแตกต่างกัน: การเปรียบเทียบอย่างง่ายกับตัวอย่างและการตรวจสอบแบบไดนามิก อันแรกนั้นไม่น่าเชื่อถือมากเพราะมันจะขึ้นอยู่กับการเปรียบเทียบลายเซ็นที่ป้อนโดยทั่วไปกับตัวอย่างกราฟิกที่เก็บไว้ในฐานข้อมูล เนื่องจากความจริงที่ว่าลายเซ็นไม่สามารถเหมือนกันเสมอวิธีนี้ให้ร้อยละข้อผิดพลาดขนาดใหญ่ วิธีการตรวจสอบแบบไดนามิกต้องใช้การคำนวณที่ซับซ้อนมากขึ้นและช่วยให้สามารถบันทึกพารามิเตอร์กระบวนการลายเซ็นแบบเรียลไทม์เช่นความเร็วของมือในพื้นที่ต่าง ๆ แรงกดดันและระยะเวลาของขั้นตอนต่างๆของลายเซ็น สิ่งนี้ช่วยให้มั่นใจได้ว่านักชำนาญด้านกราฟิคที่มีประสบการณ์ไม่สามารถปลอมลายเซ็นได้เนื่องจากไม่มีใครสามารถคัดลอกพฤติกรรมของมือของเจ้าของลายเซ็นได้อย่างแน่นอน
ผู้ใช้โดยใช้ digitizer และปากกามาตรฐานจำลองลายเซ็นของเขาตามปกติและระบบจะอ่านพารามิเตอร์การเคลื่อนไหวและเปรียบเทียบกับสิ่งที่เคยป้อนลงในฐานข้อมูล หากภาพลายเซ็นเกิดขึ้นพร้อมกับมาตรฐานระบบจะแนบข้อมูลไปยังเอกสารที่จะลงนามรวมถึงชื่อผู้ใช้ที่อยู่อีเมลตำแหน่งเวลาและวันที่ปัจจุบันพารามิเตอร์ลายเซ็นที่มีคุณสมบัติหลายสิบแบบของการเคลื่อนไหว (ทิศทางความเร็วความเร่ง) และอื่น ๆ ข้อมูลนี้ได้รับการเข้ารหัสจากนั้นจะทำการตรวจสอบการคำนวณและจากนั้นทั้งหมดนี้จะถูกเข้ารหัสอีกครั้งโดยสร้างป้ายชื่อไบโอเมตริกซ์ ในการกำหนดค่าระบบผู้ใช้ที่ลงทะเบียนใหม่ห้าถึงสิบครั้งจะดำเนินการตามขั้นตอนของการลงนามในเอกสารซึ่งจะช่วยให้ผู้ใช้สามารถรับตัวบ่งชี้เฉลี่ยและช่วงความมั่นใจได้ เป็นครั้งแรกที่ PenOp ใช้เทคโนโลยีนี้
ไม่สามารถใช้การระบุลายเซ็นได้ทุกที่โดยเฉพาะอย่างยิ่งวิธีนี้ไม่เหมาะสำหรับการ จำกัด การเข้าถึงสถานที่หรือสำหรับการเข้าถึงเครือข่ายคอมพิวเตอร์ อย่างไรก็ตามในบางพื้นที่เช่นในภาคการธนาคารรวมถึงที่ใดก็ตามที่มีการประมวลผลเอกสารสำคัญการตรวจสอบลายเซ็นจะมีประสิทธิภาพมากที่สุดและที่สำคัญที่สุดคือวิธีที่ง่ายและไม่เด่น จนถึงขณะนี้ชุมชนทางการเงินได้ช้าที่จะยอมรับวิธีการอัตโนมัติในการระบุลายเซ็นสำหรับบัตรเครดิตและการตรวจสอบใบสมัครเพราะลายเซ็นยังคงง่ายเกินไปที่จะปลอม สิ่งนี้จะช่วยป้องกันการนำรหัสประจำตัวในลายเซ็นในระบบความปลอดภัยขั้นสูง
กลุ่มเป้าหมาย
ฉันต้องการทราบว่าการป้องกันที่มีประสิทธิภาพมากที่สุดนั้นมาจากระบบที่ระบบไบโอเมตริกซ์รวมกับฮาร์ดแวร์การตรวจสอบความถูกต้องอื่น ๆ เช่นสมาร์ทการ์ด ด้วยการรวมวิธีการพิสูจน์ตัวตนแบบไบโอเมตริกซ์และฮาร์ดแวร์เข้าด้วยกันคุณจะได้รับระบบรักษาความปลอดภัยที่เชื่อถือได้มาก
โปรดทราบว่าสมาร์ทการ์ดเป็นหนึ่งในกลุ่มตลาดผลิตภัณฑ์อิเล็กทรอนิกส์ที่ใหญ่และเติบโตเร็วที่สุดสำหรับผู้ใช้ ตามการคาดการณ์ของ Dataquest (http://www.dataquest.com) ภายในปีหน้ายอดขายสมาร์ทการ์ดจะเกินครึ่งล้านดอลลาร์ การใช้สมาร์ทการ์ดจำเป็นต้องมีอุปกรณ์อ่านพิเศษ (เทอร์มินัล) ที่เชื่อมต่อกับคอมพิวเตอร์ในแต่ละสถานที่ทำงานซึ่งไม่จำเป็นต้องมีส่วนร่วมของผู้ใช้ในกระบวนการโต้ตอบระหว่างการ์ดและเซิร์ฟเวอร์การตรวจสอบความถูกต้อง สมาร์ทการ์ดนั้นมีการรับรองความถูกต้องสองระดับ เพื่อให้ระบบทำงานได้ผู้ใช้จะต้องใส่สมาร์ทการ์ดเข้าไปในเครื่องอ่านแล้วใส่หมายเลขประจำตัวส่วนบุคคลอย่างถูกต้อง ในตลาดรัสเซียมีการนำเสนอโซลูชั่นแบบครบวงจรซึ่งรวมการระบุลายนิ้วมือและการใช้สมาร์ทการ์ด (รูปที่ 3) เช่น Compaq (http://www.compaq.ru) และ Fujitsu-Siemens (http: // www) fujitsu-siemens.ru)
มะเดื่อ 3. ระบบรวมกับสแกนเนอร์และสมาร์ทการ์ด |
นอกเหนือจาก บริษัท คอมพิวเตอร์ขนาดใหญ่เช่น Fujitsu-Siemens, Motorola, Sony, Unisys การพัฒนาเทคโนโลยีไบโอเมตริกซ์ในปัจจุบันส่วนใหญ่เป็น บริษัท เอกชนขนาดเล็กที่ได้เข้าร่วมในกิจการไบโอเมตริกซ์ - Biometric Consortium (http://www.biometrics.org) หนึ่งในหลักฐานที่น่าสนับสนุนที่สุดว่าในที่สุดไบโอเมตริกส์ก็ไหลเข้าสู่กระแสหลักของอุตสาหกรรมไอทีคือการสร้างอินเตอร์เฟสการเขียนโปรแกรมประยุกต์ BioAPI (Biometrics API) เบื้องหลังการพัฒนานี้คือกลุ่มผู้ผลิตที่ก่อตั้งขึ้นในปี 2541 โดย Compaq, IBM, Identicator Technology, Microsoft, Miros และ Novell โดยเฉพาะเพื่อพัฒนาข้อกำหนดมาตรฐานที่รองรับเทคโนโลยีไบโอเมตริกซ์ที่มีอยู่ซึ่งสามารถนำไปใช้กับระบบปฏิบัติการและซอฟต์แวร์แอปพลิเคชัน กลุ่ม บริษัท BioAPI วันนี้รวมถึง บริษัท มหาชนและ บริษัท เอกชนขนาดใหญ่ 78 แห่ง
ขณะนี้ลูกค้าองค์กรสามารถใช้ผลิตภัณฑ์ไบโอเมตริกซ์ภายใต้กรอบของคอมพิวเตอร์มาตรฐานและเทคโนโลยีเครือข่ายดังนั้นจึงหลีกเลี่ยงค่าวัสดุและเวลาที่สำคัญสำหรับการรวมส่วนประกอบของระบบทั้งหมด API มาตรฐานให้การเข้าถึงอุปกรณ์ไบโอเมตริกซ์และผลิตภัณฑ์ซอฟต์แวร์ที่หลากหลายรวมถึงอนุญาตให้มีการใช้ผลิตภัณฑ์ร่วมกันจากซัพพลายเออร์หลายราย
ในปีนี้รัฐบาลสหรัฐได้ประกาศเปิดตัว BioAPI มาตรฐานแบบเปิดในหน่วยงานราชการ นวัตกรรมจะส่งผลกระทบหลักโดยกระทรวงกลาโหมของสหรัฐอเมริกาซึ่งมีพนักงานทหารและพลเรือนหลายล้านคนมีการวางแผนที่จะเปิดตัวสมาร์ทการ์ดใหม่ที่เก็บลายนิ้วมือและลายเซ็นตัวอย่างของเจ้าของ
นักวิเคราะห์บางคนกล่าวว่าเทคโนโลยีไบโอเมตริกซ์กำลังพัฒนาไปช้ามาก แต่เวลานั้นใกล้เข้ามาเมื่อไม่เพียง แต่คอมพิวเตอร์เดสก์ท็อปและแล็ปท็อปเท่านั้น แต่ยังมีโทรศัพท์มือถือที่นึกไม่ถึงถ้าไม่มีการพิสูจน์ตัวตน ความคาดหวังที่ดีเกี่ยวข้องกับการสนับสนุนเทคโนโลยีไบโอเมตริกซ์ที่มีแนวโน้มโดยระบบปฏิบัติการ Microsoft Windows
การระบุไบโอเมตริกซ์เป็นการนำเสนอโดยผู้ใช้พารามิเตอร์ไบโอเมตริกซ์ที่ไม่ซ้ำกันของเขาและกระบวนการของการเปรียบเทียบกับฐานข้อมูลทั้งหมดของข้อมูลที่มีอยู่ เพื่อดึงข้อมูลส่วนบุคคลประเภทนี้มาใช้
ระบบควบคุมการเข้าถึงไบโอเมตริกซ์มีความสะดวกสำหรับผู้ใช้ในการที่สื่อจัดเก็บข้อมูลอยู่เสมอกับพวกเขาไม่สามารถสูญหายหรือถูกขโมย ถือว่าน่าเชื่อถือมากขึ้นเพราะ ไม่สามารถถ่ายโอนไปยังบุคคลที่สามคัดลอก
เทคโนโลยีการระบุลายนิ้วมือ
วิธีการตรวจสอบไบโอเมตริกซ์:
1. คงที่ตามลักษณะทางสรีรวิทยาของบุคคลที่อยู่กับเขาตลอดชีวิตของเขา:
- บัตรประจำตัว;
- บัตรประจำตัว;
- บัตรประจำตัว;
- การระบุด้วยมือเรขาคณิต
- บัตรประจำตัว thermogram ใบหน้า;
- การระบุ DNA
- บัตรประจำตัว
- บัตรประจำตัว
แบบไดนามิกใช้เป็นพื้นฐานลักษณะพฤติกรรมของคนคือการเคลื่อนไหวจิตใต้สำนึกในกระบวนการของการทำซ้ำการกระทำใด ๆ สามัญ: ลายมือ, เสียง, การเดิน
- บัตรประจำตัว;
- บัตรประจำตัวที่เขียนด้วยลายมือ;
- การระบุแป้นพิมพ์
- และอื่น ๆ
หนึ่งในประเภทลำดับความสำคัญของชีวภาพพฤติกรรมคือรูปแบบของการพิมพ์บนแป้นพิมพ์ เมื่อกำหนดความเร็วในการพิมพ์แรงกดที่ปุ่มระยะเวลาในการกดปุ่มระยะเวลาระหว่างการกดจะถูกกำหนดไว้
ปัจจัยไบโอเมตริกซ์ที่แยกจากกันอาจเป็นลักษณะที่ใช้เมาส์ นอกจากนี้พฤติกรรมเชิงเรขาคณิตยังครอบคลุมปัจจัยจำนวนมากที่ไม่เกี่ยวข้องกับการเดินคอมพิวเตอร์โดยเฉพาะอย่างยิ่งการปีนบันได
นอกจากนี้ยังมีระบบระบุรวมซึ่งใช้คุณสมบัติไบโอเมตริกซ์หลายแบบที่สามารถตอบสนองความต้องการที่เข้มงวดที่สุดสำหรับความน่าเชื่อถือและความปลอดภัยของระบบควบคุมการเข้าถึง
เกณฑ์การระบุชีว
ในการพิจารณาประสิทธิภาพของระบบควบคุมการเข้าถึงโดยใช้การระบุตัวบุคคลไบโอเมตริกซ์จะใช้ตัวบ่งชี้ต่อไปนี้:
- - ค่าสัมประสิทธิ์การส่งผ่านเท็จ
- FMR - ความน่าจะเป็นที่ระบบเปรียบเทียบตัวอย่างอินพุตอย่างไม่ถูกต้องกับเทมเพลตที่ไม่เหมาะสมในฐานข้อมูล
- - อัตราการปฏิเสธผิด
- FNMR - ความน่าจะเป็นที่ระบบจะทำผิดพลาดในการพิจารณาการจับคู่ระหว่างตัวอย่างอินพุตและแม่แบบที่เกี่ยวข้องจากฐานข้อมูล
- แผนภูมิ ROC - การสร้างภาพของการประนีประนอมระหว่างลักษณะของ FAR และ FRR;
- อัตราส่วนการปฏิเสธการลงทะเบียน (FTE หรือ FER) - สัมประสิทธิ์ของความพยายามที่ไม่สำเร็จในการสร้างแม่แบบจากข้อมูลที่ป้อน (ที่มีคุณภาพต่ำของหลัง);
- ข้อผิดพลาดอัตราการเก็บข้อมูลผิดพลาด (FTC) - ความน่าจะเป็นที่ระบบอัตโนมัติไม่สามารถระบุข้อมูลอินพุตไบโอเมตริกซ์เมื่อแสดงอย่างถูกต้อง
- ความจุเทมเพลต - จำนวนชุดข้อมูลสูงสุดที่สามารถเก็บไว้ในระบบ
ในรัสเซียการใช้ข้อมูลไบโอเมตริกซ์ถูกควบคุมโดยมาตรา 11 ของกฎหมายของรัฐบาลกลาง“ ข้อมูลส่วนบุคคล” วันที่ 27 กรกฎาคม 2549
การวิเคราะห์เปรียบเทียบวิธีการหลักในการระบุตัวบุคคลไบโอเมตริกซ์
การเปรียบเทียบวิธีการรับรองความถูกต้องทางชีวภาพโดยใช้สถิติทางคณิตศาสตร์ (FAR และ FRR)
สิ่งสำคัญสำหรับการประเมินระบบไบโอเมตริกซ์คือพารามิเตอร์สองตัว:
FAR (อัตราการยอมรับผิด)- ค่าสัมประสิทธิ์การส่งผ่านเท็จเช่น เปอร์เซ็นต์ของสถานการณ์เมื่อระบบอนุญาตการเข้าถึงผู้ใช้ที่ไม่ได้ลงทะเบียนในระบบ
FRR (อัตราการปฏิเสธผิด) - อัตราการปฏิเสธที่ผิดพลาดเช่น การปฏิเสธการเข้าถึงผู้ใช้จริงของระบบ
คุณลักษณะทั้งสองนั้นได้มาจากการคำนวณตามวิธีการทางสถิติทางคณิตศาสตร์ ยิ่งตัวชี้วัดเหล่านี้ต่ำลงเท่าใดการรับรู้วัตถุที่แม่นยำยิ่งขึ้น
สำหรับวิธีการระบุลายนิ้วมือที่ได้รับความนิยมมากที่สุดในวันนี้ค่าเฉลี่ยของ FAR และ FRR มีดังนี้:
แต่ในการสร้างระบบควบคุมการเข้าถึงที่มีประสิทธิภาพ FAR และ FRR นั้นไม่ดีพอ ตัวอย่างเช่นมันยากที่จะจินตนาการถึง ACSs จากการวิเคราะห์ DNA แม้ว่าด้วยวิธีการรับรองความถูกต้องนี้สัมประสิทธิ์เหล่านี้มีแนวโน้มที่จะเป็นศูนย์ แต่เวลาการระบุจะเพิ่มขึ้นอิทธิพลของปัจจัยมนุษย์กำลังเพิ่มขึ้นต้นทุนของระบบเพิ่มขึ้นอย่างไม่มีเหตุผล
ดังนั้นสำหรับการวิเคราะห์เชิงคุณภาพของระบบควบคุมการเข้าถึงไบโอเมตริกซ์จำเป็นต้องใช้ข้อมูลอื่นซึ่งบางครั้งสามารถได้รับการทดลองเท่านั้น
ประการแรกข้อมูลดังกล่าวควรรวมถึงความเป็นไปได้ของการปลอมแปลงข้อมูลไบโอเมตริกซ์เพื่อระบุตัวตนในระบบและวิธีการเพิ่มระดับความปลอดภัย
ประการที่สองความมั่นคงของปัจจัยไบโอเมตริกซ์: ไม่สามารถเปลี่ยนแปลงได้ตลอดเวลาและเป็นอิสระจากสภาพแวดล้อม
ในฐานะที่เป็นผลทางตรรกะความเร็วในการตรวจสอบความสามารถในการบันทึกข้อมูลไบโอเมตริกซ์แบบไม่สัมผัสได้อย่างรวดเร็วเพื่อระบุตัวตน
และแน่นอนว่าค่าใช้จ่ายในการใช้ระบบควบคุมการเข้าถึงไบโอเมตริกซ์ตามวิธีการรับรองความถูกต้องภายใต้การพิจารณาและความพร้อมของส่วนประกอบ
การเปรียบเทียบวิธีไบโอเมตริกซ์เพื่อต้านทานการปลอมแปลงข้อมูล
การหลอกลวงข้อมูลไบโอเมตริกซ์ ไม่ว่าในกรณีใด ๆ นี่เป็นกระบวนการที่ค่อนข้างซับซ้อนบ่อยครั้งที่ต้องการการฝึกอบรมพิเศษและการสนับสนุนทางเทคนิค แต่ถ้าคุณสามารถปลอมลายนิ้วมือที่บ้านได้ความผิดพลาดที่เกิดขึ้นจากม่านตาก็ยังไม่เป็นที่ทราบ และสำหรับระบบตรวจสอบความถูกต้องทางชีวภาพบนจอประสาทตาการสร้างของปลอมเป็นไปไม่ได้
การเปรียบเทียบวิธีการตรวจสอบทางชีวภาพเพื่อการพิสูจน์ตัวตนที่แข็งแกร่ง
การปรับปรุงความปลอดภัยของระบบไบโอเมตริกซ์ ตามกฎแล้วการควบคุมการเข้าถึงจะทำได้โดยซอฟต์แวร์และฮาร์ดแวร์ ตัวอย่างเช่นเทคโนโลยีของ "นิ้วสด" สำหรับลายนิ้วมือการวิเคราะห์การสั่นสะเทือนโดยไม่สมัครใจ - สำหรับดวงตา เพื่อเพิ่มระดับความปลอดภัยวิธีไบโอเมตริกซ์สามารถเป็นหนึ่งในองค์ประกอบของระบบการรับรองความถูกต้องแบบหลายปัจจัย
การรวมเครื่องมือรักษาความปลอดภัยเพิ่มเติมในฮาร์ดแวร์และซอฟต์แวร์ที่ซับซ้อนมักจะเพิ่มค่าใช้จ่าย อย่างไรก็ตามสำหรับบางวิธีการพิสูจน์ตัวตนที่รัดกุมบนพื้นฐานขององค์ประกอบมาตรฐานนั้นเป็นไปได้: การใช้เทมเพลตจำนวนมากเพื่อระบุผู้ใช้ (ตัวอย่างเช่นลายนิ้วมือ)
การเปรียบเทียบวิธีการรับรองความถูกต้องโดยการเปลี่ยนรูปลักษณะไบโอเมตริกซ์
ลักษณะทางชีวมิติคงที่ตลอดเวลา แนวคิดนี้ยังมีเงื่อนไข: พารามิเตอร์ไบโอเมตริกซ์ทั้งหมดสามารถเปลี่ยนแปลงได้เนื่องจากการดำเนินการทางการแพทย์หรือการบาดเจ็บ แต่ถ้าการตัดครัวเรือนทั่วไปซึ่งทำให้ยากต่อการตรวจสอบผู้ใช้ด้วยลายนิ้วมือเป็นสถานการณ์ทั่วไปการดำเนินการที่เปลี่ยนรูปแบบของม่านตานั้นเป็นสิ่งที่หายาก
การเปรียบเทียบความไวต่อปัจจัยภายนอก
อิทธิพลของพารามิเตอร์ด้านสิ่งแวดล้อมที่มีต่อประสิทธิภาพของระบบควบคุมการเข้าถึงขึ้นอยู่กับอัลกอริทึมและเทคโนโลยีการทำงานที่ดำเนินการโดยผู้ผลิตอุปกรณ์และอาจแตกต่างกันอย่างมีนัยสำคัญแม้อยู่ในกรอบของวิธีการหนึ่งทางชีวภาพ ตัวอย่างที่โดดเด่นของความแตกต่างดังกล่าวสามารถใช้เป็นเครื่องอ่านลายนิ้วมือซึ่งโดยทั่วไปค่อนข้างไวต่ออิทธิพลของปัจจัยภายนอก
หากเราเปรียบเทียบวิธีอื่น ๆ ในการระบุตัวบุคคลไบโอเมทริกซ์การรับรู้ใบหน้าแบบ 2D ที่สำคัญที่สุดคือที่นี่การปรากฏตัวของแว่นตาหมวกทรงผมใหม่หรือเคราที่รกอาจกลายเป็นสิ่งสำคัญ
ระบบที่ใช้วิธีการตรวจสอบความถูกต้องของเรตินาต้องมีตำแหน่งที่ค่อนข้างเข้มงวดของดวงตาเมื่อเทียบกับสแกนเนอร์ความไม่สามารถเคลื่อนที่ได้ของผู้ใช้และการโฟกัสของดวงตา
วิธีการระบุผู้ใช้ตามรูปแบบหลอดเลือดดำและม่านตาค่อนข้างคงที่ในการทำงานหากคุณไม่พยายามใช้พวกเขาในสภาพการทำงานที่รุนแรง (ตัวอย่างเช่นการตรวจสอบความถูกต้องแบบไม่สัมผัสในระยะไกลในช่วงที่ฝนตก "เห็ด")
บัตรประจำตัวสามมิติโดยใบหน้ามีความไวน้อยที่สุดต่ออิทธิพลของปัจจัยภายนอก พารามิเตอร์เดียวที่สามารถส่งผลกระทบต่อการทำงานของ ACS เช่นนั้นคือแสงสว่างมากเกินไป
การเปรียบเทียบความเร็วการรับรองความถูกต้อง
อัตราการรับรองความถูกต้อง ขึ้นอยู่กับเวลาของการเก็บข้อมูลขนาดของเทมเพลตและปริมาณของทรัพยากรที่จัดสรรสำหรับการประมวลผลและอัลกอริทึมซอฟต์แวร์หลักที่ใช้ในการใช้วิธีไบโอเมตริกซ์เฉพาะ
เปรียบเทียบการรับรองความถูกต้องแบบไม่สัมผัส
การรับรองความถูกต้องแบบไม่สัมผัส ให้ประโยชน์มากมายจากการใช้วิธีตรวจสอบทางชีวภาพในระบบความปลอดภัยทางกายภาพในสถานที่ที่มีข้อกำหนดด้านสุขอนามัยและสุขอนามัยสูง (ยา, อุตสาหกรรมอาหาร, สถาบันวิจัยและห้องปฏิบัติการ) นอกจากนี้ความสามารถในการระบุวัตถุระยะไกลเร่งกระบวนการตรวจสอบซึ่งเป็นสิ่งสำคัญสำหรับระบบควบคุมการเข้าถึงขนาดใหญ่ที่มีอัตราการไหลสูง และยังสามารถใช้การระบุแบบไม่สัมผัสได้โดยหน่วยงานบังคับใช้กฎหมายเพื่อจุดประสงค์ทางการ นั่นคือเหตุผล แต่ยังไม่บรรลุผลลัพธ์ที่ยั่งยืน วิธีการที่มีประสิทธิภาพโดยเฉพาะอย่างยิ่งที่จับลักษณะไบโอเมตริกซ์ของวัตถุในระยะที่ดีและในระหว่างการเคลื่อนไหว ด้วยการแพร่กระจายของการเฝ้าระวังวิดีโอการดำเนินการตามหลักการของการดำเนินการดังกล่าวได้กลายเป็นเรื่องง่ายขึ้น
เปรียบเทียบวิธีไบโอเมตริกซ์เพื่อความสะดวกสบายทางจิตวิทยาของผู้ใช้
ความสะดวกสบายทางจิตวิทยาของผู้ใช้- ตัวบ่งชี้ที่เกี่ยวข้องพอสมควรเมื่อเลือกระบบรักษาความปลอดภัย หากในกรณีของการจดจำใบหน้าสองมิติหรือม่านตา - มันเกิดขึ้นโดยไม่มีใครสังเกตเห็นการสแกนม่านตาเป็นกระบวนการที่ไม่พึงประสงค์ และการระบุลายนิ้วมือแม้ว่ามันจะไม่ทำให้เกิดความรู้สึกไม่สบาย แต่ก็อาจทำให้เกิดความสัมพันธ์เชิงลบกับเทคนิคทางนิติเวช
เปรียบเทียบค่าใช้จ่ายในการใช้วิธีไบโอเมตริกซ์ในระบบควบคุมการเข้าถึง
ค่าใช้จ่ายในการควบคุมการเข้าถึงและระบบบัญชี การระบุไบโอเมตริกซ์นั้นแตกต่างกันมากขึ้นอยู่กับวิธีการใช้ อย่างไรก็ตามความแตกต่างนั้นสามารถเห็นได้ในวิธีการเดียวกันทั้งนี้ขึ้นอยู่กับวัตถุประสงค์ของระบบ (ฟังก์ชันการทำงาน) เทคโนโลยีการผลิตวิธีเพิ่มการป้องกันจากการเข้าถึงที่ไม่ได้รับอนุญาต ฯลฯ
การเปรียบเทียบความพร้อมใช้งานของวิธีการระบุลายนิ้วมือในรัสเซีย
บัตรประจำตัวเป็น Service (บัตรประจำตัว-as-a-Service)
Identification as a Service ในตลาดเทคโนโลยีไบโอเมตริกซ์เป็นแนวคิดที่ค่อนข้างใหม่ แต่มีข้อดีมากมายที่เห็นได้ชัด: ใช้งานง่ายประหยัดเวลา, ความปลอดภัย, ความสะดวกสบาย, ความสามารถรอบตัวและปรับขยายได้ - เช่นระบบอื่น ๆ
อย่างแรกเลย Identification-as-a-service เป็นที่สนใจสำหรับโครงการขนาดใหญ่ที่มีงานด้านความปลอดภัยที่หลากหลายโดยเฉพาะอย่างยิ่งสำหรับหน่วยงานบังคับใช้กฎหมายของรัฐและท้องถิ่นช่วยให้สามารถสร้างระบบระบุตัวตนอัตโนมัติแบบไบโอเมตริกซ์แบบเรียลไทม์ อาชญากร
การระบุเมฆเป็นเทคโนโลยีแห่งอนาคต
การพัฒนาตัวบ่งชี้ทางชีวภาพนั้นขนานกับการพัฒนาบริการคลาวด์ โซลูชั่นเทคโนโลยีที่ทันสมัยมีจุดมุ่งหมายเพื่อรวมส่วนต่างๆเข้ากับโซลูชั่นแบบรวมที่ตอบสนองทุกความต้องการของลูกค้าและยิ่งไปกว่านั้นไม่เพียง แต่ในการประกันความปลอดภัยทางกายภาพ ดังนั้นการผสมผสานระหว่างบริการคลาวด์และไบโอเมตริกในฐานะส่วนหนึ่งของ ACS จึงเป็นขั้นตอนที่สอดคล้องกับจิตวิญญาณของเวลาและมองไปสู่อนาคตอย่างเต็มที่
โอกาสในการรวมเทคโนโลยีไบโอเมตริกซ์เข้ากับบริการคลาวด์คืออะไร
บรรณาธิการตอบคำถามนี้ไปยังผู้รวบรวมระบบรายใหญ่ที่สุดของรัสเซียคือ บริษัท Technoserv:
“ เริ่มต้นด้วยระบบรักษาความปลอดภัยอัจฉริยะแบบบูรณาการที่เราแสดงให้เห็นคืออันที่จริงแล้วเป็นหนึ่งในตัวเลือกสำหรับคลาวด์และตัวเลือกจากภาพยนตร์: เมื่อมีคนเดินผ่านกล้องและเขาเข้าสู่ระบบแล้ว ... มันจะเพิ่มขึ้นเมื่อเวลาผ่านไป พลังการคำนวณ แต่จะเป็น
ตอนนี้สำหรับข้อมูลประจำตัวหนึ่งรายการในสตรีมที่มีคุณภาพรับประกันคุณต้องมีคอร์คอมพิวเตอร์อย่างน้อยแปดคอร์: นี่คือการสร้างภาพดิจิทัลและเปรียบเทียบกับฐานข้อมูลอย่างรวดเร็ว วันนี้มันเป็นไปได้ทางเทคนิค แต่เป็นไปไม่ได้ในเชิงพาณิชย์ - ค่าใช้จ่ายสูงเช่นนี้ก็ไม่พอ อย่างไรก็ตามด้วยความสามารถที่เพิ่มขึ้นเราจะได้ข้อสรุปว่าพวกเขาจะยังคงสร้างฐานประจำตัวทางชีวภาพแบบครบวงจร "- ตอบ Alexander Alexander Abramov ผู้อำนวยการแผนกมัลติมีเดียและศูนย์สถานการณ์ของ บริษัท Technoserv
การระบุว่าเป็นบริการ Morpho Cloud
การใช้บริการคลาวด์เป็นวิธีที่สะดวกและปลอดภัยนั้นได้รับการพิสูจน์แล้วจากการติดตั้งระบบระบุตัวบุคคลอัตโนมัติสำหรับการบังคับใช้กฎหมายของรัฐบาลในระบบคลาวด์เชิงพาณิชย์ที่สิ้นสุดในเดือนกันยายน 2559 ด้วยเป้าหมาย: MorphoTrak ซึ่งเป็น บริษัท ย่อยของ Safran Identity & Security Cloud MorphoCloud เจ้าหน้าที่ตำรวจระบุว่าความเร็วในการประมวลผลเพิ่มขึ้นอย่างมีนัยสำคัญรวมถึงความเป็นไปได้ในการรับรู้คุณภาพการพิมพ์ที่แย่ลง
บริการที่พัฒนาโดย MorphoTrak) เป็นไปตาม Microsoft Azure Government และรวมถึงกลไกการระบุลายนิ้วมือหลายแบบ: ลายนิ้วมือชีวภาพ, ชีวภาพของใบหน้าและม่านตา นอกจากนี้การรับรู้ของรอยสักเสียงบริการ (VSaaS) เป็นไปได้
ความปลอดภัยทางไซเบอร์ของระบบนั้นได้รับการรับรองบางส่วนโดยโฮสต์บริการข้อมูลกระบวนการยุติธรรมทางอาญา (CJIS) ในเซิร์ฟเวอร์ความยุติธรรมทางอาญาของรัฐบาลและอีกส่วนหนึ่งมาจากประสบการณ์ด้านความปลอดภัยของ Morpho และ Microsoft
“ เราออกแบบโซลูชันของเราเพื่อช่วยให้ผู้บังคับใช้กฎหมายประหยัดเวลาและเพิ่มประสิทธิภาพความปลอดภัยเป็นองค์ประกอบสำคัญแน่นอนเราต้องการโซลูชันคลาวด์ที่สอดคล้องกับนโยบายความปลอดภัยที่เข้มงวดของ CJIS และพบว่า Microsoft เป็นพันธมิตรที่เหมาะสมที่สุด และข้อมูลความปลอดภัยระดับชาติภายในสภาพแวดล้อมแบบกระจายตามภูมิศาสตร์ของศูนย์ข้อมูล " Frank Barrett ผู้อำนวยการฝ่าย Cloud Services ของ MorphoTrak, LLC กล่าว
เป็นผลให้ Morpho Cloud เป็นตัวอย่างที่โดดเด่น การจัดการเอกลักษณ์ภายนอกซึ่งสามารถรับรองประสิทธิผลและความคุ้มค่าของการปรับปรุงในระบบรักษาความปลอดภัยที่บังคับใช้กฎหมาย การระบุตัวตนเป็นบริการให้ผลประโยชน์ที่ไม่สามารถใช้ได้กับสถาบันส่วนใหญ่ ตัวอย่างเช่นการกู้คืนความเสียหายทางภูมิศาสตร์มักไม่เป็นไปได้ในแง่ของต้นทุนที่สูงของโครงการและการปรับปรุงความปลอดภัยด้วยวิธีนี้เป็นไปได้เนื่องจากระดับของ Microsoft Azure และ Morpho Cloud
การพิสูจน์ตัวตนแบบไบโอเมตริกซ์บนอุปกรณ์พกพา
การพิสูจน์ตัวตนด้วยลายนิ้วมือบนมือถือ
วิจัยโดย Biometrics Research Group, Inc. อุทิศให้กับการวิเคราะห์และการคาดการณ์การพัฒนาตลาดการตรวจสอบทางชีวภาพในอุปกรณ์มือถือ การศึกษาได้รับการสนับสนุนโดยผู้ผลิตชั้นนำของตลาดชีวภาพ Cognitec, VoicePIN และการรับรู้ที่ประยุกต์.
ตลาดไบโอเมตริกซ์มือถือเป็นตัวเลข
จากการศึกษาพบว่าปริมาณของกลุ่มผลิตภัณฑ์ไบโอเมตริกซ์มือถืออยู่ที่ประมาณ 9,000 ล้านดอลลาร์ในปี 2561 และ 45 พันล้านดอลลาร์ในปี 2563 ทั่วโลก ยิ่งไปกว่านั้นการใช้คุณสมบัติไบโอเมตริกซ์เพื่อการรับรองความถูกต้องไม่เพียง แต่จะใช้สำหรับการปลดล็อคอุปกรณ์มือถือเท่านั้น แต่ยังใช้สำหรับการตรวจสอบสิทธิ์แบบหลายปัจจัย
การพัฒนากลุ่มตลาดอุปกรณ์ไบโอเมตริกซ์มือถือนั้นเกี่ยวข้องกับการใช้งานสมาร์ทโฟนด้วยเซ็นเซอร์ที่ติดตั้งไว้ล่วงหน้า มีข้อสังเกตว่าภายในสิ้นปี 2558 มีผู้ใช้อย่างน้อย 650 ล้านคนที่จะใช้อุปกรณ์พกพาที่มีเทคโนโลยีชีวภาพ จำนวนผู้ใช้อุปกรณ์พกพาที่มีเซ็นเซอร์ไบโอเมตริกซ์คาดว่าจะเพิ่มขึ้น 20.1% ต่อปีและในปี 2563 จะมีประชากรอย่างน้อย 2 พันล้านคน
วัสดุของโครงการพิเศษ "Keyless"
โครงการพิเศษแบบไม่มีกุญแจคือการสะสมข้อมูลเกี่ยวกับระบบควบคุมการเข้าถึงการเข้าถึงแบบรวมและส่วนบุคคลของการ์ด
นามธรรม
บทความแสดงพารามิเตอร์ไบโอเมตริกซ์พื้นฐาน มีการพิจารณาวิธีการระบุตัวตนที่ใช้กันอย่างแพร่หลายในรัสเซีย การระบุไบโอเมตริกซ์สามารถแก้ปัญหาของการรวมรหัสผ่านผู้ใช้ที่มีอยู่ทั้งหมดกับหนึ่งและใช้มันทุกที่ กระบวนการแยกคุณสมบัติลายนิ้วมือเริ่มต้นด้วยการประเมินคุณภาพของภาพ: การคำนวณทิศทางของร่องซึ่งในแต่ละพิกเซลสะท้อนถึงทิศทางของร่อง การจดจำใบหน้าเป็นวิธีการระบุตัวบุคคลทางชีวภาพที่ยอมรับได้มากที่สุดในสังคม บัตรประจำตัวของบุคคลที่ม่านตาประกอบด้วยการได้รับภาพที่ม่านตาเป็นภาษาท้องถิ่นและรหัสที่รวบรวม เนื่องจากคุณสมบัติหลักสองประการของระบบไบโอเมตริกซ์สามารถใช้ข้อผิดพลาดชนิดที่หนึ่งและสองได้ การจำแนกตามรูปแบบของม่านตาเป็นหนึ่งในวิธีการทางชีวภาพที่น่าเชื่อถือที่สุด วิธีการที่ไม่ได้รับข้อมูลจากการติดต่อนั้นบ่งบอกถึงความง่ายในการใช้งานและการนำไปใช้งานในด้านต่าง ๆ
คำสำคัญ: พารามิเตอร์ไบโอเมตริกซ์, การระบุตัวบุคคล, ลายนิ้วมือ, การจดจำใบหน้า, ม่านตา, การระบุลายนิ้วมือ, อัลกอริทึม, ฐานข้อมูล, วิธีการตรวจสอบทางชีวภาพ, รหัสผ่าน
10.7256/2306-4196.2013.2.8300
วันที่อ้างอิงถึงบรรณาธิการ:
24-05-2013
วันที่รีวิว:
25-05-2013
วันที่ตีพิมพ์:
1-4-2013
นามธรรม
บทความแสดงรายการพารามิเตอร์ไบโอเมตริกซ์หลัก ผู้เขียนวิจารณ์วิธีการระบุตัวตนที่ใช้กันอย่างแพร่หลายในรัสเซีย การระบุไบโอเมตริกซ์ช่วยในการแก้ปัญหาการรวมกันของรหัสผ่านผู้ใช้ที่มีอยู่ทั้งหมดกับหนึ่งและใช้มันทั่วกระดาน กระบวนการของการแยกคุณสมบัติลายนิ้วมือเริ่มต้นด้วยการประเมินคุณภาพของภาพจะถูกคำนวณร่องการวางแนวซึ่งแต่ละพิกเซลแสดงถึงทิศทางของร่อง การตรวจจับใบหน้าเป็นวิธีที่ได้รับการยอมรับมากที่สุดในการระบุตัวบุคคลทางชีวภาพในสังคม บัตรประจำตัวของม่านตาประกอบด้วยภาพที่ได้มากับการแปลของม่านตาและจากนั้นก็สร้างรหัสของม่านตา เนื่องจากคุณสมบัติหลักสองประการของระบบไบโอเมตริกซ์จึงเป็นไปได้ที่จะใช้ข้อผิดพลาด Type I และ Type II การจำแนกตามรูปแบบของม่านตาเป็นหนึ่งในวิธีการทางชีวภาพที่น่าเชื่อถือที่สุด วิธีการแบบไม่สัมผัสของการรับข้อมูลในกรณีนี้แสดงให้เห็นถึงความเรียบง่ายในการใช้วิธีการนี้ในด้านต่างๆ
คำสำคัญ:
การระบุทางชีวภาพ, ไอริส, การจดจำใบหน้า, ลายนิ้วมือ, การระบุตัวตนส่วนบุคคล, ชีวภาพ, อัลกอริทึม, ฐานข้อมูล, วิธีการตรวจสอบทางชีวภาพ, รหัสผ่าน
การแนะนำ
คนในสังคมสมัยใหม่ต้องการความปลอดภัยส่วนบุคคลมากขึ้นและความปลอดภัยของการกระทำของพวกเขา สำหรับเราแต่ละคนการอนุญาตที่เชื่อถือได้กลายเป็นคุณสมบัติที่จำเป็นในชีวิตประจำวัน: การใช้บัตรธนาคารบริการอีเมลธุรกรรมที่หลากหลายและการใช้บริการอย่างกว้างขวางทั้งหมดนี้ต้องระบุตัวตนของบุคคล วันนี้เราถูกบังคับให้ใส่รหัสผ่านจำนวนมากมีโทเค็นหรือเครื่องหมายระบุตัวตนอื่น ๆ กับเรา ในสถานการณ์เช่นนี้คำถามจะเกิดขึ้นอย่างรวดเร็ว: "เป็นไปได้หรือไม่ที่จะลดรหัสผ่านที่มีอยู่ทั้งหมดให้เหลือรหัสเดียวและนำไปใช้ได้ทุกที่โดยไม่ต้องกลัวว่าจะถูกขโมยหรือถูกแทนที่"
พารามิเตอร์ไบโอเมตริกซ์
การระบุไบโอเมตริกซ์สามารถแก้ปัญหานี้ได้ การรับรู้ของบุคคลโดยข้อมูลไบโอเมตริกซ์เป็นวิธีการระบุอัตโนมัติตามสรีรวิทยา (พวกเขาเป็นลักษณะทางกายภาพและมีการวัดในบางจุดในเวลา) และพฤติกรรม (แสดงลำดับของการกระทำและเกิดขึ้นในช่วงเวลา) ลักษณะ ตารางที่ 1 แสดงรายการหลัก
ตารางที่ 1
พารามิเตอร์ไบโอเมตริกซ์
มักใช้ |
ใช้น้อยมาก |
||
สรีรวิทยา |
เกี่ยวกับพฤติกรรม |
สรีรวิทยา |
เกี่ยวกับพฤติกรรม |
1. ลายนิ้วมือ |
1. ลายเซ็น |
1. จอประสาทตา |
1. คีย์ ลายมือ |
2. เดิน |
|||
3. ม่านตา |
3. รูปร่างของหู |
||
4. เรขาคณิตมือ |
|||
5. การสะท้อนกลับจากผิวหนัง |
|||
6. Thermogram |
ให้เราอาศัยอยู่ร่วมกันสามคนในรัสเซีย
ลายนิ้วมือ
ลายนิ้วมือ (รูปที่ 1 ก) เป็นร่องขนาดเล็กบนพื้นผิวด้านในของฝ่ามือและเท้าของบุคคล การตรวจสอบทางนิติเวชนั้นตั้งอยู่บนสมมุติฐานว่าไม่มีลายนิ้วมือเหมือนกันสองอันที่เป็นของคนอื่น
ในการเปรียบเทียบลายนิ้วมือผู้เชี่ยวชาญใช้รายละเอียดมากมายของรูปแบบ papillary ที่มีคุณสมบัติดังต่อไปนี้: ปลายร่องร่องสองแฉกของร่องร่องอิสระร่องทะเลสาบกิ่งไม้กางเขนและอื่น ๆ วิธีการเปรียบเทียบอัตโนมัติทำงานในลักษณะที่คล้ายกัน กระบวนการแยกคุณสมบัติลายนิ้วมือเริ่มต้นด้วยการประเมินคุณภาพของภาพ: การคำนวณทิศทางของร่องซึ่งในแต่ละพิกเซลสะท้อนถึงทิศทางของร่อง จากนั้นจะมีการแบ่งส่วนของร่องและการแปลของชิ้นส่วนด้วยการรับรู้ภายหลัง
รูปหน้าเรขาคณิต
ภารกิจในการจดจำใบหน้าได้ร่วมมือกับบุคคลมาตั้งแต่ไหน แต่ไรมา หนังสือเดินทางที่มีรูปถ่ายได้กลายเป็นเอกสารที่แพร่หลายและเป็นหลักฐานพิสูจน์ตัวตนของบุคคล นี่เป็นวิธีการระบุตัวบุคคลไบโอเมตริกซ์ที่ยอมรับมากที่สุดในสังคม ความง่ายในการบันทึกคุณสมบัติไบโอเมตริกซ์นี้ทำให้สามารถรวบรวมฐานข้อมูลขนาดใหญ่: ภาพถ่ายในหน่วยงานบังคับใช้กฎหมายกล้องวงจรปิดวิดีโอเครือข่ายสังคมออนไลน์และอื่น ๆ
แหล่งที่มาของภาพสามารถ: เอกสารดิจิทัล กล้องวงจรปิด ภาพสามมิติ ภาพอินฟราเรด
ใบหน้าถูกแปลเป็นภาษาท้องถิ่นในภาพผลลัพธ์ (รูปที่ 1 b) จากนั้นจึงใช้หนึ่งในสองวิธี: การปรากฏตัวของใบหน้าและรูปทรงเรขาคณิตของใบหน้า บุริมสิทธิ์เป็นวิธีการที่ใช้การวิเคราะห์รูปทรงเรขาคณิตของใบหน้าซึ่งเป็นประวัติการรับรู้ซึ่งมีประวัติสามสิบปี
ม่านตา
ม่านตาเป็นส่วนที่มีสีของดวงตาระหว่างตาขาวและรูม่านตา มันก็เหมือนกับลายนิ้วมือซึ่งเป็นคุณสมบัติฟีโนไทป์ของบุคคลและพัฒนาในช่วงเดือนแรกของการตั้งครรภ์
ความคิดในการระบุตัวบุคคลโดยม่านตาถูกเสนอโดยจักษุแพทย์ตั้งแต่ปี พ.ศ. 2479 ต่อมาแนวคิดดังกล่าวสะท้อนออกมาในภาพยนตร์บางเรื่อง ตัวอย่างเช่นในปี 1984 ภาพยนตร์เจมส์บอนด์เรื่อง Never Say Never ถูกยิง เป็นเพียงในปี 1994 ที่อัลกอริทึมการรู้จำม่านตาอัตโนมัติครั้งแรกปรากฏขึ้นซึ่งพัฒนาโดย John Daugman นักคณิตศาสตร์ อัลกอริทึมได้รับการจดสิทธิบัตรและยังคงรองรับระบบการจดจำม่านตา
อุปกรณ์สำหรับจับภาพดวงตาซึ่งเป็นมิตรกับผู้ใช้และมองไม่เห็นเป็นปัญหาอย่างหนึ่ง ในเวลาเดียวกันก็ควรอ่านลวดลายม่านตาโดยไม่คำนึงถึงสภาพแสง มีหลายวิธี อันแรกขึ้นอยู่กับการค้นหาใบหน้าและดวงตาจากนั้นกล้องอีกตัวที่ใช้เลนส์ขยายจะได้รับภาพม่านตาคุณภาพสูง คนที่สองต้องการให้ดวงตามนุษย์อยู่ในบริเวณสังเกตของกล้องตัวเดียว
ในภาพที่ได้รับม่านตาจะแปลเป็นภาษาท้องถิ่นและรหัสของมันจะถูกรวบรวม (รูปที่ 1 c) Daugman ใช้ตัวกรอง Gabor สองมิติ นอกจากนี้ยังมีการสร้างหน้ากากขึ้นมาโดยที่ภาพนั้นมีเสียงดัง (ซ้อนทับขนตาและเปลือกตา) ซึ่งทับลงบนซอร์สโค้ดของม่านตา สำหรับการระบุระยะทาง Hamming (ความแตกต่างเล็กน้อยระหว่างสองรูปแบบม่านตา) ถูกคำนวณซึ่งจะมีขนาดเล็กที่สุดสำหรับไอริสที่เหมือนกัน
รูปที่ 1 ตัวอย่างของพารามิเตอร์ไบโอเมตริกซ์ |
ลักษณะทางสถิติ
เนื่องจากคุณสมบัติหลักสองประการของระบบไบโอเมตริกซ์สามารถใช้ข้อผิดพลาดชนิดที่หนึ่งและสองได้ ในด้านของไบโอเมทริกแนวความคิดที่เป็นที่ยอมรับมากที่สุดคือ FAR (False Acceptance Rate) และ FRR (False Rejection Rate) ไกลความเป็นไปได้ของความน่าจะเป็นของความบังเอิญเป็นพิเศษลักษณะไบโอเมตริกซ์ของคนสองคน FRR - ความน่าจะเป็นที่จะปฏิเสธการเข้าถึงบุคคลที่ได้รับอนุญาต
ตารางที่ 2 แสดงค่าเฉลี่ยสำหรับระบบไบโอเมตริกซ์ที่หลากหลาย
ตารางที่ 2
ลักษณะของระบบไบโอเมตริกซ์
ควรสังเกตว่าตัวบ่งชี้เหล่านี้แตกต่างกันไปขึ้นอยู่กับฐานข้อมูลไบโอเมตริกซ์ที่ใช้และอัลกอริธึมที่ใช้ แต่อัตราส่วนเชิงคุณภาพยังคงอยู่ในระดับเดียวกัน การวิเคราะห์ข้อมูลเหล่านี้เราสามารถสรุปได้ว่าการระบุตามรูปแบบของม่านตาเป็นหนึ่งในวิธีการตรวจสอบทางชีวภาพที่น่าเชื่อถือที่สุด วิธีการรับข้อมูลแบบไม่สัมผัสเป็นการระบุว่าใช้งานง่ายและมีการนำไปใช้งานในด้านต่าง ๆ
วิทยาศาสตร์สมัยใหม่ไม่หยุดนิ่ง บ่อยครั้งขึ้นการป้องกันที่มีคุณภาพสูงเป็นสิ่งจำเป็นสำหรับอุปกรณ์เพื่อให้คนที่ครอบครองโดยบังเอิญไม่สามารถใช้ประโยชน์จากข้อมูลได้อย่างเต็มที่ นอกจากนี้วิธีการปกป้องข้อมูลจากการใช้ไม่เพียง แต่ในชีวิตประจำวัน
นอกเหนือจากการป้อนรหัสผ่านในรูปแบบดิจิตอลแล้วระบบรักษาความปลอดภัยไบโอเมตริกยังเป็นรายบุคคลมากขึ้น
นี่คืออะไร
ก่อนหน้านี้ระบบดังกล่าวใช้เฉพาะในกรณีที่ จำกัด เพื่อปกป้องวัตถุเชิงกลยุทธ์ที่สำคัญที่สุด
จากนั้นหลังจากวันที่ 11 กันยายน 2011 พวกเขาได้ข้อสรุปว่าการเข้าถึงและการเข้าถึงดังกล่าวสามารถนำไปใช้ไม่เพียง แต่ในพื้นที่เหล่านี้ แต่ยังอยู่ในพื้นที่อื่น ๆ
ดังนั้นเทคนิคการระบุตัวบุคคลได้กลายเป็นสิ่งที่ขาดไม่ได้ในหลายวิธีในการต่อสู้กับการฉ้อโกงและการก่อการร้ายเช่นเดียวกับในพื้นที่เช่น:
ระบบการเข้าถึงไบโอเมตริกซ์เพื่อเทคโนโลยีการสื่อสารเครือข่ายและฐานคอมพิวเตอร์
ฐานข้อมูล;
การควบคุมการเข้าถึงการจัดเก็บข้อมูล ฯลฯ
แต่ละคนมีชุดของคุณลักษณะที่ไม่เปลี่ยนแปลงตลอดเวลาหรือที่สามารถแก้ไขได้ แต่ในเวลาเดียวกันจะเป็นของบุคคลที่ระบุเท่านั้น ในเรื่องนี้พารามิเตอร์ของระบบไบโอเมตริกซ์ที่ใช้ในเทคโนโลยีเหล่านี้สามารถแยกแยะได้:
คงที่ - ลายนิ้วมือ, ถ่ายภาพ auricles, สแกนม่านตาและอื่น ๆ
ในอนาคตเทคโนโลยีชีวภาพจะแทนที่วิธีการดั้งเดิมในการรับรองความถูกต้องของบุคคลด้วยหนังสือเดินทางเนื่องจากชิปฝังตัวการ์ดและนวัตกรรมที่คล้ายกันในเทคโนโลยีวิทยาศาสตร์จะไม่ได้ถูกนำมาใช้ในเอกสารนี้เท่านั้น
พูดนอกเรื่องเล็ก ๆ เกี่ยวกับวิธีการรับรู้บุคลิกภาพ:
- บัตรประจำตัว - หนึ่งต่อหลาย ตัวอย่างถูกเปรียบเทียบกับทั้งหมดที่มีสำหรับพารามิเตอร์บางอย่าง
- การรับรอง - หนึ่งต่อหนึ่ง ตัวอย่างจะถูกเปรียบเทียบกับวัสดุที่ได้รับก่อนหน้านี้ ในกรณีนี้บุคคลอาจเป็นที่รู้จักข้อมูลที่ได้จากบุคคลนั้นจะถูกนำไปเปรียบเทียบกับตัวอย่างของพารามิเตอร์ของบุคคลนี้ในฐานข้อมูล
ระบบความปลอดภัยทางชีวภาพทำงานอย่างไร
เพื่อสร้างฐานสำหรับบุคคลที่เฉพาะเจาะจงมีความจำเป็นต้องพิจารณาพารามิเตอร์ทางชีวภาพของเขาเป็นอุปกรณ์พิเศษ
ระบบจะจดจำคุณสมบัติไบโอเมตริกซ์ตัวอย่างที่เป็นผลลัพธ์ (กระบวนการบันทึก) ในกรณีนี้อาจมีความจำเป็นที่จะต้องทำให้หลายตัวอย่างเพื่อวาดค่าการควบคุมที่แม่นยำยิ่งขึ้นของพารามิเตอร์ ข้อมูลที่ระบบได้รับจะถูกแปลงเป็นรหัสทางคณิตศาสตร์
นอกเหนือจากการสร้างตัวอย่างระบบอาจขอให้มีขั้นตอนเพิ่มเติมเพื่อรวมตัวระบุส่วนบุคคล (PIN หรือสมาร์ทการ์ด) และตัวอย่างไบโอเมตริกซ์ นอกจากนี้เมื่อสแกนเพื่อความสอดคล้องระบบจะเปรียบเทียบข้อมูลที่ได้รับเปรียบเทียบรหัสทางคณิตศาสตร์กับข้อมูลที่บันทึกไว้แล้ว หากตรงกันนั่นหมายความว่าการรับรองความถูกต้องสำเร็จ
ข้อผิดพลาดที่เป็นไปได้
ระบบอาจสร้างข้อผิดพลาดตรงกันข้ามกับการรับรู้ด้วยรหัสผ่านหรือกุญแจอิเล็กทรอนิกส์ ในกรณีนี้การจำแนกข้อมูลที่ไม่ถูกต้องต่อไปนี้จะแตกต่าง:
ข้อผิดพลาดประเภท 1: อัตราการเข้าถึงข้อมูลเท็จ (FAR) - บุคคลหนึ่งสามารถเข้าใจผิดว่าเป็นอีกคนหนึ่ง
ข้อผิดพลาดประเภทที่ 2: อัตราส่วนการปฏิเสธการเข้าถึงที่ผิด (FRR) - บุคคลไม่ได้รับการยอมรับในระบบ
เพื่อแยกตัวอย่างเช่นข้อผิดพลาดของระดับนี้จำเป็นต้องมีจุดตัดของตัวบ่งชี้ FAR และ FRR อย่างไรก็ตามสิ่งนี้เป็นไปไม่ได้เนื่องจากการทำเช่นนี้จึงจำเป็นต้องดำเนินการระบุตัวบุคคลโดย DNA
ลายนิ้วมือ
ในขณะนี้วิธีการทางชีวภาพที่รู้จักกันดีที่สุด เมื่อได้รับหนังสือเดินทางพลเมืองสมัยใหม่ของรัสเซียจะได้รับลายนิ้วมือบังคับเพื่อป้อนพวกเขาในบัตรส่วนบุคคล
วิธีนี้ขึ้นอยู่กับความเป็นเอกลักษณ์ของนิ้วมือและใช้มาเป็นเวลานานโดยเริ่มจากการพิสูจน์หลักฐาน (การพิมพ์ลายนิ้วมือ) โดยการสแกนนิ้วมือระบบจะแปลตัวอย่างเป็นรหัสซึ่งเปรียบเทียบกับตัวระบุที่มีอยู่แล้ว
ตามกฎแล้วอัลกอริทึมการประมวลผลข้อมูลใช้การจัดเรียงของแต่ละจุดบางอย่างที่มีลายนิ้วมือ - กิ่ง, จุดสิ้นสุดของรูปแบบเส้น ฯลฯ เวลาที่ใช้ในการแปลภาพเป็นรหัสและสร้างผลลัพธ์มักจะประมาณ 1 วินาที
อุปกรณ์รวมถึงซอฟต์แวร์สำหรับมันกำลังมีการผลิตที่ซับซ้อนและมีราคาไม่แพงนัก
ข้อผิดพลาดเมื่อสแกนนิ้วมือ (หรือมือทั้งสองข้าง) เกิดขึ้นบ่อยครั้งหาก:
มีความชื้นหรือนิ้วแห้งที่ผิดปกติ
มือได้รับการรักษาด้วยองค์ประกอบทางเคมีที่ทำให้การระบุยาก
มี microcracks หรือรอยขีดข่วน
มีการไหลของข้อมูลขนาดใหญ่และต่อเนื่อง ตัวอย่างเช่นเป็นไปได้ที่องค์กรที่เข้าถึงสถานที่ทำงานโดยใช้ลายนิ้วมือ เนื่องจากการไหลเวียนของคนสำคัญระบบอาจล้มเหลว
บริษัท ที่มีชื่อเสียงที่สุดที่ทำงานในระบบจดจำลายนิ้วมือ: Bayometric Inc. , SecuGen ในรัสเซียพวกเขากำลังดำเนินการดังนี้: Sonda, BioLink, SmartLock เป็นต้น
ม่านตา
รูปแบบฝักถูกสร้างขึ้นใน 36 สัปดาห์ของการพัฒนาของทารกในครรภ์ก่อตั้งขึ้นโดยสองเดือนและไม่เปลี่ยนแปลงตลอดชีวิต ระบบระบุลายนิ้วมือไบโอเมตริกสำหรับม่านตาไม่เพียง แต่ถูกต้องที่สุดในหมู่ผู้อื่นในซีรีย์นี้ แต่ยังเป็นหนึ่งในระบบที่แพงที่สุดอีกด้วย
ข้อดีของวิธีนี้คือการสแกนนั่นคือการจับภาพสามารถเกิดขึ้นได้ทั้งที่ระยะ 10 ซม. และระยะทาง 10 เมตร
เมื่อทำการแก้ไขภาพข้อมูลเกี่ยวกับตำแหน่งของบางจุดบนม่านตาของตาจะถูกส่งไปยังคอมพิวเตอร์ซึ่งจะให้ข้อมูลเกี่ยวกับความเป็นไปได้ของการรับเข้า ความเร็วในการประมวลผลของข้อมูลเกี่ยวกับม่านตามนุษย์อยู่ที่ประมาณ 500 มิลลิวินาที
ในปัจจุบันระบบการรับรู้นี้ในตลาดไบโอเมตริกซ์ครองไม่เกิน 9% ของจำนวนทั้งหมดของวิธีการระบุดังกล่าว ในเวลาเดียวกันส่วนแบ่งการตลาดของเทคโนโลยีลายนิ้วมือมากกว่า 50%
สแกนเนอร์ที่ช่วยให้คุณสามารถจับภาพและประมวลผลม่านตามีการออกแบบและซอฟต์แวร์ที่ค่อนข้างซับซ้อนดังนั้นอุปกรณ์ดังกล่าวจึงมีราคาสูง นอกจากนี้ Iridian ยังเป็นผู้ผูกขาดในการผลิตระบบการจดจำของมนุษย์ จากนั้น บริษัท ขนาดใหญ่อื่น ๆ ก็เริ่มเข้าสู่ตลาดซึ่งมีส่วนร่วมในการผลิตส่วนประกอบของอุปกรณ์ต่าง ๆ แล้ว
ดังนั้นในขณะนี้ในรัสเซียมี บริษัท ดังต่อไปนี้ที่สร้างระบบการจดจำของมนุษย์โดยม่านตา: AOptix, SRI International อย่างไรก็ตาม บริษัท เหล่านี้ไม่มีตัวบ่งชี้สำหรับจำนวนข้อผิดพลาดของชนิดที่ 1 และ 2 ดังนั้นจึงไม่ใช่ความจริงที่ว่าระบบไม่ได้รับการป้องกันจากการปลอมแปลง
รูปหน้าเรขาคณิต
มีระบบรักษาความปลอดภัยไบโอเมตริกซ์ที่เกี่ยวข้องกับการจดจำใบหน้าในโหมด 2D และ 3D โดยทั่วไปเชื่อว่าลักษณะใบหน้าของแต่ละคนมีความเป็นเอกลักษณ์และไม่เปลี่ยนแปลงตลอดชีวิต ลักษณะเช่นระยะทางระหว่างจุดรูปร่างและอื่น ๆ ยังคงไม่เปลี่ยนแปลง
โหมด 2D เป็นวิธีการระบุตัวตนแบบคงที่ เมื่อแก้ไขภาพจำเป็นต้องให้บุคคลนั้นไม่เคลื่อนไหว พื้นหลังการมีหนวดเคราแสงจ้าและปัจจัยอื่น ๆ ที่ทำให้ระบบไม่สามารถจดจำใบหน้าได้ก็มีความสำคัญเช่นกัน ซึ่งหมายความว่าด้วยความไม่ถูกต้องผลลัพธ์จะไม่ถูกต้อง
ในขณะนี้วิธีการนี้ไม่ได้รับความนิยมเป็นพิเศษเนื่องจากมีความแม่นยำต่ำและใช้เฉพาะในรูปทรงเรขาคณิตต่อเนื่อง (กากบาท) ซึ่งเป็นการรวมกันของวิธีการในการจดจำบุคคลทั้งใบหน้าและเสียงในเวลาเดียวกัน ระบบรักษาความปลอดภัยไบโอเมตริกซ์สามารถรวมโมดูลอื่น ๆ - สำหรับ DNA, ลายนิ้วมือและอื่น ๆ นอกจากนี้วิธีการแบบตัดขวางไม่จำเป็นต้องมีการติดต่อกับบุคคลที่จำเป็นต้องมีการระบุซึ่งช่วยให้คนที่จะได้รับการยอมรับจากภาพถ่ายและเสียงที่บันทึกไว้ในอุปกรณ์ทางเทคนิค
วิธี 3D มีพารามิเตอร์อินพุตแตกต่างกันโดยสิ้นเชิงดังนั้นคุณจึงไม่สามารถเปรียบเทียบกับเทคโนโลยี 2D ได้ เมื่อบันทึกภาพจะใช้ใบหน้าที่มีการเปลี่ยนแปลง ระบบแก้ไขแต่ละภาพสร้างแบบจำลอง 3 มิติซึ่งข้อมูลที่ได้จะถูกนำมาเปรียบเทียบ
ในกรณีนี้มีการใช้กริดพิเศษซึ่งฉายลงบนใบหน้าของบุคคล ระบบรักษาความปลอดภัยไบโอเมตริกซ์ทำให้หลายเฟรมต่อวินาทีประมวลผลภาพด้วยซอฟต์แวร์ที่รวมอยู่ในนั้น ในขั้นตอนแรกของการสร้างภาพซอฟต์แวร์จะกำจัดภาพที่ไม่เหมาะสมซึ่งใบหน้านั้นมองไม่เห็นหรือมีวัตถุรองอยู่
จากนั้นโปรแกรมจะกำหนดและละเว้นรายการส่วนเกิน (แว่นตาทรงผม ฯลฯ ) มีการเน้นและจดจำคุณสมบัติการวัดสัดส่วนใบหน้าของใบหน้าโดยสร้างรหัสเฉพาะที่ถูกบันทึกไว้ในคลังข้อมูลพิเศษ เวลาในการจับภาพประมาณ 2 วินาที
อย่างไรก็ตามแม้จะมีข้อได้เปรียบของวิธีการแบบ 3 มิติบนวิธีการ 2 มิติการรบกวนที่สำคัญใด ๆ บนใบหน้าหรือการเปลี่ยนแปลงในการแสดงออกทางสีหน้าลดความน่าเชื่อถือทางสถิติของเทคโนโลยีนี้
วันนี้เทคโนโลยีจดจำใบหน้าแบบไบโอเมตริกซ์ถูกใช้พร้อมกับวิธีการที่เป็นที่รู้จักมากที่สุดที่อธิบายไว้ข้างต้นซึ่งคิดเป็นประมาณ 20% ของตลาดเทคโนโลยีไบโอเมตริกซ์ทั้งหมด
บริษัท ที่มีส่วนร่วมในการพัฒนาและการนำเทคโนโลยีการระบุใบหน้า: Geometrix, Inc. , Bioscrypt, Cognitec Systems GmbH ในรัสเซีย บริษัท ต่อไปนี้กำลังแก้ไขปัญหานี้: กลุ่ม Artec, Vocord (วิธี 2D) และอื่น ๆ ผู้ผลิตรายย่อย
เส้นเลือดของฝ่ามือ
ประมาณ 10-15 ปีที่ผ่านมาเทคโนโลยีระบุลายนิ้วมือแบบใหม่ได้รับการยอมรับโดยเส้นเลือดดำมือ เรื่องนี้เกิดขึ้นได้เนื่องจากความจริงที่ว่าฮีโมโกลบินในเลือดดูดซับรังสีอินฟราเรดอย่างเข้มข้น
กล้อง IR พิเศษถ่ายภาพฝ่ามือของคุณซึ่งเป็นผลมาจากเครือข่ายหลอดเลือดดำปรากฏบนภาพ ซอฟต์แวร์นี้ประมวลผลภาพนี้แล้วและผลลัพธ์จะปรากฏขึ้น
ตำแหน่งของหลอดเลือดดำที่แขนนั้นเปรียบได้กับคุณสมบัติของม่านตา - เส้นและโครงสร้างของมันไม่เปลี่ยนแปลงไปตามกาลเวลา ความน่าเชื่อถือของวิธีนี้ยังสามารถสัมพันธ์กับผลลัพธ์ที่ได้จากการระบุโดยใช้ม่านตา
ไม่จำเป็นต้องใช้อุปกรณ์การติดต่อเพื่อถ่ายภาพอย่างไรก็ตามการใช้วิธีการจริงต้องใช้เงื่อนไขบางอย่างเพื่อให้ได้ผลลัพธ์ที่แม่นยำที่สุด: เป็นไปไม่ได้ที่จะได้รับมันตัวอย่างเช่นคุณถ่ายภาพมือของคุณบนถนน นอกจากนี้กล้องไม่สามารถส่องสว่างในระหว่างการสแกน ผลลัพธ์ที่ได้จะไม่ถูกต้องหากมีโรคที่เกี่ยวข้องกับอายุ
การกระจายของวิธีการในตลาดมีเพียงประมาณ 5% อย่างไรก็ตามมันแสดงให้เห็นความสนใจอย่างมากจาก บริษัท ขนาดใหญ่ที่ได้พัฒนาเทคโนโลยีไบโอเมตริกซ์แล้ว: TDSi, Veid Pte ฮิตาชิ VeinID จำกัด
ม่านตา
การสแกนลวดลายของเส้นเลือดฝอยบนพื้นผิวของเรตินาถือว่าเป็นวิธีการระบุที่เชื่อถือได้มากที่สุด มันรวมคุณสมบัติที่ดีที่สุดของเทคโนโลยีไบโอเมตริกซ์สำหรับการจดจำบุคคลโดยม่านตาและเส้นเลือดในมือ
ช่วงเวลาเดียวที่วิธีการให้ผลลัพธ์ที่ไม่ถูกต้องคือต้อกระจก โดยทั่วไปม่านตามีโครงสร้างที่ไม่เปลี่ยนแปลงตลอดชีวิต
ข้อเสียของระบบนี้คือการสแกนจอประสาทตาเมื่อบุคคลไม่เคลื่อนไหว เทคโนโลยีที่ซับซ้อนในแอปพลิเคชันของมันให้เวลานานในการประมวลผลผลลัพธ์
เนื่องจากค่าใช้จ่ายสูงระบบไบโอเมตริกซ์ยังไม่แพร่หลายอย่างไรก็ตามมันให้ผลลัพธ์ที่แม่นยำที่สุดสำหรับวิธีการสแกนคุณสมบัติมนุษย์ทั้งหมดที่มีในตลาด
มือ
ก่อนหน้านี้วิธีการระบุตัวตนที่ได้รับความนิยมด้วยมือเรขาคณิตนั้นใช้งานได้น้อยลงเนื่องจากจะให้ผลลัพธ์ที่ต่ำที่สุดเมื่อเทียบกับวิธีอื่น ๆ เมื่อสแกนนิ้วมือจะถูกถ่ายภาพความยาวความสัมพันธ์ระหว่างโหนดและพารามิเตอร์อื่น ๆ จะถูกกำหนด
รูปร่างหู
ผู้เชี่ยวชาญกล่าวว่าวิธีการระบุตัวตนที่มีอยู่ทั้งหมดนั้นไม่ถูกต้องเท่าการจดจำบุคคลอย่างไรก็ตามมีวิธีการตรวจสอบบุคคลโดย DNA แต่ในกรณีนี้มีการสัมผัสใกล้ชิดกับผู้คนดังนั้นจึงถือว่าผิดจรรยาบรรณ
Mark Nixon นักวิจัยจากบริเตนใหญ่อ้างว่าวิธีการในระดับนี้เป็นระบบไบโอเมตริกซ์รุ่นต่อไปพวกเขาให้ผลลัพธ์ที่แม่นยำที่สุด ซึ่งแตกต่างจากเรตินาม่านตาหรือนิ้วมือซึ่งมีพารามิเตอร์ภายนอกที่ทำให้มีแนวโน้มที่จะระบุตัวตนได้มากกว่านี้ไม่ได้เกิดขึ้นที่หู หูฟังเกิดขึ้นในวัยเด็กหูจะเติบโตขึ้นโดยไม่เปลี่ยนแปลงจุดสำคัญ
นักประดิษฐ์เรียกวิธีการระบุบุคคลโดยอวัยวะของการได้ยิน“ การแปลงภาพรังสี” เทคโนโลยีนี้ให้การจับภาพด้วยรังสีของสีที่ต่างกันซึ่งแปลเป็นรหัสทางคณิตศาสตร์
อย่างไรก็ตามตามที่นักวิทยาศาสตร์วิธีการของเขายังมีด้านลบ ตัวอย่างเช่นการได้ภาพที่ชัดเจนอาจป้องกันได้โดยผมที่ปิดหูมุมที่เลือกผิดพลาดและความไม่ถูกต้องอื่น ๆ
เทคโนโลยีการสแกนใบหูไม่ได้แทนที่วิธีการระบุลายนิ้วมือที่รู้จักกันดีและคุ้นเคย แต่สามารถใช้กับมันได้
เชื่อว่าสิ่งนี้จะเพิ่มความน่าเชื่อถือของการรับรู้ของผู้คน สิ่งสำคัญอย่างยิ่งคือการรวมกันของวิธีการต่าง ๆ (หลายรูปแบบ) ในการจับกุมอาชญากรนักวิทยาศาสตร์เชื่อว่า จากการทดลองและการวิจัยพวกเขาหวังว่าจะสร้างซอฟต์แวร์ที่จะใช้ในศาลเพื่อระบุผู้กระทำผิดจากภาพ
เสียงของมนุษย์
การระบุตัวบุคคลสามารถทำได้ทั้งในระดับท้องถิ่นและจากระยะไกลโดยใช้เทคโนโลยีการจดจำเสียง
ตัวอย่างเช่นเมื่อพูดคุยทางโทรศัพท์ระบบจะเปรียบเทียบพารามิเตอร์นี้กับสิ่งที่มีอยู่ในฐานข้อมูลและค้นหาตัวอย่างที่คล้ายกันในรูปเปอร์เซ็นต์ เหตุบังเอิญเต็มรูปแบบหมายความว่ามีการระบุตัวตนนั่นคือการระบุด้วยเสียงเกิดขึ้น
ในการเข้าถึงบางสิ่งด้วยวิธีดั้งเดิมจำเป็นต้องตอบคำถามบางอย่างที่ทำให้มั่นใจในความปลอดภัย นี่คือรหัสดิจิทัลชื่อเดิมของแม่และรหัสผ่านข้อความอื่น ๆ
การวิจัยสมัยใหม่ในพื้นที่นี้แสดงให้เห็นว่าข้อมูลนี้ค่อนข้างง่ายต่อการถือดังนั้นวิธีการระบุเช่นเสียงชีวภาพสามารถใช้ ในขณะเดียวกันมันไม่ได้เป็นความรู้เกี่ยวกับรหัสที่ต้องผ่านการตรวจสอบ แต่เป็นบุคลิกภาพของบุคคล
ในการทำเช่นนี้ลูกค้าต้องพูดวลีรหัสผ่านหรือเริ่มพูดคุย ระบบจดจำเสียงของผู้โทรและตรวจสอบว่าบุคคลนั้นเป็นของบุคคลนั้นไม่ว่าเขาจะเป็นใคร
ระบบป้องกันข้อมูลไบโอเมตริกซ์ประเภทนี้ไม่จำเป็นต้องใช้อุปกรณ์ราคาแพงซึ่งเป็นข้อได้เปรียบของพวกเขา นอกจากนี้เพื่อทำการสแกนด้วยเสียงระบบไม่จำเป็นต้องมีความรู้พิเศษเนื่องจากอุปกรณ์จะสร้างผลลัพธ์ประเภท "จริง - เท็จ" อย่างอิสระ
ลายมือ
การระบุตัวบุคคลโดยวิธีการเขียนจดหมายเกิดขึ้นในเกือบทุกด้านของชีวิตที่จำเป็นต้องใส่ลายเซ็น เช่นนี้เกิดขึ้นในธนาคารเมื่อผู้เชี่ยวชาญเปรียบเทียบตัวอย่างที่สร้างขึ้นเมื่อเปิดบัญชีที่มีลายเซ็นต์ติดอยู่ในการเข้าชมครั้งต่อไป
ความถูกต้องของวิธีการนี้ไม่สูงเนื่องจากการระบุไม่ได้เกิดขึ้นด้วยความช่วยเหลือของรหัสทางคณิตศาสตร์เช่นเดียวกับก่อนหน้านี้ แต่มีการเปรียบเทียบง่าย มีการรับรู้อัตนัยในระดับสูง นอกจากนี้การเขียนด้วยลายมือมีการเปลี่ยนแปลงอย่างมากตามอายุซึ่งมักจะทำให้การจดจำยาก
ในกรณีนี้จะเป็นการดีกว่าถ้าใช้ระบบอัตโนมัติที่จะช่วยให้คุณกำหนดได้ไม่เพียง แต่การจับคู่ที่มองเห็นได้เท่านั้น แต่ยังรวมถึงคุณสมบัติที่แตกต่างอื่น ๆ ของการสะกดคำเช่นความลาดชันระยะห่างระหว่างจุดและคุณลักษณะอื่น ๆ
Mikhailov Alexey Alekseevich
หัวหน้าแผนก PKU ศูนย์วิจัย "การป้องกัน" ของกระทรวงกิจการภายในของรัสเซียพันโทพันตำรวจ
Koloskov Alexey Anatolyevich
นักวิจัยอาวุโสศูนย์วิจัย PKU“ การป้องกัน” ของกระทรวงกิจการภายในของรัสเซียพันโท
Dronov Yuri Ivanovich
นักวิจัยอาวุโสศูนย์วิจัย PKU“ คุ้มครอง” กระทรวงกิจการภายใน
ENTRY
ขณะนี้มีการพัฒนาอย่างรวดเร็วของระบบควบคุมไบโอเมตริกซ์และการเข้าถึง (ต่อไปนี้เรียกว่าไบโอเมตริก) ทั้งในต่างประเทศและในรัสเซีย แท้จริงแล้วการใช้ไบโอเมตริกซ์เพื่อจุดประสงค์ด้านความปลอดภัยเป็นสิ่งที่น่าสนใจอย่างยิ่ง คีย์แท็บเล็ตใด ๆ - TouchMemory พร็อกซีการ์ดหรือตัวระบุวัสดุอื่น ๆ สามารถถูกขโมยทำซ้ำและทำให้สามารถเข้าถึงวัตถุป้องกันได้
รหัส PIN ดิจิทัล (ป้อนโดยบุคคลที่ใช้แป้นพิมพ์) สามารถแก้ไขได้โดยใช้กล้องวิดีโอเล็ก ๆ น้อย ๆ จากนั้นมีความเป็นไปได้ที่จะแบล็กเมล์บุคคลหรือคุกคามผลกระทบทางกายภาพกับเขาเพื่อรับค่ารหัส เป็นเรื่องยากที่ผู้อ่านคนใดคนหนึ่งจากประสบการณ์ของตนเองหรือจากประสบการณ์ของคนรู้จักได้พบวิธีการหลอกลวงนี้ แม้จะมีคำศัพท์หนึ่งที่แสดงถึงวิธีการถอนเงินที่ได้รับอย่างตรงไปตรงมาจากพลเมือง - การอ่านแบบคร่าว ๆ (skim - skim cream)
มันเป็นไปไม่ได้ที่จะขโมยหรือรับตัวระบุไบโอเมตริกซ์ผ่านแบล็กเมล์ซึ่งทำให้น่าสนใจมากในอนาคตเพื่อความปลอดภัยและการเข้าถึง จริงอยู่คุณสามารถลองสร้างตัวเลียนแบบลักษณะทางชีวภาพของบุคคล แต่ที่นี่ระบบไบโอเมตริกควรแสดงตัวเองอย่างเต็มที่และปฏิเสธของปลอม
ปัญหาของระบบไบโอเมตริกซ์แบบ "บายพาส" เป็นหัวข้อที่ใหญ่และแยกจากกันและภายใต้กรอบของบทความนี้เราจะไม่แตะต้องมันและการสร้างเลียนแบบลักษณะทางชีวภาพของมนุษย์ไม่ใช่เรื่องง่าย
เป็นเรื่องน่ายินดีอย่างยิ่งที่ได้ทราบพัฒนาการของอุปกรณ์รักษาความปลอดภัยในรัสเซีย ตัวอย่างเช่น "สังคมรัสเซียเพื่อส่งเสริมการพัฒนาเทคโนโลยีระบบและการสื่อสารไบโอเมตริกซ์" มีมาตั้งแต่ปี 2545
นอกจากนี้ยังมีคณะกรรมการด้านเทคนิคสำหรับมาตรฐาน TC 098“ Biometry และ Biomonitoring” ซึ่งใช้งานได้ผลดีมาก (มีการเผยแพร่มากกว่า 30 GOSTs ดู: http://www.rusbiometrics.com/) แต่เราในฐานะผู้ใช้ส่วนใหญ่สนใจใน GOST R ISO / IEC19795-1-2007“ การระบุอัตโนมัติ การระบุทางชีวภาพ การทดสอบประสิทธิภาพและรายงานการทดสอบในชีวภาพ ส่วนที่ 1 หลักการและโครงสร้าง "
ข้อกำหนดและคำจำกัดความ
เพื่อให้เข้าใจสิ่งที่พวกเขาเขียนเกี่ยวกับเอกสารเชิงบรรทัดฐานจำเป็นต้องกำหนดคำศัพท์และคำจำกัดความ บ่อยครั้งตามหลักการทางกายภาพของพวกเขาพวกเขาเขียนเกี่ยวกับสิ่งเดียวกัน แต่พวกเขาเรียกมันว่าแตกต่างอย่างสิ้นเชิง ดังนั้นเกี่ยวกับพารามิเตอร์ที่สำคัญที่สุดในชีวภาพ:
การตรวจสอบ (การตรวจสอบ) เป็นกระบวนการที่มีการเปรียบเทียบตัวอย่างที่ผู้ใช้ส่งกับเทมเพลตที่ลงทะเบียนในฐานข้อมูล (GOST R ISO / IEC19795-1-2007) สิ่งสำคัญคือต้องเปรียบเทียบหนึ่งตัวอย่างกับเทมเพลตเดียว (การเปรียบเทียบแบบหนึ่งต่อหนึ่งกับเทมเพลตไบโอเมตริกซ์) ดังนั้นระบบไบโอเมตริกซ์ใด ๆ จะมีตัวบ่งชี้ที่ดีกว่าสำหรับการตรวจสอบเมื่อเทียบกับการระบุตัวตน
การระบุตัวตน (การระบุตัวตน) เป็นกระบวนการที่ดำเนินการค้นหาในฐานข้อมูลการลงทะเบียนและรายการของผู้สมัครที่มีตัวระบุจากศูนย์ถึงหนึ่งหรือมากกว่าหนึ่งตัวระบุไว้ (GOST R ISO / IEC19795-1-2007) เป็นสิ่งสำคัญที่นี่ที่หนึ่งตัวอย่างถูกเปรียบเทียบกับหลายรูปแบบ (การเปรียบเทียบแบบหนึ่งต่อหลาย) และข้อผิดพลาดของระบบเพิ่มขึ้นหลายครั้ง การระบุตัวบุคคลกำลังกลายเป็นตัวแปรที่สำคัญที่สุดสำหรับระบบไบโอเมตริกซ์โดยอิงจากการจดจำคุณสมบัติที่เป็นลักษณะเฉพาะของใบหน้าของบุคคล สำหรับรถยนต์ใบหน้าของผู้คนเกือบจะเหมือนกัน
FAR (False Acceptance Rate) - ความน่าจะเป็นของการยอมรับที่ไม่ได้รับอนุญาต (ข้อผิดพลาดชนิดแรก) แสดงเป็นเปอร์เซ็นต์ของจำนวนการยอมรับโดยระบบของบุคคลที่ไม่ได้รับอนุญาต (หมายถึงการตรวจสอบ) พารามิเตอร์ความน่าจะเป็นจะแสดงเป็นค่าสัมบูรณ์ (10-5) สำหรับพารามิเตอร์ FAR ซึ่งหมายความว่า 1 คนจาก 100,000 คนจะไม่ได้รับอนุญาตเปอร์เซ็นต์นี้จะเป็น (0.001%)
VLD - ความน่าจะเป็นของการยอมรับผิด (FAR), (GOST R ISO / IEC19795-1-2007)
FRR (False Rejection Rate) - ความน่าจะเป็นของการกักขังที่ผิดพลาด (ความผิดพลาดประเภทที่สอง) แสดงเป็นเปอร์เซ็นต์ของจำนวนการปฏิเสธการรับเข้าเรียนโดยระบบของผู้มีอำนาจ (หมายถึงการตรวจสอบ)
VLND - ความน่าจะเป็นของการเกิดความผิดพลาดต่ำ (FRR), (GOST R ISO / IEC19795-1-2007)
FMR (อัตราการจับคู่เท็จ) - ความน่าจะเป็นของความบังเอิญที่ผิดพลาดของพารามิเตอร์ บางแห่งที่เราอ่านแล้วดูที่ FAR แต่ในกรณีนี้มีตัวอย่างหนึ่งเปรียบเทียบกับเทมเพลตจำนวนมากที่จัดเก็บในฐานข้อมูลคือ บัตรประจำตัวเกิดขึ้น
VLAN - ความน่าจะเป็นของความบังเอิญที่ผิดพลาด (FMR), (GOST R ISO / IEC19795-1-2007)
FNMR (อัตราการจับคู่ที่ไม่เป็นเท็จ) - ความน่าจะเป็นของการจับคู่ที่ผิดพลาดของพารามิเตอร์ในกรณีนี้มีตัวอย่างหนึ่งตัวอย่างเปรียบเทียบกับเทมเพลตจำนวนมากที่จัดเก็บในฐานข้อมูลคือ บัตรประจำตัวเกิดขึ้น
VLNS - ความน่าจะเป็นของการจับคู่ที่ผิดพลาด (FNMR), (GOST R ISO / IEC19795-1-2007)
พารามิเตอร์ (เช่นที่อยู่ในรายการด้านบน) นั้นเชื่อมต่อกัน (รูปที่ 1) การเปลี่ยนขีด จำกัด ของ FAR และ FRR -“ ความไว” ของระบบไบโอเมตริกซ์เราเปลี่ยนมันพร้อมกันโดยเลือกอัตราส่วนที่ต้องการ ที่จริงแล้วมันเป็นไปได้ที่จะตั้งค่าระบบไบโอเมตริกซ์ในลักษณะที่มีแนวโน้มที่จะข้ามผู้ใช้ที่ลงทะเบียน แต่มันจะผ่านผู้ใช้ที่ไม่ลงทะเบียนที่มีความน่าจะเป็นสูง ดังนั้นควรระบุพารามิเตอร์เหล่านี้พร้อมกันสำหรับระบบไบโอเมตริกซ์
มะเดื่อ 1. FAR และ FRR Charts
หากมีการระบุเพียงหนึ่งพารามิเตอร์ดังนั้นคุณในฐานะผู้ใช้ควรได้รับการแจ้งเตือนเนื่องจากวิธีนี้เป็นการง่ายที่จะประเมินค่าสูงเกินไปของพารามิเตอร์เมื่อเปรียบเทียบกับคู่แข่ง การพูดเกินจริงเราสามารถพูดได้ว่าค่าสัมประสิทธิ์ FAR ต่ำสุดจะเป็นระบบที่ไม่ทำงานแน่นอนว่ามันจะไม่อนุญาตให้ใครก็ตามที่ไม่ได้รับอนุญาต
พารามิเตอร์วัตถุประสงค์มากหรือน้อยของระบบไบโอเมตริกซ์คือสัมประสิทธิ์ EER
ค่าสัมประสิทธิ์ EER (อัตราความผิดพลาดเท่ากัน) เป็นค่าสัมประสิทธิ์ที่ข้อผิดพลาดทั้งสอง (ข้อผิดพลาดการรับและข้อผิดพลาดการปฏิเสธ) จะเทียบเท่า ยิ่ง EER ยิ่งต่ำความแม่นยำของระบบไบโอเมตริกซ์ก็จะสูงขึ้น
กราฟที่คล้ายกันถูกสร้างขึ้นสำหรับพารามิเตอร์ FMR และ FNMR (รูปที่ 2) โปรดทราบว่ากราฟนี้ควรเชื่อมโยงกับขนาดฐานข้อมูลเสมอ (โดยทั่วไปจะมีการเลือกตัวเลขโดยเพิ่มทีละ 100, 1,000, 10000 รูปแบบ ฯลฯ )
มะเดื่อ 2. กราฟ FMR และ FNMR
COO - การกำหนดความคลาดเคลื่อนของเส้นโค้ง (ข้อผิดพลาด DET - การตรวจจับข้อผิดพลาดการค้า - โค้ง; DET โค้ง) กราฟประสิทธิภาพที่ปรับเปลี่ยนซึ่งแกนซึ่งเป็นความน่าจะเป็นข้อผิดพลาด (false positive บนแกน X และ false false บนแกน Y) (GOST R ISO / IEC19795-1-2007)
COO curve (DET) ใช้เพื่อวางแผนความน่าจะเป็นของข้อผิดพลาดในการเปรียบเทียบ (VLNS (FNMR) และ VLS (FMR)), ข้อผิดพลาดในการตัดสินใจ (VLND (FRR) และ VLD (FAR)) (รูปที่ 3-4) และการระบุความน่าจะเป็นในชุดเปิด (VLOI ขึ้นอยู่กับ VLPI), (GOST R ISO / IEC19795-1-2007)
มะเดื่อ 3. กำหนดการ DET
มะเดื่อ 4. ตัวอย่างเส้นโค้ง KOO (GOST R ISO / IEC19795-1-2007)
กราฟแสดงให้เห็นถึงประสิทธิภาพของระบบไบโอเมตริกซ์ค่อนข้างมากบางครั้งดูเหมือนว่าจุดประสงค์ของพวกเขาคือสร้างความสับสนให้กับผู้ใช้ที่ใจง่าย นอกจากนี้ยังมี PX-curves ของลักษณะการทำงาน (ROC - ตัวรับสัญญาณปฏิบัติการลักษณะโค้ง) (รูปที่ 5-6) และแน่นอนคุณเข้าใจว่าสิ่งเหล่านี้อยู่ห่างจากเส้นโค้งและการขึ้นต่อกันสุดท้ายที่มีอยู่ในชีวภาพ แต่เพื่อความชัดเจน เราจะไม่อยู่กับพวกเขา
มะเดื่อ 5. ตัวอย่างชุดของเส้นโค้ง PX (GOST R ISO / IEC19795-1-2007)
มะเดื่อ 6. ตัวอย่างเส้นโค้ง ROC
PX curves (ROC) เป็นอิสระจากเกณฑ์ซึ่งช่วยให้การเปรียบเทียบลักษณะการดำเนินงานของระบบไบโอเมตริกซ์ที่ใช้ในสภาพที่คล้ายกันหรือระบบไบโอเมตริกซ์เดียวที่ใช้ในสภาพแวดล้อมที่แตกต่างกัน
PX curves (ROC) ใช้เพื่อแสดงประสิทธิภาพของอัลกอริธึมการเปรียบเทียบ (1 - VLNS ขึ้นอยู่กับ VLAN), (1 - FNMR ขึ้นอยู่กับ FMR), ลักษณะการทำงานของระบบตรวจสอบทางชีวภาพ (1 - VLD ขึ้นอยู่กับ VLD), (1 - FRR ขึ้นอยู่กับ FAR) เช่นเดียวกับลักษณะการดำเนินงานของระบบระบุลายนิ้วมือบนชุดเปิด (ความน่าจะเป็นของการระบุขึ้นอยู่กับ VLPI)
หมายเหตุ: VLPI - ความน่าจะเป็นของการระบุเชิงบวกที่ผิดพลาด (อังกฤษ FPIR - อัตราการระบุผิดพลาดที่ผิดพลาด), เช่น การแบ่งปันธุรกรรมการระบุตัวตนของผู้ใช้ที่ไม่ได้ลงทะเบียนในระบบซึ่งเป็นผลมาจากการส่งคืนตัวระบุ (GOST R ISO / IEC19795-1-2007)
1) พารามิเตอร์ FAR (VLD), FRR (VLND) และ FMR (VLS) FNMR (VLRS) เหมาะสมที่จะพิจารณาเฉพาะในการรวมเท่านั้น
2) ยิ่งค่าสัมประสิทธิ์ EER ยิ่งต่ำความแม่นยำของระบบไบโอเมตริกซ์ก็จะสูงขึ้น
3) เสียงที่ดีสำหรับระบบไบโอเมตริกซ์คือความพร้อมใช้งานของกราฟ DET (COO) และ ROC (PX)
ความกว้างของพารามิเตอร์ระยะไกลและ FRR ของระบบไบโอเมตริก
ทีนี้ลองมาดูกันว่าพารามิเตอร์ FAR และ FRR ควรเป็นอย่างไรในระบบไบโอเมตริกซ์ ให้เราดูคล้ายคลึงกับข้อกำหนดสำหรับชุดรหัสดิจิทัล จากข้อมูลของ GOST ตัวเลขทศนิยมที่สำคัญต้องมีอย่างน้อย 6 นั่นคือ ช่วง 0-999999 หรือตัวเลือกรหัส 107 จากนั้นความน่าจะเป็นของ FAR คือ 10-7 และความน่าจะเป็นของ FRR นั้นพิจารณาจากความสามารถในการใช้งานของระบบเช่น มีแนวโน้มเป็นศูนย์
ATM ใช้รหัสทศนิยม 4 บิต (ซึ่งไม่สอดคล้องกับ GOST) จากนั้น FAR จะเป็น 10-5 รับ FAR \u003d 10-5 สำหรับพารามิเตอร์การพิจารณา สิ่งที่สามารถนำมาเป็นค่าที่ยอมรับได้สำหรับ FRR ขึ้นอยู่กับงานของระบบไบโอเมตริกซ์ แต่ขีด จำกัด ล่างควรอยู่ในช่วง 10-2 นั่นคือ คุณในฐานะผู้ใช้ที่ถูกกฎหมายระบบจะไม่อนุญาตเพียงครั้งเดียวในหนึ่งร้อยครั้ง สำหรับระบบที่มีปริมาณงานสูงเช่นจุดตรวจจากโรงงานค่านี้ควรเป็น 10-3 มิฉะนั้นจุดประสงค์ของไบโอเมตริกซ์จะไม่ชัดเจนหากเราไม่ได้กำจัดปัจจัย“ มนุษย์”
ระบบไบโอเมตริกซ์จำนวนมากอ้างว่ามีลักษณะคล้ายกันและมีลำดับความสำคัญที่ดีกว่า แต่เนื่องจากค่าของเรามีความน่าจะเป็นจึงจำเป็นต้องระบุช่วงความมั่นใจของค่านี้ จากช่วงเวลานี้ผู้ผลิตไบโอเมตริกซ์ไม่ต้องการลงรายละเอียดและไม่ต้องระบุพารามิเตอร์นี้
หากไม่ได้ระบุขั้นตอนการคำนวณการออกแบบการทดลองและช่วงความมั่นใจค่าเริ่มต้นคือการกระทำของกฎ“ สามสิบ” ที่ J. F. Poter นำมาใช้ในงานของเขา“ ในข้อผิดพลาด 30 ข้อ) (1997)
นี่คือหลักฐานโดย GOST R ISO / IEC19795-1-2007 The Rule of Thirty ระบุว่าเพื่อให้ความน่าจะเป็นที่แท้จริงของข้อผิดพลาดอยู่ในช่วง± 30% ของความน่าจะเป็นที่เกิดข้อผิดพลาดที่กำหนดไว้กับระดับความเชื่อมั่น 90% ต้องบันทึกอย่างน้อย 30 ข้อผิดพลาด ตัวอย่างเช่นหากได้รับข้อผิดพลาดที่ไม่ตรงกัน 30 ข้อในการทดลองอิสระ 3,000 ครั้งสามารถระบุด้วยความมั่นใจ 90% ว่าความน่าจะเป็นที่แท้จริงของข้อผิดพลาดอยู่ในช่วงจาก 0.7% ถึง 1.3% กฎดังต่อไปนี้โดยตรงจากการแจกแจงทวินามในการทดลองอิสระและสามารถนำมาใช้โดยคำนึงถึงประสิทธิภาพที่คาดหวังในการดำเนินการประเมิน
หลังจากนี้ข้อสรุปเชิงตรรกะมีดังนี้: เพื่อให้ได้ค่าการเข้าถึงที่ผิด ๆ 10-5 คุณต้องทำการทดลอง 3x106 ซึ่งเกือบจะเป็นไปไม่ได้ที่จะดำเนินการทางกายภาพด้วยการทดสอบจริงของระบบไบโอเมตริกซ์ ที่นี่ข้อสงสัยที่คลุมเครือเริ่มที่จะทรมานเรา
หวังว่าการทดสอบดังกล่าวจะดำเนินการในห้องปฏิบัติการโดยการเปรียบเทียบรูปแบบของคุณสมบัติไบโอเมตริกซ์อินพุทกับรูปแบบของระบบฐานข้อมูล การทดสอบในห้องปฏิบัติการทำให้สามารถประเมินความน่าเชื่อถือของอัลกอริทึมการประมวลผลข้อมูลที่ฝังตัวได้อย่างถูกต้อง แต่ไม่ใช่การทำงานจริงของระบบ การทดสอบในห้องปฏิบัติการไม่รวมผลกระทบดังกล่าวต่อระบบไบโอเมตริกซ์เช่นการรบกวนทางแม่เหล็กไฟฟ้า (เกี่ยวข้องกับระบบไบโอเมตริกซ์ทั้งหมด) การปัดฝุ่นหรือการปนเปื้อนของผู้ติดต่อหรือผู้อ่านพารามิเตอร์ไบโอเมตริกซ์ระยะไกลพฤติกรรมมนุษย์จริงเมื่อโต้ตอบกับอุปกรณ์ไบโอเมตริกซ์ เป็นต้นใช่คุณไม่เคยรู้ว่าสิ่งใดที่สามารถส่งผลกระทบต่อระบบที่ซับซ้อนเช่นระบบชีวภาพ หากบุคคลสามารถคาดการณ์ล่วงหน้าได้ว่ามีปัจจัยเชิงลบใด ๆ เกิดขึ้นก็อาจเป็นไปได้ที่จะไม่ทำการทดสอบเต็มรูปแบบ
จากประสบการณ์กับระบบรักษาความปลอดภัยอื่น ๆ เราสามารถยืนยันได้ว่าแม้การทำงานของระบบรักษาความปลอดภัยเป็นเวลา 45 วันไม่ได้เปิดเผยปัญหาส่วนใหญ่ที่ซ่อนอยู่และการดำเนินการทดลองใช้งานเพียง 1-1.5 ปีจะช่วยให้พวกเขาถูกกำจัด นักพัฒนายังมีคำว่า "โรคในวัยเด็ก" ระบบใด ๆ ควรจะป่วยด้วย
ดังนั้นนอกเหนือจากการทดสอบในห้องปฏิบัติการจึงจำเป็นที่จะต้องทำการทดสอบเต็มรูปแบบตามธรรมชาติการประเมินช่วงความเชื่อมั่นที่มีการทดลองน้อยกว่านั้นควรได้รับการประเมินโดยใช้วิธีการอื่น
เราหันไปใช้ตำราเรียน E.S. Wentzel, "ทฤษฎีความน่าจะเป็น" (มอสโก: "Nauka", 1969. 334 หน้า) ซึ่งระบุว่าความน่าจะเป็น P มีขนาดใหญ่มากหรือเล็กมาก (ซึ่งไม่ต้องสงสัยตรงกับผลลัพธ์ที่แท้จริงของการวัดความน่าจะเป็นสำหรับระบบไบโอเมตริกซ์) จากค่าประมาณ แต่มาจากกฏหมายที่แน่นอนของการแจกแจงความถี่ มันง่ายที่จะตรวจสอบว่านี่คือการแจกแจงทวินาม อันที่จริงจำนวนเหตุการณ์ที่เกิดขึ้นในการทดลอง n ถูกแจกแจงตามกฎทวินาม: ความน่าจะเป็นที่เหตุการณ์ A ปรากฏ m คูณเท่ากับ
และความถี่ p * ไม่ได้เป็นอะไรนอกจากจำนวนเหตุการณ์ที่เกิดขึ้นหารด้วยจำนวนการทดลอง
งานนี้ให้การพึ่งพากราฟิกของช่วงความมั่นใจกับจำนวนการทดลอง (รูปที่ 7) สำหรับความน่าจะเป็นความมั่นใจที่ b \u003d 0.9
มะเดื่อ 7. การพึ่งพากราฟฟิคของช่วงความมั่นใจกับจำนวนการทดสอบ
ลองพิจารณาตัวอย่าง เราทำการทดลองภาคสนาม 100 ครั้งโดยเราได้รับความน่าจะเป็นของเหตุการณ์เท่ากับ 0.7 จากนั้นบนแกน abscissa เราเลื่อนค่าความถี่ p * \u003d 0.7 วาดเส้นตรงผ่านจุดนี้ขนานกับแกนกำหนดและทำเครื่องหมายจุดตัดของเส้นตรงด้วยเส้นโค้งคู่ที่สอดคล้องกับจำนวนการทดลองที่กำหนด n \u003d 100; การคาดคะเนของจุดเหล่านี้บนแกนกำหนดและให้ขอบเขต p1 \u003d 0.63, p2 \u003d 0.77 ช่วงความมั่นใจ
สำหรับกรณีเหล่านี้เมื่อความแม่นยำในการสร้างวิธีการแบบกราฟิกไม่เพียงพอเราสามารถใช้การอ้างอิงแบบตารางที่มีรายละเอียดค่อนข้างมาก (รูปที่ 8) ของช่วงความเชื่อมั่นที่กำหนดในการทำงานของ I.V Dunin-Barkovsky และ N.V. Smirnova, "ทฤษฎีความน่าจะเป็นและสถิติคณิตศาสตร์ในงานวิศวกรรม" (มอสโก: สำนักพิมพ์แห่งรัฐของเทคนิคและทฤษฎีวรรณกรรม, 1955) ในตารางนี้มี x-numerator, n-denominator ของความถี่ ความน่าจะเป็นคูณด้วย 1,000
ลองพิจารณาตัวอย่าง เราทำการทดลองภาคสนาม 204 ครั้งโดยมีเหตุการณ์เกิดขึ้น 4 ครั้ง ความน่าจะเป็นคือ P \u003d 4/204 \u003d 0.0196 ขอบเขตของช่วงความมั่นใจคือ p1 \u003d 0.049, p2 \u003d 0.005
ในทางทฤษฎีเป็นที่เข้าใจกันว่าพารามิเตอร์ที่ระบุในเอกสารควรได้รับการยืนยันโดยใบรับรอง อย่างไรก็ตามในเกือบทุกพื้นที่ของชีวิตรัสเซียมีสถาบันรับรองโดยสมัครใจดังนั้นจึงได้รับการรับรองสำหรับข้อกำหนดที่พวกเขาต้องการหรือสามารถรับใบรับรอง
เราใช้ใบรับรองแรกสำหรับระบบไบโอเมตริกซ์ที่ผ่านมาและเราเห็นรายการ 6 GOST ซึ่งไม่มีพารามิเตอร์ใด ๆ ที่ระบุไว้ข้างต้น ขอบคุณพระเจ้าที่พวกเขาเกี่ยวข้องกับอุปกรณ์รักษาความปลอดภัยและมาตรฐานความปลอดภัย นี่ไม่ใช่ตัวเลือกที่แย่ที่สุดต้องพบกับเครื่องรับและส่งสัญญาณของระบบส่งข้อมูลวิทยุ (RSPI) ที่ได้รับการรับรองว่าเป็นรถยนต์ไฟฟ้า
มะเดื่อ 8. ส่วนของการพึ่งพาแบบตารางของช่วงความเชื่อมั่นกับจำนวนการทดสอบสำหรับความน่าจะเป็นความเชื่อมั่นที่ b \u003d 0.95
สิ่งสำคัญที่สุดของรายการ
1) พารามิเตอร์ FAR (VLD) ต้องมีอย่างน้อย 10-5 และ FRR (VLD) จะต้องอยู่ในช่วง 10 "2-10" 3
2) อย่าไว้วางใจพารามิเตอร์ความน่าจะเป็นที่ระบุไว้ในเอกสารอย่างไม่มีเงื่อนไขโดยสามารถใช้เป็นแนวทางเท่านั้น
3) นอกเหนือจากการทดสอบในห้องปฏิบัติการแล้วยังจำเป็นที่จะต้องทำการทดสอบภาคสนามของระบบไบโอเมตริกซ์
4) มีความจำเป็นต้องพยายามรับข้อมูลให้ได้มากที่สุดจากผู้พัฒนาผู้ผลิตผู้ขายเกี่ยวกับพารามิเตอร์ไบโอเมตริกซ์ที่แท้จริงของระบบและวิธีการได้มาซึ่งข้อมูลเหล่านั้น
5) อย่าขี้เกียจที่จะถอดรหัสซึ่ง GOST (s) และ GOST (s) ชี้ให้เห็นว่าระบบไบโอเมตริกซ์ได้รับการรับรอง
ในการต่อเนื่องของหัวข้อที่เราเริ่มต้นในระบบการระบุลายนิ้วมือจริงเราเสนอที่จะพูดคุยในบทความ“ ระบบไบโอเมตริกซ์ขั้นพื้นฐาน”
ข้อมูลอ้างอิง
- http://www.1zagran.ru
- http://fingerprint.com.ua/
- http://habrahabr.ru/post/174397/
- http://sonda.ru/
- http://eyelock.com/index.php/ ผลิตภัณฑ์ / hbox
- http://www.bmk.spb.ru/
- http://www.avtelcom.ru/
- http://www.nec.com/en/global/ โซลูชัน / ความปลอดภัย / ผลิตภัณฑ์ / hybrid_finger.html
- http://www.ria-stk.ru/mi "โลกแห่งการวัด" 3/2014
- http://www.biometria.sk/ru/ หลักการ -of-biometrics.html
- http://www.biometrics.ru
- http://www.guardinfo.ru/firstPhysical Protection System (PPS) ของวัสดุนิวเคลียร์และโรงไฟฟ้านิวเคลียร์อันตราย "
- http://cbsrus.ru/
- http: www.speechpro.ru
- Poter J F. ในข้อผิดพลาด 30 เกณฑ์ 1997
- GOST R ISO / IEC19795-1-2007 ระบุอัตโนมัติ การระบุทางชีวภาพ การทดสอบประสิทธิภาพและรายงานการทดสอบในชีวภาพ ส่วนที่ 1 หลักการและโครงสร้าง
- Ball R.M. , Connel J.H. , Ratha N.K. , Senior E.U. คู่มือชีวภาพ M: CJSC RIC Technosphere, 2549
- Simonchik K.K. , Belevitin D.O. , Matveev Yu.N. , Dyrmovsky D.V. เข้าถึงบริการธนาคารทางอินเทอร์เน็ตโดยอิงจากไบโอโมดัลชีวภาพ / โลกแห่งการวัด 2557 หมายเลข 3
- 19. Dunin-Barkovsky I.V. , Smirnov N.V. ทฤษฎีความน่าจะเป็นและสถิติทางคณิตศาสตร์ในงานวิศวกรรม M.: สำนักพิมพ์ของรัฐของวรรณคดีทางเทคนิคและทฤษฎี, 1955